从清华校长「开学第一课」聊起：大模型都会编程了，学生为什么还得自己学？

先说一句，这听起来是给清华大学的研究生新生讲的，但这次讲话最后落的地方，我觉得跟我们每个人都有关。尤其是你现在每天都在用AI干活的话，还是有不少启发的。

8月27日，清华2026级研究生开学典礼结束之后，校长李路明在综合体育馆讲了一堂「开学第一课」，题目挺长，叫《勇立潮头，开放包容，在不懈奋斗中练就过硬本领》。

这一课的结构本身，就是我今天想聊的东西。

资源给到顶，要求落到基本功

他先摊资源。讲清华在人工智能领域的前瞻性全面布局，讲AI怎么赋能教学科研和学科建设的最新进展。

有个新生在课后感慨说，学校已经把发挥人工智能赋能作用，写进了十五五规划的重点任务。

资源给得非常足，几乎是把整个学校的家底都摆出来告诉你：你们赶上了最好的时候。

不过，这个地方我稍微有点保留意见。前几年，我在清华上过一个EMBA，发现其实不少内部信息系统还是挺不好用的。但是作为一所学校来说，这方面也确实没办法苛求太多。

然后他摆完家底之后，开始提对学生的要求，一共可以落到四个词上面，分别是：增强问题意识、增强循证能力、增强判断能力、增强责任担当。再补一句，坚持长期主义，脚踏实地奋斗。

这一来一去之间的落差，是我看完最有感觉的地方。学校资源给到顶，对学生的要求却压回到最笨的那一层。

我对这几个要求留下的印象，就是四个字：老实出活。当然，这里我强调下，这是我自己脑子里压缩出来的说法，不是校长的原话。

但你想想是不是这样，那几个词，不就是老老实实地用事实和数据说话，然后要能承担责任。

大模型会编程，学生为什么还要学

不过光有这一场的分享，还只是姿态。真正让我注意到的，其实是李路明今年6月27日在本科生毕业典礼上讲的另一段话。那场是有逐字稿的，通篇以AI为主线展开。

他说，今年以来，学校召开智能时代人才培养系列研讨会，老师们在同一个问题上意见高度一致：虽然大语言模型的编程能力已十分强大，但清华的理工科学生仍然要学编程。

你看，这不是校长个人的一句感慨，是一轮研讨会上老师们形成的一致意见。

我读到这句的时候还是挺惊讶的。因为在这个AI成为显学的时代，其实不学编程才显得更加跟得上潮流，或者说几句含义模糊的话糊弄过去也就得了。

不过老师们还是一致觉得，AI再强，也还是需要学习编程。

而且这不是一句寄语。官方寄语是不用付代价的，你在台上说要保持热爱、要仰望星空，说完大家鼓掌，其实睡一觉都忘记了。但这句话背后，是一群AI领域的专家开了一轮会。

开会的是谁？是国内最懂大模型、离前沿最近、手里资源最多的那批人。

要知道，无论是数据、算法还是算力，从硬件到软件，清华在这方面的技术积淀绝对是可怕的。想想现在国内顶尖的大模型智谱，其实最早期就是从清华实验室长出来的。

他们完全知道现在的模型能写出什么水平的代码，也完全知道让学生继续手写代码要多花多少时间。但专家们意见高度一致：还是学。

可能你把这句话拿去问一个AI企业的人，他都会觉得不划算。机器已经能干得比你快、比你好，你还要一个二十出头的人从头把这条路走一遍，图什么呢？

但我理解，学校图的就是学生真走过那条路本身。

AI给得出答案，走不了那段路

李路明在毕业典礼上说得更直接。他说，把思考完全外包给大模型，看似简捷高效，实则可能导致认知能力弱化。

他还引了姚期智先生的一句话，说在人工智能可以替代越来越多认知劳动的背景下，很多能力依然必须通过亲身训练、走一遍艰苦的路，才能真正形成。

理解要先经历混沌

2025年5月，我看过一个关于脑神经的研究，里面提到了大脑顿悟的原理。当时说，你之所以能记住一个东西，靠的不是你看到了答案，而是你的大脑先经历过想不通。

你得先有一团乱麻，然后那团乱麻才能被重组。重组的那一瞬间，大脑里原本的神经元激活模式会发生一次结构性切换，就好像换了一个频道，知识就是在这一瞬间被刻进长期记忆的。

所以，如果你直接跳到让AI给你答案，跳过的不只是「想」的那个过程，跳过的可能是大脑形成长期记忆的整条通道。

AI回答可能制造假顿悟

我在我的笔记里记过一句话，但是说实话，我确实不太记得当时是自己写的，还是从哪里看的了。里面提到AI的回答有三个特点，分别是：逻辑自洽、措辞流畅、结构清晰。

这三样加在一起，很可能是制造假顿悟的有效引擎。

你看完那一下觉得豁然开朗，但那个感觉很可能是假的。你只是被AI说服了，不是真懂了。因为你压根没走过从混沌到清晰那个拼图的过程。

其实这就是这么多年，中小学教育仍然非常重视改错题的原因。因为只有先做错了，才能找到思考中的问题；找到问题，才能针对特定的问题来解决。

被说服和真懂了，在大脑里根本不是同一种东西。一个是信息，路过一下就走了。一个是记忆，被刻进去了。

再回来看清华那个决定，就不一样了。让学生继续手写代码，不是为了留下那些代码，是为了留下写代码时，脑子里挣扎的那段路。

代码可以让模型生成，那段路没法让模型替你走。

AI是放大镜，不是均衡器

李路明在毕业典礼上还转述了一位学生跟他说的话，说AI是放大镜，能放大能力，也能放大懒惰。这句是学生说的，他觉得说得好，就带到台上了。

判断力也会被成倍放大

我特别喜欢「放大镜」这个说法。AI在很多时候不是均衡器，它不会简单地把内行和外行拉到同一条起跑线上。

你手里有判断力，它帮你把判断力铺到十个项目上。你手里没有判断力，它帮你把没有判断力这件事，也铺到十个项目上。

这事早就不是学校里的事了。

我之前看过一个案例，德勤澳大利亚受政府部门委托做过一份合规审查报告，合同价44万澳元，交上去之后被发现里面有虚构的法院判决，还有几篇根本不存在的学者论文，最后退回了部分款项。

这份报告本来的任务，就是去评估一套系统合不合规。结果一份做合规验收的报告，自己没通过AI验收。

国内也有地方政府部门公开撰文提醒过同一件事，说AI让材料的速度和数量都上去了，看着数据详实，实则经不起审视推敲。

你看，写材料的人不缺工具，缺的是那个能在交出去之前把它读一遍，并且一眼就能读出问题的人。

循证能力最为重要

所以在开学第一课里，李路明讲的四个词里，从我自己的角度来看，最看重的其实是循证能力，也就是你能不能顺着一句话往回查。

问题意识大家都在讲，判断能力听起来也像口号，但「循证」这两个字很具体：就是往回查到它站得住的那个地方。

这个能力不是知识，是习惯，而且只能靠自己走一遍练出来。

当你看到AI给出的再完美的结果，也要让它给你里面的数据或者案例的出处，然后我们再花一点时间，去看看这个来源是不是靠谱。

不过这些话如果只放在学生身上，就浪费了。

你把学生这个身份抽掉，剩下的处境跟我们是一样的：工具比过去强了几十倍，交出去的东西，却比过去更容易被人一眼看穿。

亲手做过，才有判断力和体感

说到这里，也跟你分享一个上周末发生的生活里的小事。我和爱人去附近的建材市场，其实就要换一个小柜子。

我们提前让AI出了一份很详细的规格说明，各种指标写得非常详细。比如表面的那个镜子，AI就跟我说，你一定要让老板给你配超白无铜银镜。

我把要求告诉老板，让老板照着写进订单。他笑着看了我一眼，说：「是豆包跟你说的吧？」然后把我拉到一面墙那里，那里挂了很多镜子。

他指着说，你认识哪个是你要的那个镜子吗？我给你超白还是给你普白，你告诉我你怎么判断？

我当时就卡在那儿了。AI给的参数报告我有了，但我压根判断不出来。

之所以我提到这个事情，其实也是跟今天的话题很像。为什么AI时代还要让学生学编程？

重点并不是一定让学生没苦硬吃，而是你亲手做过，才会对结果形成不一样的判断力和体感。

当然，不仅仅是编程，很多场景都是相通的。比如，AI画图再厉害，也无法取代一些设计师的手绘，因为这中间锻炼的，是对美的感受。