摘要

Alpha School 的核心主张是：孩子每天只需用2小时专注学习，就能达到学业表现前1%的水平，随后用4小时培养自己看重的人生技能。 Joe Liemandt 表示，在 AI tutor 将每个学习者的成功率维持在80%-85%的情况下，掌握一个年级的一门学科通常需要20-30小时。学生得到的交换条件很简单：真正投入，换回「时间」。
Liemandt 叙述中真正具备投资价值的护城河，不是聊天机器人，而是与激励系统结合的学习科学引擎。 他认为，只有5%-10%的孩子会自然投入 Khan Academy 等产品，因此即使 EdTech 足够优秀，没有激励也很难奏效。Alpha 的设计从「别浪费我的人生。别浪费我的12年」出发，再通过个性化节奏、竞争、金钱或下午的兴趣活动维持投入。
Elad Gil 警告，在学校里不受约束地使用 ChatGPT 会造成实际伤害，因为大多数学生会用它逃避学习。 他说：「它是作弊机器人，不是聊天机器人。」Liemandt 认同当前形态很糟糕，并认为 AI 并没有消除记忆事实和写作的重要性：批判性思考需要事实，而「写作就是思考」。
取消课堂讲授，改变的不只是教学法，也包括学校的劳动经济学。 Alpha 向 guides 支付至少10万美元，负责提供动机和情绪支持；个性化教学则交给软件完成。Guides 要对孩子爱上学校、学习效率达到2倍以及人生技能负责。由于个性化学业不再取决于班级规模，更大的小组反而可以支撑薪酬更高的 coaches。
商业切入口，是已经足够庞大的私立教育市场，再叠加不断扩大的择校资金。 Liemandt 提到，美国私立学校市场规模超过500亿美元，德州每年教育支出达1000亿美元，即将推出的德州 voucher 约10亿美元，联邦层面可能提供的 voucher 则达到2000亿美元。Alpha 有意维持高价，但新模式的收费区间为1.5万-2.5万美元，低端价格低于公立学校平均生均支出。
Alpha 接受外在激励，只要它能帮助孩子养成习惯、修复自我信念，或为创造活动提供资金。 初中生达到某一学科前1%，可以获得1000美元；也可以通过面向儿童的 Robinhood 账户投资真实资金，或资助全青少年百老汇音乐剧等兴趣项目。Liemandt 最有力的论点是：奖励即使花光，也可能打破「我不够聪明」的信念。
规模化机会巨大，但采用风险同样巨大。 Liemandt 表示，99.9%的家长一开始都会反对放弃「老师站在教室前面」的模式，而 Mackenzie Price 花了2年才说服他。公立学校转型可能需要10年。他说自己已经投入「第一个10亿美元」作为种子资金，但预计重建教育需要数千亿美元、1万栋建筑、严格试验，以及整整一代建设者。

精读

1. GenAI 将一次家庭实验变成服务10亿儿童的野心

Liemandt 的起点，是高中时写的一篇 AI 论文，当时他断言神经网络距离实用还有「几十年」；之后他进入 Stanford、辍学创业，打造出他所称的90年代第一个卖到10亿美元的 AI 产品。在企业软件领域工作25年后，GenAI 让他相信，神经网络终于可以规模化改造教育，而不只是改善一所本地学校。
起初，他拒绝让自己的孩子进入 Alpha，因为没有课堂老师的应用看起来不可信：「所有人都知道，好学校等于好老师。」Mackenzie Price 花了2年才说服他，这也揭示了这门生意现在面对的行为壁垒：在足够庞大的社区证明替代方案之前，家庭仍会选择熟悉的学校模式。
出任校长不是礼仪性职位，而是一次产品调研。Liemandt 想从头了解五年级学生的冲突、家长投诉、校舍、同伴群体和成人支持：如果家庭仍然把孩子送到一个共同地点，那么这12年教育应该如何重新设计，才能「释放人类潜能」？

2. Alpha 用2小时高强度学习，换回孩子的时间

Alpha 最初的核心承诺来自一位早期联合创始人：「孩子必须爱上学校」；而一旦做到这一点，「你对孩子的期待就太低了」。如今 Liemandt 表示，96%的学生说自己喜欢学校；根据假期和近期 workshop 的不同，有40%-60%的学生说自己比喜欢假期更喜欢学校。
五年级学生给出了产品规格。被问到什么会让他们喜欢学校时，他们的答案是「少上点学」；最终，他们接受每天2小时真正投入的学业，再换来「4小时精彩时光」。Liemandt 的团队随后必须把学业负担压缩进这段双方谈妥的时间，同时确保学习能够长期保留。
一天从「Limitless Launch」开始，Liemandt 将其描述为儿童版 Tony Robbins；之后是个性化数学、科学、语言和阅读。应用变绿后，下午转向领导力、团队协作、坚毅、创业、金融素养、讲故事、公开演讲、人际关系、体能挑战及其他项目制 workshop。
贯穿始终的逻辑是，学校仍然是一套组合：学业、社交、体育活动、人生准备和托管；只是课堂讲授占用了其中过多时间。产品承诺不只是更快完成课程，而是把一天的大部分时间还给学生和家长认为有意义的活动。

3. 个性化从知识年级出发，而不是年龄年级

Liemandt 的判断非常直接：「年龄年级和知识年级是两回事。」他说，转入 Alpha 的学生即使拿着全 A 的私立学校成绩单，测评结果也可能比所在年级超前1年，或落后3年；B 学生的实际水平可能落后3-7年，甚至有些刚入学的高中生连语法正确的三年级句子都写不出来。
他的安慰性判断是：掌握一个「年级+学科」组合——比如四年级数学——只需要20-30小时。一个看起来落后数百个课堂小时的孩子，可能只需要约60小时的专注学习；每天增加第3个小时，就能在约60天内修复差距。
这套引擎将成功率目标设在80%-85%。成功率达到99%，说明学生已经掌握内容；降到约66%或更低，学生就会失去投入。AI tutor 可以在这个「有趣的挣扎区间」内无限生成支架式辅导，而一名老师面对30个准备程度不同的孩子，只能讲同一节课。
Liemandt 不认同把学生直接推到远超能力的难度上来训练坚毅：给他 MCAT 并不能教会他医学知识，但让他退回大一生物可能有用。他认为，同一套进阶路径可以让高中写作能力薄弱的学生先补习更早阶段的内容，再在数周内推进到有机会在 AP Lang 自由回答部分拿到5分的作品。

4. 高标准取代讲授，成为成人工作的核心

Liemandt 认为：「孩子幸福的关键是高标准。」家长愿意接受冠军教练在体育训练中坚持这种标准，却在学业上抗拒；Alpha 的 workshop 重现了被支持的挣扎、失败、眼泪和成功这一循环，其中包括让幼儿园学生攀爬40英尺高的岩壁。
应用负责交付内容后，guides 负责完成优秀老师过去最擅长的工作：让孩子相信自己能完成困难的事。在每次25分钟的学业 Pomodoro 中，guide 可以把一名学生叫到一旁，问问周末或垒球训练的情况，判断他为什么失去投入，而不是继续批改另一份七年级科学测验。
Alpha 向 guides 支付至少10万美元，并要求他们让每个孩子爱上学校、实现2倍学习效果、掌握人生技能。学校会询问学生的 guide 是否改变了自己的人生；初高中生甚至会参与面试候选人，更倾向于选择那些能让自己变得更好，而不只是让学校变得更轻松的成年人。

5. 激励是基础设施，金钱只是可用工具之一

时间是最强的奖励。Liemandt 将 Alpha 与一所 AP 和 Ivy League 升学路线高中对比：后者每天需要6小时课堂学习，再加4小时作业；如果给同一个学生每天2-3小时学业学习，同时让他获得通往1550分以上 SAT 和多个 AP 5分的路径，并拥有4年完整的下午去做有意义的事，那么「你付多少钱都无法匹配这种解脱感」。
Guo 担心，贴纸、排行榜、现金和返还时间可能会挤出内在动机。Liemandt 的回答是绝对的：「事实根本不是这样。」不同学生需要不同触发器；培养日常习惯，或打破一种限制自我的认知，比维护理想化的动机纯洁性更重要。
Alpha Bucks 从幼儿园开始运行，构成一套用于赚取、储蓄、消费和捐赠的经济系统。年龄更大的学生达到某一学科前1%后，可以获得1000美元，再通过面向儿童的 Robinhood 账户进行投资；允许真实亏损，因为模拟账户会诱发没有后果的 YOLO 式行为。
最典型的案例是 Liemandt 的小女儿。她原本认为进入前10%就够了，并认定姐姐才是「聪明的那个」。一场1000美元购物赌局让她冲到前1%；之后她告诉母亲，真正持久的奖励是意识到，只要「我付出努力」，自己也能达到姐姐的水平。

6. 这套模式把失去投入和诊断问题视为系统性结果

Liemandt 认为，美国按时间推进的教育进度制造了「瑞士奶酪式漏洞」：不会分数，代数就会变难；不会代数，化学就接不上。他声称，高中生的中位数成绩在4年里只提高了300分制中的1分，而约处于99分位的学生每年可以提高约6分。
他提出的修复方案叫「100 for 100」。不愿回头复习四年级内容的七年级学生，会为了100美元主动参加三年级 Texas STAAR 测试；他们不断前进，直到拿到75分或85分，再由 AI 生成缺失的课程。Liemandt 认为，每个孩子投入400-500美元，国家就能修复基础，并证明掌握程度取决于努力，而不是某种固定的「聪明孩子」身份。
对于 ADHD、dyslexia、IEP、药物治疗和青少年心理健康，Liemandt 只是谨慎表示，在现有体系内，这些诊断未必过多。他更强的判断是：当孩子不必每天无聊地坐6小时，而是获得个性化内容和以行动为核心的下午时，很多困难会呈现出不同面貌。
有一场 workshop 将价值观图表、日本 ikigai 和每周168小时的时间核算结合起来。一名想要成就非凡人生的女孩发现，自己的时间表指向的却是成为「最强 TikTok 刷屏者」；Alpha 对初中阶段的目标，是通过提供时间和结构化机会，把消费者变成创作者。

7. 私立学校和 voucher 构成第一个可规模化市场

Alpha 的设计前提是「价格不是问题」，但低成本品牌会调整下午的活动组合。体育学院需要场地和教练；资优学校则使用机器人、Math Olympiad、书籍和学术 enrichment。当前变体的收费约为1.5万-2.5万美元，另一个计划中的模式是 Montessori。
个性化并不意味着只有一种文化模板。Liemandt 的大女儿愿意全天学习，还为 STEM 学生设计了基于方程式的写作；小女儿则希望尽量少学术、拥有数百万 TikTok 粉丝、经营人际关系并做创业项目。早上的掌握式学习，会为每一种孩子都换回更多能激励自己的下午时间。
经济模型之所以改变，是因为软件可以完成学业个性化。Liemandt 表示，他询问过的高中 guides 更愿意把小组规模扩大1倍，换取收入翻倍和更出色的 coach；收费1.5万美元的体育模式，已经接近德州1万-1.1万美元的 voucher，家长每月只需额外承担400-500美元。
Liemandt 明确希望出现以「使命和金钱为目的」的营利性公司。TimeBack 将把学业系统打包，让建设者围绕它打造不同学校模式；一支 AAA 游戏团队则在开发免费的学习层，相信它可能成为史上最赚钱的游戏——其前提是美国1000万名母亲每月支付100美元，换取孩子达到前1%-5%的结果。

8. 不受约束的 ChatGPT 会削弱 AI 所需的知识基础

Elad Gil 的警告毫不含糊：如果给学生 ChatGPT 做常规学业，「90%的人会用它作弊」。他说：「它是作弊机器人，不是聊天机器人。」Liemandt 认同当前形态很糟糕，并表示系统应该围绕学习科学重建，而不是简单部署 ChatGPT。
「写作就是 prompting」是危险的捷径；Liemandt 的反驳是：「写作就是思考。」学生在写作过程中重组知识，而批判性思考不可能脱离储存的事实运行。希望孩子什么都不知道却能很好推理的家长，实际上是在要求一个没有事实基础、只能产生幻觉的人类版 LLM。
乘法表是他最清晰的学习科学案例。如果7×8在解决高级问题时仍然占用工作记忆，学生就会因认知超载和粗心错误而「注定失败」。AI 可以更快植入事实——就像「Neo 上传 Matrix」——但它无法消除长期知识结构的必要性。
他认为，大多数 EdTech 忽视了这套科学，随后向 ARPU 很低、流程无休止的官僚体系销售。其正面案例是 Math Academy：掌握四年级数学需要28小时，五年级需要26小时，六年级和七年级需要22小时；背后还有一份他所称的500页学习科学说明。

9. 公立学校采用需要证据、激励和长期投入

Liemandt 预计公立学校转型需要10年，因为这套教育组合承载着彼此冲突的社区诉求。家长可能会为一所失败的学校辩护，因为那里的老师曾改变过大孩子的人生；校长则无法只优化一个结果，因为每个家庭对学业、人际关系、托管和社区身份的权重都不同。
他的政策诉求是，在百万学生规模上对教育开展「药品级随机对照试验」。早期公立项目聚焦 MTSS Tier 3 学生——也就是后10%——因为学校在这一层有更大灵活性；但即使软件有效，也仍然需要礼品卡、游戏或其他参与理由。「如果你解决不了激励，所有这些 EdTech 都没有意义。」
Liemandt 表示，他已经投入「第一个10亿美元」作为种子资本，而重建教育可能需要数千亿美元和1万栋建筑；各国也可能希望拥有主权 LLM，教育会是其核心应用之一。他最后的招募话术带有个人色彩：担任校长3年后，改变下一代带来的满足感是「10倍」的，而他预计这会成为「我人生中最好的20年」。

Stripe 的支付基础模型：数据与基础设施如何创造复利优势（Emily Sands）NVIDIA向OpenAI投资1000亿美元，“三倍两倍”已死？