在美国，一所名为Alpha School的私立机构正借助AI重新塑造人们习以为常的教育模式，宣称学生每天只需学习两小时，就能取得超越传统学校的成绩。
这里没有站在黑板前授课的教师。学生上午通过电脑完成数学、阅读等核心课程，下午则参与体育、演讲、编程及各类实践活动。校方表示，这种安排能让学生以传统学校两倍的速度掌握知识。
更引人注目的是其费用。据《科学美国人》报道，Alpha School多数校区的年学费在4万至7.5万美元之间。即便如此，这套以AI和个性化学习为核心的体系，仍吸引了不少愿意尝试新教育方式的家庭。
然而，当这所学校逐渐成为AI教育的明星案例时，质疑也随之而来。10月23日，《纽约时报》发布调查报道，揭示了Alpha School部分内部学习数据与其宣传的“学习速度翻倍”存在差距。
同时，前学生对学习管理方式的描述，也让外界开始重新审视这所学校。当AI承担起原本属于教师的教学任务，学习真的能变得更高效吗？而这样一所收费高昂的学校，又能否将其模式推广到更广阔的教育市场？
Alpha School的故事始于2014年。
学校在美国得克萨斯州奥斯汀创立，联合创始人MacKenzie Price认为，传统课堂存在明显问题：几十名学生坐在同一教室，按相同进度学习，但每个人的理解能力和知识基础各不相同。有的学生早已掌握内容，却仍需等待他人；有的学生尚未理解知识点，课堂已进入下一环节。
Alpha School希望通过AI改变这一状况。
在这里，学生不再遵循统一课堂进度，而是通过名为TimeBack的自适应学习系统完成核心学科学习。系统根据学生的答题表现调整内容：若某题反复出错，课程会回到相关基础知识；若学生已掌握知识点，则可继续向前推进。按校方设想，这种方式能减少重复练习，让学生将时间用在真正需要学习的内容上。
因此，Alpha School将每天的核心学科学习集中在上午约两小时内。但这并不意味着学生只需在校待两小时。下午，他们仍需参加体育、公开演讲、编程及其他实践活动。校方希望通过这种安排，让学生既能完成学科学习，又有更多时间发展沟通、合作和解决问题的能力。
随着教学方式改变，教师的角色也被重新定义。
Alpha School将校内负责学生日常活动的成年人称为“Guide”，即指导员。他们不再像传统教师那样讲授数学、英语等课程，而是更多关注学生的学习动力、行为习惯和成长活动。当学生遇到复杂学术问题时，还有远程专业团队提供帮助。
换句话说，Alpha School并非完全取消教师，而是将传统教师承担的不同工作，分配给AI学习系统、远程学术人员和现场指导员。
对部分学生而言，这种变化确实带来了不同体验。CBS在10月22日的报道中采访了Alpha School芝加哥校区的一名学生。他认为，独立使用电脑学习比坐在人数较多的教室里更容易集中注意力。他的父亲也表示，孩子比过去更愿意主动谈论学校生活。
但这套模式并不便宜。
CBS报道显示，芝加哥校区2026年秋季的年学费为5.5万美元。而在Alpha School的其他校区，收费最高可达每年7.5万美元。
这也意味着，Alpha School目前更像是一场发生在高端私立教育市场中的实验。家长购买的不只是一套AI学习软件，而是一种完全不同的学校生活：上午高效学习，下午发展兴趣与能力。
问题在于，这种看似颇具吸引力的安排，是否真的能带来学校所承诺的学习效果？
“学习速度达到传统学校的两倍”，一直是Alpha School最受关注的宣传主张。对家长而言，这意味着孩子可能用更少时间完成更多学习任务；对学校而言，这也是证明AI教学价值的重要依据。
但《纽约时报》10月23日的调查，让外界看到了另一组数据。报道披露，在所涉及的内部统计中，约42%的学生同时在数学和阅读两科达到了学校宣传的“两倍增长”标准。另一组数据则显示，在上一年秋季数学成绩处于全美第50百分位及以下的部分学生中，到冬季实现数学两倍增长目标的比例为37%。
这些数字与学校对外强调的高效率形象形成了反差。当然，42%并不意味着只有42%的学生成绩合格，也不能说明其余学生没有取得进步。它反映的是，在相关统计中，并非所有学生都能达到学校提出的高增长目标。
由于完整的样本规模和原始数据尚未充分公开，外界目前也无法仅凭这些数字判断Alpha School整体教学效果的好坏。但一个问题已经浮现：当“学习速度翻倍”成为学校最重要的卖点时，它是否有足够的数据证明这一承诺能够普遍实现？
事实上，Alpha School一直强调学生在标准化测试中的优异表现。今年2月，学校还公布过基于NWEA MAP测试数据的成绩分析，并借助AI工具解释相关结果。不过，学生成绩较好，并不一定意味着AI教学模式就是唯一原因。
例如，Alpha School的家庭通常具备较强的经济支付能力，学生也可能拥有不同的学习基础和家庭支持条件。
学校表示，不会单纯依据过去的考试成绩筛选学生，但仍会关注申请者是否适合这种学习方式。因此，要判断AI究竟带来了多大帮助，还需要将这些学生与条件相近、就读传统学校的学生进行比较。这也是教育研究者对Alpha School提出的重要质疑。
此外，争议并不只集中在考试成绩上。今年9月，教育研究者Benjamin Riley根据前学生访谈发布调查。部分受访者称，学校曾利用软件或摄像头追踪学习行为，并通过严格的任务管理和激励机制督促学生完成学习。
科技媒体Futurism随后报道了这些指控。需要说明的是，这些描述来自部分前学生的个人经历，目前不能据此认定所有Alpha School校区都存在相同情况。
但它们仍然引出了一个值得关注的问题。
当学生每天的大量学习活动都发生在电脑上，系统不仅能够记录他们做对了多少题，还可能掌握学习时长、答题速度和任务完成情况。这些数据可以帮助学校发现学习问题，却也让学生隐私、学习压力以及日常管理方式受到更多关注。尤其对于年龄较小的学生而言，学习不仅是完成任务和掌握知识，也需要交流、鼓励和情绪支持。
AI可以根据答题情况调整课程，但学生为什么失去兴趣、为什么感到困惑，有时并不能只靠数据判断。因此，Alpha School真正需要证明的，不只是学生能否在两小时内完成课程，还包括这种学习方式能否长期保持稳定的效果。
尽管争议不断，Alpha School并没有放慢扩张的脚步。
据《得克萨斯论坛报》与ProPublica今年9月联合发布的调查，Alpha School已经在美国多个州布局私立校区，并在得克萨斯州加快扩张。学校显然不满足于只服务少数高收入家庭，而是希望将自己的教学方式推广到更多地区。
从商业角度看，这套模式有着清晰的扩张思路。传统学校需要教师按照班级组织课程，而Alpha School则希望通过统一的软件系统提供核心学科学习，再由各校区的指导员负责学生管理和实践活动。
如果系统能够稳定运行，课程和技术便有机会在不同学校之间重复使用。相比每开设一所学校就重新组建完整的学科教学团队，这种方式在理论上具有一定的扩张优势。但真正进入更大的教育市场后，问题也会变得复杂。
今年9月的联合调查披露，与Alpha模式有关的一所亚利桑那州特许学校，在申请阶段曾预计，首年英语和数学达到熟练水平的学生比例分别为65%和60%。然而，报道援引的初步州测评结果显示，实际比例分别为28%和10%。
需要注意，这组数据只涉及相关特许学校的阶段性表现，不能代表Alpha School所有私立校区的教学水平。但它至少说明，同一种教学模式进入不同学校后，实际结果可能存在明显差异。高收费私校与普通公共教育环境之间，本就有着不小的区别。前者可以吸引认同其教育理念、具备较强支付能力的家庭；后者则需要面对学习基础、家庭背景和支持需求各不相同的学生。
对部分学生来说，自主使用电脑学习可能更有效率；但对于需要更多面对面讲解、督促和帮助的学生，这种方式未必同样适用。
此外，学校扩张也远不只是复制一套软件。即使核心课程由AI系统提供，新校区仍然需要场地、管理人员、安全保障和学生服务。软件研发、技术维护及远程学术支持同样需要持续投入。
目前，Alpha School尚未公开足够完整的财务数据，外界难以判断这种模式能否真正降低学校运营成本，也无法仅凭校区数量增长就认定其已经实现规模化盈利。
政策环境同样影响着扩张。据调查报道，得克萨斯州教育委员会此前曾否决Alpha School的特许学校申请，但多数符合条件的Alpha私立校区随后进入州教育补助项目的可选学校范围。这为部分家庭选择Alpha School提供了新的可能，却不意味着学校的教学效果已经得到官方认可。
当AI教育从少数家庭的选择走向更广泛的学校市场，企业需要面对的也不再只是家长是否愿意付费。课程是否符合当地要求、不同学生能否获得足够支持、学习数据如何保护，以及公共资金是否得到合理使用，都将成为影响其发展的现实问题。
对于整个AI教育行业而言，Alpha School的尝试仍然具有参考价值。过去，AI更多被用于答疑、批改和个性化练习，主要承担辅助教学的工作。而Alpha School正在尝试更进一步：让技术成为核心学科学习的主要载体，并重新安排教师、学生与学校之间的关系。
这种探索的确为传统教育提供了新的思路。但从辅助教师，到承担学校的核心教学任务，AI需要证明的东西也在增加。它不仅要让学生学得更快，还要让不同基础的学生真正学得会；不仅要在少数校区取得成绩，也要能够适应更广泛的教育环境。
Alpha School已经展示了AI改变学校运作方式的可能性，但“每天学习两小时”的故事能否成为一种可持续的教育模式，仍然需要时间和数据回答。
对于这所不断扩张的AI学校来说，比开设更多校区更有说服力的，或许是一份能够经得起长期检验的成绩单。
本文来自微信公众号 “多鲸”（ID：DJEDUINNO），作者：徐苗苗，36氪经授权发布。
从版本环境看，14.18版本加强了前期小龙争夺的权重，控龙率成为胜负关键。BLG在前15分钟平均领先1.2k经济，而JDG更擅长中期团战翻盘。本场BO5的胜负手将围绕第一条小龙与峡谷先锋的归属展开。
交手记录显示，两队近六次交锋BLG取得4胜2负，但最近一次在2026年夏季赛JDG以2比1获胜。历史数据仅作参考，临场BP与选手状态仍是最大变数。
阵容变化方面，BLG在季后赛阶段固定了打野Xun的首发位置，其盲僧与猪妹的胜率均超过70%。JDG则尝试了上单轮换，新人Sheer在训练赛中表现出色，但大赛经验不足。
赛后复盘来看，BLG在决胜局通过换线策略规避了JDG的强势对线组合，并利用先锋撞掉中路一塔，滚起雪球。JDG在劣势局缺乏有效的防守反击手段，这是他们需要调整的方向。
林晓梅
发布于2026年9月27日 17:30选手状态方面，BLG下路Elk近五场KDA高达6.8，对线期场均压刀23；JDG中单knight使用飞机与沙皇的胜率分别为67%与75%。中路对线将是决定前期节奏的核心变量。