MacKenzie Price

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。”

🔗 原始收听与视频来源： 这家4000万美元的AI公司，正用AI导师每天教2小时｜#233

Alpha School 的核心押注是，AI 可以把基础学科学习压缩到每天2小时，同时让人类把工作重心上移到激励和社会性发展。 学生在25分钟的番茄钟中完成个性化数学、阅读、语言和科学学习，下午转向创业、金融素养、领导力、团队协作和沟通。MacKenzie Price 的说法是，孩子们午餐前就能“学业冲刺完毕”，既没有家庭作业，也没有传统意义上的讲课老师。

Alpha 的成绩数据相当亮眼，但证据仍应打一个选择偏差的折扣。 Price 表示，Alpha 各年级、各学科的成绩都位于第99百分位，唯一例外是五年级数学的第93百分位，并称学生能在2年内从第10百分位提升至第90百分位。她承认，Alpha 是一个年学费通常约4万美元的私立学校网络，存在选择偏差；同时她指出，1万美元的低价选项和正在推出的免费学校，可以扩大样本覆盖。

Alpha 的技术论点远不只是“给每个孩子配一个聊天机器人”。 生成式 AI 围绕每个学生的知识缺口，搭建覆盖 K–8 Common Core 和高中 Advanced Placement 的课程计划；视觉模型衡量准确率、速度、是否阅读讲解以及是否靠猜；未来的课程还可能把学生的“知识图谱”与“兴趣图谱”叠加起来。真正的运营突破，是把原本静态的成绩评估转化为下一步该学什么的指令。

Alpha 想真正占据的瓶颈不是内容传递，而是动机。 Price 认为，一段高质量学习体验中，正确的学习节奏和难度只占10%，动机占90%；因此，学习导师的职责是建立个人连接，而不是解释如何“进一”。Alpha Bucks 让学生赚取、消费、储蓄、投资和捐赠；她为外在奖励体系辩护称，只有“5%的人口”天然愿意为了学习本身而学习。

D. Graham Burnett 认为，即使教师群体仍在防御，AI 已经在瓦解大学的评估机器。 如今的系统已经足够出色地模拟人类分析和表达，生成结果与人类作品难以区分，从而动摇了论文以及教授群体的“警察职能”。他的机会判断是，大学可以放弃让学生跳“卡拉OK舞”、生产劣质学术论文的做法，重新回到塑造“与自由的条件相称的人”。

但 Burnett 认为，大学更可能走向机构衰退，而不是迎来人文学科复兴。 随着家长、学生和管理者围绕学费回报率与就业进行优化，他预计，有价值的人文工作会迁移到传统大学体系之外，由“数千所新学校”提供资金支持，这些学校可能既不提供认证，也不颁发文凭。Princeton、Harvard、Yale 和 Stanford 或许仍能保持辨识度，但许多其他机构必须“变得动态，否则就会消亡”。

想要学习的学生已经在自行搭建适应性学习系统，其响应速度超过许多课程。 一名 MIT 学生用 Gemini 找出先修概念，用 Perplexity 针对每个考试主题进行讲解和测验，直到确认掌握；再让 Gemini 编写 Google Apps Script，把 Notability 备份转成摘要和10道复习题。Casey Newton 认为，分界线在于动机：对于真正想掌握知识的学生，AI 可能是“发生在他们身上的最好的事情之一”。

AI 的普及同时围绕作弊、不平等和技能形成制造了三重风险。 一名学生承认用摘要跳过原书，Kevin Roose 则称 AI 检测器是“彻头彻尾的闹剧”，因为误报可能惩罚原创作品；付费订阅也让更富裕的学生获得更好的答案和更多提问次数。如果计算机科学学位变成4年自动补全，真正的威胁就不只是学得不扎实，而是最终走到 AI 已不再需要毕业生来启动工作的地步。

🔗 原始收听与视频来源： AI学校开课：教育未来的两种观点

Alpha School称，其AI介导的掌握式学习模型在2024–25学年带来的NWEA MAP增幅，是学生预期增幅的2.3倍。 核心学科每年大约只需20–30小时，传统学校则约需200小时；学生整体成绩通常接近99百分位。MacKenzie Price的直白比较是：「按时间组织的课堂就是个笑话。」

这套产品刻意不做面向儿童的聊天机器人，因为Price预计大多数学生会用开放式聊天框作弊。 Alpha的Dash平台会把每名学生导向精选的第三方及自研自适应应用中恰好所需的课程，再分析学习速度、准确率、知识缺口和行为表现。其实现依赖编排、纵向学习数据、应用选择和干预逻辑的组合，而不是单一基础模型。

AI只有在Alpha围绕它重做运营模式后，才带来了可量化的跃升。 Price在2014年创办学校时，自适应应用已经存在，但学生可以「挑课」、回避难度，甚至完全忽略某些学科；2022年引入AI测量和课程规划后，学习速度从预期增幅的约1.5倍升至超过2倍。Alpha同时取消了教师主导的学术教学：「当我们摆脱那种混合环境后，学习速度简直……疯了一样。」

这套模式不是消灭成年人，而是把教师劳动从内容传授转向激励、导师辅导和情绪支持。 Guides对3项结果负责：让每名学生喜欢上学校、在2小时内以2倍速度学习，并发展生活技能。Alpha不拘泥于教育资历，Guide起薪10万美元；面对学习困难的学生，学校将其视为需要诊断的运营失败，而不是一个该被指责的懒孩子。

Alpha并没有用AI降低标准，也没有把学科溶解成无边界项目。 学生仍须完成K–8 Common Core和高中AP课程，包括操练、书写和乘法熟练度；Price认为，储存在大脑中的知识是批判性思维和类比能力的基础。她相信每个孩子都至少能达到90百分位，关键在于合适的节奏和激励，并认为「2小时学习」最终可能变成1小时学习。

当前经济模型仍然是高端定位，但Alpha正在明确搭建价格和分发阶梯。 旗舰学校学费约4万–6.5万美元；特色学校约2.5万美元，1.5万美元学校正在推出。Price称，Brownsville那所社会经济背景混合的校区持续跑赢其他校区。Arizona虚拟特许学校已经获批，Texas实体特许学校正在申请；Price预计AI成本下降后，最终可以支撑一款每年1000美元、基于平板的学术产品。

每天2小时的学术时段创造了第二个产品入口：下午用于生活技能训练和AI赋能的创作。 学生学习创业、金融素养、领导力、体育、机器人、公开演讲和韧性；即使幼儿园学生也会用AI制作书籍、艺术作品、电影、游戏和编程机器。Price对劳动力市场的判断是，学生必须成为「创造者和贡献者，而不只是消费者」，把AI作为探索既有知识边界之外「灰色前沿」的超能力。

🔗 原始收听与视频来源： 2-Sigma用2小时：Alpha Schools如何用AI革新教育