从硅谷到杜威-AI时代的大学转型

大学应该变成一个“动词”

从硅谷到杜威，AI时代高等教育需要一次实践主义转向

2026年，帕兰蒂尔（Palantir Technologies）开始招收一批刚刚高中毕业的年轻人。他们不必先拿到大学文凭，而是直接进入公司，在团队里解决技术问题。这个项目只有四个月，规模也不大，当然谈不上取代大学。但它提出了一个过去很难公开提出的问题：如果一个18岁的年轻人已经能够使用AI、写程序、做产品、参加项目，他的能力究竟应该由一张四年以后才能拿到的文凭证明，还是由他已经做出来的东西证明？

这个问题一旦提出，麻烦就来了。过去几十年，大学之所以如此重要，不只是因为它教授知识，还因为它承担了一项社会筛选功能。一个年轻人进入名校，读完四年，取得学位，企业由此推断：这个人智力不错，能够完成任务，接受过一定训练，也能在制度里坚持足够长时间。学历既是教育证明，也是人才筛选的代理指标。AI正在削弱这种代理关系。

一个没有计算机专业学历的人，今天可以借助AI写程序；一个没有设计学位的人，可以完成产品原型；一个高中生可以调动过去只有专业人员才能使用的知识工具。企业于是会越来越自然地追问：既然我可以直接看到你能做什么，为什么还必须先看你在哪里读过四年书？这才是帕兰蒂尔这类实验值得大学警惕的地方。它未必会摧毁大学，却可能摧毁一个维持了很久的默认设置：先学习，再工作；先取得资格，再进入现实。AI时代，这个顺序正在松动。

一

我们今天熟悉的大学，其实带着很深的工业时代痕迹。学生18岁进入大学，先选一个专业。计算机是计算机，历史是历史，经济是经济，心理学是心理学。每个专业再切成一门一门课程，每门课程被安排成固定学分，一周上几次课，一个学期结束考试，修够学分以后毕业。这套制度最大的特点，是把知识切开以后再交给学生。

现实世界却不是这样运行的。一家公司要设计一款老年人使用的AI医疗产品，它面对的不会只是计算机问题。里面同时有软件、医学、心理学、设计、伦理、商业模式、监管和老龄社会问题。一个城市要解决住房问题，也不可能交给一个“住房专业”处理，它同时涉及金融、土地、交通、法律、人口、政治和社区关系。现实中的问题天然是跨学科的，只有学校里的知识被分成专业。

大学当然需要学科。没有数学，就没有工程；没有历史训练，就很难理解社会怎样走到今天；没有哲学，就容易把价值判断伪装成技术判断。问题出在我们后来把学科从认识世界的工具，变成了组织教育的墙。学生先进入墙里待四年，毕业以后才第一次面对一个没有标准答案的问题。

AI出现以后，这种安排越来越奇怪。因为AI最先降低的，正是知识调用的成本。过去遇到一个统计问题，你可能要修完统计课才知道怎么处理；现在AI可以立即解释模型、写代码、演示方法。过去跨专业意味着重新学习一整套语言，现在机器可以在不同知识体系之间即时翻译。知识不会因此变得没有价值，发生变化的是知识在学习中的位置。

过去常常是：先把知识学完，再去解决问题。以后更可能变成：先进入问题，需要什么知识，再把什么知识调进来。前一种以课程为中心，后一种以问题为中心。而一个多世纪以前，约翰·杜威已经在讨论后面这一种教育。

中文长期把美国哲学中的 pragmatism 翻译成“实用主义”。这是约定俗成的标准译名，不能简单说它在学术上“翻译错了”。但如果用“有用就是真理”“什么管用就用什么”去理解杜威，那么确实把他的思想带到了错误方向。尤其在教育领域，我更愿意把杜威的精神理解成一种实践主义。

因为杜威关心的从来不只是“有没有用”，而是知识怎样在行动、经验、失败、反思和再次行动中形成。斯坦福哲学百科对杜威的总结很准确：在他的哲学中，思想并不是站在现实之外观察世界的镜子，而是人在环境中处理问题的一种工具；认识发生在持续的“探究”之中。杜威本人后来甚至更喜欢用“experimentalism”——实验主义——描述自己的立场。

所以，把杜威简单概括成一句“通过实践学习”（learning by doing），其实还不够。做，并不自动产生学习。一个人可以把同一件事情做二十年，而什么也没有学会。杜威强调的是一个循环：遇到问题；形成疑问；寻找材料；提出假设；行动；看到结果；重新解释；再行动。学习发生在这个循环里。

他的芝加哥实验学校之所以重要，也正在这里。学校不再把儿童看成等待灌入知识的容器，而是把真实活动组织成探究过程。教师也不只是告诉学生答案，而是设计环境，让学生碰到值得解决的问题，然后帮助他们调用知识。一百多年以后，AI反而使杜威显得比过去更现代。

因为当知识本身越来越容易取得，教育的重点自然会从“你记住了多少”，转向另外几个问题：你能不能发现问题？你能不能判断什么知识值得相信？你能不能把不同知识放到一起？你能不能把一个想法做出来？做错以后，你知不知道错在哪里？最后，你能不能从一次经验里长出下一次行动的能力？这些问题，AI可以帮助你，却不能替你完成。

二

硅谷值得大学学习的，其实也不是“不要上大学”。这是最容易得出的结论，也是最浅的一层。彼得·蒂尔很早就提出让部分年轻人暂时离开大学去创业，今天帕兰蒂尔又在尝试直接从高中毕业生中寻找人才。与此同时，美国一些大学内部其实也早就在进行另一场实验。比如欧林工程学院（Olin College of Engineering），学生从第一学期就开始设计、制造和测试真实系统，课程把工程、数学、科学、人文、社会科学和创业结合起来；所有学生最终还要参加面向外部问题的长期项目。

这里出现了一条很有意思的关联。杜威、硅谷和这些新的大学实验，表面上相距很远，其实都在挑战同一件事情：为什么学习一定要发生在现实之前？

传统大学的时间结构是：学习 → 毕业 → 工作 → 解决问题。实践主义大学的时间结构会变成：问题 → 学习 → 行动 → 失败 → 再学习 → 再行动。学习与工作不再是人生前后两个阶段，而开始交错。这会改变大学的基本组织方式。

今天大学的基本单位是“课”，未来大学的基本单位可能越来越是“项目”。一个学生不再只是说：“这学期我修了经济学101、Python和社会心理学。”他可能会说：“这一年我们研究纽约年轻人的住房问题。”为了完成这个项目，他必须学统计，理解房地产金融，研究城市规划，采访租户，读住房法，使用AI处理数据，还要学习怎样把研究结果讲给市议会、投资人和普通居民听。

这时候，经济学还在，统计学还在，法律还在，编程还在。它们只是换了位置。学科不再是学习的终点，而成为解决问题时调动的工具。这可能是AI时代大学最深的一次结构变化。

如果沿着这个方向继续走，大学甚至需要重新设计四年本科。第一年不应该急着把18岁的年轻人锁进某个专业。更合理的办法，是让所有学生先进入几个共同的问题世界：人、社会、自然、技术。数学、写作、历史、科学方法、统计、AI工具仍然要学，但它们不再作为彼此隔绝的基础课存在，而要进入项目。

学生要做东西，也要读难书；要写程序，也要写长文章；要使用AI，也要在没有AI的时候证明自己还能思考。这很重要。实践主义教育绝不能退化成职业培训。

如果大学最后只剩“企业需要什么，我就教什么”，那甚至比今天的专业教育更糟。企业解决的是眼前的问题，大学还必须保存那些十年、二十年以后才知道有没有用的知识。基础科学、哲学、文学、历史甚至某些看起来“没有用”的研究，正是大学不能交给公司的部分。

杜威的实践也从来不是狭窄的职业训练。他把教育看作人的成长，也把它与民主生活联系在一起。大学不仅要培养能够完成任务的人，还要培养能够判断什么任务值得完成的人。

所以AI时代的大学，应该同时保留两种看起来彼此矛盾的东西：更强的实践，和更深的人文。学生可以上午做AI机器人，下午讨论亚里士多德；可以给一家企业解决供应链问题，同时追问这套系统会不会伤害工人；可以训练模型，也要研究偏见；可以学习如何制造技术，还必须学习什么时候不应该制造技术。

欧林工程学院这些年的课程改革有一点尤其值得注意：它没有因为强调项目，就取消人文和社会科学，反而把工程、设计、创业与人文社会科学放进同一个教育结构。它强调的“human-centered engineering”，核心问题不是“怎样把东西造出来”，而是“我们究竟在为谁造，它会给人带来什么”。这才接近杜威。

实践不是反理论。实践是理论接受现实检验的地方。

三

这样一来，教师的角色也会改变。过去大学里最有价值的教师，往往是“知道得最多的人”。AI出现以后，这种优势会迅速下降。一个教授很难在事实调用速度上超过AI。

教师越来越重要的能力会变成另外几种：提出好问题，判断学生的问题有没有价值，知道什么时候应该给答案、什么时候不应该给，发现学生推理中隐藏的漏洞，把不同学科的人组织起来，以及在失败以后帮助学生理解发生了什么。教师会从知识供应者，逐渐变成探究的设计者和认知教练。

评价体系也必须跟着改变。今天大学最典型的评价方式是考试和论文。AI已经让这两种方式同时发生危机。学生交上一篇完美论文，我们越来越难判断其中多少能力属于学生，多少属于机器。

所以未来大学必须区分两个概念：系统表现（system performance）——人和AI组成的系统能够做到什么；学习者独立能力（residual learner capability）——拿走AI等工具以后，学习者自己还能够做到什么。两种都要测。

因为现实世界当然允许使用AI。禁止学生使用AI，就像二十年前禁止使用互联网一样，很难长久。但学校也必须知道：当机器不在的时候，这个学生能不能读懂材料、提出问题、建立论证、判断真假、完成基本推理。

未来一个学生的毕业证明，也许不应该只是一张成绩单。它可能越来越像一个能力档案：我解决过什么问题；做出过什么东西；失败过什么；怎样修改；和谁合作；使用过哪些工具；在没有这些工具的时候还能做什么。学历不会消失，但学历会从“能力的替代证明”，逐渐变成“能力证据的索引”。

这也意味着，“专业”本身可能需要松动。工业时代大学最喜欢问一个18岁的孩子：你是什么专业？

这是一个奇怪的问题。一个18岁的人甚至还没有真正看过世界，却已经被要求决定以后从哪扇门进入世界。AI时代也许应该换一个问题：你想解决什么问题？

有人关心衰老，有人关心战争，有人关心城市，有人关心儿童，有人关心能源，有人关心贫困，也有人关心机器能不能拥有意识。一个问题自然会把多个学科拉到一起。想研究衰老，就会碰到生物、医学、心理学、经济学、伦理和公共政策；想研究战争，就会进入历史、国际政治、博弈论、技术、心理学、地理和经济学；想研究AI与人的关系，则几乎必然跨过计算机、哲学、认知科学、法律、教育和社会学。

现实世界从来没有专业。专业是大学为了管理知识创造出来的。这句话并不是要取消学科。恰恰相反，没有扎实的学科训练，所谓跨学科很容易变成什么都懂一点、什么都不真正懂。问题在于顺序。过去是：先成为经济学家，再研究世界。以后可能是：先进入世界的问题，再知道什么时候需要经济学。学科从身份变成工具。这是一种很大的变化。

四

当然，硅谷不能成为大学改革的唯一老师。硅谷有一种危险的幻觉：凡是可以快速迭代的东西，都可以用创业公司的方式重做。

教育不是软件。18岁到22岁也不只是人力资本加工期。大学还有一些公司永远无法替代的功能。它保存不立即赚钱的知识，允许年轻人暂时不被市场定义，让物理学家和诗人生活在同一个地方，让一个18岁的人有四年时间改变主意，也让社会保留一个可以对政府、市场和技术本身提出批评的空间。

如果把大学完全企业化，我们也许会得到更有效率的工程师，却可能失去能够问“效率为了什么”的人。

所以帕兰蒂尔的实验值得认真思考，却不值得简单模仿。它提醒大学：企业已经开始自己培养过去必须从大学寻找的人。大学应该听见这个警报，但大学的回应不能是把自己变成帕兰蒂尔。大学需要重新回答自己究竟为何存在。

这时候再回到杜威，就会发现一个很有意思的循环。一百多年前，工业化社会正在形成。学校越来越像工厂：按年龄分组，按时间上课，按科目切割知识，按考试给人排序。杜威试图把教育重新拉回生活。他认为学校不应该只是为未来生活做准备，学校本身就应该成为生活的一部分。

今天我们遇到的是另一个版本的问题。AI正在把大量知识变成随取随用的公共基础设施。过去大学最重要的工作之一，是把稀缺知识集中在校园里：教授在这里，图书馆在这里，实验室在这里，学生必须来到这里才能获得它们。

现在知识开始离开校园。AI随身携带，世界上最好的讲座可以在线看，论文可以瞬间检索，语言可以即时翻译，代码可以即时生成。于是大学必须回答一个过去没有必要回答的问题：如果知识到处都是，人为什么还要来到大学？

答案不应该是因为这里可以拿到一张文凭。更有力量的答案应该是：因为这里有一群人和你一起做你一个人做不了的事情。这里有实验室，有导师，有项目，有长期合作，有失败以后重新开始的机会。有人逼你读一本很难的书，也有人要求你把一个想法做成真的。

大学不再只是保存知识的地方，它应该成为一个制造经验、组织探究、连接知识与现实的地方。

这就是AI时代大学最可能发生的转向：从以专业为中心，走向以问题为中心；从以课程为基本单位，走向以项目为基本单位；从先学习后实践，走向学习与实践循环发生；从文凭证明能力，走向作品和行动证明能力；从教师传递知识，走向教师组织探究；从把AI挡在教室外，走向学习怎样与AI共同工作，同时保存人的独立能力。

这不是取消大学。恰恰相反，它是在知识越来越便宜的时候，重新回答大学究竟有什么不能被机器替代。

杜威一百年前已经给过一个方向：教育不是把已经完成的知识搬进一个人的头脑，而是在经验中不断重建理解和行动的能力。AI使这个方向突然具有了新的现实意义。

工业时代的大学把世界切成专业，然后让学生一门一门学习。AI时代的大学也许应该倒过来：先把学生放回世界，让他们遇见问题，让问题逼他们寻找知识，让知识进入行动，让行动暴露错误，再让错误把他们送回书本、实验室和老师那里。

大学因此不再只是一个年轻人待四年的地方。它重新变成一个动词：去研究，去尝试，去失败，去反思，然后再做一次。

如果AI时代的大学还能保住什么，我希望首先保住这种能力。因为未来最容易得到的是答案，最难培养的，可能仍然是一个人面对没有答案的问题时，知道下一步该怎么走。