“教育如果还有未来，教育的重心就必须向执行的两侧挪动，去占领那些计算无法抵达的‘双向长尾’。”这是陈天桥在 ChenNativeAI 公众号上发文《AI时代的教育使命：培养不可被计算的人》时点出的一个判断。

文章回顾了一个背景：18 世纪的普鲁士式教育，是工业革命的“标配”。那时的学校，就是为工厂和机关服务的训练营，通过统一课件、统一考试、统一升学路径，把孩子练成守时、听话、会做标准题的“螺丝钉”，方便被拧进流水线。这个体系在蒸汽机和装配线时代确实高效。

问题在于，一百多年过去了，这套模式几乎没怎么变，但孩子面对的世界，早就不是蒸汽机，而是一个越来越多工作会被 AI 接管的大算力网络。只要给清晰的目标和干净的数据，算法可以在毫秒内找到最优解，在海量数据中做出比大部分人更稳定的判断。凡是那种“照着规则把 A 变成 B、追求效率最高和错误最少”的活，本质上都属于 AI 的主场。

如果学校和家长还是把全部力气放在训练“完美执行者”上，用分数和正确率来评价一切，让孩子前二十年都在背标准答案、刷标准题、走标准路径，结果就是：把本来各不相同的生命，弄成一批高度可预测、可建模、随时能被替代的“人形接口”。看上去很“标准”，但离“不可被替代”反而越来越远。

出路不在于再多塞一点知识，而在于学会“留白”。

这种“留白”被称为一种“结构性的无知”。意思不是鼓励无知，而是承认一个现实：技术把我们推向一个“好像什么都能查得到”的时代，很多人一看到自己“不知道”，就立刻焦虑，恨不得所有学科都“懂一点”。但如果真把自己塞成一个“各科都沾点边”的人，很容易出现另外一种问题：在任何一个方向上，都不敢长期“看起来很笨”，也不肯认真深挖，只想待在自己最舒服、最安全的那一小圈“略懂”的范围里。

真正有力量的教育，不是把孩子所有空白都填满，而是要教他们可以带着“不知道”好好活下去。哪怕知道某件事很重要，也能在当前人生阶段坦然说一句：“我现在先不懂这个，我把有限的注意力和理解力，留给那一两件值得我花上十年去啃的事。”与其样样都浅尝辄止，不如选少数几个方向，愿意在里面“长期当一段时间的笨蛋”，才有可能真正走深。

从这个角度看，“AI 时代没必要什么都学”，并不是鼓励孩子躺平，而是提醒家长：再用“填鸭式”的方式，试图把孩子变成一个什么都不落下的小百科全书，其实是在和 AI 争抢它更擅长的那一块。机器可以随时调取、更新知识，人真正的优势，恰恰在于他愿意在哪些问题上投入时间、精力和人生，以及愿意为这些选择承担多大的代价。

也正因为如此，陈天桥把教育的目标，概括为“培养不可被 AI 计算的人”。这里的“不可计算”，不是指行为怪、难相处，而是从结构上就不适合作为一个被彻底建模的对象来看待。他不是一组可以被封装成 API 的功能清单，而是一个会自己做选择、也愿意为后果签字的人。

对家长来说，这意味着要慢慢从“什么都要报、什么都要学一点”的焦虑里退出来，敢给孩子的人生留出一些空白：允许他在少数方向上深挖，而不是到处打卡；允许他在可控范围内“暂时不懂”，而不是用更多刷题和更多课外班去堵住所有不安。真正重要的，不是孩子记住了多少知识点，而是他能不能在 AI 已经接管大量“标准答案”的时代，依然保有那一点“只有他自己能给出答案”的空间。