社区

快能力与慢功夫。

作者｜张驰

编辑｜王博

AI教育正在从一个技术问题，变成一代人的成长问题。

2026北京智源大会“AI-Native教育”论坛可以说是本届大会最为特殊的一场论坛。台上的演讲嘉宾，不只是教育专家、大学教授，还有不少中小学生，有的学生刚刚结束高考。

学生们谈AI、谈科研、谈自己正在做的项目，语气熟练得像是早已生活在另一个时代。

但越是这样，台下的焦虑反而越具体。

当中小学生已经开始用AI读论文、做工具、改造游戏剧情，现在的孩子们到底应该怎样学习？当大模型可以写代码、生成程序、辅助科研，学校到底还要教什么？当“AI原住民”这个词越来越流行，在AI时代，怎样教育孩子，才不是把他们推向一场更卷的竞争？

在现场，观众都很期待宓奇给出答案。

宓奇是人大附中暨联合学校总校党委副书记、人大附中校长、人大附中联合学校总校常务副校长。他是物理教师出身，也长期参与STEAM教育和学校体系建设。过去的公开发言中，他很少使用激烈的判断，更习惯从课堂、学生、教师和学校组织的真实变化讲起。他身上有一种典型的基础教育管理者气质：既敏感于技术变化，也警惕教育被技术节奏裹挟；既愿意带着学校向前跑，又始终不愿放弃那些看起来慢、笨、重，但真正塑造人的东西。

这也构成了他这次演讲的题目：《快与慢：人工智能原住人才培养的辩证法》。

面对技术带来的教育焦虑，宓奇给出的答案是——快能力与慢功夫。他既不鼓励抵抗技术，也没有盲目拥抱技术。他希望大家在快与慢之间找到新的平衡。快，是面向时代的反应能力；慢，是一个人成长的底层结构。只有把这两者统一起来，AI教育才是真正面向未来的人才培养。

本文为宓奇在2026北京智源大会演讲实录，经“甲子光年”整理编辑，在不改变原意的基础上略有删改。

人大附中校长宓奇，图片来源：2026北京智源大会

大家好，今天来到智源大会参与论坛，我非常开心。刚才在展区参观的时候，我说真的是来到了未来。

我想分享的话题，是冲着AI Native（AI原住民）去思考的，但是AI Native要怎么培养呢？

在这个过程中，哪些地方需要创新，需要“快”；哪些地方又需要坚守，需要“慢”。

1.快能力

首先要谈的是快能力，快能力的实际需求包括三个方面。

第一，信息获取与筛选。在AI时代，信息特别充盈，信息产生的速度也越来越快。在海量信息当中，如何保持敏锐的捕捉能力，如何进行敏捷判断，如何迅速定位、评估并应用信息，这些都需要“快”。

第二，研发迭代。过去无论是生命科学、医学健康，还是基础物理、化学，很多研发周期都很长。但有了AI助力之后，研发周期已经出现典型变化，很多工作可以在1到4周内就完成快速迭代。在这样的过程中，需要所有研发工作者有“快”的意识。

第三，算力与能源布局。各国都在抢占AI时代的先机，算力储备、能源储备，已经成为大国博弈中的重要议题。所以这里的“快”，也意味着时间上要有提前量。

昨天我们还在讨论，AI Native到底指多大的人？

如果以人工智能这个概念诞生的时间来看，其实我们每个人都是AI Native；如果以生成式人工智能的爆发来看，那么现在真正的AI Native可能还在幼儿园。但事实上，我们每个人都已经置身其中。

宓奇谈快能力，图片来源：2026北京智源大会

2002年，我在人大附中上了第一节公开课。那时我自己编了一个程序，用VB（Visual Basic）写的。为了上一节机械能守恒课，我花了三四天时间写这个程序。它可以直接输入光电门显示的时间间隔，计算出滑块运动到两个光电门位置时的瞬时速度，再换算出动能和机械能的变化。后来到了电学，我想呈现不同电荷量的点电荷在真空中周围的电场线，于是又编了一个程序，可以自由在屏幕上点选点电荷的位置，输入点电荷的电荷量，再生成电场线。这个程序，我写了一周，但当时觉得非常有意思。

到了这个学期，当人大附中的老师们一次次参与人工智能赋能教育的培训时，我也试了一把。现在只需要不到100字的提示词，就能立刻生成一个三维的、可以变换视角的、视觉效果更加完美的程序。对我来说，这就是“快”的直接感受。

说起“快”，物体运动的极限速度，通常我们认为是光速。13年前，我遇到人大附中的一位新老师，她研究计算机视觉。她告诉我，他们现在已经可以“捕捉到光的前进”。当然这个说法要加引号，准确地说，是通过一系列算法，把光前进的动态过程还原出来。

这位老师后来带我去了她做博士论文的地方——清华大学计算机系。她就是现在人大附中暨联合学校总校人工智能总架构师、信息技术教育组组长、特级教师武迪老师。

这样一位教师本身的知识基础和技能基础，让她处在非常高的成长平台上。从2012年到2017年，她还在参与计算机摄像学领域的顶尖学术会议，她的能力也在不断快速前进。她带领的信息技术组和人工智能教育团队，自然能够产生很快的效果。

我们2008届校友李泽昊，前段时间一直驻扎在人大附中，和不同学科的老师交流：他们希望在AI帮助下，在课堂和课前学习中实现一种互动程序。现在，他可以帮助老师“投喂”整本书，让AI自动分析整本书中哪些内容可以用来做互动程序，哪些内容可以生成交互。这个生成速度非常快，这也是一种快能力。

在教学方式上，人大附中也一直在思考：AI时代能不能实现课堂教学的重塑？

刚才卢宇教授（注：北京师范大学教育技术学院副院长）跟我说，大学课堂的抬头率很低。那我们能不能用AI赋能课堂，让每一个学生更加专注？能不能让学习过程匹配每一个孩子不同的个性化路径？

因此，我们正在试用清华大学教育学院和计算机系联合开发的MAIC（Massive AI-empowered Courses）系统。

清华大学MAIC系统，图片来源：清华大学MAIC官网

清华MAIC团队第一次来到人大附中时，我们合了一张影，我当时说，这张照片是一个里程碑。当时我们很多老师也加入到应用MAIC系统、重塑自己课堂教学的序列当中。人大附中的老师们也意识到，在AI时代，自己必须加快技能更新和思想升级。

人大附中应用MAIC，图片来源：“甲子光年”拍摄

我们成立了一批校内课题，我摘取了其中第六大块，也就是探索人工智能赋能教学研究的课题，有十几个，希望在未来三年内做出值得推广的成果。

2026年人大附中校内科研课题（部分），图片来源：“甲子光年”拍摄

在应用过程中，我们也逐渐把生成式人工智能的应用，转向让学生学会AI for Science。

比如我们高中的选修课“光谱解析”，一方面让学生从硬件上学习仪器搭建，另一方面也让学生对光谱进行AI分析。在这门课中，周展平老师开发了一个用AI氛围编程实现的光谱分析网站。在开发过程中，我们也让不同老师试用。有一位国际部外教提出，界面最好能摆成元素周期表的形状，于是这个系统很快就迭代出了新版本。

6月17日，周展平老师将在人大附中人工智能行动计划推进介绍会上分享，让青年学生参与AI for Science赛事。周展平老师列出了一些主题，有的是解决真实问题，有的是跨学科问题。他在人大附中开辟了一个新的赛道。

人大附中青少年STEAM x AI探究性学习活动，图片来源：“甲子光年”拍摄

人大附中鼓励学生进行科学研究，鼓励学生拥抱AI时代，去探索人类共同关心的话题，并在国际舞台上交流提高。

比如刚刚上台展示的李世祺同学，我第一次和他面对面谈话时，他介绍自己在北京中关村学院，和博士生们一起做研究。他提到，自己做了一个辅助中学生阅读文献的工具平台，还做了一个把网络游戏接入AI基座的项目，让剧情发展能够匹配每一个玩家的经历和性格。他每周都会投入很长时间，也是为了跟上这个快速前进的时代，

2.慢功夫

强调完“快”之后，我们还要想到另外一面。古人说，欲速则不达。有时候，我们不得不考虑“慢”的价值。

第一，思维发展。即使有了大模型的助力，即使每个孩子好像都配备了一个无所不知、无所不能的导师，但孩子思维的发展，仍然需要自己大脑内部结构发生变化。人的大脑机制，不会因为“外挂”增强了，神经元特性就发生翻天覆地的变化。在没有AI、没有全能导师助学的时代，杜威、皮亚杰等教育学家，已经对人类认知过程做过长期跟踪和分析。他们提出的反思性思维五步法、认知发展阶段理论，都指出儿童的思维发展需要经历从失衡到重新平衡的一系列过程。

第二，价值观塑造。科尔伯格经历20年纵向跟踪研究后认为，道德水平的发展不可压缩。换句话说，一个人的道德水平不会因为听了一场精彩报告、学习了一门课程，就发生飞跃式跨级发展。这是做不到的。

第三，研究方法。在研究方法的习得，学科研究方法的创新上，AI时代有重塑，但即使借助工具，人类对科研方法的创新也有客观规律。从波普尔到库恩，他们都指出，科学探究能力真正内化到每一个人身上，往往需要3到5年的纵向培养。这也正是学校要做的事情。

第四，社会理解。刚才很多同学谈到，AI时代我们要做什么。比如，有的同学关心有障碍的人群。对于社会理解的深度，决定了未来碳基生命如何形成共同体，并与硅基生命协同。而社会理解也需要长期交往和实践才能形成。比如我们众多的校友和老师，也是经历了很长时间，才会对学校产生感情。一个人对母校的美好回忆，也需要很多片段慢慢积累。

慢功夫的底层理论基础，图片来源：“甲子光年”拍摄

我给大家看一张图。远看很像在安灯泡，但实际上学生手里拿的是卷尺，他们在测量天花板的高度。今天我们当然可以说，天花板高度还需要这样测吗？是不是拿照相机用AI分析一下就可以知道？但这是2007年，一群学生在我的研究性学习课上测量高度。

人大附中学生实践，图片来源：“甲子光年”拍摄

这张照片，一个女孩在数地板上水泥砖的数量。通过一块砖的长度和宽度，再计算整个空间的长度、宽度和面积。这个过程非常慢，但经历之后，记忆非常深刻。后来，他们画出了学校的建筑图，工具用的是Google SketchUp。他们画了实验楼、中外合作办学楼、图书馆报告厅、游泳馆、大操场看台，最后把所有建筑拼到一个大平台里，生成了20年前同学们画的校园。

人大附中学生实践，图片来源：“甲子光年”拍摄

到了2015年，又有一批同学在《我的世界》游戏中重塑了一个人大附中，在里面还能演绎青春故事。

人大附中学生实践，图片来源：“甲子光年”拍摄

再到2024年、2025年，技术持续迭代，学生们做出来的校园版本越来越精细，刮风下雨都可以呈现出来。在这个过程中，他们还基于模型做出了增强现实版的人大附中录取通知书。

这个过程是慢的。施一宁老师现在是国际部副主任，也是通用技术老师。从2016年到2025年，他持续带着学生研究如何建模，如何做虚拟现实，如何做增强现实。这是一种坚守，也是一种不断积累的慢功夫。

3.求统一

快和慢是反义词，但它们可以达成统一。这其中有张力。

培养速度和培养质量之间有张力。市场需要快速产出，但思维发展需要长期沉淀。

工具效率和思维深度之间也有张力。认知外包可以让速度加快，但也可能让人类大脑内部的推理结构被“风化”——一点点被吹散，一点点消失。

国际竞争压力和教育内在规律之间也有张力。有些地方在呼唤高中生直接就业，甚至希望压缩学制。但成长过程中价值观的塑造，是不可压缩的。

在人大附中，我们希望做到的是快与慢的和谐统一。

快与慢的三组张力，图片来源：“甲子光年”拍摄

刚才提到的2008届校友李泽昊，现在开发AI速度很快，但他在学校学习时，是一点点通过慢功夫积累起来的。2007年，他在五大学科奥林匹克联赛中全部获得北京赛区一等奖。他说自己做AI时，因为做过信息学奥赛，所以能够一眼看出AI生成的东西好不好。这样的能力，就是靠慢功夫积累出来的。

刚才我使用的那张清华大学MAIC系统的里程碑照片，其中也有当年人大附中《我的世界》视频的作者。最高的那位叫毛沐汐，是导演；还有一位叫戴旭升，是音乐导演。他们也实现了自己的成长，然后又回到人大附中，完成了一个全周期的循环。

刚才我们提到了一个数水泥格子的学生叫周奕丽，毕业以后也回到人大附中，现在在国际部教经济学和商学。而他们当年画的国际部大楼，现在正是她现在上课的地方。

周展平老师也是慢功夫积累的例子。他在人大附中初中部和高中部一共学习了6年。值得大家记住的一件事是，他是2016年北京市高考第一名。全面发展，知识基础打得非常扎实。后来他做人工智能方向的博士，从清华大学博士毕业后回到人大附中。但他当年做研究性学习课题时，选的是《论白居易茶诗所体现出的白居易后期思想》。这个课题做了一年。

这样的慢功夫，并不耽误他在快时代拥有快能力。

所以，我们发布人工智能行动计划，当然也在追赶时间，希望能够做到引领全国，做出成果，辐射全国。但其中的艰辛和慢功夫，也是我们的底气。从2014年到2026年，人大附中的课程、思想和组织形态都在逐步发生变化。

人大附中是一个神奇的团体。

我们的神奇在于，连“RDFZ”这几个拼音首字母，也能讲出含义。

人大附中（RDFZ）育人节奏，图片来源：“甲子光年”拍摄

R代表Research。大家刚才看到的很多内容，都是研究性学习的课题。我们希望孩子们去研究，也希望老师们成立课题去研究。

D代表Development。我们希望孩子们去开发，也希望老师们去开发。

F代表Future。人大附中的校训是“崇德、博学、创新、求实”。要面向未来，面向人类命运共同体，面向祖国发展，学生必须有坚实的价值取向和人生定位。

Z代表Optimization。我们也希望每个人都能够不断优化、不断迭代，快速创新。

在时代更迭当中，人大附中希望保持育人初心不变，也希望今天在座的各位同学，以后能够到人大附中交流，各位专家能够到人大附中指导。

谢谢大家！

*甲子光年编导李姝对本文亦有贡献

（封面图来源：2026北京智源大会）

END.