撰文：Techub News 整理
人工智能正在以何种深度和广度渗透高等教育？与其听专家预言，不如直接倾听身处浪潮中心的“原住民”。2026 年 1 月，Anthropic邀请四位来自伦敦政治经济学院（LSE）、普林斯顿大学、加州大学伯克利分校和亚利桑那州立大学（ASU）的“Claude校园大使”进行了一场深度对话。他们不仅是各自领域的优秀学生，更是校园AI应用的观察者、实践者和推动者。这场对话为我们揭开了象牙塔内AI应用的真实、复杂且快速演变的图景。
校园AI全景：90%渗透率下的混沌、探索与极化
当被问及校园里的AI氛围时，四位学生不约而同地用“混沌”（chaotic）来形容。这种混沌，是技术普及速度远超制度适应能力的直接体现。
LSE的Zain分享了一项调查结果：超过90%的学生在日常学习工作流中使用AI。用途五花八门：总结讲座内容、解答习题集、为已完成的作业提供反馈。UC伯克利的Marcus证实了这一比例，并补充道，在毗邻硅谷的伯克利，AI热潮带来的能量感尤为强烈。学生们主要使用聊天机器人形式的AI工具，在教师或助教无法及时答疑时寻求帮助。
然而，普及不等于共识。ASU的Tino指出，即使在商学院，AI的使用也呈现两极：一方面用于分析商业案例、市场调研和财务研究，极大地提升了效率；另一方面，则被用于匆忙完成测验或作业——这在课业与工作多重压力的研究生中并不少见。他担忧，研究生阶段本应是拓展批判性思维和决策深度的关键时期，过度依赖AI输出会损害这一核心目标。
普林斯顿的Chloe观察到一种“身份极化效应”：不同学科学生对AI的态度差异显著。纯人文领域的学生往往完全弃用AI，因为他们的课程和研究更侧重于细读文本和深度思考。社会科学学生则开始尝试性地更多应用AI。而在计算机科学和工程类课程中，在课堂内使用AI辅助编码仍是一种“禁忌”，许多教授目前仍不鼓励甚至禁止。学生们在课外项目中大量使用AI编码助手，但在完成课内作业时，会主动在VS Code等环境中关闭相关功能。
这种矛盾揭示了教育的滞后性。Marcus提到，斯坦福大学已经开始开设教授如何在软件开发中使用AI工具的课程，这或许代表了未来的方向。AI最大的突破之一，是大幅降低了构建项目或软件的门槛。借助Claude等工具的开发者文档，政治学、心理学甚至数学背景的学生，也能在几天内从构思到实现一个可运行的原型或网站。Zain在LSE也见证了类似变化：原本不敢接触原始代码的学生，开始使用终端；学生社团不再满足于运营简单的Instagram页面，而是开始用Claude Code构建功能更丰富的网站。
AI的校园转型已然发生，但规则、伦理和最佳实践仍处于巨大的灰色地带，学生、教师和校方都在摸索中前行。
从“作弊神器”到“创造引擎”：学生主导的AI创新实践
作为Claude校园大使，这四位学生各自领导着一个名为“Claude建造者俱乐部”的学生组织。这个俱乐部成为了观察学生如何将AI从被动的“答题工具”转化为主动的“创造引擎”的最佳窗口。
他们分享了许多令人印象深刻的项目，这些项目共同特点是：始于真实的学生需求，并由非技术背景的学生实现。
- 解决“抢课难”：普林斯顿的学生开发了一款名为“Courseer”的应用。学生输入心仪的课程，AI会在座位空出的瞬间发出提醒，省去了每天手动刷新查询的麻烦。
- 寻找学习空间：针对图书馆座位紧张的问题，LSE的学生开发了一个工具，扫描并整合所有空闲教室的数据，为找不到座位的学生提供实时替代方案。
- 个性化学习助手：Zain和他的朋友构建了一个工具，可以上传讲座幻灯片，AI会在每页幻灯片的侧面添加“教授式”的注解，预判学生可能提出的问题，补充幻灯片缺失的上下文，极大地辅助了期末复习。
- 情感与健康应用：在黑客松和创业课程中，学生们探索将计算机视觉与Claude API结合，用于解读情绪的心理健康应用，甚至通过手机摄像头识别中风或痴呆症的早期迹象。
这些项目超越了简单的信息查询或文本生成，体现了学生利用AI解决实际痛点、进行跨学科创新的能力。Chloe特别提到，最有趣的想法往往并非技术最复杂的，而是始于人类情感和真实洞察的。例如，一个名为“Princeton Prospect”的项目，将学生的毕业愿望清单游戏化，并通过排行榜增加趣味性，其获胜团队竟是一群刚刚入学、出于兴趣参与的室友。
这些实践表明，当AI工具变得足够易用，它便能释放巨大的创造潜力，让更多学生跨越技术壁垒，成为“建造者”。
学习的十字路口：AI是“增强器”还是“拐杖”？
AI在教育中最微妙也最核心的挑战，在于如何平衡其作为“学习增强器”和“思考替代品”的双重角色。学生们对此有深刻的反思。
Zain提出了一个颇具洞察力的框架：AI的使用方式，深刻揭示了学生上大学的根本动机。他将大学目标归纳为三点：学习知识、职业准备、社交体验。每个学生对此的权重不同。AI如同一面镜子，照出了这些不同的动机。有些学生用AI代劳作业，以节省时间投向其他优先事项；另一些学生则主动避开AI，或以强化学习的方式使用它，例如用AI进行苏格拉底式提问来深化理解。
“我们现在有工具，老实说，可以不用学太多东西就混过大学。”Zain直言不讳。他认为，规则很难从根本上改变学生使用AI的方式，责任已转移到学生手中。如果你想学习，AI可以帮你学得更好；如果你想绕过考试和作业，你也几乎可以做到。关键在于学生个人的选择。
Chloe和Marcus强调了“意图”的重要性。在使用AI前，先问自己：是让它直接完成任务，还是用它来头脑风暴、获得不同视角？Marcus分享了他的进化：从早期零散的问答，到现在为每门课创建独立的“项目”，上传教学大纲和各种课程资料，与AI就特定主题进行延展对话。AI在上下文管理和记忆方面的进步，使其更像一个持续的学习伙伴。
校方的态度和措施也在缓慢演变，但远未统一。Chloe提到，她所在的机器学习课程建立了专门的答疑聊天机器人。Zain则分享了LSE一门必修课的积极变化：校方开始指导学生如何与Claude进行有意义的对话（例如赋予其特定角色），并要求提交对话日志作为评估的一部分，考核重点在于学生是否提出了好问题、进行了高质量的互动。作业形式也从论文改为视频，鼓励使用AI，但杜绝不负责任地直接提交输出。
Tino介绍了ASU的“亲AI”环境：职业管理中心为学生建立了用于不同场景的提示词库；有教授为自己的课程定制了聊天机器人；一门关于“人工智能芯片战略与未来工作”的课程因广受欢迎，从一个学期的试点变为贯穿全学年的正式课程。
然而，学生们也清醒地看到了阴暗面。作弊无疑是AI在校园的“头号应用场景”之一。将作业题目直接粘贴进聊天框获取答案，变得前所未有的容易。Chloe还提到了“所有权羞耻”现象：即使学生利用AI进行了大量头脑风暴和迭代，当被问及时，他们仍倾向于说“AI做了一切”。这反映出缺乏一套成熟的词汇和框架来界定人机协作的贡献度，也加剧了校园的极化——要么全面禁止，要么暗中滥用。
Marcus指出，学生群体本身也在进化。初期，很多人直接提交AI输出。但现在，学生们开始意识到AI在复杂情境下“作弊”效果并不好，其输出有固定模式、特定语气，且缺乏对课程内容的深层理解。学生们正变得更“聪明”，撰写更长的提示词，更精准地引导AI。Zain坦言，自己与Claude的对话已超千小时，更了解工具的特性，互动也更有成效。最终，许多课程需要学生进行演示和答辩，这时AI无法代劳，迫使你必须理解并能够捍卫自己的观点。
在小组项目中，这种平衡更为微妙。Chloe提到有组员强烈反对使用AI，甚至说出“我要在你们肮脏的AI手碰到它之前完成”这样的话。学生们摸索出的协作模式包括：先用AI生成报告大纲，再分工；每个人对自己负责的部分自主决定AI使用程度；通过面对面的集体讨论来确保思路对齐和人性化协作。他们也学会了用AI模拟教授或招聘官视角，为自己的作品打分并提供改进反馈。
未来已来：AI重塑的就业市场与必备素养
谈及毕业后进入就业市场，学生们的心情复杂。
积极的一面是，AI成为求职的强大伙伴：练习面试、头脑风暴、量身定制简历。Tino指出，AI流畅度已成为顶尖咨询公司招聘MBA毕业生时的重要考量，他们不再只招通才，而是青睐那些懂得如何将AI应用于不同行业的人才。
但消极的一面同样突出。Chloe描述了一个“对着屏幕自说自话”的招聘季，大量公司采用AI进行初筛（如Hirevue录制面试），整个过程缺乏人际互动和化学反应。更令人沮丧的是AI筛选的冷酷与不透明：精心准备申请后，短时间内就收到一封显然是AI生成的拒信。Marcus有过一次被AI面试官直接面试的经历，虽然对方反馈热情洋溢，但最终仍因年级不符而被系统自动筛选掉。
对话中也提到了“AI糟粕”（AI slop）这个概念。学生们认为，这就是指那些过于通用、缺乏灵魂、一眼就能看出是AI生成的输出。例如，千篇一律的求职信，充满特定句式（如“你绝对正确”、“让我想想”）、滥用M破折号的文本。在小组作业中，直接粘贴未加修改、末尾还带着“Claude可能出错，请重试”提示的文本，就是典型的“糟粕”。识别并避免产出“糟粕”，本身已成为一项重要的数字素养。
学生的建议：在AI时代如何自处与成长
在快速问答环节，四位学生给出了他们的核心建议：
- 学习它，掌握它（Tino）：无论为了优化职业生涯还是创业，理解AI都只会让你占据优势。
- 为每门课创建专属AI项目（Marcus）：上传所有相关资料，利用简洁模式快速梳理考试要点。
- 汲取开源智慧（Chloe）：关注Substack等平台上的专家，像海绵一样吸收最新的AI应用方法，并应用到自己的项目中。
- 善用AI的“风格”模式（Zain）：特别是“学习模式”，通过让AI反向提问，可以真正增强你的思维和技能。
关于如何划清“工具”与“拐杖”的界限，他们的标准高度一致：
- 解释与辩护的能力（Marcus & Chloe）：如果你无法在一个房间里解释或捍卫你的成果，无法说明AI在其中扮演的角色，那就越界了。
- 深入浅出的表达能力（Tino）：无论是向五年级学生解释，还是在研究生层面进行演示，你都必须能做到。
- 所有权的感受（Zain）：提交一份完全由AI生成的内容后，若感到不适，那说明它不属于你。这种感受需要时间学习，学校应给予学生试错和成长的空间。
正如主持人最后总结的，整场对话并未陷入悲观论调，而是呈现出一种“谨慎的乐观”和“我们会搞定它”的务实心态。这四位走在前沿的学生代表，正以他们的思考、实践和责任感，在AI席卷的混沌中，努力绘制一幅更清晰、更负责任、也更富创造力的未来学习地图。技术狂奔，制度蹒跚，而最终驾驭方向的，仍是人的选择与智慧。
