99%的作业都是AI写的，当代名校生眼里，大学还剩下什么
本文整理自播客「硅谷101」同名节目，由主持人泓君与三位名校毕业生对谈。三位嘉宾分别是：Alfred（林同宇），清华大学法学院毕业，辅修计算机，曾在Manus做Agent产品实习；Klantoo（侯太宇），纽约大学应用心理学毕业，主攻神经科学与临床心理学，现为创业者；Jack，纽约大学数据科学本科、哥伦比亚大学管理科学与工程硕士，AI创业者。他们有一个共同点：整个大学生涯都与AI同步度过，是人类历史上第一批"与生成式AI同时长大的学生"。
一、新变化：AI正在重塑大学的一切
1. 作业与考试：从"禁止AI"到"拥抱AI"的转向
三位嘉宾的作业中，AI参与的比重达到了惊人的高度。Jack直言"99%的作业都有AI参与"，Klantoo表示"我已经想不到任何没有AI参与的作业了"。更值得注意的是大学评价体系的变化：
- 2022-2023年的保守期：清华的计算机课程曾严苛禁止AI写代码，学生被发现即构成学术欺诈。那个时期学生最需要的是"让AI代码看起来不那么AI"的工具。
- 2025-2026年的开放期：越来越多学科积极鼓励使用AI。NYU的某些课程第一天就要求学生使用Claude Code和React；部分课程已不再使用笔试，转而采用口试或Prompt创作等方式。
为什么会有这种变化？ 因为旧的评估体系已与时代脱节——当所有学生都能用AI写出漂亮的代码时，评判标准必须从"你能不能写出来"转向"你能不能用好AI解决真实问题"。
可能带来什么？ 评估标准的根本性重构。Alfred提出，未来大学应成为"学生本能潜能探索的场所"，衡量指标不再是你用不用AI，而是在必须用AI的情况下，你能不能把AI用好并真正解决有价值的问题。
2. 学习方式的颠覆：从"自底向上"到"逆向学习"
Klantoo提出了一种全新的学习范式——逆向学习法（Top-Down Learning）：
- 传统教育是"自底向上"的：先打基础（数学→线性代数→神经网络→Transformer），大多数人在中途就迷失了，不知道为什么要学这些。
- AI时代的逆向学习：先让AI组织该领域最顶级专家（如Jeffrey Hinton、杨立昆）来讲解核心原理，找到自己不懂的关键区分点，直接针对性地学习，利用网络和身边的专家验证答案的正确性。
为什么会有这种变化？ 因为AI能够直接给你答案和顶级视角，让你看到一个"真实的锚点"——你不需要再走完教材设计者认为合理的路径，而是走自己达到具体目标所需的最短路径。
可能带来什么？ 学习效率的大幅提升。Alfred估算自己辅修计算机时，30%来自课程，70%来自与AI的深度对话和基于项目的实践。他在2023年秋季学期用AI辅助复习法律专业课，第一次拿到了4.0满绩。
3. 教授态度的极端分化
到2026年，教授群体已经明显分裂为两个阵营：
- 积极派：NYU某门课的老师第一天就宣布"抛弃你们之前的coding软件，开始使用Claude Code"。越来越多学校（包括NYU新成立的AI学院、Stanford改造后的AI课程）正在主动将AI融入教学。
- 保守派：Klantoo毕业最后一节课上，老师发了张纸条，中心提示仍然是"不要使用GPT"。两极分化非常严重。
为什么会有这种变化？ 这背后是教育理念的根本分歧：AI时代，大学应该教什么？是继续教那些AI能做的"记忆性知识"，还是培养AI无法替代的"判断力"？
4. AI使用格局的洗牌：ChatGPT被抛弃
到2026年，AI工具的使用格局发生了戏剧性变化：
- Claude成为绝对主力：三位嘉宾全部以Claude为核心工具。Klantoo买了200美元的Max Plan，用完之后"感觉不知道该干什么了"，描述为"疯狂上瘾"。Alfred也完全转向Claude进行开发。
- ChatGPT最先被抛弃：Alfred评价ChatGPT"在所有任务中都不那么擅长——对话质量不如Claude，Agent能力不如Manus，Coding不如Codex，成为一个三不管的地带"。
- Klantoo的工具分工策略：GPT负责脑暴（开启记忆功能养号）、Claude负责执行（关闭记忆功能，用Extended Thinking Mode）、Gemini负责视觉设计（Nano和Dynamic View）。但他刻意关闭Claude和Gemini的记忆功能，因为"记忆会污染模型，让你陷入越来越紧的信息茧房"。
- Manus被重新评估：虽然刚出来时被嘲讽为"套壳"，但一年后Alfred认为它是"市场上最好的Deep Research工具"——能够打开本地浏览器、登录你的账号、自动浏览汇总信息。
- Suno V5的突破：音乐生成能力飞跃，甚至能识别小众歌曲、避免版权侵权。
为什么会有这种变化？ 用户从"什么都用一个模型"转向"不同工作流用不同AI"的专业化使用。而Claude之所以即使持续涨价仍被追捧，核心在于执行质量的碾压性优势。
5. “AI上瘾"成为新现象
三位嘉宾都承认有严重的AI依赖：
- Klantoo：“没有Claude我活不了。“Cloud用完后两天不知道该干什么。他将自己的状态描述为"学习上瘾”——不是工作驱动，而是"期待AI给我什么样的答案"的好奇心驱动。
- Alfred：AI嵌入了一切——日程安排、邮件撰写、程序开发、生活管理。如果完全抽离AI，“我们可能全部退回到一个非常原始的状态”。
- Jack：AI的快感来自效率提升——“一件事本来要十小时，现在半小时完成，这帮我省了很多时间”。
最令人深思的对比：Klantoo说"没有哪一天是不用AI的，但有一天不看短视频是可以的”。AI上瘾不是因为娱乐，而是因为生产力和学习。
6. 编程能力的代际断裂
一个深刻的代际差异浮现出来：
- Jack（2020年入学，AI出现前学编程）：即使AI断了也能回到Stack Overflow找方案。“会很难受，但没得选就用备用方案。”
- Klantoo（2022年入学，大学第一天就在用AI）：“如果没有AI，我写不了代码。“他从未经历过"没有AI"的编程时代。
- 更年轻的"AI原住民”：泓君在节目后偶遇一群硅谷高中生，其中一位反驳说：“为什么要假设离开AI？我们不会离开AI了。就好比你是手机原住民，你不会问’如果没有手机怎么办’——这个问题对你根本不成立。”
为什么这很重要？ 这意味着"能否脱离AI"这个问题本身正在被新一代人否定——他们从未有过"脱离AI"的经验，也不认为这是一个需要考虑的假设。
7. 就业市场的重构
- 法学院毕业生转向AI行业成为趋势——对口的法律工作（律所、法务）越来越难找。
- 北美大厂软件开发工程师名额大量冻结，计算机毕业生只能涌向创业公司。
- 企业对"会使用AI的人才"的定义仍然模糊——都在说要找会AI的人，但没有人说清楚这到底意味着什么。
- Alfred的观察：“你不是被AI替代了，你是在被那些比你更会使用AI的人替代掉了。”
二、嘉宾的核心观点与深度解释
观点1：学历是一种"社会信号”，而非知识证明
提出者：Klantoo
“学历不只是你学会了什么的证明，它是一种社会信号，它在向市场传递——这个人可以被信任。”
背景与解释： Klantoo上大学的目的非常功利——“就是为了一个学历”。他认为教育不是在让你相信你学会了什么，而是让社会相信你学了什么。学历是一种信任凭证。在AI时代，当知识可以被AI替代时，学历的"知识证明"功能确实在贬值，但它的"信任信号"功能依然有效。历史上所有能长久保留下来的教育体系，都跟筛选、评估、人才高度相关。
他还引用了教育的本质来支撑：历史上第一所学校（苏美人的泥板学校）的目的就是功利性的——培养出符合外部需求的人才。工业革命时代的工业学校专门培养能使用机器的人。AI时代的学校，本质上也是在回答同一个问题：什么样的评估体系能够筛选出适应新时代的人才？
观点2：大学的两个价值——“我是谁"比"我能赚多少钱"更紧迫
提出者：Alfred
“曾经的大学有两个价值：知道我是谁、我的热情在哪里；以及成为一个对社会有价值的人。但清华更注重后者，而前者——关于自我认知——很多人大学毕业甚至一辈子都没想明白。”
背景与解释： Alfred在清华上了一门新雅书院的《西方近代哲学》课，读笛卡尔的《第一哲学沉思录》后感到"整个世界观被解构了”。这段经历让他意识到：AI能替代的是"技能型"的那部分大学价值（专业知识、职业能力），但不能替代的是关于自我认知和批判性思维的部分。
他的转变路径是：从法学的"记忆性课程”（证券法、国际贸易仲裁）转向"批判性思维课程"（西方法律思想史、法理学、哲学）。这让他明确了自己的定位——不再随波逐流地恐慌AI取代自己，而是找到了AI无法触及的"第一层价值"。
观点3：博雅教育在AI时代不是奢侈品，而是必需品
提出者：多位嘉宾共识
“对每一个问题的理解深度——哲学、法律的历史由来——最后会反过来决定你能把AI用到多深。” —— 泓君
背景与解释： 泓君提出了一个关键观察：AI可以帮你在"宽度"上加速（筛选信息、提供建议），但在一个特定问题的"深度"理解上，AI无法替代你大脑的处理速度——你就是得花时间去学。这意味着，那些看似"无用"的人文通识教育（哲学、历史、批判性思维），恰恰构成了你驾驭AI的底层能力。
Klantoo从应用心理学的角度补充：人的核心竞争力在于"价值判断能力"——他引用了MIT教授Joseph Weizenbaum（Elsa聊天机器人的发明者）的区分：**Deciding（决策）**是有标准答案的推理过程，机器做得比人好；**Choosing（选择）**是在没有客观标准的情况下做出判断，它根植于价值观、经历和对他人痛苦的感受能力，这种"判断力"是一种元能力（Meta Skill），不随工具迭代而改变。
观点4：“资深悖论”——AI对新手帮助最大，对专家反而可能是拖累
提出者：Klantoo（引用Meter实验室2025年实验）
“十六个senior engineer完成两百多个真实任务，用AI的人反而慢了19%。开发者觉得自己快了20%，但实际慢了19%——感知与现实整整差了40%。”
背景与解释： Meter实验室发现了一个反直觉的现象：AI的即时反馈让开发者产生了"正在飞速前进的幻觉"，但验证、调试、返工的隐性成本被忽略了。减速最严重的是那些本身就很懂AI提示词的专家，因为AI的泛化建议对他们高度优化的工作流反而是一种噪音。而对初学者来说，AI是"24/7的个性化老师"，疯狂补充基础知识空白。
Klantoo由此得出的insight是：在AI时代上大学的学生正处于一个"黄金时期"——你什么都不会这件事，可能从劣势变成优势，因为你不受经验主义约束，可以更快地学习。
观点5：人的不可替代性不在于技能，而在于"建立信任"和"价值判断"
提出者：Alfred、Klantoo共识
“当其他技能开始显得没那么不可替代的时候，建立信任、并说服他人的能力更显得重要。” —— Alfred
背景与解释： Alfred认为清华给他最重要的财富不是知识，而是两样东西：一是同侪环境——“和五湖四海不同专业的同学交流永远是一种享受”；二是导师关系——“一个有学科积累和社会阅历的人跟你交流，能让你提前看到一些事情”。
Klantoo从控制论学者维纳的《人有人的用处》中提炼：人的核心价值是"提出正确的问题、进行价值判断、承担最终责任"。这与Jack的观察一致——AI可以给你十个方案，但"任何一个它都可能说是好的方案，最后的价值判断还是落在人身上"。
观点6：人类的适应能力才是终极竞争力
提出者：Alfred
“我们面对的是一个不可以线性外推的、混乱的、混沌的未来。个人要怎么去适应，不仅包括学习能力，还包括内心自我的坚定、甚至信念。”
背景与解释： Alfred在读了尤瓦尔·赫拉利的《智人之上》（Nexus）后感到深深忧虑。他认为，人类拥有旧石器时代的大脑、中世纪的制度，却面对一个跟我们一样聪明甚至更聪明的技术——这种错配带来的挑战比我们意识到的更严峻。但他同时也认为，人类机器无法比拟的"可塑性、学习能力和适应性"，以及在混沌环境中保持信念的能力，才是最终的护城河。
三、尾声：高中生比大学生想得更远
节目最后，泓君分享了一个意味深长的故事：她在一次硅谷高中生聚会上提起"最早用AI学编程的大学生离开AI反而不会写代码了"这个发现，一位高中生立刻反驳——
“为什么要做这个假设？我们不会离开AI了。这就好比你不会问’如果没有手机了怎么办’——这个问题对你根本不成立。”
这群比节目中三位大学生还要年轻三四岁的高中生，想法更加超前：他们认为AI会的东西不需要学，也没有学的必要。
99%的作业被AI完成，评估体系正在被解构，AI比短视频更让人上瘾，上大学只是为了文凭——这些看似惊世骇俗的结论，已经不再是这代大学生的困惑，而是他们正在经历的现实。在这场关于"什么是有用、什么是不可替代"的考试里，AI时代向每一个人发出了考卷，而他们只是最先回答的那几个人。
本文整理自播客「硅谷101」节目《99%的作业都是AI写的：当代名校生眼里，大学还剩下什么？》，原始内容为嘉宾个人观点。