原本以为让孩子走国际路线可以逃离国内的内卷，但来到首尔后，我发现这里的竞争一点也不比国内少，尽管大环境如此，作为家长，我们对报补习班一直都很克制，不会自作主张给孩子报各种课后班，都是孩子说想学啥才给报。在和国际学校的其他家长们交流后，我才意识到大家的逻辑几乎惊人的一致 —— 复刻上一代国际生的成功路径：卷兴趣、卷特长、卷背景，把各种证书当成申请名校的敲门砖。

但在亲眼目睹、亲身经历了过去这 3 年内发生的一切，让我渐渐意识到这条路，可能赶不上时代了。

从 OpenAI 横空出世，到 Gemini 3.0 的发布，AI 的迭代速度不像是在技术进步，更像是在重写社会的底层逻辑。在这样的加速度面前，我忍不住想问自己一个问题：

十年后的世界，还需要我们今天努力培养的这种“国际化孩子”吗？

答案一点也不乐观。

未来十年：社会对人才的需求会发生什么变化？

我脑中开始浮现出一个越来越清晰、也越来越冷的画面：

十年后，社会中 80%～90% 的人，会沦为“无贡献者”。

不是因为懒惰，也不是因为缺乏学历，而是因为整个社会的生产边界已经扩张到人本身无法跟上的程度。

AI 在处理信息、理解语言、生成内容、分析数据、甚至写代码方面，都呈现指数式增长，而人类的提升却永远停留在代际之间微弱的变化。

这意味着，未来社会的大部分价值创造，将由少数掌握科技的人完成，而不是数量庞大的普通劳动者。

剩下的那 80%～90%，将被迫依赖社会系统来维持体面，甚至可能在自动化与福祉体系下，被重新定义为“结构性冗余人口”。

我们不是第一次经历这种转变，但这是第一次，人类和机器之间的差距正在以难以接受的速度扩大。

换句话说：

社会不再需要“大量”的人才，而是只需要“极少数真正能驾驭科技的人”。

而这种结构性的变化，会直接冲击现行教育体系。曾经那些能作为“敲门砖”的兴趣课、竞赛证书、海外背景、甚至文凭，可能在十年后都不再能打开任何重要的大门。

因为社会要的不是“多样化”，也不是“全面发展”，而是 —— 能让 AI 为自己所用的极少数强者。

社会无贡献者会越来越多

如果我们回顾上一代的教育体系会发现：

  • 我们把大量精力放在训练「能执行的人」
  • 我们通过标准化考试筛选「能记住的人」
  • 我们奖励那些「能重复的人」

而这些能力，恰恰是 AI 最擅长、也是人类最无法取胜的领域。

AI 不会疲倦，模型不会遗忘，算力不会抱怨，它在我们以为“需要努力”的地方轻松碾压：写文案、整理信息、做研究、代码初稿、项目计划、逻辑分析、甚至策略生成。

结果就是 —— 过去由 10 个人完成的工作，只需要一个人，再配上几个模型和机器人就行了。

社会不需要那么多人了。

但教育系统仍然在拼命制造“可替代的人”。

这就是结构性悲剧。

知识型学习不再靠老师，而是靠 mentor

知识正在变得像空气一样触手可及。孩子问 AI 一个问题，它给出的解释可能比任何教科书还清晰，还附带例题、步骤、延伸讨论。

知识的稀缺性消失了，老师的权威性下降了，而学习的逻辑也随之被重新定义：

  • 过去，老师负责告诉你“学什么”。
  • 未来，AI 会告诉你“怎么学”。

那么 mentor 的角色是什么？

Mentor 是帮助孩子：

  1. 构建长期不被替代的能力
  2. 建立一套有效的 feedback loop 来持续跟踪竞争力

很多人把 mentor 理解为「辅导老师」，但这完全不是一回事。

  • 老师解决作业问题，mentor 解决人生方向。
  • 老师传递知识，mentor 传递判断。
  • 老师回答问题，mentor 帮你提出更好的问题。

在一个 AI 比任何老师都懂的时代，真正稀缺的，是能告诉你 「什么不需要学」 的人。方向错了，努力就毫无意义。

社会不再需要大量普通毕业生

许多行业正在经历悄无声息的革命，而且革命的方向非常一致 —— AI 正在把“需要几十个人的团队”缩减成“几个人配一套模型”。

这不是未来，而是正在发生。

一个人的团队

最近看到 X 上有网友分享了自己的经历：

最近新招了四个员工

Gemini 负责前端
Claude Code 负责后端
Codex 负责架构
闪电说负责打字给 AI 看

快达到我的管理能力上限了

虽然看起来有点滑稽，但是切切实实正在发生。

生物医药行业：AI 已经把“做实验”变成可计算的问题

以前药物研发是一条极其漫长而昂贵的路径：

  • 反复做实验、失败、再做实验、再失败。
  • 每一步都需要博士、博后、研究员投入大量时间。

但现在越来越多的生物科技公司开始使用 AI 来做“虚拟实验”：

  • 给模型几百万种分子结构
  • 让 AI 预测哪些有潜力成为药物
  • 再把候选结果交给实验室验证

这让研发流程从“试一次、等一次”变成“计算一次、筛千万次”。

例如，今年的诺贝尔奖得主之一 ———— 华盛顿大学的 David Baker 团队最近用 RFdiffusion 这个生成式 AI，从头设计出新的抗体；传统上需要动物免疫、随机筛选、数月乃至数年优化的流程，现在可能在几周内完成。专业生物／化学实验室里的传统岗位，可能不再需要那么多人 —— 一两个人加上 AI 就够了。

再比如蛋白质结构预测领域，AlphaFold 几乎在一夜之间解决了几十年未解的折叠问题。许多科研机构因此缩减基础结构研究的人力投入，把资源转向 AI-设计、AI-合成的新方向。

这种趋势代表了一个信号：

未来真正有价值的，不是「你会做多少实验／会写多少报告／会整理多少数据」，而是「你能否驾驭 AI，把它当作工具/创造伙伴」。
普通意义上的「勤奋 + 文凭」组合，不再是敲门砖。真正稀缺的是「能创造／设计／驾驭系统的人」。

未来教育的出路是什么？

我认为只有两个方向是真正有效的。

找到合适的 mentor：方向比努力重要一万倍

未来的孩子不会因为比别人更努力而胜出，他们会因为比别人更早走上正确的路径而胜出。

一个好的 mentor 能帮孩子：

  • 理解 AI 时代真正需要的能力
  • 建立长期的知识结构，而不是刷技能
  • 避免投入在旧时代的竞争项目
  • 形成自己的技术优势
  • 在十年后成为那些“不可替代的人”之一

时代变了，但方向始终比速度重要。

未来的敲门砖不再是简历，而是能力的不可替代性。

而 mentor，就是帮助孩子建立这种不可替代性的关键。

持续保持体育锻炼：身体是未来最被低估的竞争力

随着 AI 在技能层面的竞争趋近极限，人类真正的差距将来自：

  • 专注力
  • 抗压力
  • 意志力
  • 精神韧性
  • 高强度学习能力

这些底层能力，不是靠补习班训练出来的，而是靠「长期的体能训练」打造出来的。

身体不仅是容器，更是操作系统。身体越强，升级越快；身体越弱，系统越不稳定。

这在高速变化的时代，是生存的关键。

一个身体强韧的人，才有资格和 AI 时代的速度对抗。