个人 AGI 的到来

从三个身份，重新看学习与成长

各位校长、各位老师，大家好。今天我想跟大家分享一个最近一直在思考的问题：个人 AGI 到来的时候，我们如何思考自己和下一代的学习、成长？

我有两个相互交织的身份。一方面，我从读大学时就开始创业，现在做的是人工智能与设计，帮助企业改造研发和业务流程；另一方面，我也一直与教育有联系。大学时，我把自己接触到的新课程、新工具带给同学，后来创业，再回到高校，以及企业、政府的培训课堂。这两年，我又开始和伙伴一起尝试面向中小学生的课程。

为什么从企业走到教育？因为每次讲完 AI，总有人来问我：“既然未来会这样，那我们家的孩子怎么办？”这个问题不只属于家长，也属于我们自己。

今天在座的各位，其实都有三个身份：首先是自己，其次是教育工作者，很多人同时也是家长。我把第二个身份改了一个词，叫“教育的杠杆者”。因为一位校长、一位老师对前沿变化的理解，影响的可能是一整个范围的学习者。

我想先从大家作为家长最关心的产业和人才变化讲起，再谈我们自己如何学习、成长，最后一起想想，作为教育的杠杆者，我们可以带来什么改变。

一、企业需要的人，正在发生变化

会用工具，还不等于能解决问题

我们这几年主要在帮企业做 AI 转型。说得直接一点，这件事常常要触及组织：流程应该怎样改，哪些工作还需要人做，未来需要什么样的人。企业面临生存压力，所以这些变化不是纸面上的讨论。

最近大家常说两个词，一个是 OPC，一个人的公司；另一个是 FDE，前沿部署工程师。前者让我们重新看组织规模，后者强调把技术放进真实业务中。这两个词背后，是同一个问题：一个人能不能借助 AI，把事情做成？

今年上半年，我面试过五位准备读研究生的同学。看完作品，我有一个很强烈的感受：有些作品如果放在几年前，确实很好，但在今天，我还想知道更多——你为什么这样做？有没有接触真实需求？你的工作方式有没有因为 AI 而改变？

有位同学的作品集很完整，但课题是自己设想的，没有真实客户或使用场景。我当时问他：“如果这样的作业，我用 AI 很快就能做出来，那你的价值在哪里？”站在企业的角度，我需要看到，他如何与真实世界发生关系。

另一位同学让我印象比较深。他从大二就开始接实际项目，替别人解决算法问题。他需要面对需求、交付和反馈。对应用型学科来说，这种与现实反复校正的过程很重要。

一个实习生带来的启发

后来，一位老师向我推荐了一个实习生。他来了以后，我发现，把同样的任务交给他和过去的员工，他们的思考方式很不一样。他会主动组合 AI 的能力，把任务推进下去。我问他为什么会这些，他说，读大二时听过我的课，之后一直在用。

我觉得很好，就让他回学校教一教师弟师妹，也把工作方法分享给一些企业员工。一个多月后，我问效果如何，他说，两边都不太理想。

学校里的同学学得快，点几下工具就觉得自己会了，但没有真实任务，没有必须解决的问题；企业里的业务专家有经验，却容易停在“我听懂了”。两边都缺少把自己的能力与 AI 真正结合起来的过程。

这一代 AI，光学是没用的。必须一边学、一边用，用了之后再得到反馈。这也解释了为什么企业会同时觉得“缺人”和“不缺人”：缺的是能把业务认知与 AI 能力结合起来的人。

能编排智能、产生业务价值的人

我给 AI 应用人才下的定义是：能编排智能、产生业务价值的人。具体来说，是能把真实世界的问题、行业经验和方法进行结构化、模型化表达，再借助 AI 做到自动化、规模化，并且持续产生价值的人。

所以，“AI 应用人才”不能简单等同于“会用 AI 工具的人”。AI 自己也在学会使用工具。人的价值，越来越体现在定义问题、设计过程、判断结果和承担交付上。

同样，AI 教育也不能只理解成教人工智能的历史、神经网络和技术名词。对大多数孩子来说，更重要的问题是：怎样用人工智能成为更好的自己，发挥自己的创意，做出自己想做的东西？

机会也不只属于技术学科。当技术越来越容易调用，组织如何改变，人如何相处，什么值得做，这些问题反而会让人文、社会科学和哲学的价值更加突出。

二、AI 放大的，是人的认知与判断

优势不由年龄决定

我在现场问大家：年轻人、中年人、年长的人，谁在 AI 时代更有优势？我的答案是，不要先看年龄，先看谁有认知和判断，又愿意真正投入使用。

年轻人往往学得快、反应快；长期做一件事的人，则积累了大量经验和判断。过去，一位专家即使想清楚了，也未必有足够的人手帮他执行。今天，如果他愿意用 AI，执行能力就可能被大幅放大。

我自己也经历了这个转变。以前在公司，我常常指着屏幕告诉年轻同事：“这里改一下，那里这样做。”后来有一次假期，我连续和 AI 讨论了七天，把一些多年没有想清楚的问题重新推了一遍。回来以后，我对 AI 的感受就变了：它不只是替我做事，还能参与我的思考。

所以我越来越感受到，有经验的人加上 AI，可能释放出很大的价值。难点恰恰在于，有多少有经验的人愿意重新开始学习，愿意亲自用，而不是只说“我都懂”？

从提高效率，到探索自己没想到的问题

我把 AI 对我们的价值分成几个层次。最直接的一层，是做数字化工具，提高办公、备课和内容制作的效率。再往前，是帮助我们提升思考、认知、决策和判断。对个人成长而言，我更看重的，是探索“未知的未知”。

你知道自己缺什么，可以去问；但有时真正限制我们的，是根本没有意识到还有什么问题。AI 如果能结合你的经验，给出新的关联、新的视角，就会触及成长本身。这也是我越来越关心教育的原因。

三、当智能成为基础设施，学习方式也要改变

“脑子的工业革命”

我有一个比喻：人工智能是“脑子的工业革命”，而我们现有的教育体系，很大程度上仍然在用工业化的方式培养人的脑子。

回头看技术史，文字让思想可以离开大脑，印刷让知识能够大规模传播，机器扩展了体力，互联网加快了信息连接。AI 则开始参与思考、归纳和生成的过程。它改变的，不只是我们手上的工具，也包括我们理解世界和组织工作的方式。

因此，教育、设计、程序开发、咨询等与认知劳动密切相关的领域，会首先感受到压力和机会。过去我们习惯认为，坐在办公室、对着电脑的工作更稳固，今天这个判断值得重新想一想。

我在课件里引用了 Fidji Simo 的一篇文章。她谈到 AI 可能在知识、健康、创意表达、经济自由、时间和持续支持六个方面扩大人的能力。对教育而言，知识获取与创意表达的变化尤其直接。

我理解这件事的一个关键词，是智能成为基础设施，像水、电一样容易调用。现场我用了铝的比喻：原来稀缺、昂贵的东西，随着生产方式改变，可能变得普遍。这个比喻是想提醒大家，过去依靠知识和执行能力形成的门槛，正在变化。

从“按流程做”，到“先试，再调整”

我经常用四种思维方式提醒自己。依靠过去经验，会说“以前都是这么干的”；强调工业化流程，会说“按规范执行”；互联网思维，会问“用户怎么看”；到了 AI 协作里，我越来越常说：“我先用 AI 试试看，做得不好再调整。”

放到教育里也一样。过去有长辈传授经验，有标准教材与统一进度，后来有网络课程、社群和多媒体学习。AI 带来的新可能，是每个人都能与一个持续支持自己的智能系统一起学习。

我读大学时，能把国外看到的新东西带进课堂，靠的是互联网提供的连接。今天的孩子有了新的条件。他可以带着自己的问题，让 AI 解释、演示、协助尝试，再根据结果继续追问。这里发生的变化，是人与智能的协作关系。

四、两次课程实践：孩子可以更早进入真实创造

把小学生与大学生放进同一门课

去年暑假，我做了一次课程尝试。当时 AI 在创意表达上的能力已经很强，我就想：没有设计基础的大学生，能不能在两周里走完一个创意项目的流程？如果把小学生也放进来，又会怎样？

我邀请了几个朋友家的孩子，还有自己的外甥女，一起参加大学课程。我没有专门为他们降低要求，听不懂的地方，就让他们自己去问 AI，边做边学。

大学生做出了围绕地方文化的 IP、动画等作品。有一组做“赛博红楼梦”，同学互评给了很高的分数。我们这些年长一点的人，未必第一时间理解他们的趣味，但既然他们有自己的表达，也获得了同伴的认可，我愿意尊重这个判断。

孩子也做出了一系列作品。后来我看到上海小学生的一份暑期作业，要求利用 AI 创造角色、制作文创、向同学展示。我发现，它和我给大学生布置的任务，已经有相似之处。

作品能做出来，动机却未必还在

但这次课也让我很受挫。我们请了不少有经验的朋友来分享，希望把最好的东西带给学生，课堂投入程度却并不理想。有些同学对专业没有兴趣，不知道自己为什么要学。

让我印象最深的，是有人反复问：“老师，这个作业到底怎样做，才能拿高分？”可我们的专业没有唯一答案。每个人的表达不同，选择不同，不能只靠猜老师想要什么来完成。

相对而言，那些原本就喜欢这个专业、想做这些事情的同学，状态明显更好。我开始担心：有些孩子经过很长时间的竞争，终于进入大学，却不知道自己还想做什么。

我把这个问题拿去和不同学段的老师聊。从大学看到高中、初中，再看到小学、幼儿园，我越来越在意一件事：随着学习压力增大，我们有没有把孩子的好奇心、想象力和主动性一起消耗掉？

现场我提到知识、好奇心和想象力之间的关系。今天，AI 让知识更容易被调用，但孩子愿不愿意提问，敢不敢想象，有没有自己想做的事，仍然很重要。

从设计表达，走到真实应用开发

之后，我们把类似的实践带到高中，让学生进入公司，按我们做项目的方式来做。再后来，又尝试面向小学和初中的学生。几次尝试下来，大家都能做出东西，AI 能力的变化是一个很大的变量。

今年，我又尝试了一门以 AI 编程为核心的课程。六十位大学生和十二位中小学生一起，围绕大学图书馆的场景做教育应用。从备课、课程系统到结课，我都让 AI 参与，评价时也尝试让它结合过程表现和同伴投票提供评分。

过去，我们常让六个人合作做一个项目。现在我会鼓励学生，即使在小组里，也可以多做几个作品。因为有了 AI，一个人的实现速度提高了，有时协调本身反而成为成本。

在这门具体课程里，表现好的孩子，已经能达到相当不错的水平。这让我再次感受到：原来“先学很多年，等将来再用”的顺序，正在出现新的可能。孩子可以更早面对真实任务，在做的过程中建立能力，再去整合需要的知识。

五、AI 像一种新的语文，起点是表达与动机

这些课程给我的另一个感受是：对日常使用而言，AI 像一种新的语文。你需要有想法，能表达自己的意图，能根据反馈继续交流。

有个朋友把孩子送来之前，很担心：孩子不会打字，也不太会用电脑，能不能跟上？结果我们在旁边看，他拿着平板，像平时告诉身边的大人自己想要什么一样，直接和 AI 说话。这种自然表达，反而让他很快开始做事。

另一次，一个五年级的孩子说：“我没想法。”我告诉他：“那你就跟 AI 说，你没想法。”他很惊讶，原来还可以这样交流。为什么会惊讶？因为他可能已经习惯，只有准备好正确答案，才可以举手。

我们常看到，小学低年级的孩子不管想没想好，都愿意先举手；随着年龄增长，越来越担心做错，不愿表达。AI 能不能帮助他们重新开始提问、尝试，我觉得值得认真看。

所以，我看重三个相互联系的能力：工程力，把想法变成现实；创意力，找到自己想做的事；人机协作能力，把自己的能力与 AI 结合起来。它们最终要落在一个作品、一个项目上，而起点是动机。

这也不是说基础学科不重要。我在现场特别提到，数学、物理、化学等基础仍然要学。只是当我们谈 AI 编程时，不应该只把它想成再学一门编程语言。更值得关注的是，一个人能不能提出问题、组织实现过程，并且看懂、判断结果。

六、教育体系之外，家庭与自我教育也要行动

我真正担心的，是当工作方式已经变化，教育却仍然把人训练成只会等待任务、寻找标准答案、执行既定流程的人。这样培养出来的人，恰恰可能更容易受到替代。

这几年与教育行业打交道，我也越来越理解改革的难。整个教育体系像一台巨大的机器，每个人都是其中一个零件。一位老师、一位校长想改变，并不能立刻改变所有制度。它还要照顾大量学习者，要考虑公平，不能只为少数人设计。

但我们也不必等到整台机器改变，才开始思考自己的行动。这就是为什么我今天先从家长的身份讲起。作为教育工作者，我们有岗位上的限制；作为自己、作为家长，我们仍然可以重新安排学习，提供真实任务，保护孩子的兴趣，让他们尝试新的工具和方法。

我认为，家庭教育和自我教育，会在 AI 时代变得更重要。自己可以开始的那一部分，值得现在就开始。

七、我说的“个人 AGI”，是一套共同成长的系统

从一个工具，走向持续理解你的系统

前面一直说 AI，现在说说我最近最关注的“个人 AGI”。我想强调的，不是再给自己增加一个工具，而是构建一套能持续理解我、与我共同学习和行动、支持我不断成长的智能系统。

我举过一个例子：一个有能力的企业经营者，从家居行业转到餐饮，未必所有东西都懂，但他能把已有的判断、组织和学习能力迁移过去。我希望自己的 AI 系统，也能逐渐具备这种围绕我的目标迁移、学习和行动的能力。

对我来说，最值得投入的一件事，就是搭建这样的系统。它应该围绕我的价值和意图，帮助我成长。我会用机甲来比喻这种关系：人来驾驭，也从中受益。

模型之外，还要有自己的记忆与方法

这套系统靠什么完成工作？模型可以理解成底层的大脑，工具让它能搜索、操作和执行，知识提供可调用的材料。但仅有这些，还不够成为“我的”系统。

它需要知道我经历过什么、讨论过什么、做过什么选择；需要理解我的方法、技能和工作流程。同样一个模型，结合不同人的记忆和方法，会形成不同的协作能力。

因此，模型、工具、知识、记忆、技能、工作流和应用，需要逐步连在一起。我的积累不只存在于一场聊天里，而是能进入后续任务，让下一次工作不必完全从头开始。

同时，底层 AI 仍在变化。不能只拿昨天的体验判断今天，更不能用今天的能力给明天画死边界。我在实际开发中，已经会给 AI 安排持续推进的任务，再回来检查结果。这让我更加重视长期协作，而不只是一次问答。

从工具辅助，到迁移与共成长

我借用 L1 到 L5，给自己的实践做了一个分层。第一层是工具辅助：我提问，它给一个答案。第二层是持续协作：它知道我是谁，理解我的方法，能持续参与工作。

第三层是流程委托：我布置一个任务，它能做计划、拆解步骤、检查并交付。第四层是目标协同：不需要我把所有步骤都写死，它能围绕目标推进，还能发现不足、提出修正。第五层是迁移与共成长：在更多任务、更多智能协作中，把能力继续扩展出去。

我现在做软件时，经常让 AI 做完之后再检查：“你觉得自己做得好不好？哪里不好？为什么？怎么改？”在反复校正中，我逐渐把它从一次性回答者，变成持续参与工作的伙伴。

再往前，我也在尝试把自己的课件、表达方式、声音和方法连接起来。未来有人提出一个学习需求，我的智能体能不能组织相应内容，进行讲解和交流？这是我正在探索的方向。有些环节已经能做，有些还需要继续打磨。

八、儿童与成人，应该怎样与 AI 相处

讲到这里，不能把成人使用 AI 的方式，原封不动地给孩子。教育特别的地方，在于人正在成长。同样一项能力，成年人可能可以直接借助 AI 放大；孩子却可能还需要在其中建立自己的理解和能力。

我并不是鼓励孩子越早使用 AI 越好。我关心的是，它能不能启发好奇心，帮助孩子形成自学能力，让他得到成长。不同年龄阶段，AI 扮演的角色，以及人和 AI 之间的比例，都应当不同。

对成年人，我的态度更积极：值得主动投入，亲自尝试。有时候把 AI 当助手，有时候把它当伙伴，让已经积累的经验和判断产生更大的价值。

个性化学习也有很多可以尝试的地方。比如，一个孩子喜欢某个故事人物，我们能不能用他熟悉的表达方式讲解知识？我自己遇到不懂的内容，也会让 AI 换不同角色、不同方式来解释。关键仍然是，孩子是否真的理解，是否愿意继续探索。

九、好的组织，应该让个体变得更聪明

从个人再看组织，我这几年有一个很强烈的感受：有些组织把人放在一起，却产生了大量沟通和协作损耗。一个人本来有判断、有能力，进入其中反而发挥不出来。

我希望未来的组织追求“群体智能”：你有你的智慧，我有我的智慧，我们在一起，能产生各自单独工作时没有的新可能。

这里既有人和人的协作，也可能有人各自的 AI 系统之间的协作。假设一百位老师在不同领域有很好的经验，这些经验能不能汇聚、互相启发，形成学校甚至区域教育的智能支持？这是我看到的一种方向。

为什么我还是强调先从个人开始？因为我们很难直接改变别人的思考方式，但可以先改善自己的学习和判断，让自己与 AI 的协作变得更有效。当这样的个体再连接起来，组织才有可能出现新的能力。

十、回到教育，仍然要保护热爱

如果给孩子的成长只留一个建议，我会说：一定要保留热爱。这几年接触很多学习者以后，我越来越觉得，它比我们想象的还重要。

一方面，热爱让人愿意持续投入，让学习和生活有意思。另一方面，AI 让不同领域之间的知识更容易连接，一个人如果因为热爱，把某件事往深处做，再借助 AI 迁移能力，就可能打开更多方向。

我读大学时看过《让天赋自由》。我从中记住的，是教育要帮助每个人找到自己的天赋，让天赋与热爱结合。我自己的老师也给过我这样的空间。我并不认为自己一定比别人聪明多少，但当我真正在意一件事，就会愿意不断去做。

老师也是一样。如果一个人对自己的工作已经没有热爱，学生是能感受到的。我们希望孩子有能量、有好奇心，也要回头看看自己是否还保有这些东西。

所以，我越是使用 AI，越觉得中小学阶段的 AI 教育，要回到人的成长：怎样让一个人发现自己想做的事，保持好奇，愿意行动，在这个时代找到自己的位置。

不管是下一代，还是我们自己，怎么找到自己，正在变得格外重要。

现场交流：我的个人 AI 工作台怎样运转

能举一个你自己日常使用的例子吗？

我给大家看的是自己的个人 AI 工作台。它有不同的应用，但都围绕我怎样学习、成长和工作。

比如“知行档案”。我看到一篇有价值的文章，会先转给系统，让它结合我的情况提炼、保存。我不一定当场读完，但以后讨论到相关问题，它可以再调出来。视频、书籍和我与 AI 讨论形成的研究报告，也可以进入这个体系。

我的想法是，我接触过、认为有价值的东西，不应该只停在一次阅读里。它们要成为之后学习和判断可以调用的材料。

这些积累，怎样进入备课？

我这些年积累了两千多页课件，以前很乱，后来让 AI 重新整理，清出了 1573 页。我希望将来只要说清楚：这次给哪些人讲、讲多长时间、想讨论什么，它就能帮助我组织课件和讲述内容。

现在已经能做到一部分，但质量还不够稳定。为此，我给每页课件建立身份，记录这一页讲什么、在我的思考框架中处于什么位置、有哪些论证、在哪些场合讲过。

每次讲完，再把现场转写接回来：这一页实际怎么讲，它与其他知识有什么关系，下一版要怎样更新。我还在做复用与进化，希望课件不是一次用完就放下，而是能随实践持续变化。

有了这套积累，文章、视频、课程，就可以成为不同的输出形式。再往企业管理等场景扩展，则是组合其他模块。

“第二大脑”和普通录音纪要有什么不同？

我先解决自己的问题，把会议、上课等内容记录下来。录音本身并不特别，区别在于后面用什么方法分析，以及结果怎样进入后续工作。

我会让系统从材料中提炼知识与判断，形成记忆，也记录经常交流的人和相关背景。进一步，它会把不同会议、不同话题里的内容联系起来，提出一些洞察，帮我发现自己前后矛盾的地方，或者以前没有注意到的关联。

这对我最有价值的地方，是辅助判断和决策。如果迁移到学校，也可以探索教学分析、课堂复盘等场景。不过具体怎样分析，仍然取决于使用者自己的方法和目标。

如果账号、网络或服务器出了问题，怎么办？

现场有老师问，万一断网、存储出了问题怎么办？这是一个真实的问题。我自己也经历过用了很久的账号突然不能用，那种感觉很难受。

所以我会做多份数据备份，分散存储风险。我认为，不能把所有积累只放在一个 AI 或一个账号里。自己的记忆、方法和协作关系，应该尽量由自己掌握。

这也是我强调搭建自己的系统的原因。如果所有东西都绑在一个平台上，平台一旦发生变化，之前的积累就可能中断。

今天这次课，是 AI 自动做出来的吗？

是一起探讨出来的。主题是我想的，因为我最近一直在思考个人 AGI。我先把需求告诉 AI，让它从已有课件中组织一版，但我觉得那一版一般，不是我想要的。

后来我重新描述了自己的想法，继续讨论，再调整几页课件，形成今天的内容。我最终希望，每次备课都能稳定产出符合我要求的质量。现在，还需要我持续参与和校正。

老师不懂开发，应该选哪个平台？

现场也有人问，是用千问、豆包，还是其他平台。我的看法是，最后有价值的，是把它们逐渐串成自己的工作体系。今天用一个、明天用一个，如果积累彼此分散，就很难形成持续协作。

我曾经想帮一位校长搭建“校长大脑”，后来发现，我并不了解他的管理方式。每个人的需求不一样，方法可以借鉴，具体系统却需要本人参与。

因此，最适合自己的那一套，仍然需要自己花时间去磨合。别人可以帮助你搭建，但哪些问题最重要，怎样才算做得好，需要你把自己的经验放进去。