我回北大参加了一场教育改革座谈：当AI让知识不再稀缺，大学该培养什么样的人？

11月7日，我回到北京大学，参加了一场关于AI时代本科教育改革的校友座谈会。

这次北大邀请了十位来自不同行业的校友，有理论物理学家、医学专家、律师、大学教授，也有像我这样在AI行业创业的人。学校正在思考一个很根本的问题：今天进入北大的学生，四年之后毕业时，我们希望他们成为一个什么样的人？

座谈会上，学校介绍了一个很有意思的现象。过去北大最热门的光华管理学院，如今本科生选择的热度明显下降，而信息科学越来越受欢迎。大家似乎都在追逐当下看起来最有前途的专业。

但我恰恰是北大信息科学专业出身，现在又在AI和大数据领域创业，反而在现场唱衰起了信息科学。

为什么？因为大学教育有一个天然的滞后性。今天选择专业，四年以后才毕业，再经过几年职业发展，已经是五到十年之后的事情。今天最热门的专业，到那时候可能已经不是最需要人才的领域。

这其实不只是计算机专业的问题。文科是不是没用了？AI会做作业，还需要考试吗？如果大学学到的知识很快就会过时，我们究竟应该让下一代学什么？我们在讨论会上讨论了很多深入的大学教育的问题。

接下来两个多小时的讨论，虽然大家来自完全不同的行业，但对于未来什么能力越来越重要，判断却有非常多的共识。

一、AI首先打掉的，不是某一个专业，而是知识生产本身的稀缺性

现场一位来自君合律师事务所的资深合伙人，同时在北大法学院讲授涉外法律文书写作。他分享了一个很有意思的变化。

过去，一名年轻律师要经过多年的专业训练，才能写出一份像样的英文法律文书。师傅不断修改，学生不断重写，直到掌握这种专业能力。

但现在，AI已经可以完成大量这样的工作。

所以他索性改变了课堂的教学方式，要求学生直接用AI生成法律文书，然后在课堂上讨论：AI哪里写错了？哪些事实需要进一步核实？怎样修改才能让它写得更好？

过去训练的是怎么写，现在训练的是如何判断写得对不对、好不好。

一位从事理论物理研究的学者也分享了类似的感受。他说，AI让过去可能需要一年完成的某些研究工作，现在几天就可以完成。

但与此同时，他也发现了一个问题。过去年轻研究人员需要经历读文献、计算、推导、反复试错的漫长过程，才能逐渐形成对一个领域的直觉和判断。现在AI可以大幅缩短这个过程，却也可能让学生失去独立思考能力形成的机会。

AI能够迅速给出研究结果，但什么问题值得研究？研究结果是否可靠？又该如何验证？这些反而越来越重要。

我的感受也很类似。

过去二十多年，软件行业一直是典型的知识密集型行业。程序员掌握编程语言、算法和软件架构，需要多年的学习积累，因此能够获得很高的市场回报。

但AI正在快速改变代码的生产方式。

我在现场打了一个比方：过去我们用手摇纺车生产纺织品，后来进入机械化大生产。机器出现以后，并不是纺织行业消失了，而是不再需要那么多操作手摇纺车的工人。

今天的软件行业也正在经历类似的变化。我们当然还需要研究计算机科学和AI模型的人，也需要优秀的软件工程师，但大量依靠重复性、标准化技能完成的工作，正在被机器接管。

法律、金融、新闻传播，甚至数学和理论物理研究，其实都在发生类似的变化。

AI首先冲击的，不是某一个具体专业，而是过去需要花费大量时间、依靠专业知识完成的工作，其价值正在被重新定价。

而我们的教育体系，恰恰非常擅长培养这样的人。

从小学到大学，我们花费大量时间训练学生掌握知识、解决问题、回答考试题目。谁能够更快、更准确地找到标准答案，谁就更容易被评价为优秀学生。

但今天，AI在回答问题这件事情上，已经越来越强。

这次座谈中，一位从事AI for Science研究的专家提到，科研可以分成出题、解题、验证、发布和评价几个环节。现在AI的解题能力得到极大的提升，出题和验证反而开始成为新的瓶颈。

这让我想到，其实社会对人才的需求，也正在发生类似的变化。

过去优秀的人，往往是最擅长解决问题的人。但未来真正有价值的人，可能首先要知道什么问题值得解决。

其次，他必须有能力判断AI给出的答案是否正确，是否符合真实世界的需要。

最后，他还要有能力调动资源，把这个答案真正变成结果，并且在面对不确定性的时候，为自己的选择承担责任。

这也正是我在现场说到的三个能力：提出问题、独立判断、把事情真正做成。

但新的问题随之而来：如果AI已经能够帮助我们完成大量知识学习和问题求解，大学是不是就不需要再教那么多基础知识了？

二、AI时代，大学不是应该少学基础，而是重新定义什么叫基础

这是当天讨论中，我觉得非常值得深入思考的一个问题。

一方面，很多专家都认为，大学里大量以知识讲授为主的课程可以重新组织。过去需要老师在课堂上讲一个学期的内容，现在学生可能通过AI、在线视频和其他资源，更快地掌握。

一些知识性的课程，完全可以让学生自主学习，最后通过考试来获得学分。这样既能提高效率，也可以把更多时间释放出来，让学生探索真正感兴趣的东西。

但另一方面，现场的物理学家、律师和学校老师又反复强调：基础教育绝对不能丢。

学校的一位教授还特别追问：大家都在谈判断力，但判断力究竟从哪里来？如果没有基础知识、基础逻辑和方法论，一个学生凭什么能够形成独立判断？

这其实是一个很重要的矛盾。

我觉得AI时代不是不需要基础教育，而是我们可能需要重新定义，什么才是一个人真正的基础。

过去我们理解的基础，更多是数学、编程语言、专业知识，以及各种学科的基本理论。

这些当然重要，但我越来越觉得，未来大学应该同时重视三个层次的基础能力。

第一层，是学科的底座。

数学、逻辑、语言、科学方法，以及各个专业真正核心的理论和方法论。

这些东西仍然需要严格训练。因为一个人只有真正理解了基本原理，才能知道AI给出的答案是否可信，也才能在遇到新问题时继续学习，而不是完全依赖AI。

比如AI可以帮助学生完成数学证明，但如果学生自己连最基本的推导过程都不理解，他就很难判断这个证明究竟有没有问题。

第二层，是人的底座。

历史、哲学、文学、写作、人文精神，以及对社会和价值的理解。

我在现场提出了一个可能有点反常识的观点：作为信息科学专业出身的人，我反而认为未来的计算机学生，应该更多地去学习历史、哲学、文学和写作。

我发现很多程序员掌握了非常复杂的技术，但是让他清楚地表达一个观点，写一份完整的报告，理解一个商业问题，或者和其他领域的人沟通，却不一定擅长。

而这些能力，恰恰会影响一个人未来几十年的职业发展。

AI让技术和专业知识的获取成本越来越低，但对社会的理解、对历史的认识、对价值的判断，并不会因为你掌握了一个编程工具就自然形成。

同样，学习法律、经济、管理和人文学科的学生，也应该能够理解和使用AI工具。未来学科之间的边界，可能远远没有今天这么清晰。

第三层，是行动的底座。

沟通、协作、领导力、组织能力，以及在不确定性下承担责任的能力。

这些能力在传统大学里往往被称为软技能，很多时候不是在课堂上学到的，而是在学生会、社团、实践活动中慢慢形成的。

我自己就非常受益于我在四中的学生时代参与电视台等活动的经历。演讲、表达、沟通和组织活动的能力，后来在创业和企业管理中都发挥了很大的作用。

但在未来，这些所谓的软技能，可能反而越来越重要。

因为AI会让一个人的专业执行能力大幅增强，但能不能把不同的人、不同的工具、不同的资源组织起来，去解决一个复杂的问题，是另外一种训练。

所以很多校友都觉得，大学教育应该重新分配时间。

有些基础训练必须更加严格，甚至应该保留不允许使用AI的闭卷考试。但另一些课程则可以充分使用AI，重点考核学生能否利用工具完成复杂任务，以及能否解释和验证自己的结果。

大学仍然需要教知识，但知识不应该再是教育的终点。

三、大学应该从“解题训练场”，变成“真实问题训练场”

如果减少一部分重复性的知识讲授，释放出来的时间应该做什么？

我觉得最重要的，是让学生更早地接触真实世界的问题。

因为从小学到大学，我们整个教育体系最擅长的，就是不断给学生设计题目，让他们寻找标准答案。

但真实社会不是这样的。

大部分有价值的问题，本身就没有标准答案。甚至在很多时候，我们连问题应该如何定义，都需要经过大量探索。

现场一位来自君合律师事务所的合伙人讲了一个非常有意思的观察：很多学生进入律所实习后，仍然习惯展示自己知道多少法律知识，却没有真正理解客户究竟需要解决什么问题。

学生往往更关心自己答得对不对，但社会真正关心的，是你能不能解决别人的问题。

这就是学校训练和现实世界之间非常大的区别。

我在现场提出了一个建议：其实大学不一定要花费很大成本，专门为学生设计各种模拟实践项目。真实世界里，本来就已经存在大量非常好的学习和实践平台。

比如全球开源社区。

Apache、Linux等开源社区里，有来自世界各地的优秀开发者，有真正运行在生产环境中的软件，也有大量真实存在、还没有解决的问题。

一个计算机专业的学生，可以直接参与这些项目，选择一个自己感兴趣的问题，研究原因，尝试修改代码，再提交给社区。

如果做得不好，全球的开发者会给他Code Review，指出问题，甚至直接拒绝他的代码。如果做得好，他的代码就可能被合并进项目，被世界各地的用户使用。

这和在学校里完成一道老师已经知道答案的作业，完全不同。

学生面对的是真实问题，接受的是真实反馈，参与的是全球开发者的协作过程。他不仅要掌握技术，还要理解需求，能够清楚地表达观点，接受别人的批评，并且为自己提交的工作负责。

更重要的是，这种机会不需要等到毕业以后才能获得。一个本科生，只要有足够的兴趣和一定的基础，就可以参与其中。

我觉得其他学科也可以借鉴这样的模式。法律专业可以参与真实案例研究，医学可以围绕真实疾病组织跨学科讨论，社会科学可以让学生参与真正的社会调查。

不一定要求学生在本科阶段就做出多么了不起的成果，重要的是让他们真正经历发现问题、提出假设、寻找证据、不断试错的过程。

这次座谈中，那位从事理论物理研究的学者还讲到一个很有意思的观点：AI让年轻学生比过去更容易接触科研前沿，但大学不能只追求让学生更早产出成果，而应该保护他们独立探索的过程。

我很认同这一点。

因为真正的判断力不是老师在课堂上告诉你几条原则，就能够培养出来的。它需要学生在面对真实问题时，不断尝试、犯错、修正，才能逐渐形成。

而且AI越强，学生越有机会在本科阶段就去尝试过去需要研究生、博士生才能参与的问题。

AI时代，大学里最应该增加的，可能不是更多的“AI课程”，而是更多没有标准答案的真实问题。

四、AI越强，大学反而越应该培养“人”

这次座谈还有一个让我印象很深的细节。

一方面，我在现场强烈建议学校，在合法合规、条件允许的情况下，尽可能让学生使用全球最先进的AI模型。

因为AI正在成为新的基础设施，就像过去的互联网、计算机和搜索引擎一样。我们希望培养全球顶尖的人才，就应该让他们有机会接触最先进的工具，去探索技术和知识的边界。

但另一方面，一位来自法律行业的校友提出，大学其实也应该保留一些完全不使用电脑、不使用手机的人文课堂。

让学生围坐在一起，读一本书，讨论一个问题，认真表达自己的想法，也认真听别人说什么。

我觉得这个建议特别有意思。

因为它和我建议学生充分使用AI，看起来完全是两个相反的方向，但实际上并不矛盾。

今天AI能够帮助我们快速获取知识，甚至可以替我们阅读、总结、写作和分析。但人和人之间真实的交流、争论、理解和信任，并不会因为这些工具的出现就不再重要。

现场还有一些校友回忆，自己在北大本科期间真正受益的，除了专业课程，还有那些看似与就业无关的经历：听过一位好老师的课，参加过一次学生社团活动，和不同专业的同学进行过长时间的讨论，或者在某个原本不擅长的领域发现了新的兴趣。

这些事情，很难用考试成绩或者毕业薪资来衡量。

但很多年以后回头看，它们可能恰恰是大学教育留给一个人最宝贵的东西。

我前段时间一直在思考《AI时代，学区房还重要么？》这个问题。因为作为一个父亲，我也会考虑自己的孩子未来究竟需要怎样的教育。

我们这一代家长，花费大量时间和金钱，希望孩子能够进入更好的学校，获得更好的成绩，最终考入一所好大学。

但这次回到北大，我又开始从另一个角度思考：即使孩子进入了最好的大学，我们到底希望大学教给她什么？

我们不能准确预测2030年、2035年的AI会发展到什么程度，更不知道到那时候，今天的热门专业和职业还有多少会继续保持稀缺。

如果大学只是按照今天最热门的岗位去培养学生，等他们毕业的时候，市场可能早就发生变化了。

我越来越觉得，未来最好的大学，可能同时存在两种完全相反的课堂。

一种课堂里，每个学生都可以使用世界上最强的AI，探索那些过去难以想象的问题。

另一种课堂里，没有电脑，没有手机，甚至没有AI，只有十几个人围坐在一起，讨论一本书、一个问题、一种价值。

前一种课堂训练我们如何使用机器。后一种课堂提醒我们为什么仍然要成为人。

结语：大学四年，究竟应该改变一个人的什么？

这次座谈中，一位理论物理教授提出了一个观点：北大已经选拔了全国最优秀的一批学生，如果大学四年仍然只是通过绩点、竞赛、科研成果来证明这些学生有多优秀，其实只是在反复确认他们原有的优势，而不是帮助他们发现那些尚未显现的潜力。

另一位年轻校友也分享了一个观察。过去新生会问什么课程有趣、什么社团值得参加，后来越来越多学生问的是哪门课绩点高、怎样才能保研、参加什么活动对找工作有帮助，如果只是面向找工作这些，那么去职高就可以了，不用非要加入到北大。

这让我想到，我们花费十几年的时间，通过考试不断选拔优秀学生，希望他们进入最好的大学。但等他们真正进入大学以后，又开始为下一场考试、下一次选拔、下一份工作做准备。好像每一个阶段都在为下一个阶段做准备，却很少有时间认真思考，自己到底对什么感兴趣，未来真正想做什么。

而AI正在让这个问题变得更加迫切。

过去教育最重要的目标之一，是让一个人掌握社会需要的知识和技能。但当AI能够完成越来越多过去需要多年训练才能完成的工作，我们可能需要重新思考：大学究竟应该怎样衡量自己的教育成果？

我最近看到斯坦福关于AI与学习的一项讨论：如果学生把思考、试错和困难的部分都交给AI，虽然最终完成了任务，但学习真的发生了吗？

我自己是创业者，在企业里，我们追求效率，希望用更少的时间、更低的成本，完成更多工作。但教育和企业生产有一个根本区别：企业追求的是工作成果，教育真正应该关心的，是学生在完成这些事情的过程中，究竟发生了怎样的成长。

所以北大在去年，2025级学生开始全面取消了GPA，这是非常大胆的一步，也是让我们看到了北大作为全球顶级学府的决心！

我们当然可以利用AI降低知识获取和任务执行的成本，但不应该把一个人形成独立判断、探索兴趣、经历失败的过程，也当作需要被消除的低效率。

更重要的是，如果大学教育始终围绕着培养那些AI还不能替代的技能，那么大学就只能不断追赶技术的发展。今天认为不可替代的能力，明天可能就会被AI掌握。

大学当然需要帮助学生就业，但正如北大教导主任所讲，一所顶尖大学的价值，仅仅是按照未来就业市场的需求培养人才，那它和职业培训机构又有什么本质区别？

当AI让完成任务变得越来越容易，一个人能够做什么，可能不再是最困难的问题。他究竟想做什么，为什么值得去做，反而成为一个更根本的问题。

如果教育只是为了把一个人培养成社会需要的工具，那么AI终究会成为比人更好的工具。

大学真正的意义，是让一个年轻人不只拥有改变世界的能力，还能够独立决定，这个世界有什么值得他去改变。

我深以为然。