一份追蹤26811名中國中學生、時間跨度30個月的研究，端出了一組互相打架的數字：用生成式AI寫作業，作業成績漲了18%，單次作業耗時從64分鐘壓到45分鐘；但半年之內，同一批學生的月考成績卻掉了20%。
這篇論文題為《The Generative AI Learning Penalty: Evidence from Chinese Secondary Education》，作者是斯德哥爾摩大學的David Strömberg，以及香港大學的Victor Lei、Yanhui Wu，今年6月以CEPR討論稿DP21577發表，《經濟學人》在8月18日的圖表專欄裡把它重新攤開講了一次。樣本涵蓋中國華中地區7到12年級（國一到高三）學生，資料從2022年9月採集到2025年6月，期間約八成學生表示用過生成式AI。
兩年後帳才結清
短期數字看起來都很漂亮。作業成績上去了，時間也省下來了，從家長和學生的感受來看，這是一筆明明白白的效率改善。
但把時間拉長到兩年，另一組數字浮現：中考（中國的高中入學考試）成績下降24%，高考（大學入學考試）下降18%。研究把損失依科目拆開，社會科學掉得最兇，其次是STEM與語言類；依族群拆開，國中生、原本成績靠前的學生和男生受影響最大。
原本成績靠前的一組掉得更多，這一點比總量本身更扎眼。一般直覺是成績好的學生更懂得用工具，實際結果卻相反——他們原本就是靠高強度的自主練習換取分數，一旦這部分被取代，損失的絕對值反而最大。
省下來的時間去哪了
粗略算一筆帳：每次作業省19分鐘，以一年200個上課日、每天一次計算，一年約可省下63小時，兩年就超過100小時。研究並未追蹤這些時間流向了哪裡，但它明確指出另一件事：AI的個人輔導效果與省時效果同時存在，兩者相加仍然沒能撐住考試成績。
換句話說，問題不在於孩子偷懶。作業本身作為一種練習被跳過了——推導過程、試錯、卡關之後再想辦法，這些原本要在閉卷考場上重現的動作，在有AI輔助的作業流程裡並未發生。作業分數衡量的是產出，考試分數衡量的是能力，這兩個指標之間的落差，第一次被拉得這麼大。
研究者同時舉了一個反例：把AI用在主動學習上的大學生，測驗得分更高，一週後的記憶保留效果也更好。差別在於使用方式，不在於工具本身。
免費訂閱正朝反方向推進
時間點湊得有些微妙。同一個月，Google剛給符合資格的學生開出一年期Gemini免費方案，OpenAI推出了面向青少年的ChatGPT版本，中國國內幾家廠商的教育端產品也在開學季密集鋪貨。研究裡點名的工具，正是這批產品的中國同行——截至2025年6月，在使用AI的學生中，豆包（Doubao）占47%，DeepSeek占36%，ChatGLM占14%，文心一言（Ernie Bot）占9%，Qwen占8%。
監理端已經有國家做出相反的選擇。挪威從8月起禁止6到13歲學生在校使用AI，理由與這份研究指向的是同一件事。
這篇論文不太可能改變廠商的行銷節奏，畢竟學生市場的獲客成本與留存價值擺在那裡。但它至少把討論從「AI到底有沒有幫助學習」，推進到了「哪種用法有幫助、哪種用法有害」這個層次。要區分這兩者，需要老師能看見學生的作業過程，而不只是結果——這恰恰是目前作業系統最不擅長的事。
參考來源：CEPR討論稿DP21577、CocoLoop、《經濟學人》圖表專欄、南華早報；作業成績與考試成績的漲跌幅度、樣本數與工具占比，均已依論文原始數據核對。