未来，将属于那些能洞察并主动塑造变革浪潮的领导者——无论是学区、学校，还是教育工作者和政策制定者。

作者：STEFAN BAUSCHARD

日期：2025 年 9 月 7 日

最近，由 Jennifer Lee 和 Claire Zau 撰写的 GSV 报告，是我读过有关教育与人工智能领域中最具价值的分析之一。

它清晰地提炼了未来趋势，提供了极具前瞻性的视角，是所有关心未来学习形态的人都不可错过的必读内容。

报告中的关键洞见

1.学生与聊天机器人的个人化关系

报告指出，人工智能伴侣的兴起，不仅重塑了人与技术的互动，也改变了人与人之间的交往方式。

生成式人工智能能够跨越数年进行记忆、适应和回应，创造出一种极其个人化的深度联结。

这种新型纽带的出现，引发了关于情感健康的新课题，也迫使我们思考学校应扮演何种角色，例如，社交情感学习是否应涵盖健康的人机关系？

这并非遥远的未来猜想，而是已经发生的现实。

全球已有数以亿计的人正在与人工智能聊天机器人建立个人联系，但我们对这种现象的长远影响几乎一无所知。

2.人工智能的无处不在

我们正进入一个人工智能无处不在的时代。它不再是孤立的工具，而是成为日常任务中无所不在的助推器和连接器。

报告将此称为环境智能时代，人工智能被嵌入到我们的每一次点击和滑动中。

这一转变极大地扩展了数据收集的边界，引发了关于个人选择权和隐私的深刻思考，也促使我们重新定义教与学的内涵。

当人工智能无所不在，问题就不再是用不用，而是如何用。

教育界常用的红绿灯管理方法在此失灵了，红灯的界限到底在哪里？

学生用谷歌搜索时，应该刻意忽略日益精准的人工智能概览吗？他们不该点击 AI 模式吗？

当他们使用 Perplexity 等工具查找引用时，应该无视系统生成的文本吗？或者，他们不能让 ChatGPT 帮忙审阅论文吗？如果不行，那向父母师长求助就可以吗？

问题的核心，已不是在特定场景下禁用或允许人工智能，而是如何智慧地与它共存于日常生活中。

就像智能手机和互联网一样，人工智能并非一个单一选项，而是以无数微小、无形的方式渗透一切。

学生需要的不是一份简单的使用清单，而是学习如何负责任地、批判性地、有技巧地与这个学习和生活中的永久伙伴互动。

3.大学学位与职业证书的价值演变

报告认为，学位这张曾经的可靠入场券，如今其单一价值正受到普遍质疑。

当学位等于好工作的传统路径信任度下降，入门级岗位的急剧缩减，可能会引发一场更广泛的学位价值危机。

未来，雇主将更青睐短周期的技能提升、微证书和目标明确的专项培训。上手就能用远比一纸宽泛的学历更重要。

我们看到，即便是计算机、数据科学乃至人工智能专业的毕业生，在求职时也面临着前所未有的困境。

因为他们曾经的目标岗位，其入门级任务正被人工智能工具、自动化流程和代理系统大规模取代。

学生们背负巨额学贷完成四年学业，却发现雇主想要的技能，完全可以通过更快、更省、更实用的方式获得。

这正是 OpenAI 等机构推出的新兴培训和认证项目能够改变游戏规则的地方。

这些项目直击雇主痛点，成本远低于传统学位，提供的不是宽泛理论，而是可以直接上手的职业技能。

在技术迭代速度远超大学课程更新速度的领域，拥有这些认证的求职者，可能会轻松超越学位持有者，获得最热门的职位。

这一趋势也预示着传统「四年大学，四十年工作」模式的终结。

过去几十年，这几乎是高等教育的隐性承诺。但如今，这条路正迅速消失。

雇主期待员工能终身学习，持续更新技能。与行业需求直接挂钩的职业认证，对许多高中生而言，可能是一条更务实、更可靠的道路。

这已经为全球高校敲响了警钟。

许多大学认为，这些新兴认证侵犯了他们培养职业人才的核心领地。

但当这些认证在雇主端获得越来越高的认可度时，传统本科学位作为职业敲门砖的默认地位正岌岌可危。

4.人工智能学习系统

报告描绘了这样一幅图景：学生的口头反思能即时触发系统生成一份个性化学习计划，或引导他们进入针对性的测验。

这种环境智能将实现教与学的双向流动：学生的学习进程会自动更新到教师的仪表盘，而教师的反馈和计划也能实时融入学生的学习环境中。

像 Alpha School 这样的先锋学校，正在用动态自适应系统取代一刀切的传统教学。

这些平台能实时分析学生表现，推送最新内容，并精准调整课程，真正做到因材施教。

未来，教育领域可能会出现少数几个主导性的学习操作系统。它们将控制智能代理、记忆层和跨设备的数据同步。

这些平台的竞争力将体现在个性化深度、隐私保护和生态系统广度上。谁掌握了这一层，谁就掌握了未来的教育入口。

随着人工智能记忆能力的飞速发展，这些系统将更加强大，能够跨越数年追踪一个学生的进步、风格和知识盲区。

教学将进入超个性化时代。学习的节奏、难度和讲解方式，都将为每个学生的长期成长量身定制，大规模的个性化学习将成为必然。

未来，几乎所有学校都会采用这类系统。学校间的差异，将不在于是否使用技术，而在于如何将技术与人类教师、学习环境进行深度融合。

有的学校可能将自适应平台与项目式学习相结合，有的则侧重于小组辅导或社区化体验。

核心技术将趋于统一，而教育的差异化将体现在人的角色、社交互动和文化氛围上。

5.教育的私有化与去中心化

报告预测，教育科技的创新，结合支持性的政策变化，将加速学校选择的普及。

这将催生出大量新型的私立教育模式。例如，Outschool 等平台让家庭式教学变得异常简单。

而在印度，LEAD School 为平价私立学校提供一体化解决方案，在提升教学质量的同时，极大地降低了运营成本。

教育领域日益增长的私有化趋势，将极大地加速创新实验，为传统学校提供大量可供观察和借鉴的新模式。

这些新型教育机构摆脱了公立系统僵化的官僚作风和考试标准，能够快速试点各种前沿理念。

例如，人工智能个性化学习、基于能力的晋级体系、线上线下混合制以及微型学校网络。

这些实践的成功与失败，都将为整个教育生态提供宝贵的真实世界证据。

同时，一些成功的传统学校也可能主动求变，在体系内孵化自己的实验项目。

这既能满足部分家长对创新教育的需求，也能在不颠覆自身优势的前提下，安全地测试新想法。

这些实验中最成功的实践，未来可以被逐步推广到整个系统，从而确保创新能够稳健地增强，而非动摇学校的核心优势。

6.超越校园围墙的学习

当一个持久的人工智能助手能够跨设备、跨场景地陪伴学生时，学习将不再局限于特定时间和地点。

学生在兼职工作中的表现，可以生成与职业技能相关的反馈；在家的虚拟现实游戏体验，也能被纳入团队协作能力的评估。

课堂时间与个人时间的界限将变得模糊，这既带来了情境化学习的巨大机遇，也引发了关于过度介入和隐私的担忧。

学习将被编织进日常生活的点滴之中，而不再是孤立的事件。

在图书馆自习、与同伴讨论，甚至在家中解决问题的瞬间，都能动态地丰富学生的个人能力档案。

这种边界的模糊化，为超情境化、深度个性化的学习路径打开了大门，但同时也要求我们审慎思考其伦理边界和实践中的保护措施。

7.持久技能将成为新的评估核心

报告强调，如今的变化是技术和文化的双重驱动。人工智能能够解码并分析各种非结构化的学习信号。

无论是实验、演讲、同伴互动还是辩论，都可以被实时转录、标记和分析。

这些连续的、情境化的数据，将为每个学习者构建出一幅持久技能图谱。

这个图谱是便携、可验证的，并且比传统的课程名称或平均绩点更能预测一个人未来的成功。

在一个技术飞速变革、经济充满不确定性的世界里，批判性思维、适应能力、协作和沟通等持久技能，正变得空前重要。

专业技术或许能让你入场，但真正决定你能走多远的，是这些无法被快速淘汰的核心人类能力。

雇主真正寻求的，是那些能够持续学习、灵活应对挑战、并在多元化团队中高效协作的人才。

人工智能驱动的分析，能持续追踪这些技能的发展，并将其转化为标准化的、有据可循的能力档案。

雇主渴望这种透明度：一个清晰、数据丰富的视角，展示候选人在真实场景下的表现、适应和成长，从而做出更精准的招聘决策。

8.可穿戴设备将成为新的测量工具

报告预言，课堂上的头戴设备、领夹式麦克风和计算机视觉工具将成为常态，为日常的微评估提供数据。

围绕这些设备的使用规范，也将像当年关于校园手机使用的辩论一样，逐步发展和完善。

这些工具将与学习分析平台深度整合，在学生、教师和管理者之间建立一个持续的反馈闭环。

教育者将不再仅仅依赖期末或年度评估，而是能够实时掌握学生的理解度、参与度和投入状态。

这一转变将为个性化学习带来新机遇，但我们必须高度关注学生隐私、数据安全以及潜在的过度监控问题。

9.挑战真实而紧迫

几十年来，金融分析师、初级记者、市场助理等入门级白领岗位，是年轻人“在实践中学习”的训练场。

人们通过完成重复性任务、接受严密监督，逐步成长。这些职业阶梯的底层，天然比高层更容易被自动化。

如今，人工智能能够更快、更低成本、更少错误地完成这些任务。

前沿模型自主执行复杂任务的能力，大约每七个月翻一番。在不久的将来，它们或许能独立完成过去需要初级员工耗时数天才能完成的项目。

这意味着，年轻人通过「干中学」来积累经验的传统路径正在被侵蚀。

他们进入职场时，不能再指望从零开始学习如何执行任务，而必须已经具备与人工智能系统互动、指导和批判性评估的能力。

因此，学校的教育重心必须转移：

• 理解人工智能的边界

  学生不仅要会用工具，更要懂得判断其准确性，识别偏见，并决定何时必须由人来监督。

• 驾驭人机协同流程

  未来的工作者需要学会主导人机协作项目，懂得如何设定目标、分配任务，并将人工智能的产出整合进最终成果。

• 利用人工智能进行创新

  当常规工作被自动化后，人的价值将更多地体现在创造力、问题定义、伦理思辨和战略思维上。

简而言之，教育系统必须从教学生做事，转向教学生设计、指导和改进做事的系统。

这需要更多基于真实人工智能工具的项目式学习和模拟训练，以及能够衡量学生组织人机协作能力的新型评估方式。

11.人工智能与以人为本的学习社区

报告认为，在 K-12 教育中，课堂教学的价值可能会迎来一次复兴，因为它是一个难以被自动化的以人为本的角色。

建立信任、激励学生、解读情绪，这些能力是人工智能难以大规模复制的。

正如 Isabelle Hau 在其著作中提出的，关系智能应与智商、情商并重。教师这个职业，正是关系智能价值的最佳体现。

历史上，经济衰退曾促使人才回流教育行业。如果未来人工智能导致大规模的职业替代，教学岗位可能会因其稳定性和社会价值，再次吸引大量人才。

随着人工智能学习系统的普及，传授知识本身将不再构成学校的核心竞争力。

当个性化教学成为标配时，家长和学生选择学校的依据将发生根本性变化。

学校的差异化，将体现在如何构建人性化的学习体验上。

重点不再是学什么，而是如何学：教师作为导师和情感支柱的角色、协作与创新的空间设计，以及学生参与真实世界问题的机会。

未来的学校，将在关系的质量、体验的深度和个性化指导的水平上展开竞争。

长远来看，学校将演变为社区的学习与服务中心，将学术教育与真实的社会参与结合起来。

教育将超越建筑的限制，融入社区生活的网络。家庭选择学校的标准，将是它能否更好地培养归属感、目标感和现实世界的影响力。

在这些领域，人性化的联结，而非机器智能，永远是核心。

12.在资源受限的环境中重塑教育

教育的颠覆并非始于人工智能，但人工智能的到来，恰逢学校预算缩减、不确定性增加的时刻，极大地加速了这一进程。

一方面是重塑教育的迫切需求，另一方面是日益紧缩的财政能力，这种矛盾让大规模的变革举步维艰。

此外，学校在进入人工智能时代时，内部的认知水平参差不齐，甚至存在明显的抵触情绪。

少数先行者在积极探索，而更多人则缺乏时间、培训或兴趣。

真正的挑战，远非学会使用某个工具或制定一套简单的“红绿灯”规则。

真正的挑战在于，学校需要从根本上重新思考教学法、评估体系和课堂实践。如果教师感到这些变革是在缺乏支持和资源的情况下被强加的，抵触情绪只会更深。

为人工智能时代重塑教育，是一项规模浩大的工程，需要教师自身投入大量时间去学习、实验和实践，其难度不亚于当初学习如何成为一名教师。

许多教师已然超负荷工作，他们认为这种变革不应以牺牲个人利益为代价。

但现实是，人工智能将像历史上任何一次教育革命一样，从根本上重塑教学实践。它要求学校重新思考的，不只是工具，而是整个教与学的系统。

未来属于领导者

当前，教育领域正迎来一个巨大但常被忽视的机遇期。

无论学校是否意识到，整个行业格局都在迅速变化，各类组织都在竞相创新。

未来，将属于那些理解并主动塑造这股变革浪潮的领导者——包括学区、教育者和政策制定者。

那些犹豫不决的人将被时代抛下，不是因为技术走得太快，而是因为学生的需求变化得更快。

现在，正是需要大胆行动，而非谨小慎微的时刻。我们应以一种前所未有的方式，重新构想教育，使其更具适应性、更加公平、更能面向未来。

报告地址：https://pages.asugsvsummit.com/hubfs/25-26%20GSV%20Ventures%20Learning%20and%20Earning%20Forecast%20.pdf