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。
