纽约颁布最严学校AI禁令, 硅谷精英急眼：教育风向微妙转变

富裕家庭有试错的资本，而公共系统运行的却是一个后果可能落在整整一代孩子身上的社会实验。

作者：Claire克莱因，剑桥宝妈，前伦敦科技投行和国际学校管理。鸡娃不如自鸡，精通四语，沉迷硬核洞见。如果喜欢蓝橡树的文章，请记得要把我们“设为星标”哦！

最新直播预告

体制内外怎么转轨？孩子适合哪条升学路？英美之外还有哪些选择？一个学术好但很“卷”的孩子，和一个成绩普通却兴趣明确的孩子，更适合怎样的教育？

明天晚上七点半，我们邀请到「狄邦教育集团」副总裁朱非一先生，来到蓝橡树直播间，聊一聊教育路线选择的时机和规划。

纽约学校限制AI硅谷精英急了2026年9月初，纽约市市长办公室宣布了一项政策，内容包括：

纽约的公立学校暂停让托班到八年级学生直接使用生成式AI；高中生需完成两次AI素养课程，在教师监督下，使用特定场景的AI工具。

很多报道把它简化成：纽约市将禁止学生使用AI

四位硅谷精英在一档博客节目中，花了将近20分钟专门讨论这件事。

他们抨击这项政策，认为这势必加速阶层固化：私校不受政策桎梏，会使用AI优化教学；公校的孩子却被剥夺了拥抱技术的机会，困在贫困中。

只有一个人承认，放养式地使用大模型，可能让人认知能力退化。但他还是担心，纽约政策会使请不起真人家教的孩子，失去一个廉价的AI辅导老师。

他们的担心，不无道理。AI确实把一对一讲解、即时反馈和个性化练习带到更多孩子面前。

但作为一名教育者，听完那段讨论，我心里很不舒服。

因为在他们的认知中，教育者似乎只有两种形象：阻碍创新的旧制度，即将被AI替代的工具人。

可老师们每天所做的工作——观察学生为何沉默，判断他的情绪，发现知识盲区，根据他的能力调整教学，协调同伴矛盾——他们完全视而不见。

这是一种认知上的傲慢：非常懂技术、资本和产品，就认为自己也有资格定义教育，他们把教育中难以量化和规模化的部分，从因果链里直接删掉了。

这场讨论里，有四个认知盲点，我们来逐一分析。

图 2 四种认知错误并非同义批评 它们依次误判起点、原因、公平和风险

• 精英投射

所谓「精英投射」，就是「何不食肉糜」。意思是，以为别人也跟自己拥有同样的条件，从而提出一些脱离现实的建议。

对应到AI使用上，就是从身边那些基础扎实、自我驱动力强、拥有丰富成人支持的孩子出发，推导一种技术对所有孩子的作用。

但孩子的情况是很复杂的。

或许一个孩子会有成年人亲自指导他使用工具，追问：豆包为什么这么说？答案哪里可能错了？你能复述一遍吗？他还可以换产品、请老师等等。

但另一个孩子却没有这样的条件。他抄下了豆包生成的答案，没有人知道他是否理解。

表面上，两个孩子交出了同样的作业。但一个孩子得到的是“AI＋高质量对话＋及时纠偏”；另一个孩子得到了答案生成器，失去的却是自己思考的过程。

硅谷精英的错误投射在于，把自己身边异常丰富的支持条件，当成每个孩子都拥有的默认配置。

• 选择性失明

当一个孩子借助AI取得进步时，人们只看见了「新工具」，却没看见那些让工具真正起作用的隐性支持，这就是「脚手架失明」，很少有人会注意到脚手架——可没有它们，楼根本盖不起来。

这些隐形支持，可能是父母的协助；是经老师设计的学习任务；也可能是孩子本来就已经的各种能力。

一项发表在PNAS、涉及近千名高中生的随机实验，说明了这个问题。

学生用普通GPT界面练数学时，眼前做题的表现明显提高；但当AI被撤除，他们在独立考试中的成绩，反而比从没用过AI的学生低了17%。 研究者发现，很多学生把普通GPT当成了“拐杖”，直接索取和复制答案。直到加入教学护栏后，这种伤害基本消失了。

图3 普通GPT提高练习表现 但撤掉工具后的独立成绩低于对照组 来源 PNAS

研究团队把教师提供的正确解法、学生常见错误以及应该如何反馈，预先写进系统。论文明确指出，这个过程是劳动密集型的。

即便如此，加入护栏的版本，也只是大体消除了伤害，并没有让学生在独立考试中显著超过没有AI的对照组。

换句话说：AI没有绕过教师，它把教师的专业判断，藏进系统提示里。

一个好老师传递的绝不只是答案。

但是，硅谷精英们却把弥足珍贵的注意力、情绪稳定、教学判断和纠偏能力从因果链中删除，把成果归功于AI。

• 「获得」不等于「公平」
  

怎么理解「获得」不直接等同于「公平」。

举个例子，给两个人同一型号的自行车，不代表他们拥有同样的行动自由。还要看他们是否会骑、身体条件如何，以及生活的地方有没有安全的道路。

AI也是一样。账号是资源，成长是能力。两者之间隔着一条复杂的转化链：获得工具→ 愿意使用 → 知道如何使用 → 在使用中真正思考 → 撤掉工具后依然掌握 → 能把知识迁移到新问题

斯坦福SCALE在2026年审查了818篇K12人工智能相关论文，最后只有20项达到较高质量的因果研究标准；没有一项学生端研究发生在美国的K12课堂。

图4 Stanford SCALE证据综述 818篇论文中仅20项达到较高质量因果标准

参与不等于学习，完成也不等于掌握。AI容易让「成果」掩盖「认知过程」，还会把这种错觉放大。孩子在AI辅助下做对了，不代表他在AI离开后学会了

过去我们谈数字鸿沟，问谁有设备、谁能联网；后来我们开始问，谁拥有数字素养、谁知道怎样使用工具。到了AI时代，我们还必须追问：谁能把AI的使用，转化为不依赖AI的能力？

真正的公平，不是把同一种投入平均分发出去，而是让不同处境的孩子，都拥有把资源转化为成长的现实条件。

而背后的区别，恰恰在老师身上。

• 风险特权

精英家庭当然可以让孩子率先尝试新技术。因为在他们的环境里，试错通常具有可逆性。

他们可以停下来、可以请真人老师、可以转学、他们有有知识、时间和途径寻找替代方法。总之，他们拥有监控风险、吸收损失和及时退出的能力。

公共教育系统面对的，却是数十万背景各异的儿童。它不能默认每个孩子回家后都有一个懂技术、时间充足的成年人、也不能默认一次失败的尝试后，每个人都能获得修复。

风险特权，就是有能力控制和修复风险的人，把自己的试错条件，当成所有人都具备的公共条件。

从这个角度看，纽约市的政策当然不是唯一的答案。但把它直接描述成反技术、破坏孩子未来，反而跳过了公共教育必须承担的责任——收益尚未确定时，谁来承担错误的代价？

富裕家庭有试错的资本，而公共系统运行的却是一个后果可能落在整整一代孩子身上的社会实验。

硅谷精英漏掉了什么？

那套“AI 家教足够便宜，所以应该让每个孩子使用”的推理，漏掉的东西已经越来越清楚。

它漏掉了AI背后的那些人。

一个孩子要负责任地使用AI，需要的远不只是一个账号。他需要知道：

• 什么时候应该自己想，什么时候可以求助；

• 如何判断AI说得对不对；

• 如何忍受暂时不知道答案；

• 如何不把思考全部外包；

• 如何在得到提示之后，重新用自己的语言解释；

• 如何从屏幕回到现实，和人讨论、动手验证、接受不同意见。

这些能力不会随着AI账号一起自动安装。它们需要教师、父母和同伴的托举。

Stanford SCALE团队在2026年开展了两项随机对照实验，共涉及两个学区355名一至五年级学生。研究者给学生安排了专门时段使用AI阅读辅导平台。 即便如此，在没有真人支持的组别中，40%至47%的孩子一次也没有使用平台；真正登录的孩子平均每周也只使用2至5分钟。 加入真人辅导员后，参与度提高了71%至80%，但使用量仍然很低，阅读成绩也没有改善。

这项研究的结论说明：把平台交给孩子，不等于孩子会使用；提高使用率，也不自动等于产生学习效果。

Stanford后来用「人际关系强度」描述AI家教中人类关系的深度与持续性：

• 真人教师直接承担教学和关系时，研究证据最强；

• AI主导、真人监督时，效果取决于具体实施；

• 当孩子独自面对AI时，现有证据最薄，长期发展和安全问题也最不确定。

图5 人际关系强度越低 AI tutoring的证据越薄 来源 Stanford SCALE

风靡全美的Alpha School从来都不能被简单理解成「一台AI替代老师」。

Alpha School每年4万至7.5万美元的学费比私校都要贵。但家长购买的从来不只是一套软件，而是一整个围绕软件运转的人类系统。有小组、导师、项目活动、同伴环境、行为与进度管理，以及高参与度家庭。

图6 Alpha School的产品不是单独的软件 而是一套围绕软件运转的人类系统

人际关系成奢侈

四个盲点连在一起，让我们看见一种更深的教育分层。

、儿童发展研究者Dana Suskind对此有一个概括：在AI时代，真实、持续的人际连接可能成为一种奢侈品。

富裕家庭会努力保护低技术、真人密集的童年；而压力最大的家庭和学校，反而被推销一种自动化替代品。

面对一款AI学习工具，家庭和学校至少应该问四个问题：

1.它是在增强关系，还是替代关系？

使用之后，孩子与老师、父母和同伴的高质量互动增加了，还是减少了？

2.它是在促进思考，还是绕过思考？

AI会追问、提供提示、等待孩子尝试，还是立即交付完整答案？

3.关掉工具以后，还剩下什么？

孩子能否独立解释、独立完成，并把学到的方法迁移到新的问题？

4.如果判断错了，谁来发现和修复？

有没有负责的成人、清晰的数据保护、退出机制和持续评估？

网上关于AI教育的讨论，从来不缺音量。

特权阶级从自己的餐桌出发，以为人人面前都有一碗肉粥；科技公司把「账号已开通」当作「教育已发生」；少数愿意承认风险的人，也常常默认每个家庭都拥有试错的资本和退出的退路。

这条认知链上的每一次跳跃，都顺滑得让人忘了问一句：何以为据？

AI产品宣称自己可以替代教师时，它把那套最难复制的人类劳动，从因果链中隐藏了起来。

真正的问题从来不只是「该不该让孩子使用AI」。而是当我们谈论AI教育时，我们谈论的究竟是那个聊天框，还是聊天框周围那一整圈默默的支撑？

教育要保护每一个受教育者，在工具面前不会被独自留下。

为了不错过每一篇推文，大家记得关注并星标蓝橡树， 期待和你一起聊教育、看世界