8 月 25 日，麻省理工学院（MIT）校长 Sally Kornbluth 向全校发布公开信，将生成式 AI 定义为高等教育的「分水岭」。同一天，MIT 特设委员会公布一份 40 页最终报告，披露出校内一个更具体、也更尖锐的问题：已有教师开始考虑用 AI agent 担任研究助理，取代原本由本科生参与的 UROP 项目岗位。
Kornbluth 在公开信中写道，MIT 将继续定义并守护最高质量的住宿型教育，强调这种教育应当是「of humans, by humans」，由人所拥有、由人来完成，并服务于人的繁盛。按原文的表述，她将生成式 AI 对高等教育的冲击界定为一场「watershed moment」，不仅针对 MIT，也面向整个高等教育体系。
40 页报告点出一个更现实的问题
与校长信在同日发布的，是一份由 MIT 特设委员会提交的 40 页最终报告。委员会成员来自五个学院，包括教授、本科生、博士生、图书馆馆长和教学实验室主任。
报告称，委员会在一次与教师的听证会上得知，部分教师正在考虑让 AI agent 充当研究助理，以此替代雇用本科生参与 UROP。UROP 即 MIT 的本科生研究计划，学生可进入实验室为教授担任研究助理。对许多学生来说，这是第一次接触真实研究工作，不再是课本中已有标准答案的问题，也常常同时带来收入和履历积累。
委员会没有回避这一设想背后的现实考量。报告写道，在当前研究经费趋紧的环境下，可以理解导师从速度和资源使用效率出发，为什么会产生这样的念头。但委员会随后追问，MIT 的研究究竟只是为了产出结果，还是同时承担培养下一代研究者的职责。
报告给出的回答很明确：在 MIT，研究不只是目的本身，它也是一种学徒制，是训练下一代研究者、推动学科继续前进的方式。把研究视为「在执行中学习」的过程，难免会出现一些看起来不够高效的环节，但这正是制度的特征，而不是缺陷。报告用了一句颇具工程师风格的表述：这是一项 feature，而不是 bug。
这一定义也揭示了一个更深层的变化。AI 此处并未直接替代教授，而是开始触及通向教授岗位路径上最底层的台阶，也就是学生最早接触研究与训练能力的入口。
MIT 本科生对被替代的担忧高于能力增强感
报告附录列出一组与校内感受直接相关的数据。2026 年春季，MIT 全校生活质量调查共收到约 8200 份问卷回复，其中一题询问受访者：AI 是让你感觉自己更有能力，还是更容易被取代。
整体结果显示，40% 的受访者认为自己更有能力，27% 认为自己更容易被取代，整体观感偏正面。
但如果只看本科生，结果出现反转：40% 的本科生认为自己更容易被取代，只有 34% 认为自己更有能力。
教师和研究生的感受则相反。文章将这种差异归因于他们所处的位置不同：教授的工作是提出尚未被提出的问题，而本科生在训练阶段更常面对已有标准答案的问题，并通过重复求解来理解过程。恰好，重复完成已有答案的问题，正是 AI 当前最擅长的任务之一。
MIT 报告称 AI 正在动摇教育体验的基础
报告另一个章节指出，AI 正在动摇 MIT 教育经验的地基，影响范围从习题集、带回家考试、UROP，一直延伸到 office hour 和读书会。
按文中描述，AI 让学生更孤立，也侵蚀学生的熟练感、自信以及师生之间的信赖。报告提到，现在很少有学生完全不用 AI 来学习，这也使得教师更难判断一个学生是否真的掌握了知识。
所谓「更孤立」，文中的解释是，当学生深夜卡在难题上时，第一反应越来越不是联系同学，而是先去询问 AI。结果是，愿意组建读书会的学生变少了，因为用 AI 往往更快，但人与人之间的互动也随之减少。
知识普及与工具普及，不是一回事
文章将这一变化放到更长的教育历史中来理解。20 世纪的发达国家长期推动高等教育普及，义务教育、公立大学、图书馆、奖学金和助学贷款，本质上都在做同一件事：把知识装进更多人的大脑里。义务教育用于提升生产力，高等教育则被寄望于让生产力进一步扩张。
但到了 21 世纪，文章指出，不少政府又提出新的承诺，即让 AI 工具普及。举例来说，韩国政府今年宣布将投入 10 兆韩元，推动全民免费使用 AI，并且不限 token。
作者认为，这两种「普及」表面上都在追求平等，实质却不同。知识普及，是把内容放进人的大脑里；工具普及，则是把能力放在大脑外部。前者会成为个人能力的一部分，后者始终像是租来的外部系统。文中借用一句熟悉的表达，将其概括为：「Not your brain, not your knowledge。」
MIT Media Lab 实验：依赖 AI 写作组脑区连接最弱
这并非只停留在比喻层面。文章援引 MIT Media Lab 去年的一项实验，论文题为《Your Brain on ChatGPT》，副标题是「使用 AI 助理写作时的认知债」。
研究找来波士顿地区五所大学的 54 名学生，将他们分成三组完成 SAT 作文题：一组使用 GPT-4o，一组只能使用传统搜索引擎，另一组不能使用任何工具。实验持续 4 个月，共进行 3 轮，每轮 20 分钟，参与者全程佩戴脑电图仪。
结果显示，完全依靠大脑完成写作的组别，其脑区连接最强、分布也最广；搜索引擎组居中；使用大语言模型（LLM）的组别最弱。研究者用「认知债」来描述这一现象，指的是过早依赖 AI 可能导致大脑编码变浅，知识并未真正进入大脑。
文章还提到，在第 4 轮中，原本使用 LLM 的学生被要求回到纯脑写作模式后，其神经连接依然偏弱。另一个更直观的细节来自访谈：当研究人员询问学生是否觉得作品属于自己时，LLM 组的「拥有感」最低，对成品是自己写出来的这件事也最缺乏信心。
Gallup 数据显示学位重要性正被重新审视
文章还援引 Gallup 今年的调查数据。调查显示，美国人对高等教育抱有高度信心的比例已降至 38%，较 11 年前减少 19 个百分点。另一项更直接的数据是，46% 的美国人认为，AI 的进步会让大学学位在未来 5 年变得没那么重要。
这组数据在文中被放在「学位信号价值下降」的语境下讨论。AI 让知识变得更容易调用后，文凭本身所代表的稀缺性正在受到重新评估。
台湾高教扩张之后，新的疑问不是谁能读，而是谁还愿意读
文章同时将讨论延伸到台湾高等教育。文中提到，1994 年教改之后，台湾大学数量在 20 年间从 58 所增至 148 所，入学率一度超过七成。高等教育普及曾是一项明确的社会承诺。
到 114 学年度，全台大专生总数已降至 105.7 万人；过去 5 年，有 13 所大学停办或被合并，另有 6 所学校新生注册率低于六成。
文中指出，少子化当然是主因，但少子化决定的是有多少人可以读大学，不是有多少人想读大学。而当一名 18 岁学生可以用月费不到新台币 1000 元的工具，换来一个比大多数助教更耐心、更即时、知识范围更广的系统时，4 年学费加上 4 年时间究竟换回什么，这个问题会被越来越多人反复追问。
MIT 报告中的两个关键词：productive struggle 与 creative friction
文章后半部分明确说明，关于大学未来分化的判断属于作者个人推测，而非 MIT 的正式结论。作者认为，大学可能会逐渐分裂成服务两类人的两种教育形式。
一类面向大多数人。在这种情况下，大学会变得越来越不划算，不是因为学生不够聪明，而是因为他们会更精确地计算成本与回报。
另一类则面向愿意持续投入高成本训练的人。作者认为，真正的上层群体可能会在子女身上加倍投入最传统、最不高效的知识训练，不是出于怀旧，而是因为这种训练会越来越稀缺。原因在于，当社会中大部分知识推理工作都可以外包时，真正稀缺的将是判断推理是否正确的能力，以及提出「尚未被提出的问题」的能力。
文章称，这种能力的形成方式在过去 100 年里并未改变：人需要亲自做错很多题，需要和一群人围绕难题争论，也需要忍受低效率的过程，才能在大脑中留下足够深的刻印。
MIT 报告用两个词概括这种训练：productive struggle，也就是「有生产力的挣扎」；creative friction，也就是学习所需的「创造性摩擦」。
AI 分身更便宜，但教授本人并没有变便宜
文章举出的一个例子来自哈佛商学院。文中称，哈佛商学院今年把 7 名教授做成 AI 分身，支付 699 美元即可获得一组不会疲惫的创业教练。但与此同时，那 7 名教授本人的时间并没有因此变得便宜，想成为他们真正的学生，成本反而可能越来越高。
基于这一点，作者提出一种可能的推论：如果一个组织里真正需要人脑判断的位置变少，而这些位置又要求更高成本、更长时间的训练，最后可能形成的是更少的人管理更多的人。不是因为这些人更聪明，而是因为通向这些位置的路径正在被拆除。
MIT 报告提出三项调整方向
在文末的常见问题部分，文章对 MIT 委员会报告的建议做了简要归纳。报告提出三项主要方向：
- 把教学与评量改造成 AI-aware；
- 把人与住宿型社群体验重新放回中心；
- 建立可持续、可反思、可迭代的机制。
报告强调，学习需要「有生产力的挣扎」。那些看上去不够高效的环节，并不是制度缺陷，而是教育真正发挥作用的一部分。
文章最后并未给出确定结论。它给出的判断是：如果高等教育的变化真的发生，未必会以某一天大学突然关门的方式出现，而更可能表现为，愿意进入大学的普通人越来越少。