AI 时代，家庭该怎样做教育规划
最近，围绕 DeepSeek 创始人 梁文锋 的一次投资人会议，流传出了一份 52 条发言整理。
在这 52 条发言里，梁文锋说了很多次“不”。
不急着追求利润最大化，不追求最多的用户，不准备做下一个超级 App，也暂时不把资源放在 3D、视频生成和世界模型上。
他反复讲的是几件事：主线、克制、成本、时间和持续学习。
DeepSeek 的主线是 AGI。
AGI 的中文是“通用人工智能”。简单说，就是希望 AI 不只会做一两件事，而是能够处理很多不同的问题，也能够继续学习。
关于DeepSeek做AGI这件事情，我们先放一边。
我想到的是，今天很多家庭也需要重新找一条教育主线。
因为 AI 已经开始改变工作，也在改变学校里要学的东西。家长如果还按照过去的经验，替孩子选一个“听起来稳定”的专业，可能很难应对接下来的变化。
AI 改变的，不只是几个职业
很多家长一谈到 AI，先问的都是同一个问题：
“以后什么工作不会被 AI 替代？”
这个问题很难回答。
国际劳工组织在 2025 年发布的一份研究中说，全球大约每 4 份工作里，就有 1 份可能受到生成式 AI 的影响。但研究同时指出，更常见的情况是工作内容发生变化，不是整份工作直接消失。
这两个意思差别很大。
一个会计岗位可能还在，但整理数据、核对账目和写基础报告的方式会改变。
医生不会因为 AI 出现就全部消失，但查资料、分析影像、整理病历和辅助判断的方式会改变。
老师也会继续存在，但备课、出题、批改和给学生反馈的方式会改变。
所以，家长很难提前给孩子找到一个“永远不会变化”的专业。
孩子今天读高中，大学毕业可能已经是 4 年以后。如果继续读硕士，进入工作可能还要更久。在这段时间里，模型、工具和工作方式还会继续变化。
教育规划需要处理的，是孩子怎样面对这些变化。
孩子需要学会使用 AI，也需要判断 AI
联合国教科文组织发布过一份学生 AI 能力框架。
这份框架谈了 4 个方面：怎样从人的需要出发看 AI，怎样理解 AI 的伦理问题，怎样使用 AI，以及怎样参与设计 AI 系统。
它还把学习分成 3 个层次：理解、使用和创造。
这件事用大白话说，就是孩子不能只会打开一个聊天框，把作业扔进去。
他要知道自己为什么使用 AI。
他要知道 AI 的回答可能出错。
他要学会检查来源。
他还要知道，什么时候可以使用，什么时候不能把判断全部交给机器。
经合组织在 2026 年的一份 AI 与技能报告中也提到，未来真正需要编程或者开发模型这类高级 AI 技能的人，可能不到劳动者的 1%。
更多人需要的是另一组能力：使用数字工具，分析数据，理解数据，同时保留解决问题、创造和判断的能力。
所以，AI 时代的教育规划不能简单变成“让孩子都去学计算机”。
计算机、数学和数据当然重要。
但一个学医学、商科、法律、教育或者设计的学生，也需要知道 AI 能替他做什么，哪些事情还需要他自己判断。
https://support.claude.com/en/articles/8461763-where-can-i-access-claude家庭先要改变教育规划的顺序
过去很多家庭做教育规划，第一步就是看分数。
这个分数能上什么学校？
这个学校排名多少？
这个专业以后好不好就业？
要不要考研？
要不要出国？
这些问题都需要回答，但它们应该放在后面。
家庭需要先弄清楚，孩子现在对什么事情愿意投入时间。他在哪些事情上已经表现出能力。他做过什么尝试。别人给过他什么反馈。他愿意承担什么代价。
一个学生说自己喜欢 AI，里面可能有很多不同的意思。
他可能只是喜欢使用聊天工具。
他也可能喜欢写代码、研究模型或者处理数据。
还有一些学生喜欢的是 AI 带来的效率，但不喜欢数学，也不喜欢长时间处理技术问题。
这些情况不能放在一起。
一个学生说自己喜欢医学，也需要继续问。
他喜欢的是生物知识，还是帮助病人？
他能够接受长期学习吗？
他能不能面对考试、实习和高强度训练？
他关心临床工作、公共卫生、康复、药学，还是医疗管理？
如果这些问题还没有碰过，只靠一句“我喜欢”，很难形成方向。
表格里填不出来人生方向
学生的人生方向不需要在 16 岁或者 18 岁时一次确定。
这个方向可以是暂时的。
学生先接触一门课，做一点项目，读一些资料，再看自己愿不愿意继续。
他也需要观察自己的能力。
有些事情看起来喜欢，真正做起来以后，可能并不适合。
有些事情一开始不熟悉，但做了一段时间以后，学生发现自己能做好，也愿意继续投入。
比如我自己，16岁的时候我的梦想是想做摄影编导，那个时候我在摄影和编导方面确实展露出一些天赋。
17岁的时候，我意识到，医学是我的天命，我生来就应该从事医学领域相关的工作，我All in了。
22岁，大学快毕业，我发现我可以在经济学上有所成就，我又去读了经济学。
所以成就了我现在同时在医学和经济学这两个交叉领域从事科研工作。
方向就是这样慢慢形成的。
家长可以提供信息、时间和可以承担的试错空间。学生则需要亲自去学、去做、去比较，也需要承担选择带来的结果。
教育规划的作用，是把这些过程安排出来。
它不能替学生决定一生，但可以减少一些没有必要的绕路。
https://www.ilo.org/resource/news/one-four-jobs-risk-being-transformed-genai-new-ilo%E2%80%93nask-global-index-shows有了方向，才能谈高考和专业
到了高考填报志愿时，家庭当然要看分数。
但分数只能告诉我们，学生可能进入哪些学校和专业。
它不能告诉我们，哪个选择更适合这个学生。
这时需要继续看课程。
同样叫计算机，不同学校可能教的内容不同。
同样叫生物医学，有的课程偏实验，有的偏数据，有的偏工程，也有的偏临床应用。
同样叫商科，有的课程重视考试，有的课程要求学生做项目、分析案例和处理真实数据。
专业名称只是一个名字。
学生未来几年真正接触的，是课程、老师、作业、研究方法和学习环境。
所以，填报高考志愿时，不能只看“这个专业热不热门”。
家庭还需要看，这个专业具体学什么，怎样考核，学生能不能学下去，以及它能不能支持学生已经形成的方向。
如果国内的学校和课程能够提供这些条件，国内升学可以完成这件事。
如果学生需要的工具、课程、资料和信息环境，在特定海外学校里更容易获得，留学就开始具有具体价值。
留学是我长期关注的问题。
在 AI 时代，我认可的留学价值主要有 4 个。
它们分别是：接触更多主流 AI 工具，接触不同课程和研究方法，直接阅读英文一手资料，以及看见中外信息之间的差异。
这 4 件事需要一件一件说明。
第一，接触更多主流 AI 工具
截至 2026 年 7 月，OpenAI 和 Anthropic 都按照国家和地区提供服务。
澳大利亚、英国、美国、新加坡和不少常见留学目的地，出现在它们的官方支持名单中。中国大陆目前没有出现在这两份名单里。
这意味着，在部分留学目的地，学生可以按照官方规则注册和使用 ChatGPT、Claude 等主流模型。
能够正式、长期地使用这些工具，本身就是一种学习条件。
学生可以反复使用，比较不同模型的回答，查看更新，也可以在课程允许的范围内把工具放进自己的学习过程。
当然，会用工具不等于会学习。
但如果连工具都不能稳定接触，学生很难通过长期练习理解它们能做什么、不能做什么。
第二，接触不同的课程和研究方法
留学的另一个价值，是学生可能进入一套不同的课程和研究环境。
这里说的“不同”，不等于所有海外课程都更好。
它指的是课程怎样提出问题，怎样安排作业，怎样要求学生找资料，以及怎样判断一个答案是否成立。
有的课程主要检查学生记住了多少内容。
有的课程会给学生一个没有标准答案的问题，要求他自己找资料、选择方法、说明证据，再解释自己的结论。
这就是研究方法。
研究方法不是一个很神秘的词。
它就是告诉学生，面对一个问题时，应该怎样把问题问清楚，去哪里找资料，怎样收集数据，怎样检查答案，以及怎样说明自己还不知道什么。
AI 越强，这种能力越重要。
因为 AI 可以很快给出一段看起来完整的答案。
学生如果不懂研究方法，就很难判断这段答案有没有证据，材料是不是过时，因果关系是否成立。
家长选择海外学校时，可以直接查看课程大纲。
看课程使用什么教材和论文。
看作业是考试、论文、项目，还是几种方式结合。
看学生有没有机会学习数据分析、研究设计、文献检索和证据判断。
学校排名可以看。
但课程怎样教，学生每天怎样学，也要看。
第三，直接阅读英文一手资料
“一手资料”就是最接近事情来源的资料。
一家 AI 公司发布的新模型说明、技术文档和使用规则，是一手资料。
研究团队发表的原始论文，是一手资料。
政府或者学校发布的正式政策，也是一手资料。
别人看完这些材料以后写的解读，属于转述。
转述可以帮助我们节省时间，但它会经过选择。
写作者会决定讲什么，不讲什么。
翻译也可能改变一些意思。
有些中文文章只保留结论，没有说明条件。有些文章强调最吸引人的部分，省略了研究限制。
学生能够直接阅读英文资料，就可以回到来源。
他可以看原文到底说了什么。
他可以检查别人有没有理解错。
他还可以比较同一个问题在不同来源中的解释。
这里的价值不只是英语成绩。
我们不是一直等别人整理以后再告诉发生了什么。
第四，看见中外信息之间的差异
英文一手资料和中外信息差有关系，但不是同一件事。
英文一手资料解决的是“从哪里看到原始内容”。
中外信息差解决的是“不同地方看到了什么，又怎样解释”。
有些信息差来自时间。
英文论文、产品更新和课程讨论已经出现，中文转述可能晚一些。
有些信息差来自选择。
同一件事情，中文内容可能关注价格和使用效果，英文内容可能关注研究方法、数据保护或者法律责任。
也有些信息差来自环境。
不同国家的学校、公司和政府面对的问题不同，所以讨论的重点也不同。
学生在海外学习，不会自动消除这些差异。
他仍然需要主动阅读，也需要把中文和英文材料放在一起比较。
这样做的价值，是学生不容易只看到一种解释。
他会发现，同一件事可以从几个方向理解。
他也会开始问：哪些事实双方都承认？哪些判断来自不同立场？哪些内容被省略了？
这就是判断能力的一部分。
https://support.google.com/gemini/answer/14579026?hl=en什么时候，留学才真正成为工具
家庭可以先看孩子的方向需要什么。
如果学生的方向和 AI、数据、研究或者需要大量英文一手资料的专业有关，那么前面说的 4 类条件会更重要。
接下来要看具体国家和学校。
不能只问“去国外好不好”。
需要问的是，这所学校能不能提供学生需要的课程，课程怎样教，当地能使用哪些主流 AI 工具，学生是否需要持续阅读英文资料。
还要看学生自己的准备。
他的英语能不能支持阅读和写作？
他愿不愿意主动找资料？
他能不能判断 AI 的回答？
他有没有一个暂时方向，知道自己为什么使用这些资源？
最后还要看家庭能不能承担费用、时间和风险。
如果这些条件能够对上，留学可以帮助学生进入一个更适合他的学习环境。
如果只是因为别人都在申请，或者只想用一个海外学历解决所有问题，前面说的 4 类资源也可能不会变成学生自己的能力。
再回到梁文锋说的“克制”
梁文锋谈 DeepSeek 时，反复说要保住主线。
他愿意放弃一些产品、用户和短期利润，把资源继续放在 AGI 上。
企业和学生不同。
学生需要探索，也允许改变方向。
但家庭教育规划仍然需要面对同一个现实：时间、金钱和注意力都有限，所有目标不可能同时得到。
家长很难同时要求学校排名高、专业热门、费用低、毕业后马上高薪、没有风险，孩子还必须一直轻松。
家庭需要做选择。
先看孩子要形成什么能力。
再看他正在形成什么方向。
然后才决定高考怎样填、专业怎样选，以及留学能不能提供他需要的工具、课程、英文资料和信息环境。
留学应该在这里出现。
它服务于学生的方向，也服务于他以后继续学习和继续调整的能力。
这就是我从这 52 条材料里，想到的教育规划问题。
文中资料
- “elsewhere”整理的梁文锋 52 条发言材料
- 国际劳工组织：生成式 AI 可能影响全球约四分之一的工作
- 联合国教科文组织：学生 AI 能力框架
- OECD：AI 与技能
- OpenAI：ChatGPT 支持的国家和地区
- Anthropic：Claude 支持的国家和地区
- Google：Gemini 的地区、年龄和学校账号要求