CMU 把全美第一的计算机课搬上了 YouTube:免费的是「看」,不是「学」
目录
- 凌晨三点,6,200 个人在看同一堂课
- CMU 是谁:计算机系第一名,和一笔 5 亿美元的礼物
- AI 怎么把一学期的课剪成 YouTube 视频
- 被保留下来的,是教室里真实的提问
- 「看」是免费的,「学」有价目表
- 25 年后的 MOOC 第二幕:这次多了一个 AI 家教
- 16 个视频,3 门课,2 门今天首播
- 教室里那个位置
凌晨三点,6,200 个人在看同一堂课
凌晨三点零二分,我点开一个叫 @CMULearn 的频道。
排在前面的不是宣传片,是一门课的第一讲。标题规规矩矩:「CMU Principles of Computing (Spring 2026) | Lecture 1: Programming …」。上传时间:一天前。播放量:6,200。
6,200 不算大数字。一只网红猫一晚上能到六百万。但这是一门「计算原理」——讲程序怎么在内存里被表示、函数怎么被调用、整数怎么悄悄溢出——大学一年级基础课的一个小时。凌晨三点,六千多个人在看它,绝大多数人不会拿到这门课的学分,连教材都不会买。
这件事的背景是:11 月 16 日,卡内基梅隆大学上线了一个叫 CS Learn 的站点。首页只有三句话,讲完了全部的克制:
Computer science from Carnegie Mellon. Free, online, at your pace.
Free lectures now on YouTube. Free courseware coming next.
免费、在线、按自己的节奏。讲座已经在 YouTube 上,课程资源即将到来。
同一天,这条链接在 Hacker News 上拿到两千多分。评论区近三百条,吵的不是「值不值得看」,而是「为什么只有 YouTube」「字幕什么时候有」「能不能拿去训练模型」。
CMU 是谁:计算机系第一名,和一笔 5 亿美元的礼物
先说量级,否则「免费课」三个字听起来像某个培训机构的引流话术。
卡内基梅隆的计算机科学学院,常年和 MIT、斯坦福、伯克利一起被塞进「美国计算机四个名字」的句子里。在 CMU 自己那篇新闻稿的相关报道栏里,标题写得很直白:在 U.S. News 的排名里,CMU 的计算机科学拿了全美第一。
这个学院现在的全名是 Kenneth C. Griffin 计算机科学学院,Griffin 是 Citadel 的创始人肯·格里芬。同一栏里另一条标题是:「5 亿美元的捐赠,将推动卡内基梅隆计算机科学的下一个时代。」
把这两件事放在一起看:全美第一,一笔 5 亿美元的捐赠。然后它决定把课堂录像免费放出来。
这不是一所学校心血来潮的公益。这是一个刚刚拿到巨额捐赠、排名在最前面的学院,决定把「课堂」这件东西,从校园里的稀缺资源,变成互联网上的公共品牌资产。
这个前提决定了后面所有的商业模式选择——不是「没钱所以凑合」,是「有钱所以可以这么玩」。
AI 怎么把一学期的课剪成 YouTube 视频
CS Learn 不是从零开拍的。
负责它的是 Phillip Compeau:计算生物学系的教学教授,兼「计算教育创新」的助理院长。这个想法在他脑子里放了几年。在 CMU 的 Tepper 商学院读 MBA 时,他就在自己那届的课上提过:如果能把学院的课放上网,让更多人看见,会怎样。那届同学的反应是压倒性的正面。
真正让它落地的是一个更省钱的入口:软件与社会系统系(S3D)本来就有一个摄制组,常年录学院里最抢手的几门课,给在校生用。这些录像以前从不外流。
现在,这批存货被重新剪了一遍。
剪的人不是 Compeau 的团队,是一个学生组织:ScottyLabs。他们做了一个 AI 辅助系统,把摄制组的原始课堂录像,自动处理成适合在线看的版本:画面跟着教授走,讲到哪张幻灯片就切到哪张;任何出现在画面里的学生脸,都会被处理掉;处理完的课,在原始讲座结束后的「几周内」上线。
Compeau 在新闻稿里的原话是:
「我们拿一门尖端课程、或者一门基本没别处教的课的录像,免费放出来。这会带我们去一些我们从未考虑过的地方,把我们放到那些原本永远没机会来 CMU 的人面前。」
注意「几周内」。一门课在教室里讲完,几周后全世界都能看到。这个速度,以前只有盗录能实现。
被保留下来的,是教室里真实的提问
CS Learn 有一个细节,比「免费」两个字重要得多。
官方新闻稿是这么写的:CS Learn 独有的问答功能,会保留课堂上学生真实提出的问题,以及教师的回答。这个元素把观看者放进 Griffin 学院正在发生的讨论里。
翻译一下:你在视频里看到的问答,不是教授对着镜头自问自答,也不是剪辑师写好的「常见问题」。是那间教室里,某个学生当场举手问出来的东西。包括问得不好的、问偏了的、把教授问住的那几秒。
这为什么重要?
因为过去十五年,所有「把大学课堂搬上网」的尝试,断掉的地方都不是录像质量。MIT 的 OpenCourseWare 从 2001 年就免费放课程材料,讲义、作业、考试题全给。Coursera、Udacity、edX 在 2012 年把 MOOC 这个词推上神坛,斯坦福的一门课注册几十万人。
然后完成率长期停在个位数到十几个百分点。原因不复杂:一个人对着屏幕看课,卡住的地方没人回答。论坛里全是同样卡住的人在互相问。助教就那么几个,学生几十万,排队排到学期结束。
「课」这件事,从来不只是讲。是讲完之后,有人举手说「这里我没懂」,然后有人回头把它讲明白。
CS Learn 的问答功能,是这个环节的一次录播化:它把「有人提问」这个动作,提前录进了视频里。你不必自己举手,但你能看见别人举手时发生了什么——包括教授停下来想了两秒才答上来的那段。
「看」是免费的,「学」有价目表
现在看页面下半部分。大部分人只会看上半部分,然后关掉。
CS Learn 的路线图,官方自己写得很清楚,三层:
- 现在:讲座放在 YouTube 上,免费。
- 接下来:自定进度课程资源(self-paced courseware)——「基于 CMU 真实课程打造的学习单元,即时反馈,赢取徽章」。
- 然后:AI 辅导(AI tutoring)接入课程资源——「帮你一步步理清问题、卡住时把你解开」。
再往下,同一页的「Ready for more?」区块,列了四条路:
- 想更深 → 去 Griffin 学院看科研;
- 想要官方凭证 → 通过 CMU Online 修有评分的课,拿一份 credential;
- 想培训团队 → SCS Executive Education,把 CMU 的计算机课搬进你的公司;
- 想读学位 → 申请匹兹堡校区,当全日制学生。
一家科技媒体的总结比我说得直接:徽章和凭证的追加销售,就明明白白写在免费层里——这同时也是一个漏斗。
我不觉得这是阴谋。大学本来就要活下去。MIT 的 OpenCourseWare 开放了二十五年,没有因此倒闭,反而成了全世界最成功的教育品牌投资之一。但把这条路径看清楚,对学习者有用:
免费层给的是内容。付费层卖的是验证——验证你学过、验证你会、验证你是「CMU 的人」。
而在 2026 年,这两样东西的价格,正在朝相反的方向走。
25 年后的 MOOC 第二幕:这次多了一个 AI 家教
国内科技媒体在报这条新闻时,用了一个很准的对照:「类似 25 年前的 MIT 开放课程 OpenCourseWare」。
2001 年,MIT 宣布把自己的课程材料免费放上网。二十五年后,CMU 做的是同一件事的另一半:不是放材料,是放课堂本身——教授的声音、板书、被学生问住的瞬间。
这中间隔着的是 MOOC 的第一幕。2012 年,Coursera、Udacity、edX 三家同时起跑,全世界一度以为大学要完了。然后数据出来:完成率长期在个位数到十几个百分点之间。大部分人的学习曲线,终止在第一周的视频缓冲圈里。
MOOC 第一幕的失败,常被归因于「自制力」。我不太信这个解释。更朴素的原因是:看视频是单向的。你不知道自己懂没懂,直到考试;而考试在六周后;六周后你已经忘了自己是哪一天放弃的。
第二幕不一样的地方,是 AI 辅导被写进了路线图。
一个随时能回答「这里为什么是这样」的家教,边际成本接近于零。教与学这件事里,最贵的从来不是内容,是有人在你卡住的那一刻在场。一对一学费贵,贵在「在场」;大课便宜,便宜在「不在场」。
CS Learn 的 AI 辅导还没上线,页面上的状态是「即将融入课程资源」。但方向已经很清楚:把「在场」从人力成本,变成算力成本。
这也是为什么,2026 年做免费课,比 2012 年做免费课,账算得过来。
这套路数在国内并不陌生。中国大学 MOOC、学堂在线这些平台,十年来一直是同一个结构:课程免费看,测验免费做,想要一张带认证的证书,付钱。区别只在于,CMU 把「免费」那一端做得更彻底——连课堂上的提问、和教授被问住的那两秒,都一起给了。国内平台的问答区,还大多是学生自己在下面互相贴。
还有一层不那么显眼的原因:视频这东西,今年变得比往年便宜了。剪一条一小时的课,过去要一个剪辑师盯两天;现在一个学生组织写套 AI 流水线,删掉人脸、对齐幻灯片、切出问答段落,批量跑。省下来的不是钱,是「做不完」这个借口。
16 个视频,3 门课,2 门今天首播
说完页面,我数了一遍这个频道。
@CMULearn 现在挂着 16 个视频。真正在上课的,是 3 门,每门 3 讲,共 9 讲:
| 课程 | 编号 | 已上线 | 第一讲播放量 |
|---|---|---|---|
| Principles of Computing | 15-110 | 3 讲 | 6,200 |
| Machine Learning with Large Datasets | 10-605 | 3 讲 | 4,700 |
| Principles of Software Construction | 17-214 | 3 讲 | 371(上传 2 小时) |
另外 7 个:5 门待首播的预告位,加两支「欢迎来到 CS Learn」。
时间线是这样:11 月 17 日(周二)首播 17-214 软件构建原理和 15-442 机器学习系统;11 月 18 日(周三,今天)首播 17-635 软件架构和 17-643 质量管理;11 月 19 日(周四)首播 11-768 AI 智能体和 17-645 生产环境中的机器学习。频道上标注的时间是 09:00 和 14:00。
一周之内,六门课的第一讲,一天两门。
页面说,讲课教师来自「七个系」。我把首发名单的课程编号前缀数了一遍:07、10、11、15、17——五个。剩下两个系,大概在明年 1 月那批里,或者更后面。这不矛盾:「七个系」形容的是整个学院的家底,首批只端出了五个系的菜。
顺带一个观察:这批里最像「AI 时代基础设施」的两门——15-442 机器学习系统(陈天奇和贾志豪)和 11-768 AI 智能体(Daniel Fried 和 Graham Neubig)——都是把「造工具的人」直接请来讲工具怎么造。CMU 在这件事上的家底,确实厚。
教室里那个位置
回到凌晨那 6,200 个人。
他们看的是同一段视频:一个教授站在黑板前,讲整数怎么溢出,讲一个变量在内存里占几个字节。没有剪辑出来的爽感,没有「三分钟带你入门」的标题党,讲到中间还会停下来,回答一个问得有点蠢的问题。
这些人里,绝大多数不会拿到 CMU 的学分,不会把这件事写进简历,也不会因此涨薪。他们只是想知道,那件事到底是怎么发生的。
而这整套东西——课堂、提问、回答、徽章、证书、学位——被 CMU 明明白白地摆成了一条从免费到收费的路。你可以在第一个路口停下,也可以一直走到最后一个。没有人拦你。
唯一的问题是:走到最后一个路口,你真正要的那个东西,到底是「知道」,还是「被承认知道」。
如果是后者,那它从来就没免费过。
评论(0)
暂无评论,来写第一条吧~