Joe Liemandt 问一群五年级学生：你们怎么才能爱上学校？
预设的答案大概是「多有趣」「多实用」之类的高大上词汇。学生的回答是：少上学。
再问：多算少？学生说：不上。
这个场景出现在 Liemandt 沉寂二十五年后的第一次公开受访里。他没有生气，反而把它当成了整个 Alpha School 的起点。
一个卖掉公司的人，决定重新发明学校
Liemandt 不是那种讲情怀的人。他有执念，而且是很具体的那种。
1989 年从斯坦福退学，创办 Trilogy Software，靠企业软件赚了钱，三十岁出头就成了福布斯 400 排行榜最年轻的成员之一。然后这位创始人从公众视野消失了二十五年。
消失这段时间，ESW Capital 成了全球最活跃的软件公司收购者之一，买下了上百家软件公司。他没有停止工作，只是对「跟公众解释自己在干什么」彻底失去了兴趣。
2020 年代中期，他决定复出了。复出的原因不是又看上了什么软件赛道，而是教育——生成式 AI 终于让他脑海里那张图变得可能了。他在播客里说过：「所有现存的教科书、教案、考试都是过时的，因为生成式 AI 可以为每一个孩子提供完全个性化的课程。」
All in 进去。Alpha School 在德克萨斯州奥斯汀创办，现在扩张到了旧金山。学费每年大约五万美元，面向 K-12。这个价格在美国私立学校体系里不算最贵，但也不是普通家庭能承受的数字。
媒体给他估算的身家是十亿美元量级，他自己说这是做过的最大赌注。福布斯 400 最年轻成员，消失二十五年后 All in 教育，叙事上是很戏剧性的。现在要回答的问题是：这个赌注，押对了没有。
每天两小时，剩下的时间干什么
模式很简单：每天两小时 AI 学知识，剩下的时间做别的事——领导力、创业、团队协作、项目制学习。Liemandt 管这些叫 life skills，管整体方案叫 TimeBack，意思是把时间还给学生。
重点在这两小时怎么学。Alpha 用的是掌握制（mastery-based）系统：不会因为坐够时间就升级，不会因为做完题就算学会了，系统在追踪每一个知识点，只有真正掌握才放行。
比传统学校快十倍，标准化考试成绩排在前 0.1% 到 1%——这是 Liemandt 给出的数字。
两个数字放在一起是很刺激的。两小时，顶尖成绩，剩下时间玩。然后你就会开始问：那传统学校每天六到八小时在干什么？
Liemandt 的回答直接扔出来的：那就是在浪费时间。传统学校是工业时代的产物，核心设计是「坐够时间就升级」，而不是「学会再走」。这个论断不只是说 AI 能教课，而是在说整个「学校」的前提需要被重新设计。
效果数据怎么看
先说能确认的：Alpha 学生标准化考试成绩确实好。SAT、ACT 这些硬指标，他们排在前 1%。Peter Attia——就是那个著名的长寿研究员——把自己的女儿送去了 Alpha，也在播客里采访过 Liemandt，算是某种背书。
激励机制有个细节：叫「100 美元换 100 分」。学生在某个知识点还有缺口，补上就能拿奖励。这是一种短期外部激励，用来帮助克服「我不行」的心理障碍，然后慢慢过渡到内在动机。
接下来是争议的部分，而且争议的部分更有意思。
数据自产自销这件事不能绕过去。 Alpha 发布的成绩没有独立第三方长期跟踪研究，「我的数据证明我的方法有效」这句话在教育圈里是需要打折扣的。
选择性偏差是更大的问题。 每年五万美元学费，来的家长本身教育程度高、参与度高、资源多。孩子成绩好，到底是 AI 教得好，还是这些孩子本来就厉害，只是 AI 帮他们省了时间？这两件事的贡献度，没有控制组是分不开的。
规模化的问题也很现实。 教育研究里有个著名的「布鲁姆两步法」：1984 年本杰明·布鲁姆研究发现，一对一 tutoring 能把学生成绩从第 50 百分位拉到第 98 百分位——两个标准差。但这个效果在小组教学里大幅衰减，在大班教学里基本消失。小样本实验里惊人的数字，真正推广后往往会大幅缩水。Alpha 的模式能不能扩展，不是靠一两个精英学校能回答的。
有家长带孩子离开了。 CNN 和 Medium 都有报道，有一些指控涉及学校用激励机制过度操控行为，比如不达学习指标就不给零食。这些负面报道集中出现在 2025 年底到 2026 年初——正好是 Alpha 扩张最激进的时候。小样本的成功和大规模运营之间，隔着一道很宽的沟。
他到底在赌什么
有意思的是，Liemandt 的野心不只是办一所精英学校。他说要在二十年内触达十亿学生。这句话一出来，你就知道他想的不只是硅谷富人的小孩。
AI 终于让「掌握式学习」可以大规模实现了。以前要实现布鲁姆两步法的效果，需要一个有耐心的老师一对一盯着，成本高到不可接受。AI tutor 不会累，不会烦，不会因为学生学不会就失去耐心。只要系统设计合理，高质量的个性化学习在理论上可以普惠化。
这个逻辑有它的支撑。掌握式学习在教育研究里早就被验证了有效性，问题一直是以前没有技术手段低成本规模化。现在 AI 给了一个可能性。
但这里有个最容易被忽视的裂缝：现在这个 Alpha School，是把「个性化学习」和「精英资源」绑在一起的。五万美元学费、奥斯汀和旧金山的选址、主动把孩子送来的家长——这些都是极度筛选过的条件。
Liemandt 说的「二十年到十亿学生」，需要的是一个完全不同的 Alpha School：便宜到普通家庭能承受，不需要高参与度家长，在各种文化背景下都能跑。那不是现在这个 Alpha School，那是还没被发明出来的东西。
所以这个赌注有两层。第一层是 Alpha 这个具体产品能不能证明自己。第二层是这个证明能不能真的带来普惠——而不是变成「精英孩子实验，然后把经验卖给有钱人」的故事。
普通人能拿走什么
不用等二十年，现在就能从这个实验里拿走一些东西。
掌握式学习是真的有效。这件事在 Alpha 的语境里被包装成 AI 新发明，但它本身早就是教育研究里的老结论了。如果你在学任何东西，不管是编程、乐器、还是交易策略，核心原则都一样：不要追求进度，追求掌握。不确定真的懂了就不往下走——这才是快的。
时间不是学习效果的 proxy。我们很容易觉得孩子坐够八小时就是在学习，或者花了多少小时就代表付出了多少努力。Alpha 的模式把这个等式撕掉了。两小时高质量加六小时真正想做的事，可能比八小时低效消耗好得多。
AI 在教育里的角色，不是替代老师，而是替代那个「没有耐心的陪伴」。好的 tutoring 之所以有效，是因为老师有耐心反复讲、换着方式讲。AI 刚好是那个永远不会失去耐心的角色。
当然，如果你的孩子不是 Alpha School 的目标群体，那这些结论的实际意义就需要打个折扣。但这个模型指向的方向是值得认真看的——不是因为它是正确答案，而是因为它问出了一个真正重要的问题：学校花了我们那么多时间，到底有没有花在正确的事情上。
量子生命海若生：找到一个大家都在聊、但没人真正说清楚的角度。
如果觉得有意思，随手点个赞、在看、转发三联吧，想第一时间收到推送就给我个⭐️星标，我们下次量子世界见。
