中国发展改革报社评论员 张守营

　　马上就到毕业季了，这届大学毕业生，是第一批从大学入学到毕业，全程伴随AI大模型成长的一代人。相比上一代互联网原住民，这批年轻人是“天然与AI共同成长的人”。

　　近日，OpenAI发布“ChatGPT Futures Class of 2026”榜单，有26项大学生的AI实践项目登榜。读完OpenAI这份“2026届毕业生”的榜单，我的第一反应不是“这些孩子真牛”，而是脑子冒出来一个挺扎心的问题：我们当年大学四年，到底学了个啥？

年轻人用AI干出了博士团队的活

　　这26个年轻人干的事儿，随便拎出一个，搁在五年前，都得是一个博士团队吭哧吭哧好几年的成果。发现150万颗天体、让500万磅库存免于填埋、搞出能隔墙探人的搜救系统……而现在，他们带着一个叫AI的“外挂”，在大学还没毕业的时候就做到了。

　　这份榜单最有冲击力的地方，不在于案例有多硬核，而在于它赤裸裸地揭示了一个事实：人与人的差距，已经从“知识储备”的比拼，彻底转向了“人与工具耦合度”的比拼。

　　你看那个叫Matteo Paz的小伙子，高中就泡在加州理工的实验室里。他面对的NASA海量数据，如果拼人力分析，几百个博士生都不够用。但他干了一件很聪明的事——没自己去死磕那些数据，而是搭建了一个机器学习系统。他扮演的角色，不再是一个数据的“分析者”，而是一个解决问题的“架构师”。最后他以唯一作者身份发了论文，这件事本身就在宣告，个人英雄主义的科研模式，在AI的加持下回归了。

AI颠覆了大学教育的本质

　　这才是AI对教育，或者说对人成长方式，最根本的颠覆。以前的大学，本质上是座知识宝库，我们把孩子送进去，指望四年后他们脑袋里装满能变现的知识。现在呢？宝库的大门被AI一把拽开了，所有的知识几乎都成了免费的公共品。

　　那么，大学还教什么？学生应该学什么？这些“00后”用行动给出了答案：学提问，学架构，学从混乱的现实世界里，把一个模糊的痛点，翻译成一个AI能懂的问题。

　　榜单里搞太空机器人的Ethan和Jamie，他们懂的是怎么让冷冰冰的机器去干宇航员不愿干的杂活；做奖学金匹配平台的Fatimah和Chloe，她们看清了信息不对称这个老掉牙的问题，然后用AI这把牛刀，精准地“杀”了这只鸡。

中国AI原住民的“向上”与“向下”

　　把目光从大洋彼岸收回到我们自己身边，对照着这份榜单看中国，心里就有点五味杂陈。　

　　咱们顶尖学府的学生跟AI的结合一点都不差。比如榜单里提到的用AI做化学、生物基础模型的思路，中国的年轻团队也玩得很溜，像深势科技当年也是一群年轻人用“AI+物理模拟”起家，现在已经是独角兽了。

　　但是，我们的“AI原生代”似乎更多地集中在“向上突破”，去拿顶会论文，去挑战技术极限。而榜单里那种“向下兼容”的、用AI去解决一个具体到有点“土”的问题的案例，我们见到的还不太多。

　　比如说，那个帮秘鲁街头小贩记账的Daira Velasquez Fonseca，她做的事情技术很高精尖吗？一个小程序，接上WhatsApp，但解决了上百万街头小贩根本没有信用记录、无法融入现代金融体系的巨大社会问题。还有那个为流浪学生家庭自动生成帮扶计划的CaseLink，都是同样的逻辑。

　　我们的创业环境，似乎更鼓励用AI去颠覆一个行业，提升多少效率，讲一个更大的商业故事，但榜单里这群人其实是在用AI去“缝合”社会肌理上的一些小裂缝。

　　这可能跟教育导向有关。我们对“硬核”的追求，有时会下意识地忽视那些“不性感”但极有价值的问题。当一个中国顶尖大学生说要用AI做点事，如果他说“我想帮菜市场的大妈优化一下进货单”，承受的压力恐怕比说“我要做一个通用智能体平台”要大得多。

差距在于我们是否鼓励孩子关心具体问题

　　这批“AI原住民”给中国最大的启发，不是他们的技术多厉害，而是他们的问题意识。他们是真正泡在互联网和真实世界的交融处长大的，所以能天然地嗅到那些最微小但也最真实的需求。

　　现在，中国的孩子们从小学就开始接触编程，各种AI大模型的使用门槛也几乎为零。我们从来不缺聪明的头脑，也不缺技术的土壤。

　　当我们的下一代大学生，不再只把AI当成刷题、写论文的工具，而是当成他们观察世界、重塑世界的延伸时，我们才会看到属于我们自己的、充满了烟火气和人情味的硬核榜单。

　　也许，差距不在于技术，而在于我们什么时候真正鼓励一个十八岁的孩子，去关心一下他老家的某个具体难题，然后告诉他：嘿，别怕，你手上的AI，就能帮你把这事给办了。