新学期开始了，纽约市的一些孩子重新走进教室时，会发现今年的课堂和过去有一点不一样——如果一道数学题不会，他们不能再随手打开一个 AI 软件，让它一步一步给出答案；写作文卡住了，也不能让它先生成一篇 " 参考 " 文；甚至那些原本已经悄悄嵌入学习软件里的生成式 AI 功能，也有一批会从课堂里消失。

对于一个习惯了 " 有问题就问 AI" 的孩子来说，这可能会面临一些很具体的不方便：一道题要多想几十分钟；写不出作文开头的时候，要对着空白的纸发一会儿呆；遇到一个不知道的问题，只能先承认：我不知道。

而这恰恰是纽约想重新留给孩子们的东西。9 月 2 日，纽约宣布，从 2026 — 2027 学年开始，对 2-K 至八年级学生实施为期一年的 " 学生端生成式 AI" 暂停政策，影响接近 60 万名公立学校学生，约占整个纽约市公立学校系统学生的三分之二。

按照纽约市教育部门公布的规则，2-K 至八年级学生不能使用面向学生的生成式 AI 软件；此前获准使用的 38 个以上教育项目中的 AI 功能将被停止或关闭。教师仍然可以利用符合安全标准的 AI 备课和处理部分行政工作，残障学生、多语言学习者以及部分职业教育项目也有例外。

纽约没有彻底把 AI 赶出学校。相反，它做了一件更微妙的事情：把 AI 和孩子之间的距离，按照年龄重新划了一遍。

高中生仍然能接触 AI。纽约要求高中生每年两次接受 AI 批判性思维教育；部分高中课堂还会试点 5 种经过审核的 AI 教育工具，但必须在教师直接监督下使用，而且时间受到严格限制。

但对于年龄更小的孩子，纽约选择先踩一脚刹车。与此同时，纽约还同步收紧了屏幕时间：二年级及以下不进行常规一对一屏幕使用；三至五年级建议每天不超过 30 分钟；六至八年级建议每天不超过 45 分钟。

在纽约的教室之外，几乎整个成年人的世界正在往相反的方向狂奔。公司要求员工学 AI，程序员开始使用 Coding Agent，咨询公司培训员工使用大模型，创业者讨论怎样让 Agent 替代一部分工作流。文章信息一遍遍告诉成年人：你必须尽快学会把工作交给 AI，否则就可能被时代落下。

过去三年，多个国家的教育政策都经历了类似的摇摆。它们并没有形成一场全球同步的 "AI 禁令 "，但一个共同趋势越来越清晰：对低龄学生更谨慎，对高年级学生逐步开放；不是只看工具有没有用，而是把年龄、场景、教师监督、隐私和学习目的放在一起判断。UNESCO 早在 2023 年的生成式 AI 教育指南里就提出，应为学生独立使用生成式 AI 设置年龄门槛，并给出 13 岁的参考下限。这个建议本身不是全球统一规则，但它第一次把 " 年龄适配 " 推到了 AI 教育讨论的中心。 [ 3 ]

法国在 2025 年给出了更具体的分层规则：小学阶段可以学习 AI 是什么，但学生不直接操作生成式 AI；到相当于法国初中四年级的 4e 阶段，才允许在教师解释、陪伴和限制下进行课堂使用；高中生可以在教师明确规定的学习框架内更自主地使用。法国教育部还明确提出，未经教师许可、又没有学生自己的理解和加工，直接用生成式 AI 完成作业可以被视为作弊。

日本没有采取全国性一刀切禁令，但 2024 年底修订的中小学指南同样强调 " 以人为中心 " 的使用原则，并通过生成式 AI 试点校来控制扩散节奏。澳大利亚则从 2023 年起建立全国学校生成式 AI 框架，以教学与学习、人类与社会福祉、透明、公平、问责、隐私与安全六类原则约束使用，并且每年审查，因为教育部门承认这项技术本身仍在快速变化。 [ 4 ]

这些政策背后的分歧其实没有看起来那么大。教育者大多不否认孩子迟早要学会使用 AI，争论的是：在认知、语言、阅读、推理和社会能力尚未建立稳固基础之前，AI 究竟应该扮演 " 脚手架 "，还是直接成为 " 代劳者 "。如果 AI 只是在孩子已经形成基本能力之后放大效率，它更像计算器、搜索引擎和字典；但如果它在能力形成之前就替孩子完成了最难的部分，教育面对的就不是一项新工具，而是学习过程本身被重新切分。

这个矛盾并不只发生在纽约。中国正在更积极地把人工智能纳入教育体系，同时也在给低龄学生设置清晰边界。2024 年 12 月，教育部部署加强中小学人工智能教育，提出小学低年级侧重感知和体验，小学高年级和初中侧重理解和应用，高中侧重项目创作和前沿应用，并强调要以人为本、促进思维发展、提高解决实际问题的能力。

到 2026 年的 " 人工智能 + 教育 " 行动计划，政策又进一步提出推动 AI 教育全面纳入地方课程体系，但同时强调科技教育与人文教育结合，重视学生的启智和心灵培养。 [ 5 ]

真正值得注意的是 2025 年发布的《中小学生成式人工智能使用指南》。其中明确：小学阶段禁止学生独自使用开放式内容生成功能，教师可以在课内适当使用 AI 辅助教学；初中阶段可以适度探索生成内容的逻辑性分析；高中阶段允许结合技术原理开展探究性学习。指南同时要求学生避免把 AI 生成内容简单复制成作业答案，避免在创造性和个性化表达任务中过度依赖 AI，也提醒家长防范技术过度依赖造成的心灵培育缺失。

换句话说，中国的政策也不是 " 让孩子离 AI 越远越好 "，而是在努力同时做两件看似矛盾的事：让下一代拥有 AI 素养，又尽量不让 AI 替代那些本该由孩子自己完成的认知成长。 [ 6 ]

但这也是现实学校最难的地方。一边，AI 已经可以成为很好的 " 脚手架 "。教育部今年介绍中国人民大学附属中学的实践时提到，学生会用大模型对大量史料做语义聚类，也会用 AI 进行种群增长模拟或分析卫星遥感图像，教师则把重点放在模型建构、深度阅读、科学辨析和价值思考上。这样的使用并不是把答案端给学生，而是让学生借助工具进入过去很难进入的材料规模和实验环境。

另一边，当同一个大模型回到家庭作业场景，只需要输入题目就能直接给出解法、作文、提纲和总结时，老师和家长又很难知道：孩子究竟是在学习，还是只是在管理一台替他学习的机器。 [ 7 ]

真正困难的不是 " 要不要让孩子用 AI"，而是怎么让 AI 帮助孩子走得更远，却不替他走掉那些必须亲自走过的路。

想象一个再普通不过的晚上。一个十岁的孩子被一道数学题卡住：条件看懂了，数字也都认识，可就是不知道第一步该从哪里下手。他在草稿纸上画了两遍图，第一次把数量关系画反了；第二次算到一半发现结果不可能，又把整行数字划掉。十几分钟过去，他开始烦躁，甚至想说 " 我不会 "。如果这时把题目拍给 AI，几秒钟之后，他会得到一个条理清楚的解法，可能比家长和老师讲得还完整。作业会立刻向前推进，那个晚上也会轻松很多。

可如果他没有立刻得到答案，也许会发生另一种不那么高效的事情。他重新读题，把两个条件圈起来，突然意识到自己一直把 " 总数 " 和 " 相差 " 混在了一起。他在草稿纸上写出一个新的式子，算完后愣一下，又回头验算一遍，最后抬起头说：" 我知道了。" 那个瞬间的高兴很小，可能第二天他自己都说不清楚为什么高兴。但真正被留下来的，不只是一个算式。那十几分钟里，他经历了困惑、错误、重新表征问题、检查自己的判断，最后得到一种很朴素的经验：原来我卡住的时候，不一定只能等别人给答案；我也可以继续琢磨。

学习科学里有一个并不浪漫但很重要的概念—— "productive failure"，可以理解为 " 有产出的失败 "。相关研究发现，在合适的教师引导和后续讲解下，让学生先尝试解决一个尚未掌握的问题、暴露自己的错误和知识缺口，反而可能帮助他们更深入地理解概念并提高迁移能力。

这里的重点不是把 " 受苦 " 神圣化，也不是说所有失败都能带来成长，而是说明：学习并不只发生在正确答案出现的那一刻，很多真正的理解，恰恰发生在 " 我哪里想错了 "" 还有没有别的方法 "" 为什么这个答案不对 " 的来回修正里。 [ 8 ]

生成式 AI 最大的诱惑，在于它太擅长把这段不舒服的过程压缩掉。2025 年 MIT Media Lab 一项针对 54 名成年人的写作实验发现，在该实验条件下，不借助工具的参与者表现出更强、更广泛的脑连接，LLM 组的参与者在记忆自己文章内容、感受到 " 这是我写的 " 方面表现较弱。研究团队把这种现象称作可能的 " 认知债务 "。

但这项研究规模很小，研究对象主要是成年人，最初以预印本形式发布，后续也有研究者对样本规模、EEG 分析和结果解释提出方法学质疑，因此它绝不能被简化成 "AI 会让孩子变笨 "。它真正值得我们保留的，只是一个问题：如果一个人在能力形成阶段持续跳过最费力的认知过程，长期会发生什么，我们现在还不知道。 [ 9 ]

另一个来自 Microsoft Research 和卡内基梅隆大学的研究则调查了 319 名知识工作者的 936 个真实 AI 使用案例。研究发现，受访者越相信 AI，报告的批判性思考投入往往越少；同时，AI 并没有让思考完全消失，而是把一部分思考转移到了验证信息、整合答案和监督任务上。

对成年人来说，这种迁移未必是坏事，因为成年人通常已经拥有领域知识，可以把精力从 " 生成初稿 " 转到 " 判断质量 "。但对孩子来说，最关键的问题恰恰是：如果 " 生成初稿 "" 自己列式 "" 自己组织语言 "" 自己回忆知识 " 这些基础动作还没有长出来，就直接把它们升级为 " 审核 AI"，孩子拿什么去审核？ [ 10 ]

警惕思考外包，不应该滑向另一种简单答案：把 AI 重新描述成电视、游戏或者手机之后的又一个 " 洪水猛兽 "。AI 对教育真正有价值的部分同样具体。一个家庭负担不起长期一对一辅导，AI 可以在一定程度上提供低成本解释和练习；一个在课堂里不敢举手的孩子，可以反复追问直到听懂；多语言学习者、阅读障碍学生和部分特殊教育需求者，可以通过语音、改写、翻译和个性化节奏获得过去昂贵又稀缺的支持。

纽约的新政策本身也为残障学生和英语学习者保留必要的辅助技术例外，这说明即使最谨慎的政策，也没有否认技术的补偿价值。 [ 1 ]

更现实的问题是，简单封禁还可能制造新的不平等。学校里禁止，不代表家庭里消失。资源更丰富的家庭仍然可以订阅 AI、请家长或老师教孩子如何 " 正确使用 "；资源不足的孩子反而可能既失去公开、受指导的 AI 教育，又在未来进入大学和职场时突然面对一个已经普及的工具。

因此，真正公平的做法不是让所有孩子在成年前都远离 AI，而是让所有孩子都能在同样安全、透明、年龄适配的环境中学习怎样与 AI 相处。澳大利亚和日本选择建立框架、试点和持续更新，而不是一次性给出永久答案，本质上也是承认：这是一套需要随着孩子、学校和技术共同变化的社会规则。 [ 4 ]

所以，纽约的一年暂停政策值得关注，却未必值得照抄。它最大的价值可能不是提供了一个 " 正确答案 "，而是把一个此前被效率和创新叙事遮住的问题摆到了台面上：教育究竟是在为孩子未来使用工具做准备，还是在帮助一个人形成不依赖工具也能站住的基本能力？两者都重要，只是顺序不能被完全颠倒。

如果把这场争论只交给学校，最后很可能还是失败。因为孩子为什么会把作业交给 AI，并不只因为 AI 太方便，也因为我们给他们的学习越来越像一个需要尽快完成的任务清单：作业要按时交，考试要拿分，竞赛要出结果，升学材料要漂亮，家长担心落后，学校担心排名，整个社会都在奖励更快、更标准、更可量化的产出。

在这样的评价体系里，一个孩子愿意花四十分钟自己想一道题，反而可能显得 " 效率太低 "。如果社会的奖励机制不变，再严格的 AI 禁令也很容易被绕开，因为 AI 只是把我们原本就追求的效率推到了极致。

真正更好的教育环境，首先应该允许不同年龄拥有不同的技术权限。低龄阶段可以认识 AI、讨论 AI、在教师带领下观察 AI 如何回答问题，却不必默认拥有一个随时替自己生成答案的私人助手；随着基础阅读、表达、数学和判断能力逐渐形成，再逐步开放更复杂的使用。

其次，学校需要的也不是 " 更会给答案 " 的教育 AI，而是更懂得什么时候不该给答案的 AI：先问孩子 " 你已经想到哪一步 "，要求他画图、列条件、解释原因，必要时只给一个提示，而不是把完整解法一次性铺在屏幕上。技术公司如果真的要进入儿童教育，应该把 " 是否促进独立思考 " 当成核心产品指标，而不是只把留存、使用时长和答题效率当成成功。

更重要的是，作业和评价方式也必须变。如果一份作业只需要一个标准答案、一篇格式正确的作文、一份可以被复制的报告，那么 AI 天然会成为最优解。未来的学校可能需要更多过程性证据：课堂讨论、口头解释、草稿和修改记录、真实项目、面对面答辩，让老师看到学生 " 怎么想到这里 "，而不只看最后交出来的成品。

老师们也需要更多时间和更好的培训去做这件事。我们不能一边减少人与人的教学投入，一边要求老师独自承担识别 AI、纠正依赖、培养批判思维、照顾情绪和维持课堂关系的全部责任。

家庭同样需要重新理解 " 帮助 "。有时最难的不是教会孩子用一个新工具，而是忍住不替他把困难拿走。孩子做不出来一道题时，家长当然可以给提示；可如果我们每一次都急着让他赶紧完成、赶紧正确、赶紧进入下一项任务，AI 只是把这种成人焦虑自动化了。我们真正能给孩子的，也许是一个更慢的机会：允许他发呆，允许他试错，允许他在二十分钟后才想明白，甚至允许他今天没有想明白。

我们总在讨论怎样让孩子适应 AI 时代，却很少反过来问：我们能不能把 AI 时代建设成一个更适合孩子成长的社会？

这可能才是纽约这场争论真正应该留给我们的东西。AI 时代当然不会因为一纸校规停下来，全世界的孩子最终都会生活在一个机器能够随时给答案、写文字、做计算、生成图像甚至代理行动的世界里。

我们不可能完全替他们守住一个 " 没有 AI 的童年 "。但社会仍然可以决定，在一个人最初形成阅读能力、语言能力、数量感、好奇心、自我效能和人与人关系的几年里，什么应该由机器加速，什么应该被刻意保留给孩子自己。

成年人已经太熟悉效率的逻辑：邮件要更快写完，报告要更快生成，代码要更快上线，会议要更快总结。我们甚至会因为没有充分利用 AI 而感到焦虑。可孩子不是一个等待被优化的生产系统，童年也不是职业训练的预备流水线。

一个十岁的孩子花很久解出一道并不重要的题，那种笨拙和缓慢，从成年人的生产率视角看几乎没有价值；但正是在这些没有捷径的时刻里，他第一次知道 " 我能靠自己把一件不会的事弄明白 "。这种经验日后可能变成面对新问题时的耐心、面对错误时不立即逃开的勇气，以及当所有机器都给出一个看似正确的答案时，仍然愿意多问一句 " 为什么 " 的习惯。

所以，真正值得整个社会警惕的，不只是孩子会不会用 AI 作弊，也不只是某一次考试能不能防住 ChatGPT。更深的问题是：如果我们把 " 更快得到结果 " 变成教育默认的价值，一个孩子为什么还要经历那些缓慢、重复、挫败、没有即时回报的学习？如果学校、家庭和社会都只奖励结果，孩子把过程交给 AI 几乎是理性的选择。到那时，问题就不再是 AI 夺走了思考，而是我们先把思考从评价体系里变得不值钱。

也许下一代真正需要的，不是一套教他们从小 " 赢在 AI 起跑线 " 的课程，而是一种更有耐心的社会安排：有足够好的老师，有可以放心犯错的课堂，有不被屏幕填满的空白时间，有公平可获得而又懂得克制的 AI 工具，有不会因为孩子慢一点就立刻焦虑的家庭，也有一种不把分数、效率和产出视为唯一价值的教育。我们当然要教孩子驾驭技术，但在此之前，还要确保他们拥有一个不借助技术也能思考、表达、判断和与人相处的自己。

我们总喜欢问：孩子怎样才能适应未来？也许 AI 时代更应该反过来问一次：我们这些已经掌握规则的大人，准备为孩子创造一个怎样的未来？如果一个社会连童年的迟疑、笨拙、失败和漫长思考都容不下，那么真正需要被重新设计的，也许从来不只是课堂里的 AI。