摘要

Alpha School称，基于掌握度的AI辅导能把学业压缩到2小时，同时将学生推向全国表现的顶端。 其披露的SAT平均分为全高中1410分、高年级学生1535分；新生目标至少1410分，部分学生已超过1500分。Joe Liemandt更宽泛的判断是，任何学生都能达到全国99百分位，无需整天伏案，也不用晚上写作业。
这套技术的核心不是“给孩子用ChatGPT”，而是把学习科学、个性化课程生成与持续行为测量结合起来。 TimeBack的目标答题准确率为80%-85%，会根据每个学生的知识储备和兴趣动态调整，并用视觉模型识别猜题、跳过讲解或离开学习环境等行为。Alpha称已向平台投入超过1000万美元，但目前每名学生仍要花约1万美元的AI token成本，降本压力很大。
Alpha的运营模式拆解了传统上压在一名低薪教师身上的5项工作。 软件负责学科专业知识和教学顺序；年薪达到六位数的“导师”则专注于激励、情绪支持、家长沟通和文化建设，据称相关岗位收到8万份申请。“青少年需要高标准，也需要高支持”是招聘和培训的基本前提；幼儿园阶段仍刻意保留较强的人力投入，师生比约为1比5或1比6。
学生参与度被视为系统不可缺少的输入，而不是一个软性结果。 据称超过90%的学生表示喜欢上学，40%-60%的学生愿意选择学校而不是度假；Alpha High约三分之二的学生曾要求学校暑期继续开放。Joe Liemandt警告那些只想采购EdTech的学校：除非围绕“孩子必须比喜欢度假更喜欢上学”这一命题重建体系，否则不会奏效。
节省下来的时间成为Alpha的差异化产品：下午用于领导力、团队协作、创业、金融素养、人际关系、讲故事和坚毅力训练。 五年级学生已经运营过餐车和Airbnb，高中生则用4年时间推进不断演化的兴趣项目，例如制作一部全员青少年出演的百老汇音乐剧。这套模式售卖的不只是学业，也包括自主性：学生应当成为“创造者和贡献者，而不是消费者”。
其市场进入路径始于自营私立微型学校，随后把TimeBack引擎扩展到不同办学形态和价格区间。 新校通常从约25名学生起步；Alpha坚持自营、不做加盟，并在所讨论的这一年新增13所学校。集团已推出Texas Sports Academy和一所天才学校，还描述了未来进一步推出的荒野学校、Montessori学校等模式，包括在2026年落地。Texas Sports Academy利用州代金券，将家长月付费压到约300美元。
尚未解决的最大风险包括效果证明、家长接受度、公共教育体系的阻力、单位经济性，以及规模化后的质量一致性。 Alpha在10个州申请线下特许学校均未获批准，Arizona则批准了一个线上选项；政府希望看到更多证据。Liemandt提出开展覆盖100万名学生、达到“药品级”的随机试验。他的目标是在20年内建成1万所学校，最终覆盖10亿名学习者，但他的直白结论是：“教育改革的阻碍，在家长的脑子里。”

精读

1. 既有教育体系正在失去学习成效与正当性

Peter Diamandis开场给出历史低位的全国学业达标率：美国高中毕业生中，阅读达标者仅35%，低于1992年的40%；数学达标率仅22%，科学达标率为31%。Joe Liemandt进一步加重指控：一半高中毕业生掌握的数学知识，只相当于99百分位的三年级学生。
高等教育也不再提供一个令人安心的下一站。据称，认为大学重要的美国人比例已从2010年的75%降至35%；学费自1983年以来上涨893%，而大学毕业生如今反而是失业时间最长的人群。Peter的结论是：“这不可持续。”
Joe担忧的不只是考试分数。孩子需要足够的阅读、数学和科学基础来进行批判性思考，但AI塑造的经济同样要求适应能力，以及始终处于“人类知识所要求的前沿”。因此，年幼孩子的家长开始追问：学校在10年或15年后究竟应该交付什么。

2. Alpha宣称无需全天学业苦读也能取得精英成绩

Peter提到SAT平均分1410时，Joe纠正了这一说法：1410覆盖Alpha全体高中生，从新生到高年级学生；高年级学生平均分为1535。Joe还补充说，新生目标最低1410分，部分学生已经超过1500分，这意味着高中阶段有大量时间可以投入传统课程之外的事情。
他们的思想基础是Bloom的“二西格玛”发现：辅导和掌握度学习可以把几乎每个孩子都推向前2%。Joe称，后续约1万篇学习科学论文都支持学习速度可以大幅提升，但“在教师站在教室前面授课的模式里行不通”。
Alpha区分了当前运营数据与工程目标。学生目前在2小时学习时段内的学习量达到“超过2倍”，而TimeBack学习引擎据称可以将K-12内容的教学速度提升至课堂教学的10倍。Joe更宽泛的判断是，优秀的学业表现既不需要“整天被拴在书桌前”，也不需要晚上写作业。

3. 喜欢上学是第一条设计约束

Joe提出的5个维度中，第一条最为激进：“孩子必须喜欢上学。”其余支柱包括更快掌握知识、实用生活技能、重新设计成人角色，以及通过文化和同伴塑造品格；但他说，如果第一条不成立，后续所有机制都会失效。
Alpha每周对学生进行调查，称超过90%的学生喜欢上学。当被问及学校和度假更喜欢哪个时，根据假期安排和当前工作坊的不同，40%-60%的学生选择学校；一次暑假前，Alpha High三分之二的学生发邮件要求校园继续开放。
Joe挑战了人们继承下来的预期：成年人会努力打造员工喜欢的公司，却接受学校“本来就该很糟”，因为“上学就像吃菠菜”。当传统学校只想采购Alpha的EdTech时，他拒绝了这一前提：不能把引擎简单装到一种把快乐、自主性和节省下来的时间都放在次要位置的文化上。

4. 学校日将专注掌握与人类活动分开

学生先参加“Limitless Launch”，被描述为面向儿童的Tony Robbins式活动：通过集体挑战引入成长型思维训练。随后进入2小时核心学习时段，每30分钟休息一次，中午前完成学术课程，下午参加协作式工作坊；没有家庭作业。
个性化意味着，2名7岁的孩子可以坐在一起，一个学代数，另一个练习乘法。两人都与同伴保持社会联系，同时在“最近发展区”内学习——任务既不能简单到让注意力消失，也不能难到让学生直接放弃。
教学空间更像舒适的共享办公区，而不是一排排课桌。学生可以站着学习、共享桌面，或者在获得这项自由后坐豆袋椅；校园还会保留约90分钟的无结构户外活动。MacKenzie Price的观点是，2小时有目的的电脑使用，反而会为成人与儿童互动创造更多而非更少的时间。

5. 下午把学业效率转化为生活技能储备

Alpha的下午课程覆盖领导力、团队协作、公开演讲、讲故事、创业、金融素养、人际关系、坚毅力和努力工作。工作坊以真实项目而非课堂模拟为核心：五年级学生运营过餐车和Airbnb；音乐学生组建摇滚乐队，在学习乐器的同时掌握品牌、营销和制作。
在Alpha High，学生用4年时间推进一个兴趣项目，并可以随着兴趣成熟而改变方向。Joe最有力的例子是一名高年级学生制作一部全员青少年出演的百老汇音乐剧：通过TikTok寻找演员、取得音乐版权、填满演出场地，并亲自负责销售和营销，而不是只学习戏剧。
被释放出来的时间允许学生进行异常大胆的尝试，但节目保留了“尝试”和“结果”的区别。一名学生刚向《Nature》提交了一篇研究论文；Joe称此前没有高中生在该刊发表过论文，但没有声称她的投稿已经被接受。

6. “导师”替代一项不可能完成的教师规格

Joe把传统教师拆成5项工作：学科专家、教学专家、学生激励者、家长沟通者和行政人员。“这是一个复杂的规格”，但传统做法却是“给他们低薪”。Alpha通过软件移除前两项要求，并要求员工在建立连接和激励学生方面表现出色。
导师不授课、不写教案、不批改作业，也不教孩子如何“进一位”。他们负责激励和情绪支持：坚持高标准、提供高支持，并指导学生持续查阅讲解、视频及其他资源，直到能够独立学习。
Alpha称，其导师岗位收到8万份申请，起薪为六位数。约一半人来自传统教育行业，其中包括2020年佛罗里达州年度校长；其他人来自企业管理、大学和职业体育，或教练工作。传统教师也是后期最常被淘汰的候选人，因为其中一些人难以停止指挥学生，转而与孩子并肩参与。
幼儿园仍是自动化明确无法覆盖的例外。Alpha采用约1比5或1比6的师生比，并保留阅读专员，因为其应用目前还不能可靠地帮助4岁儿童从零开始学会阅读；Joe估计AI还需再发展18个月。讨论也强调，即使技术进步，这一低师生比仍会保留。

7. 掌握度学习把竞争从排名转向剩余努力

在按时间推进的课堂里，无论是否理解，所有人都会继续前进；Alpha学生则必须掌握每个阶段后才能升级。Joe称，最初相信孩子能在Texas STAAR考试中拿到100分的家长不到10%，而95%的Alpha学生相信这一点，因为他们已经做到过。
TimeBack把难度表达为距离，而不是身份标签：“你还差17小时”或“你还差5小时”。Joe认为，传统成绩体系被编码为IQ和大五人格中的尽责性，奖励的是大约10%天生学得快或愿意苦读的人；掌握度学习则把问题重新定义为每个学生都能拥有的努力时间。
Dave Blundin担心同伴压力会让普通学校不合理地把孩子分进学术尖子、运动员或脱离群体的局外人。Alpha的回答是，所有学生都必须掌握学业，同时通过目标和项目提供其他成就路径。Peter概括了这种动机上的反转：学校从100分开始，犯错就扣分；游戏从0分开始，取得进展就加分。

8. AI导师刻意不是聊天机器人

TimeBack根据目标概念、孩子的知识图谱、兴趣图谱，以及工作记忆容量和长期记忆所需重复次数等认知负荷约束生成课程。其目标准确率为80%-85%：达到99%意味着孩子已经掌握内容，低于66%则往往会导致学生失去参与度。
当被问及视觉型和听觉型学习者时，Joe否定了单通道个性化，称那是不符合学习科学的做法。学生可能有偏好，但“双重编码”意味着同时以视觉和听觉呈现信息，强化效果优于把每个孩子分流到一种被假定的学习风格中。
Peter对屏幕时间的质疑值得保留：在更广泛的反屏幕浪潮中，家长被要求接受更多电脑使用。Alpha给出的交换是，用2小时集中的“高质量屏幕时间”，换回4小时用于身体活动、社交和创造性工作的时间；即使是无屏幕家庭，只要学习收益真实，也可能接受这笔交换。
早上的学术学习禁用聊天功能，因为Joe称，90%的学生会用不受限制的ChatGPT作弊：“聊天机器人就是作弊机器人”（Chatbots are cheatbots）。午餐后规则反转：学生早上用聊天工具，大概率是在作弊；如果下午不用它来制作音乐剧、公司或应用，那他们“可能才是在失败”。

9. 持续观察构成学习闭环

视觉模型会监看每个学习屏幕，识别孩子是否滚动页面、猜题、答错后跳过讲解、打开ChatGPT或玩Minecraft。系统随后直接纠正行为——放慢速度、阅读、观看讲解——而不只是给最终答案打分。
这套监控目前成本高昂：Joe估算每名学生的AI token成本约为1万美元，并希望把推理转移到设备端。3年前，人类还需要在夜间审核和标注录屏，对好学习和坏学习进行分类，为自动化系统提供所需样本。
Alpha的测量单位是XP：1 XP等于1分钟专注学习。可视化的“浪费计”会告诉学生：“伙计，你浪费了50%的时间。”动机来自一笔直接交易——认真投入，就能换回下午；猜题或逃避，2小时学习时段就不够用。
这套闭环也会暴露Alpha自身的错误。一套新的K-12数学课程原本要在少20%时间的情况下带来更多学习；8周后，四年级到十二年级超过了目标，但K-3学生因获得过多选择而迷失。团队调整了下一轮8周周期的学习路径，并称已回到正轨。

10. 支架式教学首先要拆除被训练出来的被动性

Salim Ismail询问，青少年尤其是男孩是否需要更多支架式教学，以及Alpha是否测量压力和心理安全。Joe表示，较晚入学的学生往往已经被训练成被动坐着、等待信息，并在尚未掌握知识时继续前进；导师通过反馈练习、成长型思维，以及反复强调阅读障碍或过去的困难不等于能力上限，来对抗这种惯性。
入学评估显示，学生的成绩单与实际水平严重错位。数学成绩为A的学生，实际水平从领先1年到落后3年不等；成绩为B的学生，实际落后幅度从3年到7年不等。Joe对家长说：“你们的学校一直在对你们撒谎。”同时他承诺，个性化补救可以用远少于形成这些知识缺口所需的时间填平它们。
每名学生每周都会与导师进行一次30分钟的一对一会议，而传统学校据称平均每天只能获得22秒的教师个别关注。学生用赚到的Alpha货币购买最多的项目，不是LEGO或零食，而是和导师共进私人午餐。
这段讨论没有给出正式的压力指标，而是强调关系、文化和目标感。学生会完成Ikigai价值观练习，并记录一周168小时的全部时间；导师随后把被动消费导向创造——与其无休止地玩游戏，不如用vibe coding把游戏做出来；与其只是刷TikTok，不如围绕一个有用的项目建立受众。

11. 私立微型学校是最初的分发切入口

Alpha通常从约25名学生开始在一座城市开校，再逐步增长。Joe对采用曲线的描述很直接：“没人愿意成为最初的20人。”但一旦校园达到100名学生，更多家庭就会感到安心。Peter称，潜在家长既需要一位当地可信成年人的推荐，也需要看到一个在读孩子正在做自己孩子做不到的事情。
Peter讲述了MacKenzie的创校家庭故事：共同创办Alpha时，她想找到20个人，围绕并支持自己的孩子。Joe承认，自己曾经是一个持怀疑态度的“落后者”，观望了2年才把女儿转过去。
Alpha自营所有校区，不做加盟，因为创始人希望直接控制质量。在所讨论的这一年，组织新增13所学校，并使用shadow day展示办学模式；他们也提醒家长，除非真的准备好转学，否则不要把孩子送来，因为许多学生之后都不愿回到原来的学校。
Joe将Alpha定位为一个约500亿美元市场中的高端、“价格不是问题”的私立学校。Peter引用了超过1万亿美元的美国公共K-12教育支出：平均每名学生超过2万美元，部分城市超过4万美元；他认为这笔钱本应足以同时交付学习效果和孩子愿意度过的校园日。

12. TimeBack催生新学校，但公共体系仍然抗拒

这套2小时引擎允许学校拥有多种下午身份。集团已推出Texas Sports Academy和一所天才学校，并介绍了荒野学校、Montessori学校等其他模式。Joe称，更多基于TimeBack的模式将在2026年推出。天才学校面向那些被问到什么会让他们更喜欢学校、回答“更多学术内容”的孩子；体育学校则从中午开始正式训练，而不是等到下午4点以后。
Texas Sports Academy使用州政府新近拨付的10亿美元代金券计划的一部分，目标是将家长月付费控制在约300美元。这是创始人降低价格的路径：保留TimeBack的学术引擎，同时改变下午活动、人员配置和设施。
公共体系的采用属于更晚阶段的目标。MacKenzie在10个州申请线下特许学校，但没有获得任何线下批准；Arizona批准了一个线上选项。据称，一名学区董事会成员曾说：“我来到这个世界，就是为了阻止你们这样的人。”目前，他们预计私立分发将占据第一个10年，公共体系或许在第二个10年跟进。

13. 规模化取决于证据、降本和持续适应

Peter在结尾直接追问：“一切都完美吗？你们担心什么？”Joe提到的风险包括家长不相信、在每名新导师和每个新校区之间保持结果一致、定义可测试的生活技能，以及降低AI成本。就连坚毅力也需要可操作的代理指标；Alpha目前使用的指标包括让每名三年级学生解出一个魔方。
公开目标是在20年内建成1万所学校，但Joe真正的目标是10亿名儿童。这要求即使Alpha无法返还学生4小时校园时间，也能让他们保持动力。因此，公司正与电子游戏设计师和头部影响者合作开发“动机+学习”产品，计划在2026年发布。
对政府谨慎态度的回应中，Joe罕见地作出让步：教育领域经常在没有严格试验的情况下，把干预措施部署到5500万名儿童身上，而错误的学习科学却持续存在。他希望开展覆盖100万名学生的随机对照试验，达到“药品级测试”，让官员和家长能够判断这套模式是否有效，而不是把它斥为骗局。
创始人也拒绝为一个技术变化周期长达12年的世界制定固定课程。Alpha的“Brainlift”区分了由知识型LLM处理的内容，以及人类应该保留的内容，但Joe承认，Grok 7可能会让今天的边界失效。学校每6周更新一次；自2014年成立以来，决定性变化是生成式AI让覆盖10亿儿童成为可能，而Joe希望自己更早明白的教训是：改革的瓶颈在家长，而不是学生。

Universal Medical Intelligence：OpenAI 提升人类健康的计划，与 Karan Singhal 对谈 🔬搜索所有可能材料的空间——CuspAI 的 Max Welling 教授