我的观点：未来不是人和AI竞争，是会用AI的人和不会用AI的人竞争。
这篇属于“AI行动”专栏里的课堂观察。我想用第一人称记录：当AI真正进入科创课堂时，孩子不是少思考了，而是把时间从重复操作里释放出来，用在更关键的判断和迭代上。
如果你走进獾乐机器人冠军俱乐部的教室，你会看到这样一幕：
一个10岁的孩子坐在电脑前，屏幕上不是游戏，而是一个3D建模软件。他对着麦克风说了一句："帮我设计一个格斗机器人的铲形前装甲，长度12cm，宽度8cm，要有45度倾角。"几秒钟后，AI生成了三个设计方案。孩子选了一个，开始微调参数。
隔壁的工位上，另一个孩子正在对AI说："帮我写一段代码，让机器人检测到前方20cm有障碍物时自动后退并左转45度。"AI生成了一段Python代码，孩子读了一遍，说："这里延时太长了，改成500毫秒。"
这不是科幻电影。这是2025年獾乐教室里的日常。
机器人项目的第一步是设计。
过去，一个孩子学会用Fusion 360或Tinkercad做3D建模，至少需要几十个小时的入门训练。而且很多孩子"脑子里有画面，手上画不出来"——空间想象力和手绘能力之间的鸿沟，往往在第一步就劝退了很多人。
现在的AI工具可以做到：
1. 文字生成设计方案
孩子用语言描述："我需要一个能容纳两个电机和一块Arduino主板的底盘框架。"AI根据描述生成3D模型的初步方案。
2. 参数化建模辅助
孩子告诉AI："轮子直径要65mm，轴距120mm。"AI自动生成对应的结构模型，让孩子在3D软件中直接导入使用。
3. 设计优化建议
AI分析孩子的设计文件，给出建议："这个支撑结构的厚度只有2mm，可能不够牢，建议增加到3.5mm。"
这不是AI替孩子设计，而是AI帮孩子把想法变成模型。孩子的角色从"操作员"升级为"设计师和决策者"——决定方案、调整参数、优化结构。
这个过程中，孩子学到的不是"怎么操作软件"，而是更底层的工程能力：
机器人的灵魂是控制程序。
一个完整的机器人控制程序，需要处理传感器输入、电机控制、逻辑判断、通信协议等多个模块。对于中小学生来说，从零开始写几百行C++或Python代码，难度相当大。
1. 功能代码生成
孩子说："我要做一个自动避障的程序，使用超声波传感器，距离小于30cm时停止并右转。"AI生成完整的代码框架，孩子只需要理解逻辑、调试参数。
2. 代码解释与教学
AI不只是给代码。孩子可以追问："这里的if else是什么意思？""为什么delay(500)是半秒？"AI会针对每一行代码解释作用和原理。
3. 调试助手
当代码报错，孩子把错误信息丢给AI："error: 'Servo' was not declared in this scope"，AI会告诉他："你忘了引入Servo库，在代码最前面加上 `#include
代码生成不是重点。重点是孩子在这个过程中学到的：
我经常说的一句话是："AI帮孩子写代码，但代码背后的逻辑是孩子自己想的。" 如果一个孩子能用AI帮自己写出一个避障程序，说明他已经理解了避障的原理和控制流程。这就跟算盘一样——算盘是工具，但懂数学的人才能用好算盘。
机器人竞赛不是"谁力气大谁赢"。赛场上胜负的关键，往往在赛前已经决定了——在方案设计阶段。
1. 赛事规则分析
一份VEX机器人竞赛的规则书可能有30多页，密密麻麻全是条款。AI可以在几秒内提取核心规则、得分点、扣分项、限制条件，并生成简明的"战术要点"。
2. 对战策略生成
输入对手的机器人特点（驱动方式、武器类型、底盘高度等），AI可以模拟多种对战情形，推荐最优策略。
3. 数据复盘
赛后，AI分析比赛录像，统计机器人每个动作的用时、位置、效率，找出改进空间。
2024年，獾乐一位11岁的学员在备战格斗机器人比赛时，遇到了一个典型问题：机器人总是翻倒。
传统做法是老师带着孩子反复调试、反复测试。但这次，孩子做了一件不一样的事——
他拍了三段机器人翻倒的视频，让AI分析原因。AI分析后指出：机器人在高速前进碰撞时容易前翻，重心位置和装甲角度是主要因素。
AI给出了三个优化建议：
1. 将重心后移15mm（调整电池和电机位置）
2. 前装甲角度从50度减小到35度
3. 加装两个小支撑轮防止前翻
孩子和老师一起评估方案，经过几轮调整后，机器人的稳定性大幅提升。这个过程让我更确信：AI真正有价值的地方，不是替孩子做决定，而是帮助孩子看见更多可能性。
关键点：孩子不是让AI代替自己思考。孩子是先提出了"为什么总翻倒"这个正确的问题，然后用AI作为分析工具来寻找答案。
AI+科创的价值，远不止于"用工具提高效率"。它是一个完整的能力培养系统：
未来10年，学会和AI协作可能是最重要的工作技能之一。
在使用AI做机器人项目的过程中，孩子学会了：
这些就是AI素养的内核——不是会用多少个AI工具，而是能不能让AI为你所用。
与AI协作做机器人项目，本质上是一个完整的工程流程：
```
定义问题 → 拆解任务 → 设计解决方案 → 用AI加速执行 → 测试验证 → 迭代优化
```
这个流程本身不依赖任何特定工具。它是一种思维习惯——面对任何复杂问题，都用这种方式去解决。
很多人担心AI会扼杀创造力。但在獾乐的实践中，我看到的是相反的情况。
AI处理的是"脏活累活"——生成基础模型、写代码框架、整理规则书。这些工作原本占据大量时间，但有了AI后，孩子可以把更多精力放在真正需要创造力的部分：设计思路、策略创新、细节打磨。
AI做"粗活"，人做"细活"——这才是最优分工。
最后，用我常说的一段话来收尾：
"未来不是人和AI竞争，是会用AI的人和不会用AI的人竞争。"
这个逻辑在科创领域尤其成立。
两个同样聪明、同样努力的孩子，一个会用AI辅助设计、会用AI调试程序、会用AI分析竞赛数据；另一个只会靠自己。一年后，他们的差距不是几倍，而是几个量级。
但这不意味着"直接用AI替代学习"。
我在多年的教学中摸索出一条边界清晰的规则——
AI可以辅助理解，不能替代思考。
AI可以加速执行，不能替代决策。
AI可以提供方案，不能替代选择。
当一个孩子说"AI帮我设计了机器人"，这没问题。但当他说"AI替我想了方案"——这就越界了。
科创教育的目标从来不是让学生做出一个成品。目标是让学生在"做"的过程中，获得思考的能力、解决问题的能力和面对未知的勇气。
AI是加速器，不是终点线。
让孩子学会用AI，但永远不要让AI替孩子思考。