十分认同项立刚在凤凰卫视一虎一席谈里辩论时的一个看法，他说英语分两种英语，一种是通用英语，一种是专业英语，我们的学生学的都是通用英语。通用英语最大的作用是交流和交流，最好是有语言环境，并没有语言环境，彻底可以用科技手段平替，而专业英语，也不是每个美国人或英国人都在学习，只有专业的人才会去学习。而现在我们学习英语的目的是什么呢？为了升学，为了考证，为了评职称，已经背离了用于沟通交流的初衷。


如果把英语看成一种“人力基础设施”，事情就容易看明白了。过去没有智能手机，没有大模型，更没有随身实时翻译，一个人想直接获取海外信息，就得自己搭建这套基础设施，背单词、练听力、练口语。几十年前这笔投入很划算。可到了2026年，机器正在接管其中相当一部分重复劳动，人的时间成本当然要重新计算。
9月4日，谷歌继续升级Translate实时翻译，已经可以处理70多种语言，而且超过三分之一的实时翻译会话持续5分钟以上。这个数字比“翻译准确率又提高几个百分点”更值得注意，因为它意味着用户开始把机器用于真正的持续交流，而不是查一个单词、问一句路。Android甚至允许锁屏以后继续翻译，技术已经从应急工具走向常驻助手。
同一天的柏林IFA2026上，一家来自深圳的企业时空壶发布W4PlusAI翻译耳机。它干的事情很直接：面对面聊天能翻，打电话能翻，开会能翻，看多媒体内容也能翻。过去跨语言沟通需要第三个人坐在旁边做翻译，现在中国企业正在尝试把这个“第三个人”塞进两只耳机。这背后的变化，远比英语培训市场多了一件电子产品更重要。
苹果的路线同样说明问题。AirPods的LiveTranslation已经支持AirPods4主动降噪版、AirPods5、AirPodsPro2、Pro3和AirPodsMax2等设备，配合支持AppleIntelligence的iPhone，可以把对方的话直接转换后送进耳朵。语言转换正在被操作系统、手机和耳机吞进去，未来它甚至可能不再被消费者当成一项独立功能。
这就产生了一个过去教育体系很少遇到的问题：当计算器普及以后，我们没有要求每个人继续苦练算盘；导航普及以后，也没有要求所有司机背下整座城市的道路。AI翻译成熟以后，英语当然不会消失，但英语能力内部会重新分层。能被机器廉价替代的部分，其社会溢价必然下降，难以被机器替代的部分反而会越来越贵。
真正不能被替代的是专业门槛。一个芯片工程师看到英文数据手册，困难往往不是不知道某个单词是什么意思，而是不理解时序、电压、架构和工艺；一个人工智能研究人员读英文论文，真正拉开差距的是能不能发现模型设计的问题。英语只是信息包装，专业知识才决定你有没有资格判断包装里面装的是什么。
因此我赞成项立刚观点中的一个核心区分：通用语言能力和专业语言能力不能混成一锅粥。但这里还得往前走一步。专业英语不是简单地“多背一些专业单词”，而应该建立在专业能力上。中国学生未来更值得训练的，是拿到一篇英文技术文档后，能够借助AI迅速理解、交叉验证并发现翻译错误，而不是脱离专业场景追求漂亮口音。
英语教育真正应该警惕的，也是这种错位。一个孩子花十几年学习英语，如果最后留下的主要成果是做选择题、记固定搭配、研究考试技巧，那投入产出比就值得讨论。AI时代最稀缺的东西已经不是“知道information是什么意思”，而是面对海量information，知道哪条是真的、哪条重要、哪条能够转化成自己的能力。
更值得中国关注的是，语言技术本身正在变成产业竞争。9月，印度理工学院马德拉斯分校孵化的BodhanAI推出4个开放模型，覆盖语音识别、语音生成、机器翻译和OCR，目标就是构建印度多语言教育技术体系。这件事很有启发性：印度并没有因为英语使用广泛，就放弃本土语言AI，反而在利用人工智能降低不同母语之间的知识门槛。