你有没有过这种经历：

凌晨两点，论文 deadline 前四小时，你打开大模型，输入“帮我写一篇关于平台经济监管的课程论文，要有文献感、有批判视角、有政策建议”。三十秒后，一篇结构漂亮、引用像模像样、过渡句丝滑的文章出现了。你改了改开头，删掉两段套话，交上去，老师给了 A−。

你松一口气。

但心里有个声音问：这东西，到底是我写的，还是它写的？更重要的是——写完之后，我真的变得更会分析平台经济了吗？

这个问题看起来像矫情，实际上是整个现代教育系统的地基裂了。

过去几百年，学校默认一条很省事的等式：

能做出复杂任务 ≈ 人已经具备了相应能力。

你能解偏微分方程，说明你懂微积分；能写法律备忘录，说明你懂请求权基础；能给出诊断方案，说明你懂病理生理；能写出有论证的论文，说明你有一定抽象思维和材料组织能力。

所以教育把三件事绑在一起用：

用任务完成知识应用；

用任务形成能力；

用任务证明能力。

做题、写论文、做实验、出方案——既是学习过程，也是能力证据。

生成式 AI 干的事非常狠：它把这三件事撕开了。

现在一个人可以：

写出远超自己真实写作水平的文章；

产出能跑但自己讲不清架构的代码；

做出现在“看起来对”的研究综述，却没真读过那些文献；

给出现实中像医生的回答，却没有经历过从症状到机制的推演；

在课上交一份漂亮作业，下课问她“你刚才那个结论为什么成立”，她愣住。

于是我们进入一个奇怪时代：

表现越来越好，能力不一定增长；产品越来越像人，人不一定更像人。

Li Kaisheng, Li Longji那篇 The Internalization Boundary 说的就是这件事。他们提出一个框架，不长，但戳到痛处：AI 时代，教育不能只问“任务谁来做”，还必须分开问三个问题——

Delegation（委托）：这步操作，能不能交给 AI？

Internalization（内化）：就算能委托，人自己还必须懂、还必须会到什么程度？

Assurance（担保）：学校和用人单位，凭什么证明“这能力真的在这个人脑子里”，而不是在人机系统里？

这篇文章我想把它从论文语言翻成教育现场语言：老师、学生、家长、HR、校长、产品经理都能读。我们要回答的不是“AI 要不要禁”，而是更难的那个问题：

当机器能替你想，学校还该保证你拥有哪些“属于人”的能力？