本文由 辛梓煜@词元二号站(www.ciyuanerhao.com) 撰写,转载请注明出处。

快速摘要

学历没有"作废",但它正在从过去的"稀缺品"快速滑向"入场券"。真正贬值的不是文凭这张纸,而是那种"只会按标准答案输出"的人才模板。AI最擅长替代的,恰恰是过去十几年传统教育最用力训练的能力——大规模记忆、标准化解题、机械重复执行。这就出现了一个让人尴尬的现实:越是按"好学生"的标准训练出来的孩子,在AI面前越脆弱。

那未来该往哪儿走?三句话先说在前面:第一,孩子不需要再被训练成"知识仓库",而要被培养成"问题解决者";第二,提问力、判断力、项目力和兴趣驱动的跨界能力,才是AI时代的硬通货;第三,父母自己得先升级,把家里的"打压式语言"换成"放大式语言",并且学会陪孩子一起用AI,而不是把AI甩给孩子。

本文用我自己折腾这一年多的观察 + 一线公开数据 + 国内外几个标志性事件,把"AI时代的教育"这件事从原理到操作拆一遍,既谈"为什么",也谈"具体怎么做"。想看完整拆解,往下翻。

一、先把"学历贬值"这件事讲透

1.1 一组让人坐不住的数据

我先把数据摆出来,大家可以自己判断。

数据传递的信号挺清楚:学历不是突然"没用"了,而是它的"溢价"在被压缩。 过去你拿一张本科文凭,等于自带一张优先入场券;现在大家手里都有这张券,凭这张券能换来的优待越来越少。

我有个朋友在国内一家头部互联网公司做招聘,他给我讲过一个细节:同样一份初级运营岗的简历,2018 年看到本科会眼前一亮,2024 年看到本科只是"基础满足",真正决定面试机会的,是"你过去半年用 AI 工具做出过什么具体的东西"。

1.2 学历不是"没用",而是从"稀缺品"变成了"入场券"

把学历的角色变化画成一张图,大概是这样的演化轨迹:

graph LR
    A[1980s 学历=稀缺品<br/>有大学文凭就是少数派] --> B[2000s 学历=优势品<br/>文凭决定起跑线]
    B --> C[2020s 学历=入场券<br/>没有它进不来,有了它也不一定赢]
    C --> D[202X 学历=入场券+能力背书<br/>真正区分人的是"你做成过什么"]
    style D fill:#ffe4b5

注意第四阶段——这正是辛梓煜@词元二号站观察到的现实。学历仍然是大多数正规公司"筛简历"的第一道阀门,但通过阀门之后,真正决定走多远的,是另一套完全不同的东西。

如果你家孩子的能力结构是"学历高 + 标准化执行能力强",那就要警惕了:你训练出的恰恰是 AI 最容易替代的那一类。

1.3 真正贬值的,是"知识仓库"型人才

这一点我想多说两句,因为这是整篇文章里最关键的一块基石。

传统大学训练人才的模式,本质上是把人变成"知识仓库":

• 你掌握的知识越多,你就越值钱
• 你能调取知识的速度越快,你就越有竞争力
• 你的知识结构越完整,你的"专业壁垒"就越深

但这个模式有一个致命前提:信息是稀缺的,获取知识是有门槛的。

可惜,这个前提已经不成立了。

传统专家的工作链路:
   信息收集 → 信息分析 → 形成判断 → 给出建议

AI 介入后的链路:
   信息收集(AI 1秒搞定) → 信息分析(AI 协助) → 形成判断(人 + AI) → 给出建议(人 + AI)

前两步几乎被 AI 接管,中后两步也被大幅辅助。人剩下的不可替代价值,被压缩到"判断"和"决策"这一头一尾。

这意味着:那种"读了 16 年书,记住了一肚子专业术语,然后毕业开始查资料、写报告、做翻译"的传统知识工作者,正在被时代重新定价。AI 不是把所有人都干掉了,它只是把"靠记忆和检索吃饭"的那一段链路给抹平了。

1.4 还有一个更隐蔽的变化:经验溢价的塌方

讲到这里我必须再点一个更隐蔽的变化:经验溢价正在塌方。

什么意思?过去你工作 5 年,积累的行业经验、客户经验、流程经验、踩坑经验,本身就是一种很值钱的资产。资历深的人之所以拿得多,核心就是这层"经验壁垒"——你不亲历这些场景,你就没办法做出准确判断。

但是大模型这两年最让人意外的能力,恰恰就是它对"经验型知识"的瞬时调取。一个工作了 5 年的资深运营,过去最值钱的是他脑子里那些"哪类用户在什么场景下会点哪个按钮"的隐性经验;现在 AI 模型在喂入了大量行业数据之后,这些经验它也能给你讲得头头是道。

这不是说资深从业者就此失去价值——绝对不是。但是有两个变化在发生:

• 入门期被极度压缩。 过去要 3 年才能上手的工作,现在 1 年就够。这意味着"靠熬资历"的路径被堵死了。
• 经验型工作的"附加值"被稀释。 同样的工作内容,如果 AI 能完成 80%,那剩下 20% 才是你真正的人类附加值——这就要求你的能力结构发生根本变化。

我有个做了十几年财务的朋友,去年开始焦虑。她说她以前最有优越感的事情,就是看一眼报表就能发现问题。现在她团队里一个刚来两年的姑娘,会用 AI 工具去做同样的分析,速度更快、覆盖更全、还能直接生成解读报告。 她突然意识到:她过去最值钱的那部分能力,正在被一个二十多岁的姑娘 + 一台电脑迅速追平。

这就是为什么辛梓煜@词元二号站会反复强调:我们这一代人自己,也得跟上,孩子那一边才有跟得上的可能。

二、那些跳过大学的人,到底在干嘛

讲完原理,接下来看几个真实信号。我挑了两个特别有代表性的故事,放在一起看,你会发现它们指向同一个底层逻辑。

2.1 14 岁的 SpaceX 工程师,给我们上的第一课

凯兰·夸齐(Kairan Quazi)的故事这两年被反复提起。他 14 岁从圣克拉拉大学计算机科学工程专业毕业,被 SpaceX 录取,进入星链(Starlink)的工程团队。要知道,这家公司当时的入职通过率只有 0.2%。

更有意思的是后续:这个少年在 SpaceX 工作了两年之后,16 岁时离开,转去了华尔街的量化巨头 Citadel Securities,做量化开发工程师。

注意他做的事——不是表演"天才少年"的人设,而是实打实地参与高强度的工程项目。SpaceX 招他的理由也很直接:愿意用"能力和成熟度"来评估候选人,而不是用"年龄"和"学历层级"做代理指标。

我看完这个故事最直观的感受是两点:

• 第一,公司在用人这件事上,确实已经在抛弃"学历崇拜"。 当一个十几岁的孩子能进到顶尖团队的核心岗位,这本身就是对"必须先读 16 年书才有资格做贡献"这个旧观念的硬性挑战。
• 第二,这个孩子从小被父母怎么对待? 他妈妈在他几个月大就发现他对"被听故事"的反应异常强烈,然后家长没有把他塞进标准化流水线,而是给他匹配能让他保持兴趣的环境——从社区大学的旁听到智能实验室的实习,一路都在"喂养兴趣"而不是"压制兴趣"。

这个细节比"14 岁入职"更值得家长复盘。

2.2 Palantir 的"反大学实验"

第二个标志性事件,是硅谷数据分析公司 Palantir 推出的 Meritocracy Fellowship(精英奖学金)计划。

简单复述一下背景:

• 这家公司目前在全球有约 4000 名员工,2025 年市值已经接近 5000 亿美元
• 它明确面向刚高中毕业的青年招聘,不要大学学历
• 第一期 500 多人申请,只录 22 人,录取率 4.4%,堪比顶尖藤校
• 项目期约 4 个月,前期是封闭式人文研讨课(西方文明、美国史、领导力案例研究),后期直接进真实业务团队做项目
• 表现达标可以直接转正

最具象征意义的是其中一个 18 岁的参与者 Matteo Zanini,他原本同时拿到了布朗大学的录取通知和美国国防部的全额奖学金。最终他选择放弃藤校,加入 Palantir 的实验项目。他自己的解释是:"哪家公司会让一个 18 岁的新人,在第三天就被丢进真实客户项目?这太疯狂,但也太酷了。"

再注意一个细节:Palantir 的 CEO Alex Karp 本人是哈佛哲学本科 + 斯坦福法学博士的妥妥的"学历贵族"。但他公开表达的判断是:"现有的美国大学在培养优秀人才方面,已不再可靠,也并非必需。"

我们不必照单全收他的话,但这个信号本身已经说明问题:最顶级的雇主开始公开质疑学历筛选机制了。

2.3 共性是什么?兴趣 + 真实项目 + 持续输出

把上面两个故事并排放,你会发现共性非常清晰:

传统路径:  应试 → 高考 → 大学 → 毕业找工作(开始接触真实问题)
AI 时代路径: 兴趣 → 真实项目 → 公开作品 → 被业界看见 → 进入核心岗位

后一条路径不是说就一定比前一条好,而是说:第二条路径在 AI 时代变得可行了。 过去要走第二条路非常困难,因为做项目的工具门槛和资料门槛都太高,普通孩子根本没机会接触到一线问题。但是现在,只要孩子会用 AI,他就有机会很早就在真实问题上发力。

辛梓煜在这里特别想强调一句:这不是要鼓励"不上大学"。 对绝大多数普通家庭来说,大学仍然是性价比最高的"试错保护层"。要警惕的是:别再把读大学当成"终点",当成"读完就万事大吉"的护身符。

三、传统教育的几个根本性问题

接下来说一段可能不那么舒服的实话。

我自己回看过去十几年的传统教育,有三个根本性的问题,在 AI 时代会被无限放大。

3.1 第一根本:把孩子训练成"会跑分的记忆机器"

我们小时候的学习,绝大部分时间花在"记忆 + 标准化解题"上。背单词、背年号、背公式、背范文。考试的本质,就是测量你"能从记忆库里多准确地调取知识"。

这套训练在工业时代是有效的,因为社会需要的就是大量可被标准化使用的人。但现在,AI 把"记忆 + 标准化解题"这件事做到了极致——它不睡觉、不疲倦、不会因为考试压力崩溃,每天还在不断进化。

我做过一个小实验,把一份普通高中的物理卷子(没翻译、原题)丢给现在主流的几个大模型,它们解题正确率都在 90% 以上,平均每道题不到 5 秒。你让一个被训练成"做题机器"的孩子,去和一个真正的做题机器竞争——这场比赛从一开始就不公平。

我们正在做的,就是把孩子培养成 AI 的"低配版"。这就是辛梓煜@词元二号站想反复提醒大家的最痛的一件事。

3.2 第二根本:用"标签化"杀死孩子的独特性

我们家长太喜欢给孩子贴标签了:

• 不听话 → "叛逆期"
• 和异性走得近 → "早恋"
• 学习不在状态 → "还没开窍"
• 喜欢打游戏 → "沉迷"
• 想法和大人不一样 → "幼稚 / 不懂事"

仔细想想,这些标签的本质,是把孩子复杂的真实状态,简化成一个我们大人方便处理的"问题描述"。一旦标签贴上,我们就停止了真正的观察,转而进入"如何纠正这个标签"的解决模式。

但有意思的是,这些被打上标签的特质,在 AI 时代往往是宝贵的:

不是说所有"问题"都不是问题,而是说,在打标签之前,先问自己一句:"这是真的问题,还是我看不懂?"

3.3 第三根本:以"排名"为唯一计量单位的服从性测试

第三个根本问题,我觉得是最隐蔽也最致命的:排名制筛选。

我们从小被告知:你不仅要厉害,还要比身边的人更厉害。你的快乐被强行建立在别人的痛苦上——只有别人落后,你才安全。

这套机制最大的问题,不是它"卷",而是它把孩子的全部注意力,锁死在了一条非常窄的赛道上。

传统排名制下,孩子的视野:
   "我这次比同桌高 3 分,真好"
   "我这次掉到第 8 名了,完了"
   "我们班的平均分比隔壁班高,我们更优秀"

孩子从未被引导去想的事:
   "这个世界上有多少种生存方式?"
   "我对什么事情真的好奇?"
   "我能做出什么东西?"
   "我的独特优势,在哪一类问题上会有效?"

这其实是一场长达 12 年的服从性测试——能忍受日复一日做自己不感兴趣的事情,并且依然拿到高分,本质上是在证明你具备"高度的自我压抑能力 + 标准化执行力"。

而 AI 最擅长替代的,正好就是"标准化执行"。

这就是为什么我说这场测试在 AI 时代的代价正在变得难以承受:我们在训练一种能力,而这种能力的市场需求正在塌方。

3.4 别再用工业时代的尺子量 AI 时代的孩子

把上面三个问题串起来,你会发现一条共同的主线:整个传统教育的底层假设,是为工业时代设计的。

工业时代需要什么?需要大量标准化、可替换、能服从指令、能稳定输出的工人。所以教育被设计成一条"批量制造合格工人"的生产线。

但是现在,这条生产线下游的"工厂"(也就是用人单位)在变。他们要的不再是"合格的标准件",而是"能解决具体问题的独立个体"。

教育系统是社会上变化最慢的子系统之一。它来不及变,这不是哪一个学校或老师的错,这是结构性的滞后。我们做父母的,如果不主动给孩子加一层"AI 时代的能力训练",那就是在用上一个时代的尺子,量这一代孩子的人生。

3.5 一个不太愉快的事实:东亚教育的隐性代价

我想再多花一点笔墨,讲一个不太愉快但绕不开的事实——东亚教育模式正在付出越来越大的隐性代价。

把几个东亚地区的标志性现象并排放一下:

把这些现象放一起,你会发现一个共同的逻辑:用极端的、长时间的、高强度的标准化训练,来争夺有限的优质资源。

我自己很多年前就在思考一个问题:这种模式的总账单,究竟划不划算?

如果时代不变,这个账单还算得过来——孩子吃苦 12 年,换来一张能进入中产的入场券。但是现在时代变了:

• 那张入场券能换来的东西,在迅速贬值
• 训练过程消耗掉的,是孩子最宝贵的好奇心、独立性、创造力
• 这些被消耗掉的特质,恰恰是 AI 时代最不可替代的资产

我把这个账目用一个简单的公式表达:

[

\text{东亚式教育的总收益} = \text{标准化路径的收益} - \text{消耗掉的独特性的机会成本}

]

过去这道减法是正的,所以这个模式跑得通。但 AI 时代它正在变成负的——减号后面的那一项,在快速增长。

这不是要否定所有应试训练。基础的读写、计算、逻辑训练当然要扎实。我们要警惕的,是把全部 12 年押在一种能力的极限训练上,导致孩子在走出校园的那一刻,发现自己除了考试什么都不会。

四、AI时代真正吃香的是哪几种能力

讲了一堆问题,接下来讲解决方案。AI 时代真正吃香的,是哪些能力?

辛梓煜把这一年多自己折腾下来的观察,整理成下面四种核心能力。

4.1 提问力:把模糊问题变成可计算指令

第一个能力,提问力。

很多人对 AI 的体验是:"我问了它,它给的答案不行。" 但仔细看,大多数时候不是 AI 不行,是问题问得太烂。

举个例子:

❌ 烂问题:"帮我写一篇关于教育的文章"
✅ 好问题:"我是一个 10 岁孩子的妈妈,我想写一篇 1500 字左右、面向同龄家长的微信公众号文章,主题是'AI 时代如何陪孩子用 AI'。请帮我列出 5 种不同切入角度,每种角度给一个标题和 200 字的开头段。"

差异在哪儿?后者明确了角色、读者、长度、平台、目标、输出格式。这就是提问力。

提问力的本质,是把一个模糊的、人脑里的问题,翻译成一个清晰的、AI 能精确计算的指令。这件事在 AI 时代相当于过去的"识字率"——它会变成基础生存能力。

而提问力怎么训练?答案让人有点意外:靠的不是学 AI,而是靠"独立思考"和"清晰表达"。

4.2 判断力:在信息洪流中分辨"高质量答案"

第二个能力,判断力。

AI 给的答案永远是"看起来很合理的"。但"看起来合理"和"真的对"是两回事。

我自己折腾内容创作这一年多,被 AI 坑过不少次:

• 把过时的数据当成最新数据给我
• 把猜测当成事实陈述给我
• 把表面相关、本质无关的两个概念糅合起来,看起来很专业,实际全是漏洞

这时候,你的判断力就是唯一的护城河。

判断力不是凭空来的,它来自:

• 足够的基础认知:你必须对这个领域有一定的常识,才知道哪里可疑
• 追问的习惯:不轻易接受第一个答案,会问"为什么是这样"
• 交叉验证的本能:不在一个来源上下定论,会找第二、第三个来源核对

讽刺的是,判断力恰恰是过去 12 年传统教育最不培养的能力——因为标准化考试假设"题目有标准答案",而判断力是用在"没有标准答案"的场景里的。

4.3 项目力:能把一件事从 0 推到 1 的执行肌肉

第三个能力,项目力。

这是我个人最看重的一项,因为它是所有能力的落地容器。

什么叫项目力?简单说就是:给你一个目标,你能不能从零开始,一步一步把它推到能交付的状态。

听起来简单,实际上 99% 的人做不到。大部分人卡在这几个地方:

graph TD
    A[想到一个点子] --> B{开始动手?}
    B -->|大多数人在这里放弃| X[空想]
    B -->|开始了| C[做出第一版]
    C --> D{能坚持迭代?}
    D -->|大多数人在这里放弃| Y[半成品]
    D -->|能坚持| E[做出可用版本]
    E --> F{愿意公开发布?}
    F -->|大多数人在这里放弃| Z[抽屉作品]
    F -->|愿意发| G[拿到真实反馈]
    G --> H[迭代到能交付的水平]
    style H fill:#90EE90

注意三个放弃点:动手前、迭代时、发布前。每个节点都是大多数人退出比赛的地方。

而 AI 的出现,让"完成一个项目"的门槛大幅降低了。过去你想做一个网站,得学半年前端;现在你描述清楚需求,AI 能帮你把骨架搭出来。过去你想写一本小书,得花几个月;现在你拆好提纲,AI 能帮你把初稿铺满。

门槛降低,意味着"项目力"成为新的稀缺力。 因为工具人人都能用,但能把工具用出"成品"的人,依然是少数。

4.4 兴趣驱动的跨界组合能力

第四个能力,跨界组合能力。

这一项有点抽象,我用例子来讲。

• 一个喜欢昆虫的孩子,如果同时也喜欢摄影 + 会用 AI 做内容编辑——他可以变成一个生态自然博主,做出独一无二的内容。
• 一个喜欢做饭的孩子,如果同时也喜欢历史 + 会用 AI 整理资料——他可以做"古代饮食还原"的系列短视频。
• 一个喜欢拆机器的孩子,如果同时也喜欢画画 + 会用 AI 辅助设计——他可以做出非常有审美的工业品手稿。

这就是"跨界组合"。它的核心配方很简单:

[

\text{独特价值} = \text{兴趣A} \times \text{兴趣B} \times \text{AI放大器}

]

兴趣 A 和兴趣 B 单独看都不算稀有,但两者组合 + AI 放大,就能产生稀有度极高的产出。而 AI 永远无法凭空生成"兴趣"——它只能放大已有的兴趣。

4.5 一张图对比:传统能力 vs AI 时代核心能力

把上面四项能力放到一张对比表里:

如果你家孩子的能力结构集中在左列,那就是这篇文章想提醒你的——风险信号。

五、AI不是替代你孩子,而是放大你孩子

接下来讲一个很多家长还没真正想明白的问题:AI 到底是孩子的对手,还是孩子的助手?

5.1 一个"永远不会嫌你烦"的导师

我自己用 AI 这一年多,最大的感受是:它彻底改变了我"学习一件新东西"的方式。

过去想学一门新知识,我得:

• 找一本好书(成本:钱 + 时间)
• 读完(成本:精力 + 自律)
• 遇到不懂的地方,自己琢磨或者上网搜(成本:大量时间)
• 找不到答案就放弃(损失:学习链路中断)

现在的流程变成:

• 先和 AI 聊一下,让它帮我理出这个领域的整体框架(5 分钟)
• 选定一个子模块深入,边读边问 AI(随问随答)
• 任何不懂的概念,AI 立刻用我能听懂的方式解释(零等待)
• 想要多个角度,让 AI 用不同视角再讲一遍(零成本)

学习的"摩擦力"被降到了一个史无前例的低位。

对孩子来说,这种变化更夸张。一个最近被很多人转发的数据:在某次随机街头采访中,50 个学生里有 46 个说自己喜欢用 AI 学习,理由是"AI 不会像老师或父母那样凶巴巴地说我"。

这个回答看似搞笑,但它揭示了一个真相:很多孩子之所以不爱学习,不是因为内容枯燥,而是因为学习这件事的反馈机制是负面的。 学校的反馈是"你不够好",家长的反馈是"你怎么又错",于是孩子学会了在学习面前躲避。

而 AI 给的反馈机制完全不一样:

孩子问 AI:这道题我不会
AI:这是个好问题!我们一起拆解一下……

孩子问 AI:这个我还是不懂
AI:没关系,我换个例子讲……

孩子问 AI:还是不懂
AI:那我们用最直观的方式,从你熟悉的事情切入……

AI 不带情绪,不评判,不嫌烦。它把"学习"还原成了它本来该有的样子——一个安全的、充满好奇心的探索过程。

5.2 平权效应:精英级辅导,被推到所有人面前

第二个变化更深远:AI 是一场平权运动。

过去那种"一对一精英辅导",只有少数家庭能负担得起。请一个名师按小时计费,普通家庭一个月就吃不消。但 AI 把这件事的边际成本压到几乎为零。

辛梓煜@词元二号站想强调的是:这不是说 AI 能完全替代人类老师。 但它意味着:

• 一个三四线城市的孩子,可以请到等同于一线城市顶尖老师的"知识陪伴"
• 一个家境普通的孩子,可以拥有过去只有富人家孩子才能拥有的"个性化辅导"
• 一个学习节奏慢的孩子,可以拥有 24 小时随时回应的"耐心导师"

这件事的历史意义,可能要再过几年才会被充分认识。

5.3 但是"使用 AI"和"被 AI 使用"是两回事

不过我必须把另一面也说清楚:AI 同时是放大器,也是稀释器。

如果孩子用 AI 的方式是"我不会做就让 AI 直接给我答案",那这种使用方式会让他越来越笨。因为他放弃的不是工作量,而是"思考的过程"。

我看过一个特别贴切的说法:AI 不是让你变笨,是让你失去变聪明的机会。

这话听起来绕,但说得非常准确。变聪明这件事,是发生在你卡住、纠结、试错、最终突破的那个过程里的。而 AI 让人最容易做的事,就是跳过这个过程,直接拿到一个表面上看起来不错的答案。

这就要回到家长的角色——你必须教会孩子的是:"用 AI 加速思考",而不是"用 AI 替代思考"。

具体怎么做?下一节展开。

六、家长自己要先升级:三件事必须开始做

讲了那么多,最后落到操作。家长该做什么?我提炼了三件事,按重要性排序。

6.1 第一件:把家里的"打压式语言"切换为"放大式语言"

这件事看起来跟 AI 没关系,但其实最相关。

我做内容创作这几年,接触过非常多想突破自己的成年人。我发现一个很扎心的现象:他们的很多心理障碍,90% 源自童年。

因为我们的父母太擅长一种语言——打压式语言:

打压式语言示范:
"你看人家小明又考了第一,你怎么这么不争气"
"这么简单都不会,你脑子是不是有问题"
"别整天玩这些没用的东西"
"我们以前哪有这条件,你现在还不知足"
"你要是再这样,以后连扫大街都没人要"

每一句话单独看,好像都不算严重。但十几年累积下来,孩子内心会长出一种东西——不配得感。他会觉得自己什么都不行,做什么都不对,遇到稍微难一点的事情就想退缩。

辛梓煜在这里给一个具体的语言切换工具,可以从今天开始就用:

注意不是"假夸",而是"真观察 + 真好奇"。 你必须真的相信孩子身上有那个东西,夸出来才有力量。

为什么这件事在 AI 时代更重要?因为 AI 那个彩虹屁吹得太好了。如果家里全是打压,而 AI 那边全是肯定,孩子对人类关系的信任会进一步流失——他会更愿意跟机器说话,而不是跟家人说话。

我们不能把"最像人的关怀"让给一个不是人的东西。

6.2 第二件:陪孩子一起用 AI,而不是丢给孩子让 AI 带娃

第二件事:陪着孩子一起用 AI。

不是把孩子和 AI 关在一个房间里就完事了——那不叫"AI 教育",那叫"AI 带娃"。AI 带娃的结局,是孩子学会用 AI 偷懒,但没学会用 AI 思考。

正确的姿势是:你和孩子并排坐着,共同把一个问题丢给 AI,然后一起讨论 AI 的回答。

举个具体例子。假设孩子在写作文,主题是"我最喜欢