文章说『答案变便宜了』，这个便宜有多夸张？2017 年调用一次早期大模型，每百万字符成本约 20 美元；到 2026 年，同等规模降到 2 美元以下，降幅 90%。达沃斯论坛嘉宾指出，成本曲线陡降后真正的门槛不再是算力，而是『谁有场景、谁有数据』——算力变成水电基础设施，差异化转向应用层。理解这个数字量级，才能看清文章提出的『提问价值超过答案』到底是乐观预期还是必然趋势。

《时代》杂志将『人工智能的缔造者』评为 2025 年度人物，社论写『无论问题是什么，人工智能都是答案』。但另一边，中国青年网报道 AI 大面积嵌入学习后出现『认知外包』危机：青年遇到问题第一反应是打开对话框，适度的『认知摩擦』——思考、推理、跌倒了再爬起来——正在消失。有人在深圳建成大湾区 AI 『模力营』催生新岗位，有人说豆包误导创业导致投资者血本无归。同一个技术，一方看到答案被解放，一方看到问的能力在退化。

Gartner 高级首席分析师 Nitish Tyagi 预测，到 2028 年 AI 编程的成本将超过普通开发者的平均薪资。核心驱动力不是模型变贵，而是计费模式从订阅制转向按用量计费 + 开发者天然『重速度轻成本』的行为惯性。同时，Token 定价缺乏透明度、上下文窗口过度膨胀、Agent 不受控自主操作等治理缺失正在推高开支。这个信号直接回答了文章『写代码变便宜，证明它正确变贵』的工程化命题——贵的不只是人工审查，连 AI 本身的用量在失控前都可能先『贵过』它替代的人。

文章的核心判断『答案变便宜，提问和判断变贵』在教育领域有一个尖锐的落地版本：如果 AI 能完成博士级别学术任务，学生还需要背公式、记年代、写 800 字作文吗？中国青年网报道指出『认知摩擦』——即思考中遇到的阻力——才是成长必需的训练，而 AI 正在把这种摩擦彻底抹平。真正值得追问的不是『AI 能不能当老师』，而是：当标准答案一键可得，教育的价值从『传递知识』转向『训练提问题的眼光和承担错误的勇气』，这个转换具体怎么落地？