培训AI

AI时代的教育之问Ⅵ：应用生态

2025 年 4 月 12 日

AI技术如何重塑教育生态？企业家视角的深度解析不容错过。核心内容： 1. AI在教学流程中的变革作用与实际应用 2. 教育垂类模型与通用智能体的协同与应用 3. 技术势能转化为教育效能的实际挑战与方法论

教育系统作为社会系统的一个关键子系统，在人工智能技术的驱动下，教育现象变得日益错综复杂，教育动因更加难以解析，教育风险也愈发难以预见。为了有效应对人工智能技术对教育系统的挑战与机遇，必须进行跨学科、跨圈层和跨领域的深入对话。

为此，北京大学教育学院汪琼教授团队与腾讯研究院杨健、孙怡、吴朋阳、张鸿茹等合作，产学研共创AI教育课题组，开展AI+教育思想系列沙龙，旨在推动各方对话，为智能时代的教育提供有价值的思路借鉴和参考。

第6期于2025年3月开展，聚焦“企业家眼中的AI+教育应用生态”，重点关注国内教育领域各类服务企业老总对于生成式人工智能在教育领域深度融合应用的生态观察及其回应行动。以下是观点精编，推荐阅读。

核心要点

1. AI赋能备课、课堂、作业等高频刚需环节，提效撬动教学流程的变革

2. 教育垂类模型通过能力/知识/记忆三重增强，实现价值观对齐与精准教学

3. 通用智能体覆盖基础需求，学科专用体深度适配，但决策权始终归属教师

4. 机器思维链与教学思维链对齐，使AI从工具升级为教学设计协同者

5. 要将技术的不确定性纳入教学设计，使其成为教育过程的有机组成而非外部威胁

6. AI将接管知识传递，能力培养成为价值高地，课程体系需结构性重构

7. "一生一模型"不再是乌托邦，而是多智能体协同框架下可编程的教育公平

8. 将技术势能转化为教育效能，教育科技企业的落地需要一套务实的方法论

9. 教育科技企业在努力破解专业性、安全性和经济性的三角挑战

10. AI作为未来教育生态重构的技术底座，在技术路径选择上存在差异化认知

【参与嘉宾】

刘霄翔希沃软件平台总监（基础教育课堂教学全过程解决方案）

周林晓羊集团董事长兼CEO（基础教育教学平台解决方案）

韩萌科大讯飞教育大模型产品总经理（大模型赋能教育应用)

刘丽西安智园软件开发管理有限公司CEO（高等教育教学平台解决方案）

贾大明新道科技股份有限公司副总裁（应用型本科专业课实践教学解决方案）

靳新北京智启蓝墨信息技术有限公司董事长兼总裁（高校数字教材解决方案）

张震北京网梯科技有限公司董事长兼总裁（高校网络教育解决方案）

曹士勇北京尚睿通教育科技有限公司总裁（教师发展解决方案）

一、现状：教育生态正在如何被重塑？

刘霄翔：

目前，希沃将大模型能力深度植入教学软件应用，解决教学研评管核心流程中的具体问题，同时通过硬件直接部署模型能力，形成软硬件一体的产品，降低使用门槛。例如，在教学流程中，AI正重构备课与课堂场景：课前，帮助教师解决思路构建、教学活动设计、素材查找、排版美化等问题，基于人机协作生成课件和教案；课中，课堂反馈系统借助摄像头和麦克风实时采集数据，分析教师提问有效性，以及课堂互动行为等教学数据，课后，即时提供教学优化建议，辅助教师提升教学能力。此外，内容创作和资源共享环节亦发生变革，结合大模型，并依托学科知识库和系统提示词封装提升专业性，降低教师备课成本，同时支持一键分享至校本资源库，进一步支持形成区域或全国性教育资源共享网络。

张震：

过去的教育依赖于人工生成的教材、题库和教师授课，而现在AI能够自动化生成高质量的教学资源，我们也开发了相应的系统。但我觉得当前AI在教育领域的应用仍处于静态资源优化阶段，比如辅助出题、数字化教材、虚拟教师等，更深刻的变革在于工作流和教学模式的重构，用AI解决更复杂的任务。值得注意的是，AI的“70分效应”已开始显现，即AI在大多数领域的表现已超过普通人的平均水平，这意味着低水平脑力劳动者可能被快速替代，教育行业也不会例外。未来，AI将逐步接管重复性高、逻辑性强的脑力工作，比如作业批改、审批流程等，而人类则转向更具创造性和情感价值的任务。

曹士勇：

AI会重构教育，这种重构有可能是根本性的。过去，学校或教育以知识传授为核心，无论采取何种方式、何类方法，本质上都是将特定知识传递给特定对象。随着人工智能的日趋发达，甚至未来脑机接口等诸多新技术的出现，这种以知识传递为核心的教育职责可能会发生变化。正如课改强调的核心素养，未来教育的重要性可能不再表现为知识的传递，而是更加注重解决问题的能力，AI技术的兴起正推动我们重新审视这一教育的转型方向。

贾大明：

AI技术正在重构教育生态，传统教育产业链的线性结构逐渐被打破，竞争主体从单一教育公司扩展至科技企业、高校研发机构及教育研究所，形成多元竞争态势。例如，科技巨头凭借AI技术直接切入教育场景，颠覆传统交互模式，倒逼传统教育服务商转型。与此同时，AI通过知识生成、代码生成、人机交互优化、智慧运营和范式重构五大场景，实现教育成本的系统性降低和效率跃升。教育数字化进程从“业务上云”向“数据驱动”和“建模赋能”深化，降低知识传递与教学开发的边际成本，同时提升个性化学习效率。AI交互的“人性化”特质（如自然语言对话、角色适配）正在重塑师生关系，推动教育从标准化向精准化、场景化转变。

周林：

大模型的出现彻底颠覆了传统教育软件模式，原来所谓的教育软件叫SaaS（Software as a Service），基座大模型出来以后理念转变为MaaS（Model as a Service），这种变革使"一校一模型、一生一模型"成为可能。由于教育场景的特殊性，基座大模型要落地到教育行业，必须二次训练和调整，形成教育垂类大模型，通过能力增强、知识增强、记忆增强三重优化，结合多智能体协同框架，规避基座大模型的幻觉风险，实现价值观对齐和内容精准性。这种技术突破正在积极助力教育领域的深度变革，为实现减负增效和大规模因材施教提供了强大的技术保障和科学有效的实施路径。通过配置N多个专业智能体协同来支撑复杂的教育场景应用需求，为每一位教师提供教学助手，为每一位学生提供一对一的个性化辅导助手，这种创新不仅重构了教学流程，更对教育公平产生深远影响，无论城市还是农村的学校都可以通过教育专属的智能体实现常态化教学与个性化辅导，实现真正意义的教育公平与优质资源共享。

韩萌：

当前，在技术层面，教育大模型的构建成为核心驱动力，以科大讯飞为例，其通过整合细分领域的小模型，探索混合专家模型架构，构建垂直教育场景的通用大模型，强化教育价值对齐、情感支持及教学评一体化能力，这一路径符合国家对中国版教育大模型的发展要求。在应用层面，智能化工具正从单一功能向学科深度适配转型，科大讯飞与中国教科院合作开发的“高中数学智能教师”以机器思维链和教学思维链对齐为理念，通过解构学科核心问题、子问题及单元逻辑设计教案与课件，并逐步拓展至科学等学科。这种学科属性的深度适配突破了传统工具的功能局限，使AI从辅助工具升级为教学逻辑的协同者。实践成效方面，预期内的是教师备课效率显著提升，尤其在技术迭代导致传统资源失效时，AI工具成为重要支持；预期外的成效是智能化应用反向推动教师专业成长，其是在新课标的理解和教学设计方面，促使教师将AI从“工具”转化为“助手”。

刘丽：

AI 时代的到来，正在弥合传统教育中个性化和规模化之间犹如天秤两端的特性和限制，让「能规模化、个性化的教与学」变得可能。AI对教育生态的重构，涉及学生、教师和教学管理者三大角色的重新定位。首先，学生能借助AI工具、在线资源及多元学习路径自主构建自己的知识体系和学习路径，AI在此过程中同时扮演知识提供者、智能助手和个性化学伴等角色。其次，教师从知识的传递者转向成促使学习发生的引导者、促进者角色，根据学生状态和需要，通过设计分层教学目标、组织学习活动和内容，来聚焦学生深度思维的培养；运用智能分析系统精准识别学生困惑点，实现差异化指导，让不同学生可以得到需要的辅导支持。与此同时，教学管理正在智能化升级，教育管理者借助学习行为数据分析，能够更好推动教育质量的提升。我们和学校及专家团队合作的研究显示，学习兴趣与成绩具有高相关性，教学产品可以从三方面入手，来有效优化学习体验。第一，提供便捷平台工具给教师，让教师能够从重复、机械型的基础任务解放出来，把时间心力聚焦在深入了解、协助学生；第二，引入智能体，通过与学生的互动和调整，识别学生的学习偏好和情况，适时推送适合的学习内容资源；第三，深度的学习分析，整合学生的学习行为数据，为教师和学生提供精准的教学建议与学习指引，提升教学的效率与效果。

靳新：

当前教育生态的重塑已形成清晰的路径分野：在知识传授层面，人工智能展现出显著优势。无论是系统化教材还是碎片化资源，均可通过数字化学习资源体、智能知识库等形式实现高效传递，未来课程和教材的边界愈发清晰，即知识性内容将更多由具备AI系统，且大容量、多模态、智能化的数字教材来承担，实现学生对知识的个性化自适应学习引导和学习评估。然而，能力培养仍是教育转型的关键突破口。课程定位需进行结构性调整：首先确立能力目标为课程核心，将专业人才所需的复合能力拆解为具体能力点；其次构建项目任务驱动的教学框架，通过实践环节设计实现能力转化；同时建立能力导向的评价体系，为每个项目任务设定可量化的评分标准，并与对应能力点形成映射关系，也就是能力图谱。值得注意的是，知识目标并未被摒弃，而是作为能力培养的基础支撑，并通过实践任务完成转化；教师的角色也会发生变化，其核心任务转向设计递进式能力训练项目、搭建实践场景并实施过程性评估。

述评：当前教育生态的变革已超越单纯的技术赋能阶段，进入教育本体论层面的范式重构。这场由大模型技术驱动的教育革命，正在解构工业时代以来形成的标准化教育范式，重塑着教育主体关系、知识生产方式和价值传递路径，形成多维度的生态重构效应。这要求我们超越技术应用的功利视角，在存在论层面思考智能时代的教育本质，不只是用技术改造教育，还要通过教育重塑技术的人性之维。

二、实践：教育科技企业的落地方法论

周林：

我们一方面从人工智能助推教师队伍建设的角度快速开启深度应用体验，面向全国多渠道发起“AI赋能教育陪跑计划”，强化教师实践应用，打造教学应用成果，实现为区域教育变革的深度赋能。由区域政府主导，从每所学校中筛选3-5名骨干教师组建陪跑营，聚焦备课、课堂、学生辅导三大场景。陪跑营是一种培训+陪伴+陪练的工作坊模式，可实现产品的快速落地，有效提升用户价值和理念认知，比如重庆某区用智能体磨出英语、语文示范课，直接展现出常态化应用的可能性。教师培训是核心抓手，需要手把手帮助教师出成果，用教育智能体助力教师打造专业的备授课资源、创新课堂、精准辅导和科学评价，通过大量的优秀成果验证产品能力，进而提升品牌价值。另一方面从打造区域专属教育大模型和全面服务学校赋能师生的角度来深耕教育市场，由区域政府支持建设AI能力中台和智能体中心，学校按需购买技术服务和算力的模式开展。同时为了满足教育行业对数据安全和隐私保护的需求（数据不出域），采用公有云算力与应用服务+本地私有云存储的混合云模式，形成高可靠、高性能、高质量、低成本的整体技术解决方案。

刘霄翔：

希沃的AI产品落地以技术整合、软硬件协同和用户驱动为核心，推动教育科技从概念验证走向真实教学场景的深度渗透。技术层面，希沃采取“1+N+N”的策略，即“希沃教学大模型和多方先进大模型的模型矩阵+N个应用场景+N个智能硬件终端”，混合应用多模型能力。本地模型解决课堂反馈等教学专业问题，三方模型处理相对通用的任务，形成开放的技术生态。在软硬件协同上，课堂反馈系统通过本地部署算力盒，结合摄像头和麦克风，降低云端调用成本，同时保障数据隐私和稳定性，硬件方案兼顾集成化和外置设备，满足不同学校需求。用户驱动方面，产品开发遵循敏捷迭代逻辑，通过灰度发布逐步开放验证，结合用户反馈半个月一个版本快速迭代，推动高频场景优先落地，低频需求则通过合作或传统模型解决。

贾大明：

新道科技的AI落地遵循工具化切入到生态化重构的渐进路径。产品迭代从工具引入（如接入百度、商汤优化问答场景）、通用智能体生成图文视频、专用智能体学科定制（联合院校微调模型）、多智能体协作（数据与交互层联动），最终颠覆教学逻辑和产品形态，核心以“降门槛、强实用”为导向，优先开发降低教师负荷、提升学习效率的功能，如自动驾驶般简化操作流程。校企合作同步深化，从零散课程开发升级至校级顶层设计，或联合训练学科大模型、订阅“数字员工”，通过“技术+知识库”互补实现共赢。新道科技的模式兼顾本地化软件许可和云端按需租赁并行，如新道智融大模型通过DTC私有化满足院校私域需求。

韩萌：

讯飞的落地策略侧重于“场景适配+生态共建”，我们非常注重AI能力和教育需求的平衡。例如Deepseek在逻辑推理上具有优势，但会也存在严重的幻觉问题，会生成逻辑错误或过于晦涩的内容。因此，我们并不直接将Deepseek的推理结果直接用于教学，而是将其作为素材，进行逻辑优化和转换。在合作模式上，讯飞建立了分层协作体系：一是支持教师自主探索，鼓励其结合市面上成熟的AI工具开展教学创新；二是深化校企合作，分层次推进基于不同层次算力保障下的成熟产品落地（如校本课程开发）及少量定制化项目（如RAG技术优化资源）；三是推动教师素养升级，通过市区级信息技术培训、校级通识课程及“AI+名师工作室”等机制，探索 AI 赋能学科教学的新模式。

曹士勇：

一方面，我们以开源大模型为基座，基于中国教师研修网20年积累的数据调优训练形成行业垂直的 “睿云大模型”，于去年12月份正式通过国家备案，并基于我们对行业的深入理解和丰富的数据积累，训练自己的专家智能体。在垂直大模型和智能体的基础上，我们进一步将其应用到老师备课和课堂教学的实际场景中，搭建以课堂教学为核心的教研体系，推动虚实结合的教研模式的规模化落地。另一方面，我们在北京的一些学校积极推进 “机器人进校园”，探索如何利用机器人更好地激活学生的课间15分钟，推动人机协同育人的新尝试，以期帮助缓解“小胖墩、小眼镜、小焦虑、小豆芽”等问题；在课堂教学方面，探索在人工智能课、艺术课等课堂中，由机器人同时承担教师、助教和学生同伴等多重角色，逐步推动课堂教学模式的重构，探索“人机共育”的教学新模式。

刘丽：

以线上线下深度融合和数据驱动为核心，我们协助学校和教育单位构建覆盖教学全流程的闭环解决方案，基于教学与学习理论，通过课前、课中、课后三阶段实现精准教学与持续进化的体系。以课程教学场景为例，课前教师根据学生学情与教学安排，推送预习资源、鼓励学生完成任务并提出问题，平台自动分析学生预习数据，为课堂内容及教学的调整提供依据；课中可基于学生课前预习的结果分析和建议，展开针对性的研讨与讲解，并在课堂中支持实时互动测验、调研、反馈搜集与行为分析，帮助教师动态调整教学节奏；在课后，教师能够基于学习数据的智能分析结果为学生安排不同作业任务、促进重点内容的复习和练习，AI则能根据课程的知识库范围，在学生有问题或需要帮助时，给予即时的答疑与协助。从课前、课中到课后，逐步形成不同阶段、不同深度融合的人智协同新型教学范式。AI技术可深度赋能三大教学应用场景，举例来说：在教学管理中，AI助教辅助课程设计、学情分析与作业批改，减少教师的重复劳动；在个性化学习中，AI学习伙伴为学生提供陪伴式答疑与结构化学习路径；在教学评价中，融合学习行为数据、AI分析报告与问卷反馈，构建多维度评价体系。平台采用智能体分层开发策略，通用智能体覆盖基础需求，学科专用智能体则与教师协同研发以适配学科教学的特性。我们始终强调“人在回路”理念，以学生学习为中心，教师为核心决策和驱动者，AI作为辅助增效角色，释放教师潜力，聚焦时间心力于学生的学习成长，打造更好的学习环境与永续教育生态。

靳新：

在企业实践中，我们通过横向整合构建了完整的服务体系。首先通过并购整合“易格仿真”和"融智云考"两家服务商，构建了覆盖人才培养全流程的教、学、考、评、管的服务体系。同时通过纵向深耕内容服务，聚焦数字教材全流程一体化服务，打造数字教材公共服务平台，实现商业模式的突破。人工智能时代，企业选择通过AI技术赋能教育教学场景，面向院校的专业、课程、教材、实践与教师的不同层面构建了不同的AI场景应用，开发了AI专业顾问、AI课程助教|学伴、AI数字教材、AI虚拟仿真及AI数字教师等系列智能体应用，形成从底层语料库到模型到应用的全链路支持。

张震：

我们强调将AI嵌入现有教育场景，用技术解决真实痛点。我们公司内部的实践分为三步，从通过RPA工具替代重复性工作，到AI深度参与核心业务环节，再到让AI成为团队的一部分，首先自己要用起来。在落地过程中，关键是要聚焦垂直场景，避免盲目追求“大而全”。例如，多邻国的成功在于用游戏化机制（积分、等级、荣誉、称号等）解决用户留存问题，并不是单纯依赖技术优势。此外，必须直面“认知差”，某些AI项目噱头居多，但真正落地的项目需紧密结合业务需求，兼顾教育价值和商业价值。

述评：如何将技术势能转化为教育效能？教育科技企业的落地需要一套务实的方法论。不少企业以“技术工具化、工具场景化、场景生态化”为路径，将AI融入教育核心环节，构建可持续的智能教育服务体系，努力打破传统教育科技“供给-接受”的单向逻辑，当前实践通过基座模型和教育增强的架构、云端和本地的混合部署、校企协同的生态共建等方式，形成技术嵌入和教育反哺的双向进化模式。

三、需求：学校究竟想要什么样的AI？

韩萌：

学校对AI的需求呈现分层化、场景化、安全性导向特征。基础教育阶段目前应更加聚焦科学、心理等小学科补位，通过AI缓解师资短缺问题。同时，也要关注AI对学科深度教学带来的影响，尤其需平衡生成内容的科学性和教学适配性；职业教育侧重技能融合，依托AI优化产业关联学科的实训体系；高等教育则优先布局科研提效，推动AI成为学术生产力工具。核心诉求体现在三方面：其一，精准化教学支持，需开发轻量化AI工具辅助备课、作业批改及校家事务处理，同时构建分层答疑系统应对“双减”后个性化学习需求；其二，可控性技术部署，强调国产大模型主导、内容可验证机制与价值观筛查，规避政策风险；其三，人机协同生态构建，既需AI填补资源缺口，又需保障教师主体性，如校长更关注AI如何赋能而非替代教学创新，教师则需通过培训提升智能素养以驾驭工具。

刘丽：

学校对AI的核心诉求在于构建从精准评估、动态优化到轻量服务为一体的教学支撑体系。传统教学评价依赖滞后性问卷和简单的描述型数据统计，容易因为主观偏差或数据的片面性导致评估失真，影响判断和决策，进而影响师生的学体验和成果。而AI能通过动态权重算法，结合学生学习参与度、师生互动数据和ASK（Attitude, Skill, Knowledge）模型，实现对学生知识掌握、协作能力及兴趣倾向的多维分析，同步关联课程目标与毕业能力要求，形成“评价-反馈-改进”的闭环。在课程管理端，AI深度参与教学全周期的质量管控，从课程设计阶段识别内容重复或断层、优化课程衔接逻辑，到教学实施中实时监控异常，并通过录播分析与学习轨迹挖掘生成改进报告，推动教学评估从结果评判转向过程优化。为降低技术使用门槛，AI课程设计遵循“轻量化、场景化、闭环化”原则，以“1+N+X”模式为架构基础，运用1个全流程AI学习平台支撑师生教学全场景的实施应用，辅以N种AI工具灵活适配师生教与学的实际需求，加上X个学科智能体，针对专业学科领域开展定制应用，让AI与教学更自然地融合教学，回归教学本质，让师生有更好的教学体验和成果，让学校得以发展具有自己特色的教学和管理范式。

张震：

学校需要的AI是解决问题的工具，核心诉求一般有三点。其一是提效刚需，即AI需直接减轻教师负担。例如，自动批改作业、生成教学方案、管理学生数据。我们为某大学开发的系统能自动处理80%的行政审批，教师只需处理例外情况。其二是适配考核，即AI需与现有评价体系兼容。比如AI辅助教师备课，生成70分的参考答案，再由教师优化到85分，既保证质量又符合考核标准。其三是情绪价值，教育不仅是知识传递，更是情感互动。AI工具也应设计激励模块，比如游戏化学习机制，或通过虚拟角色提供情感支持。实际上，学校排斥的是空中楼阁式的AI应用。例如，某些AI教学产品号称“实时陪练”，但实际成本高、效果差，学校肯定不会买账。

靳新：

学校真正需要的能够深度融入教育教学场景的AI应用，能够推动以学生为中心，帮助学校和老师实现分层赋能的智能生态系统。目前核心需求聚焦于几个方面：首先，激发学生自主探究学习的AI场景应用。针对这个场景，我们主要通过AI赋能学校和老师数字教材建设与应用来实现，我们推出了全球首本“AI数字教材”，提供全新的AI对话式学习、AI探究式学习和AI学习导师，目标是实现学生真正的个性化自适应学习。其次，是帮助学校和老师实现完全能力导向课程教学的AI场景应用，实现从“知识传授”到“能力培养”的重大教学模式转变。通过构建AI辅助、教师主导的“师、生、机”协作模式，既解放教师重复机械的工作量，又增强高阶能力培养的教学主导力。更重要的是，AI赋能体系需适配教师群体的分层现状，针对30%左右的行动派教师只需要提供良好的AI工具平台，激发他们创新实践即可；针对对50%的观望教师，需要通过不间断的体系培训，提供案例榜样，帮助他们接受最新的理念应用AI；针对少部分抵触型教师，一般建议用先使用AI工具帮助他们减轻负担，提升工作效率，然后逐步迁移至教学设计。

刘霄翔：

学校对AI的需求聚焦于高频提效、管理支持和成本安全的平衡。高频刚需层面，AI需直接解决教学核心痛点，如备课效率和效果的提升是老师的高频刚需，AI需帮助老师提供思考路径、缩短素材整理、课件生成时间，提升效率的同时完善老师的思考过程；课堂反馈系统则需覆盖教师成长需求，尤其针对新教师，通过教学行为分析和改进建议助力专业能力提升。管理与教研支持上，校级管理层可以通过跨课对比、全校教学数据汇总和区域常模分析来决策，教研员则可通过专业指标的数字化来进行循证教研，指导教师成长。成本与安全是落地关键，学校偏好本地化部署与云端调用相结合，一定程度上降低成本，且在关键的课堂教学场景能保障稳定性与数据安全；价格则需普惠化，学校一般更倾向通过一次硬件投入实现长期低成本使用，规避按量付费模式。

贾大明：

基础层面，AI通识教育是首要需求，即通过科普课程解决师生对AI的认知盲区，培育底层素养。核心场景则聚焦教师工作提效，例如教案生成、作业批改、科研选题等高频刚性需求，AI需以高准确性和可靠性（如规避幻觉问题）成为教师的“效率助手”，尤其在课堂答疑、学科知识输出等环节，需确保答案严谨性，避免因错误引发教学风险。深层诉求在于课堂与课程的重构：一方面，AI需支持学科内容的“有边界丰富”，即在知识图谱框架内拓展教学资源的模态和深度，帮助教师突破思维局限；另一方面，AI需推动人机协同的教学模式，例如通过多模态交互打造沉浸式学习体验，让学生在基因工程等抽象领域与AI动态互动，实现知识探究的“数字孪生化”。

曹士勇：

学校作为应用者，其需求本质上是宽泛的。从实际情况看，教师缺编和教学压力大的问题普遍存在，尤其是在艺术课、跨学科等课程，教师面临着极大的教学挑战。因此学校希望AI能够充分发挥机器人特有的教育属性，比如能思考、能沟通、能行动，能够跟真实教师协同起来，共上一堂课。此外，学校高度关注学生数据的安全问题，尤其是数据采集过程中如何保护学生个人隐私，希望企业能够提供稳定可靠的数据安全保障方案。整体来看，学校对AI应用仍需要企业主动引导，比如构建教研共创联盟，由教师持续提出需求，企业再基于智能体提供支持，逐步形成有效的AI赋能机制。

周林：

学校对AI的需求核心是精准与零风险。学校最担心的是AI出错导致的教学事故以及意识形态、道德伦理等严重问题！所以价值观必须对齐，很多环节不能靠大模型编造，要深入探索人机协同育人的科学方法。技术落地需要直击痛点，聚焦核心业务场景，例如：个性化辅导智能体产生的学生行为数据分析报告，使学生思维过程可视化，能更加深入地分析出不同学生的个体差异，追溯学生更深层次的学习能力问题。这种基于场景化的创新教育评价分析方法将触发教师新的教学策略调整，进而促使班级学业水平的有效提升。说到底，AI要既能打硬仗又不添乱。此外，名校对本地化题库、教辅资源有极强的保护需求，需签订分级保密协议，训练数据全程物理隔离。

述评：学校对AI的理想期待实质是破解专业性、安全性和经济性的不可能三角：既要求技术具备教育场景的专业适配能力，又需确保技术部署的绝对可控性，同时追求技术应用的经济可行性。教育科技企业的实践正不断逼近这一目标，如依托教育垂类大模型的多重增强技术专业性，借助物理隔离、分级保密协议与内容审查机制保障安全性，通过混合算力方案、校本资源库共享等模式摊薄边际成本，推动智能教育从技术叠加向生态重构演进。

四、风险：AI嵌入教育的潜在风险预警

贾大明：

首先，教育场景中AI的“幻觉问题”可能误导教学决策，而院校对数据主权的高度敏感凸显隐私保护的重要性。意识形态失控风险同样严峻，公有大模型未经严格思政审查的答案可能偏离主流价值观，尤其在开放式探究中易触发敏感议题；同时，AI催生 AI4S科研新形态，正面创新出了基于数理推理逻辑的全新范式，但负面也出现了学生利用AI生成论文、教师依赖AI批量制课，导致学术原创性稀释，现有查重机制却难以有效识别。此外，技术红利背后也潜藏资源分配的马太效应，如头部院校凭借资金优势抢占算力设施与专属数据库，部分高校依托学科壁垒构建垄断性专业模型，而普通院校受限于算力匮乏和选型标准模糊，陷入“用不起、用不好”的困境可能导致强者恒强的技术与知识垄断。

周林：

一方面，基座大模型存在严重的幻觉问题，尤其在生词生成、题目辅导等场景可能输出错误内容。我们目前通过多智能体协同框架，将教学环节拆解为教学目标、重难点、生词提取等独立模块，每个智能体绑定学科知识库与规则引擎，实现流程化精准管控。另一方面，技术工具需服务于教育规律，而非主导教学逻辑。我们在智能体设计中嵌入苏格拉底式引导机制，在错题辅导时，针对思维链每一步设置反问验证环节，触发学生自主思考，避免思维固化。

张震：

我觉得现阶段AI可能导致的直接风险是能力泡沫。学生过度依赖AI完成作业、论文，导致基础能力退化。我们实验发现，在某些领域，AI生成的论文水平已超过本科生，但学生若无法判断答案正确性，反而会陷入更大困惑。另一风险是伦理与隐私。AI工具可能被滥用，例如用虚拟角色模仿真人进行欺诈，或通过数据分析操控学生行为。此外，AI生成内容的不可控性可能传播错误信息，例如用逻辑陷阱诱导大模型输出违法内容。最后，考核体系失效是长期挑战。当AI能轻松通过任何标准化测试时，教育需重新定义何为“人才”。若仍以记忆和应试为核心，教育有彻底沦为形式之虞。

曹士勇：

AI在教育领域的广泛应用带来了诸多潜在风险，首先是“幻觉问题”，尤其在题目讲解等环节，容易误导教师决策。教师如果缺乏判断能力，错误信息会被放大，进而影响课堂教学质量。其次是学生数据的隐私保护问题，这是教育场景中普遍存在的敏感议题，很多地方已提出“数据不能出校园”，强调本地部署、物理隔离。此外，AI的深入介入也引发教师角色弱化与依赖性的问题。学校担忧AI让教师偷懒，如果AI参与教学过深，可能会导致教师在备课、教学设计等方面的能力退化。不过我们目前观察到，真正好的、优秀的老师，会强调自己的教学特色，反倒对机器人和AI依赖度不高。因此，我们的判断是，AI和机器人更有可能在资源相对薄弱地区实现教学补位，提升整体教育水平。

韩萌：

AI教育应用面临多重风险。在技术层面，深度推理模型易产生隐蔽性"幻觉风险"，AI可能以高置信度输出错误信息，需强化检测技术与内容可验证机制；价值对齐风险源于语料偏见与审核缺失，需构建价值观筛查体系及动态干预机制。在应用层面，AI生成内容存在信息过载倾向，如冗长思维链降低学习效率，需通过"留白式"交互设计平衡信息密度；学科适配性不足易致认知错配，需开发分层智能教学方案。社会风险也要考量，技术接受度差异可能加剧区域教育鸿沟，发达地区借助AI加速革新，而欠发达地区因资源匮乏陷入被动；教师群体亦面临能力分化，AI使用意愿差异或扩大教学水平差距。

刘霄翔：

AI嵌入教育场景面临技术、伦理与角色弱化三重风险。技术幻觉与误用风险上，模型可能输出错误内容，若师生缺乏判断能力，错误信息会被放大，还可能加剧教育鸿沟，需通过负责任的产品设计、配套培训和标准制定降低风险。伦理与隐私问题方面，AI评估教学或学生行为涉及伦理争议，需谨慎避免技术替代人的决策；数据采集须符合隐私规范，如课堂视频仅保留切片，学生头像虚拟化处理。依赖性与教师角色弱化是深层挑战，必须明确AI是辅助工具，核心角色仍是教师，若过度依赖AI，可能导致教师备课和创新能力退化；学校担忧AI让教师“偷懒”，因此产品需强化人机协作机制，例如分阶段确认目标、大纲和内容，确保教师在关键环节保持主导。

靳新：

AI嵌入教育的核心风险集中于技术可靠性保障与数据伦理边界把控。首要挑战来自AI输出的专业准确性，通过精调的模型虽然可以大幅度提升精度，但受Transformer架构机制制约，完全消除"幻觉"仍存技术瓶颈，部分甄别能力弱的学生可能会被AI生成错误信息内容误导。此外，学校私有敏感数据等信息安全性也是一个重要问题，数据安全的级别一级每个级别的安全边界在哪里，还存在很多疑问。最后一点就是对大学教师职业的挑战，固守传统知识传授教学模式不变的老师会遇到职业危机。

述评：当前，教育场域的AI技术渗透面临着技术加速主义和教育保守主义两套话语体系的对抗，前者虽暂时占据上风，但不可忽视由技术缺陷、伦理失序和生态异化导致的潜在风险，要使得教育进化而不异化、技术增强而不僭越。当然，落到微观场景，面对智能化趋势，更多是要将技术的不确定性纳入教学设计，使其成为教育过程的有机组成而非外部威胁。

五、未来：下一代教育生态的展望

刘丽：

未来的教育生态需重构AI与教育深度融合的路径。一方面，应推动AI共享联盟的构建，通过高校、企业与政府的协同分工，减少重复建设与资源浪费，如高校与政府主导标准制定，企业提供技术支撑，联盟内共享优质资源，并通过灵活的付费/免费机制降低普惠门槛，缩小教育资源鸿沟。另一方面，下一代学习环境需突破硬件和场景的局限，比如线上线下的深度融合使资源和工具按需调用，学习数据跨场景互通互联，支持教师灵活设计教学、学生自主规划路径，而非受限于固定设备或封闭系统。同时，教育生态的可持续发展需融入ESG理念，从空间设计、能耗管理到运营成本均需优化，例如通过平台化调度提升教室使用效率，或利用AI分析实现教学资源的动态配置。整体而言，通过产、官、学、研等多方协作，共同打造融合先进AI技术、多元教学应用、能不断改善进化的教育生态，培养新一代人才，迈向真正能因材施教、永续发展的教育愿景。

靳新：

未来的终极形态或是"社会学习场+AI引导舱"的融合，在开放环境中，学生通过AI分身获得实时任务提醒、精准答疑及多维评价，形成无边界却有序的新型教育范式。教育主体的角色边界将彻底打破，理论教师与实践教师需从课程设计源头协作，形成"理实一体化"团队，通过AI智能平台将知识传授环节自动化，使教师聚焦高阶能力培养与项目设计，但需配套实验经费全域覆盖等制度支撑。教学空间随之解构，传统课堂被"智慧学习舱"取代，AI通过智能眼镜、桌面机器人等硬件感知学习状态，动态推送个性化任务链：快者2天解锁高阶项目，慢者2周夯实基础，最终形成"千人千面"的学习图谱，倒逼评价体系从标准化考核转向能力成长追踪。当然，生态建设需突破产业壁垒，数字教材平台需以虚拟仿真+智能交互构建竞争力，虽面临传统出版社的抵制，但开放合作与标准化路线仍是破局关键。

刘霄翔：

下一代教育生态将以AI为底层能力、数据闭环与普惠开放为核心特征。AI深度渗透，将像云服务一样融入所有教育软件，成为基础能力，竞争焦点转向采纳率和实际效果；学生端结合平板终端，实现自主学习、智能探究和个性化学习路径推荐，推动教学从标准化转向精准化。数据驱动闭环方面，从个人到区域的数据实时汇聚，形成“教-学-评”闭环，支持CHAT BI智能问答等精准决策；校本资源通过AI自动生成与共享，区域可动态管理资源，推动教育公平。通过推出智能体创建平台，让学校和教师自定义校本应用，降低技术使用门槛；AI工具价格普惠化，覆盖西部、乡村等经济欠发达区域，配套教师培训缩小数字鸿沟。

贾大明：

下一代教育生态可能围绕生成式交互和数据智能展开深度变革，推动教学从预设灌输转向动态共创。AI与数字孪生、元宇宙的融合，将课堂重构为虚实交织的探索空间，教师化身为引导者，学生通过VR/3D环境与智能教材自主发问、实时生成答案，形成苏格拉底对话和沉浸实践结合的“无边界课堂”。教育产业链的传统线性链条将被数据要素流转和智能体租赁生态取代，头部院校依托学科优势训练垂直大模型，科技公司提供模块化AI服务，形成跨机构竞合的价值网络。实现这一愿景需多方协同，如建立AI教育核心标准，避免算力浪费与产品同质化；构建数据安全与伦理护栏，防止技术滥用冲击教育公平；通过极简交互设备降低使用门槛，回归激发学习本能的本质。

周林：

下一代教育生态的核心或将是“一校一模型、一生一模型”的泛化实现。未来的模型不是固定参数的黑箱，而是通过状态机动态记录学生画像，底层基座可无缝切换DeepSeek、GPT等引擎。其次，智能体生态将发生重大变革，不同学科和学校的智能体也许能像应用商店一样自由调用，优质教育资源和名师教学经验的共享也将因此实现智能化和显性化。比如重庆某个学校的英语智能体能够被克隆优化后引入江苏的某个学校；智能体之间也能相互操作，数学辅导智能体和物理实验智能体融合后，可自动生成跨学科教案。最终，技术将推动教育体制的质变，当农村或偏远地区学校通过智能体获得与名校同质的辅导资源，教育公平不再依赖政策倾斜，而是技术普惠的结果。评价体系也会从分数追赶转向学习能力图谱分析，大规模因材施教将从口号落地为每个孩子的精准教学。

韩萌：

AI将重构教育生态体系，通过三大维度实现范式变革。课程智能生成突破传统内容生产模式，基于AIGC动态生成个性化案例库、情境化问题链，推动教学资源从工具辅助转向内容共创；教学深度融通依托智能体系统构建“教-学-评”闭环，实时解析学情数据并同步优化策略与评估，破解传统教育环节割裂难题；空间多维融合则打破物理校园、社会场景与数字空间的边界，构建虚实联动的沉浸式学习场域，AI助教更通过情感化互动重塑师生关系。在此基础上，需构建四维支撑体系：建立国家级教育大数据平台破除数据壁垒，完善教师AI培训与学生使用规范以激活技术效能，推行教育AI产品白名单认证强化安全合规，并通过师生AI通识教育培育人机协同素养。

曹士勇：

机器人进教室已经开始了，原来师生两元关系，未来会逐步转变为“老师-学生-机器人”三者联动的结构。在我们看来，未来教育的挑战在于由学生驱动学习过程，而不是单纯依赖教师驱动。这个过程中，AI或机器人应该作为支持者，为学生提供个性化、结构化的帮助。现在我们已经在人工智能课、艺术课等场景中开展探索，尤其是在非主科教学中发挥作用。而关于机器人教师的成本，我们认为，未来养一个老师的成本，一定要能得养起三个机器人；随着技术进步，未来甚至可能变成养五个机器人。机器人不知疲倦，充一次电就能满负荷运转，尤其是在重复性强、标准化程度高的教学环节中，机器人可以真正承担起教学主力的角色。

张震：

下一代教育生态或将是AI侧重知识生产和流程管理，人类聚焦创新与情感。AI拉平资源差距。在知识平权层面，职业教育学生借助工具可与名校生同台竞争，例如用AI完成编程、设计等任务，弥补知识短板。在能力重构层面，核心能力或将从记忆与分析转向协作与好奇心。擅长提问和使用工具、能够管理好情绪的人更具优势，而“会玩”可能成为核心竞争力。在组织变革层面，学校形态或将被颠覆。未来教育可能由“预制菜式”的数字教材和AI个性化服务构成，教师成为学习共同体的组织者，脱离知识权威的标签。未来的学生或许不必困于书山、溺于题海，而是在AI辅助下探索兴趣，成为享受阳光雨露的完整的人。

述评：各位行业专家共同锚定AI作为未来教育生态重构的技术底座，但在技术路径选择上形成差异化认知，尽管他们都强调技术对教育公平的促进作用，但实现路径和治理逻辑也存在显著分野。但借助新一代AI，有望构建起低成本、高适配、强效果的教育新范式，并以联盟协作实现资源集约化、以数据智能推动服务个性化、以绿色运营保障生态长效性，为未来教育提供可能。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们

AI时代的教育之问Ⅵ：应用生态

立即咨询 JOTO

想把这些做法用到你的业务里?

开启企业级 AI 落地

填写需求单