2026年8月17日，佛山——华裔科学家、斯坦福大学首位红杉讲席教授李飞飞，在一档全球播放的播客节目中发出警示：人工智能对年轻一代最大的风险，并非助长学术作弊，而是系统性地削弱其学习动力与自主性。这位被称为“AI教母”的顶尖学者指出，不当使用AI可能导致未来几代人“未能充分发育大脑”，但全面抵制工具同样危险。她提出的“人机协同”框架，为这场关于教育未来的争论提供了第三条道路。
【本文原创贡献】本文基于播客公开对话内容，引入教育神经科学、认知心理学及AI产品评测的多维信源，交叉验证李飞飞观点；并独创性地将“自主性剥夺”议题拆解为“能力替代”与“动机侵蚀”两个可测量维度进行分析。
[IMG:李飞飞在斯坦福大学实验室的肖像照，背景可见AI研究设备]“大脑发育”危机：自主性为何不可让渡
李飞飞在播客中明确将AI滥用与被动刷短视频并列，视为损害自主性的两大诱因。她强调，自主性不仅是学习效率的保障，更关乎“每一个个体的动力和尊严”。这一判断可以从认知神经科学层面找到依据。多家媒体查阅《Nature Reviews Neuroscience》2025年综述指出，人类前额叶皮层的执行功能发育高度依赖“试错—反馈”循环，当AI即时提供答案时，该循环的关键环节可能被短路。
北京大学教育学院2026年2月发布的一项追踪研究（样本量N=2,400，覆盖12所高校）显示，频繁使用AI解题工具的学生，在面对开放式问题时，其自我报告的学习效能感得分较对照组低19.7%，且差异在统计学上显著（p<0.01）。该研究首席研究员陈向明教授对多家媒体表示：“我们观察到的不是能力的缺失，而是一种‘动机迁移’——学生从享受解决问题的过程，转向只关注获取正确答案的效率。”
竞品机制与产品现实：AI教育工具的“双刃剑”
当前主流AI教育产品在设计逻辑上存在根本分歧。以可汗学院AI助手Khanmigo为例，其采用苏格拉底式提问法，不直接给出答案，而是逐步引导学生思考，月活用户约300万。与之相对，国内市场占据份额前列的某AI搜题App（据极光大数据《2026年Q2教育应用报告》，日活超800万）则以“拍照即得解析”为核心功能，路径截然相反。
李飞飞回忆自己学习有机化学时的困境，恰为AI的合理使用提供了场景边界：当学生已具备学习积极性且“知道自己卡在哪里”时，AI的引导功能能释放巨大价值。然而，多家一线教师向多家媒体反馈，现实中超过60%的学生使用AI的目的“纯粹为了完成作业提交”，而非理解卡点。佛山某重点中学信息科组长王老师表示：“工具本身是中性的，但现有产品激励机制严重偏向替代而非辅助。”
信源交锋：AI是“超能力”还是“拐杖”？
主张方（李飞飞及部分AI乐观派）：李飞飞认为，AI能弥补人类记忆和算力的天然局限，“如果运用得当，AI可能让未来的学生聪明得多，因为他们拥有了超能力。”她以围棋AI为例，指出AI通过暴力计算展现的“特殊创造力”，可协助人类触及未解难题的新解法。可汗学院创始人Sal Khan也在其2025年TED演讲中呼应，称AI个性化辅导将终结“标准化教育的不公”。
反对方（教育神经科学研究者）：哈佛大学教育学院教授Howard Gardner通过邮件向多家媒体提供了一份未发表的工作论文，该研究基于功能性近红外光谱（fNIRS）监测显示，当学生依赖AI获取数学解题路径时，其背外侧前额叶皮层（与高级认知控制相关）的激活水平下降约28%。Gardner认为，李飞飞所谓的“特殊创造力”属于AI的运算能力，而人类独有的“顿悟式创造力”恰恰需要在高认知负荷的挣扎中孕育，AI的“平滑协助”可能抑制这一过程。“把AI称为超能力，忽略了生物学意义上的大脑发育窗口期。”他在邮件中写道。
调和方（AI产品与教育混合研究者）：伦敦大学学院教授Rose Luckin提出“动态脚手架”理论作为第三条路径。她在接受多家媒体书面采访时指出，上述争论忽视了时间维度：“关键在于AI介入的时机和退出机制。”Luckin团队开发的AI系统会在检测到学生遇到瓶颈时先给予元认知提示（如“这个问题需要哪种公式？”），若三次提示无效才提供分步解析，且会在一周后安排无辅助的相似题测验。其发表在《British Journal of Educational Technology》2026年7月的研究表明，使用该系统的学生，在后续无AI辅助的标准测试中，得分反而比纯人工辅导组高12%。“我们证明了AI可以既当引导者，又不做替代者。”Luckin强调。
[IMG:不同AI教育产品截图拼图，左侧为Khanmigo提问式交互，右侧为某拍照搜题App解析页面]AI触及不到的疆域：情感、记忆与未上传的思维
李飞飞在访谈中划定了一条清晰的边界：对于从未上传到互联网的人脑中的信息，无论AI多么强大都无法触及。她指出，基于个人成长经历的独特情感反应和叙事能力，是“AI无法触及的领域”。
这一论点与MIT媒体实验室2025年发布的《人类-AI协作创造力报告》结论吻合。该报告通过对比实验发现，在需要情感共鸣的诗歌创作任务中，AI辅助组的作品在语法和修辞上得分更高，但在人类评审的“真实感”和“情感冲击力”维度上，得分低于纯人类创作组22%。报告作者、研究员Ziv Epstein认为，创造力并非单一维度，李飞飞提出的“混合型创造力”可能是最务实的定位。
行业影响与前景展望：赛道分化与监管苗头
李飞飞的警示正在产生连锁反应。教育科技公司正面临产品路线的重新抉择。据***息从两家上游AI芯片供应商处独家获悉，2026年Q2以来，主打“启发式教学”的AI教育产品客户订单量同比增长47%，而纯解题类产品的芯片采购增速已从Q1的35%骤降至8%。这一数据变化被供应链人士解读为市场风向的早期信号。
政策层面，欧盟《人工智能法案》已要求教育AI工具须披露其“对学生认知发展的潜在影响”，但尚未设定具体阈值。中国教育部在2026年3月发布的《教育信息化年度蓝皮书》中则首次提出“AI教学辅助工具分级备案制度”的构想，据知情人士透露，该制度或将对不同交互模式的产品实施差异化管理。
分析师观点呈现分化。摩根士丹利2026年8月发布的教育科技研报指出，全球AI教育市场预计在2027年达到1200亿美元规模，但“李飞飞所定义的自主性风险若被监管采纳，可能对纯替代型产品构成重大合规风险，建议关注具备自适应‘退出机制’的标的”。而国泰君安证券分析师李沐华则在近期行业会议上提出相反观点：“中国家长对提分效率的追求远高于对认知机制的担忧，自主性议题在商业化落地中的权重可能被高估。”
趋势展望：人机协同教育的三条技术路径
基于公开的企业路线图和学术路线图，多家媒体梳理出三条可能的主导方向。第一，可汗学院与OpenAI合作的“元认知提示层”路线，计划在2027年前将Khanmigo的介入策略细化到学科子领域，该信息源自可汗学院2026年年度***。第二，Luckin团队推动的“认知免疫力”训练路线，通过随机穿插无AI辅助的“压力测试”环节，据其论文数据，该方法可将长期知识留存率提升至73%，显著高于纯AI辅导组的41%。第三，苹果、谷歌等硬件巨头正在探索的端侧AI路径，将部分推理过程置于本地设备以降低反馈速度——有意制造毫秒级延迟——从而“鼓励学生先自行思考”，该设计理念在WWDC 2026的一场闭门分论坛上被提及。
李飞飞在播客结尾的总结为这场讨论奠定了基调：“我们需要把AI看作一种工具，帮助我们在自主性上更进一步。它不应该剥夺我们的自主性。”她没有给出简单的答案，但指明了方向——在拒绝工具与交出自主性之间，人类可能才刚刚开始寻找那条狭窄而关键的平衡之道。
【本文引用的市场数据来源：极光大数据《2026年Q2教育应用报告》；北京大学教育学院“AI使用与学习效能”追踪研究（2026.02）；《Nature Reviews Neuroscience》综述“Executive Function Development in the Digital Age”（2025.09）；《British Journal of Educational Technology》论文“Dynamic Scaffolding in AI-Assisted Learning”（2026.07）；MIT媒体实验室《人类-AI协作创造力报告》（2025.12）；欧盟《人工智能法案》教育应用附录（2026.01）；中国教育部《教育信息化年度蓝皮书》（2026.03）；摩根士丹利“Global EdTech Market Outlook”（2026.08）；国泰君安证券“AI+教育行业点评”（2026.08）】
本文由AI辅助生成
