主播
节目简介
来源：小宇宙
Hello 大家好，欢迎来到教育AI制造者播客。
这期节目，想讨论一个我最近越来越在意的问题：当 AI 变得越来越强、越来越便宜、越来越容易使用之后，教育真正应该培养的，到底是什么？
过去两年，AI+教育的讨论非常热闹。有人在教工具怎么用，有人在讲模型有多强，也有人在展示各种“效率提升”的案例。但如果我们把问题再往下挖一层，就会发现，真正重要的可能不是“学生会不会用某个 AI 工具”，而是他们能不能站在创造者、判断者、决策者的位置上，去理解 AI、使用 AI，甚至与 AI 一起定义问题、提出方案、创造价值。
这也是为什么我会注意到 Marbella AI 这个项目。它给我的感觉，并不是一个传统意义上的“AI课程平台”，而更像是在尝试搭建一种环境：让学生不只是学 AI，而是在真实项目里，把 AI 当成一种认知杠杆，去连接自己的兴趣、问题意识与行动能力。
这一期，我邀请到 Marbella AI 创始人 Jason 来到节目中。Jason 的经历非常典型，又非常少见：从北大计算机，到 CMU 暑研、康奈尔硕士、匹兹堡大学博士，再到哈佛做博士后，并在 Harvard Innovation Labs 孵化自己的 AI 教育公司。他既做过机器学习方法研究，也做过 AI+医疗、金融、法律等跨领域应用，最后选择把这些经验汇聚到教育创业里。
我们聊到的并不只是“怎么学 AI”，而是更底层的问题：
* AI时代的人才土壤是什么？
* 为什么项目制学习会重新变得重要？
* 教育公平和精英培养能不能并存？
* 所谓 AI leader，除了技术之外，还需要哪些更关键的能力？
* 以及，在一个所有人都在谈“规模化”的时代，为什么真正好的教育，反而可能很难被快速标准化。
如果你是老师、家长、教育创业者，或者你也在思考“AI越来越强之后，人到底应该往哪里长”，那这一期会给你很多值得继续想下去的线索。
内容大纲
🧠 从“学AI工具”到“成为AI时代的创造者”
* 为什么我会注意到 Marbella AI：它不像课程平台，更像一种认知环境
* 学会用 AI，和站在创造者的位置理解 AI，本质上不是一回事
* 当技术门槛快速下降，真正被重估的是人的思考、判断与决策能力
🎓 Jason 的路径：从学术研究走向教育创业
* 从北大、CMU、康奈尔到匹兹堡大学博士、哈佛博士后，他一路都在AI领域深耕
* 做过机器学习方法、AI+医疗、金融、法律等多个方向，最后转向教育
* 为什么离开纯学术：比起“为论文而论文”，他更在意 practical impact
🌍 AI人才培养的土壤：中国与美国各自的优势
* 中国本科训练扎实、节奏快、产出密集，美国博士训练更强调原创性与创新空间
* 国内在AI应用层推进很快，美国在原始创新上仍有明显优势
* 不是简单比较输赢，而是理解不同土壤如何塑造不同类型的人才
🛠 Marbella AI 在做什么：项目制学习不是口号
* 他们的核心不是单纯讲课，而是围绕学生兴趣与目标设计 AI 项目
* 项目范围很广：AI+医疗、AI+营销、AI+语言学习、AI+体育、AI+社科研究
* 一条线是半定制化项目，一条线是围绕固定主题展开的工作坊或课程
👀 真正的项目制学习，和“上完一门AI课”到底差在哪
* 重点不是知识灌输，而是让学生自己进入问题、进入流程、进入创造
* 课程不是为了“讲明白”，而是为了 enable 学生发现问题、推进项目、产生成果
* 在这里，考试不是终点，论文、应用、专利、影响力才更接近真实交付
🧭 教育公平、精英培养与 agency
* 如果要培养“未来AI领袖”，是否天然会筛选出更有资源、更强势的学生？
* Jason 的回答很有意思：一方面要普及 AI literacy，另一方面再识别和培养更有潜力的人
* 比“是不是精英”更重要的，是学生有没有主导力、问题意识和持续推进的能力
🚀 AI时代最稀缺的能力，可能不是技术
* Jason反复强调 agency：主动发现问题、主动推进事情、主动承担结果
* AI 可以搬运大量显性知识，但真正稀缺的是判断、选择、验证与在不确定中行动
* 所以未来的竞争，不只是 human vs AI，而是 human with AI vs human without AI
-----------------------关于伊伊子----------------------
伊伊子的小红书传送门
----------------------关于听友群-----------------------
如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊
请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！
--------------------相关词介绍-------------------
AI Literacy｜AI素养
Jason 反复强调的，不是每个人都要成为模型研究者，而是每个人都需要具备基本的 AI literacy。它不是“会不会几个工具”的浅层熟练，而是理解 AI 能做什么、不能做什么，知道如何和它协作、如何判断它的输出、如何把它嵌入自己的工作与学习流程。它更像是一种新时代的基础能力。
AI Leaders｜AI领袖
比起普及性的 AI 素养，AI leaders 指向的是另一层更高阶的培养目标：不仅能使用 AI，还能发现问题、整合资源、定义方向，并带领团队或系统创造新的影响。Jason 的意思很明确：不是每个人都要成为 AI leader，但一个时代一定需要这类人，他们决定 AI 会被带去哪里、服务谁、放大什么。
Project-Based Learning｜项目制学习
这一期里最核心的教育关键词之一。项目制学习不是把几门课拼在一起做个展示，也不只是“做个作品”。它更强调：学生围绕一个真实问题、真实兴趣或真实目标，主动调动知识、工具和反馈，逐步推进一个完整的过程。它的价值不在于热闹，而在于学生是否真的进入了问题、进入了行动，也进入了成长。
Customer-Centric / Student-Centric｜以学生为中心
Jason 虽然不是教育学出身，但他在表达中其实一直贯彻一个非常强的 student-centric 逻辑：不是先问“我能教什么”，而是先看学生是谁、他在意什么、他需要什么、他能做到什么。放在AI时代，这一点更重要，因为知识本身已经不再稀缺，真正稀缺的是能否围绕人的兴趣、目标与阶段去组织有效的学习体验。
Agency｜主导力
这是这一期里我个人最在意的词之一。Agency 不是简单的主动，不是老师让你做、你积极一点就叫 agency。它更接近一种“我能发起、我能判断、我能推动”的能力。AI 时代最危险的一种状态，不是不会用工具，而是越来越习惯于等待答案、复制答案、依赖答案。真正重要的，是你仍然能够作为那个发起行动和做出判断的人。
Initiative｜主动性
Jason 提到自己早年在 CMU 做暑研时，导师评价他 “do many initiatives”。这个词很妙，因为它指的不是被安排后的执行力，而是在没有被明确要求时，也能主动去做那些“对的事情”。在AI时代，这种能力会越来越重要。因为当显性任务越来越容易被自动化后，真正体现人与人差异的，恰恰是你是否能主动识别空白、提出方向、往前多走一步。
Procedural Knowledge｜程序性知识 / 流程性知识
如果说 declarative knowledge 是“知道是什么”，那 procedural knowledge 更接近“知道怎么做”。很多学校教育擅长传授前者，却很难充分覆盖后者。比如你知道科研是什么、营销是什么、产品设计是什么，不代表你真的会推进一项研究、落地一个营销方案、完成一个产品闭环。项目制学习之所以重要，就是因为它逼着学习者进入“做”的流程。
Declarative Knowledge｜陈述性知识 / 事实性知识
这一类知识是 AI 非常擅长处理的：定义、概念、分类、框架、步骤说明、基础原理。它当然仍然重要，但在今天已经越来越不构成真正的门槛。换句话说，过去花大量时间背诵和记忆的内容，现在很多都能被 AI 快速调用。于是问题就变成：当“知道”变容易之后，你如何把“知道”转化为“做到”与“做到有判断”？
Cognitive Apprenticeship｜认知学徒制
这是我在对话里主动抛出来、但和 Jason 的实践非常契合的概念。它不是让学生只看专家怎么做，也不是只让学生机械模仿，而是让学生逐步进入专家的思考过程、决策过程与工作流。学生不仅学结果，也学路径；不仅学答案，也学为什么这么判断。AI时代要培养的，很可能恰恰就是这种“进入他人认知过程”的学习方式。
Tacit Knowledge｜隐性知识
隐性知识很难直接写成一条条规则，却常常决定一个人真正的水平。比如审美、判断力、时机感、对问题轻重缓急的感知、在复杂情境下做选择的直觉。这类能力通常来自长期实践、反馈、失败与反思。AI 现在已经很会处理显性知识，但隐性知识仍然高度依赖具体的人和真实场景。所以教育真正难的地方，也恰恰藏在这些“说不清但很关键”的部分。
Presence｜临场感
我们在后半段聊到一个非常关键的问题：为什么很多 AI 教学形式看起来已经很聪明了，但仍然很难完全替代真人教学？其中一个答案就是 presence。临场感不是“画面像不像真人”这么简单，而是一种你能感受到对方就在这里、你正在共同经历同一场互动的感觉。它直接影响信任、专注、反馈质量，以及学习过程中的情感投入。
Authentic Learning｜真实性学习
Jason 在回答“短期科研项目”“规模化课程”等问题时，其实不断碰到一个核心张力：知识消费和真实性学习之间的差别。真实性学习不是把一个“看起来很像学习成果”的东西包装出来，而是学生真的进入了一个真实问题，经历了真实的探索、卡住、调整和推进。它也许慢，也不够标准化，但恰恰因为真实，所以才更能留下真正的能力。
Elite Cultivation｜精英培养
当一个机构提出要“识别和培养未来AI领袖”，就不可避免会碰到精英培养的问题。这个词之所以敏感，是因为它既可能意味着高水平、个性化、深度支持，也可能意味着资源集中、机会筛选与不平等再生产。所以这期里很有意思的一点是：Jason 一方面承认确实存在更高阶、更深入的人才培养路径，另一方面也坚持 AI literacy 应该尽可能普及，这是一种双轨思路。
Judgment｜判断力
如果说过去很多学习是为了积累知识，那么现在越来越多的学习，可能是为了形成判断。因为信息太多、答案太快、观点太杂，AI还能不断生成“看起来都对”的内容。于是一个人的价值，越来越体现在：你能不能识别什么重要、什么不重要；什么可信、什么存疑；什么值得继续做、什么应该立刻停。判断力，正在成为AI时代真正的高杠杆能力。
这期节目，想讨论一个我最近越来越在意的问题：当 AI 变得越来越强、越来越便宜、越来越容易使用之后，教育真正应该培养的，到底是什么？
过去两年，AI+教育的讨论非常热闹。有人在教工具怎么用，有人在讲模型有多强，也有人在展示各种“效率提升”的案例。但如果我们把问题再往下挖一层，就会发现，真正重要的可能不是“学生会不会用某个 AI 工具”，而是他们能不能站在创造者、判断者、决策者的位置上，去理解 AI、使用 AI，甚至与 AI 一起定义问题、提出方案、创造价值。
这也是为什么我会注意到 Marbella AI 这个项目。它给我的感觉，并不是一个传统意义上的“AI课程平台”，而更像是在尝试搭建一种环境：让学生不只是学 AI，而是在真实项目里，把 AI 当成一种认知杠杆，去连接自己的兴趣、问题意识与行动能力。
这一期，我邀请到 Marbella AI 创始人 Jason 来到节目中。Jason 的经历非常典型，又非常少见：从北大计算机，到 CMU 暑研、康奈尔硕士、匹兹堡大学博士，再到哈佛做博士后，并在 Harvard Innovation Labs 孵化自己的 AI 教育公司。他既做过机器学习方法研究，也做过 AI+医疗、金融、法律等跨领域应用，最后选择把这些经验汇聚到教育创业里。
我们聊到的并不只是“怎么学 AI”，而是更底层的问题：
* AI时代的人才土壤是什么？
* 为什么项目制学习会重新变得重要？
* 教育公平和精英培养能不能并存？
* 所谓 AI leader，除了技术之外，还需要哪些更关键的能力？
* 以及，在一个所有人都在谈“规模化”的时代，为什么真正好的教育，反而可能很难被快速标准化。
如果你是老师、家长、教育创业者，或者你也在思考“AI越来越强之后，人到底应该往哪里长”，那这一期会给你很多值得继续想下去的线索。
内容大纲
🧠 从“学AI工具”到“成为AI时代的创造者”
* 为什么我会注意到 Marbella AI：它不像课程平台，更像一种认知环境
* 学会用 AI，和站在创造者的位置理解 AI，本质上不是一回事
* 当技术门槛快速下降，真正被重估的是人的思考、判断与决策能力
🎓 Jason 的路径：从学术研究走向教育创业
* 从北大、CMU、康奈尔到匹兹堡大学博士、哈佛博士后，他一路都在AI领域深耕
* 做过机器学习方法、AI+医疗、金融、法律等多个方向，最后转向教育
* 为什么离开纯学术：比起“为论文而论文”，他更在意 practical impact
🌍 AI人才培养的土壤：中国与美国各自的优势
* 中国本科训练扎实、节奏快、产出密集，美国博士训练更强调原创性与创新空间
* 国内在AI应用层推进很快，美国在原始创新上仍有明显优势
* 不是简单比较输赢，而是理解不同土壤如何塑造不同类型的人才
🛠 Marbella AI 在做什么：项目制学习不是口号
* 他们的核心不是单纯讲课，而是围绕学生兴趣与目标设计 AI 项目
* 项目范围很广：AI+医疗、AI+营销、AI+语言学习、AI+体育、AI+社科研究
* 一条线是半定制化项目，一条线是围绕固定主题展开的工作坊或课程
👀 真正的项目制学习，和“上完一门AI课”到底差在哪
* 重点不是知识灌输，而是让学生自己进入问题、进入流程、进入创造
* 课程不是为了“讲明白”，而是为了 enable 学生发现问题、推进项目、产生成果
* 在这里，考试不是终点，论文、应用、专利、影响力才更接近真实交付
🧭 教育公平、精英培养与 agency
* 如果要培养“未来AI领袖”，是否天然会筛选出更有资源、更强势的学生？
* Jason 的回答很有意思：一方面要普及 AI literacy，另一方面再识别和培养更有潜力的人
* 比“是不是精英”更重要的，是学生有没有主导力、问题意识和持续推进的能力
🚀 AI时代最稀缺的能力，可能不是技术
* Jason反复强调 agency：主动发现问题、主动推进事情、主动承担结果
* AI 可以搬运大量显性知识，但真正稀缺的是判断、选择、验证与在不确定中行动
* 所以未来的竞争，不只是 human vs AI，而是 human with AI vs human without AI
-----------------------关于伊伊子----------------------
伊伊子的小红书传送门
----------------------关于听友群-----------------------
如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊
请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！
--------------------相关词介绍-------------------
AI Literacy｜AI素养
Jason 反复强调的，不是每个人都要成为模型研究者，而是每个人都需要具备基本的 AI literacy。它不是“会不会几个工具”的浅层熟练，而是理解 AI 能做什么、不能做什么，知道如何和它协作、如何判断它的输出、如何把它嵌入自己的工作与学习流程。它更像是一种新时代的基础能力。
AI Leaders｜AI领袖
比起普及性的 AI 素养，AI leaders 指向的是另一层更高阶的培养目标：不仅能使用 AI，还能发现问题、整合资源、定义方向，并带领团队或系统创造新的影响。Jason 的意思很明确：不是每个人都要成为 AI leader，但一个时代一定需要这类人，他们决定 AI 会被带去哪里、服务谁、放大什么。
Project-Based Learning｜项目制学习
这一期里最核心的教育关键词之一。项目制学习不是把几门课拼在一起做个展示，也不只是“做个作品”。它更强调：学生围绕一个真实问题、真实兴趣或真实目标，主动调动知识、工具和反馈，逐步推进一个完整的过程。它的价值不在于热闹，而在于学生是否真的进入了问题、进入了行动，也进入了成长。
Customer-Centric / Student-Centric｜以学生为中心
Jason 虽然不是教育学出身，但他在表达中其实一直贯彻一个非常强的 student-centric 逻辑：不是先问“我能教什么”，而是先看学生是谁、他在意什么、他需要什么、他能做到什么。放在AI时代，这一点更重要，因为知识本身已经不再稀缺，真正稀缺的是能否围绕人的兴趣、目标与阶段去组织有效的学习体验。
Agency｜主导力
这是这一期里我个人最在意的词之一。Agency 不是简单的主动，不是老师让你做、你积极一点就叫 agency。它更接近一种“我能发起、我能判断、我能推动”的能力。AI 时代最危险的一种状态，不是不会用工具，而是越来越习惯于等待答案、复制答案、依赖答案。真正重要的，是你仍然能够作为那个发起行动和做出判断的人。
Initiative｜主动性
Jason 提到自己早年在 CMU 做暑研时，导师评价他 “do many initiatives”。这个词很妙，因为它指的不是被安排后的执行力，而是在没有被明确要求时，也能主动去做那些“对的事情”。在AI时代，这种能力会越来越重要。因为当显性任务越来越容易被自动化后，真正体现人与人差异的，恰恰是你是否能主动识别空白、提出方向、往前多走一步。
Procedural Knowledge｜程序性知识 / 流程性知识
如果说 declarative knowledge 是“知道是什么”，那 procedural knowledge 更接近“知道怎么做”。很多学校教育擅长传授前者，却很难充分覆盖后者。比如你知道科研是什么、营销是什么、产品设计是什么，不代表你真的会推进一项研究、落地一个营销方案、完成一个产品闭环。项目制学习之所以重要，就是因为它逼着学习者进入“做”的流程。
Declarative Knowledge｜陈述性知识 / 事实性知识
这一类知识是 AI 非常擅长处理的：定义、概念、分类、框架、步骤说明、基础原理。它当然仍然重要，但在今天已经越来越不构成真正的门槛。换句话说，过去花大量时间背诵和记忆的内容，现在很多都能被 AI 快速调用。于是问题就变成：当“知道”变容易之后，你如何把“知道”转化为“做到”与“做到有判断”？
Cognitive Apprenticeship｜认知学徒制
这是我在对话里主动抛出来、但和 Jason 的实践非常契合的概念。它不是让学生只看专家怎么做，也不是只让学生机械模仿，而是让学生逐步进入专家的思考过程、决策过程与工作流。学生不仅学结果，也学路径；不仅学答案，也学为什么这么判断。AI时代要培养的，很可能恰恰就是这种“进入他人认知过程”的学习方式。
Tacit Knowledge｜隐性知识
隐性知识很难直接写成一条条规则，却常常决定一个人真正的水平。比如审美、判断力、时机感、对问题轻重缓急的感知、在复杂情境下做选择的直觉。这类能力通常来自长期实践、反馈、失败与反思。AI 现在已经很会处理显性知识，但隐性知识仍然高度依赖具体的人和真实场景。所以教育真正难的地方，也恰恰藏在这些“说不清但很关键”的部分。
Presence｜临场感
我们在后半段聊到一个非常关键的问题：为什么很多 AI 教学形式看起来已经很聪明了，但仍然很难完全替代真人教学？其中一个答案就是 presence。临场感不是“画面像不像真人”这么简单，而是一种你能感受到对方就在这里、你正在共同经历同一场互动的感觉。它直接影响信任、专注、反馈质量，以及学习过程中的情感投入。
Authentic Learning｜真实性学习
Jason 在回答“短期科研项目”“规模化课程”等问题时，其实不断碰到一个核心张力：知识消费和真实性学习之间的差别。真实性学习不是把一个“看起来很像学习成果”的东西包装出来，而是学生真的进入了一个真实问题，经历了真实的探索、卡住、调整和推进。它也许慢，也不够标准化，但恰恰因为真实，所以才更能留下真正的能力。
Elite Cultivation｜精英培养
当一个机构提出要“识别和培养未来AI领袖”，就不可避免会碰到精英培养的问题。这个词之所以敏感，是因为它既可能意味着高水平、个性化、深度支持，也可能意味着资源集中、机会筛选与不平等再生产。所以这期里很有意思的一点是：Jason 一方面承认确实存在更高阶、更深入的人才培养路径，另一方面也坚持 AI literacy 应该尽可能普及，这是一种双轨思路。
Judgment｜判断力
如果说过去很多学习是为了积累知识，那么现在越来越多的学习，可能是为了形成判断。因为信息太多、答案太快、观点太杂，AI还能不断生成“看起来都对”的内容。于是一个人的价值，越来越体现在：你能不能识别什么重要、什么不重要；什么可信、什么存疑；什么值得继续做、什么应该立刻停。判断力，正在成为AI时代真正的高杠杆能力。
评价
空空如也
小宇宙热评
暂无小宇宙热门评论
