当 AI 几乎无所不能，学生靠什么拉开差距？

我是在墨尔本读的高中，VCE 体系。十一年级时，我提前考掉了 Maths Methods，拿到满分，成绩大约排在全州前 0.3%。

出分那天，身边的人都在说同一句话：你该去做家教。

这确实是最直接的选择。已经有人愿意为一小时的辅导付出一笔对高中生很不错的钱。把满分换成一小时一小时的家教费，一周接几个学生，对一个十六七岁的人来说，收入相当体面。

我没有那么做。

我打开电脑，开始做一份 pitch deck，准备把自己的数学学习方法做成一套完整课程。

我现在重新讲这段经历，是因为 AI 正在改变它最有价值的部分。今天，一个学生借助 AI，可能几天就搭出我当时花了很久才写出的系统，课程初稿、产品设计和营销材料也能更快完成。执行越来越便宜以后，大家会更关心问题是谁发现的、方向是谁定的，以及现实反馈出现后谁还在继续推进。这也是后来大学和工作面试反复追问这家公司经历的原因。

一个没人布置的选择

我十三岁从中国搬到澳大利亚。刚来的时候英语很差，上课经常听不懂。数学是少数当时不那么依赖英语、我还能牢牢抓住的东西。我花了大量时间，慢慢摸索出一些有效的学习方法。提前考完 Maths Methods 并拿到满分后，我开始觉得，这套方法也许能帮到更多人。

但想法和做成之间，隔着大量我完全不会的事。

当时十六岁，没有商业计划，也不确定具体怎么做。我先做 pitch deck，把自己的想法勉强讲清楚。然后到处找人聊，慢慢凑出一个六人团队。我并不真的知道怎么带人，也不太知道一个教育产品应该包含什么。很多事都是先答应了，再回头拼命学。

课程内容是我根据自己的数学学习过程重新设计的。我没有照搬学校教材的顺序，而是按自己觉得更容易理解的逻辑重新安排。然后是录课。白天去学校，晚上回家录。一段十五分钟的视频，经常要反复录两三个小时。前前后后，我花了数百个小时录制和剪辑，大多数时候都是一个人坐在电脑前完成。剪完还要写讲义、出题、整理学习材料。

课程做出来以后，我以为最难的部分过去了。结果发现学生不能只看视频。他们需要登录，需要进度，需要知道上一次学到哪里。于是我开始写自己的 LMS 学习管理系统。那是我第一次真正从零做一个系统。

再然后，一个更现实的问题出现了：课程做出来了，却没有人知道。

我开始做销售和营销。对一个十六岁的高中生来说，这件事天然有点尴尬。要在各种场合向陌生人解释自己的课程，回复家长的询问，处理犹豫和拒绝。第一批学生进来以后，反馈非常直接。某个知识点我以为讲清楚了，学生却说看不懂。某个功能我花了大量时间做，结果几乎没人点开。

然后就是改。反复改。

这件事后来慢慢长大了。课程服务了三百多名学生，也开始产生稳定的收入。三百人算不上很大的规模，收入也谈不上惊人，但这说明产品已经有人在用。学生会拿它学习，哪里做得不好也会直接指出来。从那时起，它成了一件我需要对别人负责的事。

面试官追问的是创业过程

申请大学时，这段经历成了我最重要的课外活动。六人团队、数百小时的录制和剪辑、自己写的 LMS、三百多名学生和实际收入，都给招生官留下了可以继续追问的细节。我不需要在材料里写“我有领导力”或“我热爱教育”，经历本身已经说明了很多。

面试的时候更明显。面试官几乎不问抽象的词。他们问的是：为什么不用现成工具，而要自己写 LMS？第一批学生从哪里找到？哪个功能失败了？如果重新来一次，你会改变什么？

这些问题有一个共同点：如果你真的做过，就能一直答下去。如果只是包装过，很快就会卡住。

进入 UC Berkeley 之后，我学的是计算机和数学。大一第一次申请头部科技公司的机会时，我几乎没有传统的软件实习经历。和高年级学生相比，履历单薄得多。但面试时我发现，只要把高中这段经历讲出来，面试官就愿意认真听。他们会顺着细节一路问下去。到了大二，这段经历仍然是我面试中反复被追问的核心内容。

这段经历代替不了算法、编程和系统能力，也无法保证面试通过。它让面试官看到，我已经面对过用户、维护过系统，也承担过团队责任。后来大学里的学习和工作继续提高了这些能力，而最早的练习就发生在高中那个项目里。

现在回头看，简历上的那一行反而没有那么重要。这个项目让我很早就走过一次完整过程：发现问题，组织资源，做出第一版，拿给别人用，收到反馈，修改，再推出去。后来做蓝特和 AI 公司 Predexon，我仍然在重复这个过程。

当“做出来”越来越容易

而今天的学生，面对的是一个完全不同的环境。

AI 可以帮你写代码、做设计、搭原型、整理资料、分析反馈、生成内容。这意味着更多年轻人可以用更低的成本，更早做出过去需要一个团队才能完成的东西。执行成本正在快速下降。

但这也带来一个容易被忽略的变化。

当“做出来”不再像过去那么难，漂亮成品本身的说服力就在下降。一个网站、一个 App、一份研究报告，可能很快就能生成。大学和公司会越来越难以仅凭成品判断一个人。他们会更关心：问题是谁发现的？哪些判断由本人完成？有没有真实用户？反馈来了以后改了什么？结果由谁承担？

AI 可以帮助分析、提供选项，甚至指出你没有看到的问题。选择哪条路、承担什么后果，仍然要由人来决定。会用 AI 的人会越来越多，能借助 AI 把自己发现的问题推进成结果，并一直掌握方向、取舍和责任的人会更难得。

别把项目变成另一门补习课

面对 AI，很多家庭的第一反应仍然是继续加课：学编程、学提示词、参加 AI 竞赛。但如果题目、步骤和答案仍然全部由成年人安排，学生学会的可能只是用新工具完成旧任务。工具换了，做决定的人没有换。

学生也需要留出一次没人布置的项目。项目可以很小：研究一个问题，做一个社区工具，为学校设计一套材料，写一份有人会用的报告，或者发起一个小型服务。它不用成为公司，不用产生收入，甚至可以失败。关键是题目来自学生自己，作品会交给别人使用，也会收到直接反馈。

家长能做的事，其实不多，但有几件很关键。

第一，不要替学生定义完整项目。如果题目、步骤、团队和时间表都由成年人设计，学生只是在完成任务。主动性的前提，是选择权在他自己手里。家长当然可以帮助控制范围、连接资源、守住安全边界，但最核心的问题和决定不能被成年人接管。

第二，先找真实用户，再考虑申请价值。真实用户可以是一名同学、一位老师、一个社团、一家小店。规模不重要，真实反馈才重要。一个有人真正使用的小工具，比一个没人打开的精美作品更有说服力。

第三，除了看成品，也要问学生做过哪些选择。为什么选这个方向？AI 帮了哪一部分？哪个建议没有采用？第一版哪里错了？用户说了什么？下一步由谁决定？

成绩能说明学生会完成已经定义好的任务；一个自己发起的项目，则让人看到没人告诉他下一步时，他会怎么做。

AI 会让越来越多的人有能力把想法做出来。以后拉开差距的，也许是谁愿意在没人布置任务时自己选一个问题，把第一版交给用户，再继续负责下一步。

那个项目最早给我的确定感很简单：我不知道它能不能成，但当没有人给我下一步时，我知道自己可以开始。