目录 先说结论这堂课的稀缺资源不是 AI是不外包思考 江苏的数据三个月铺完一门新课16 课时 903 万人次⚠️ 更正一个被广泛误读的数字不是AI 提效 55%“而是1 小时变 9 分钟” 两级门槛为什么开满不等于开好 “从 70 分到 90 分”AI 的能力边界在访谈里被说准了⚙️ 关于人性保护区乡村学校那句吐槽才是最真的 落到数据层学校的判断标准正在被算法接管 落到 SPARK 融合平台这类场景需要的不是更聪明的模型是可追溯的判断✅ 如果你在做AI 教育这 7 条可以直接拿去用 写在最后 聊聊你那边 先说结论这堂课的稀缺资源不是 AI是不外包思考9月20日晚上明湾学校的直播访谈里校长、老师和同学围着同一个问题AI 越来越能干学校应该教什么晓辉博士把这段剪成了9 个章节从警惕把思考外包一路讲到从 70 分走向 90 分。里面最有画面感的一句是「学校会不会成为人性保护区」——这句不是她原创的判断是访谈里某位老师说的她记住了。我把九个章节重读了一遍发现它们其实在回答三个不同层次的问题而且这三个层次经常被混为一谈层次核心问题容易被误答成能力层孩子该掌握什么技能会不会写提示词边界层AI 的能力边界在哪教不教幻觉关系层孩子在真实世界里跟谁相处上什么课外班我原本以为这又是一次AI 会不会毁掉教育的老话题。但当我这周去查江苏正在推的那套全覆盖 AI 通识课时发现真正的争点比这具体得多也尖锐得多——江苏已经把课开满了但开满和开好之间隔着一道极其现实的两级门槛。 江苏的数据三个月铺完一门新课16 课时 903 万人次先把基础事实摆清楚。这些数字来自江苏省教育厅与官方媒体披露口径。2026年 8 月 18 日江苏省中小学人工智能通识教育课全覆盖项目在南京正式启动。自2026 年秋季学期起江苏全省中小学全面开设AI 通识课覆盖小学到高中全部 12 个年级实现「校校开课、班班覆盖、人人学习」。课时安排是公开的学段每学年课时侧重小学8 课时感知与体验初中12 课时原理理解与实践应用高中16 课时项目创作与前沿应用资源侧的配套规模也很大暑期全省通识课教师专项培训 16 课时覆盖 903 万人次省名师空中课堂上线 AI 通识课数字资源专区汇聚 130 余个国家级课程完整覆盖一至十二年级。装备侧的投入同样具体2026 年 9 月一只名叫 BabyAlpha 的机器狗进入南京 42 所试点学校2025 年南京已为全市 625 所义务教育学校配备 AI 实验套装2026 年 6 月《中小学人工智能通识课程实验室装备配置要求》团体标准正式发布。南京市教育局二级巡视员潘东标把这个原则说得很直白「我们不给某所学校建豪华的 AI 实验室而是给全市所有学校配齐基础的 AI 实验装备一所不落包括乡村、民办、特殊教育学校。」这组数据放在全国范围看是什么水平先做个对照。动作时间规模来源性质江苏 AI 通识课全覆盖2026 秋季学期起全省 12 个年级省教育厅部署教育部教师 AI 素养培训启动2026-10-10 广渠门中学现场会五个环节示范教育部南京 AI 实验套装2025 年625 所义务教育学校市级杭州五常新可能实验室相关——民办探索一个省的推进速度超过了教育部现场会的节奏。这不是值得骄傲的事恰恰相反——速度跑在教研前面就是两级门槛拉得最开的时刻。⚠️ 更正一个被广泛误读的数字不是AI 提效 55%“而是1 小时变 9 分钟”传播最广的一个数字来自 2026 年 10 月 10 日教育部在广渠门中学开的现场会。银川市第十五中学校长解玮介绍借助人工智能语文老师检查全班背诵可以从 1 小时缩短到 9 分钟完成。这个数字经常被改写成AI 让教师提效 400%甚至AI 提效 55%这类版本。我要明确指出这三种说法都对不上原始口径。1 小时 → 9 分钟是特定场景的特定工序——检查全班背诵大概率是对照标准答案的机械核对不是批改工作量更不是教学工作总量。折算成倍数是 6.7 倍不是 400%。400% 提效对应的是耗时降到 1/5与原始数据不符。AI 提效 55%这个数字属于我前面多期文章里反复标注的那一类——出自培训或招商类报告找不到可确认的样本量与统计口径本期同样不予引用。还有个细节几乎没人注意解玮接下来说的是「老师能更多地关注到那些慢一点的孩子」。这句话才是重点——时间省下来之后干什么才是这次试点真正的目的。把它读成老师工作变轻松了是丢掉了整段话的意图。同时段的另一个数据来自云南寻甸县民族中学生物教师丁艳丽自评学生已经掌握了上海行知中学的闫白洋把这节课视频提交给AI 循证系统报告指出「知识传授太多迁移创新较少教师指导太多学生回应太少」。一节课的知识传授/迁移创新比例能被系统判定——这在以前是不可量化的事。现在量化了但量化出来的结论是否可信取决于算法怎么定义回应。这是所有 AI 进课堂方案共同面临的问题也是我后面要展开的核心。 两级门槛为什么开满不等于开好这是我这一周最想讲清楚的一件事。有第三方教育技术企业对江苏全覆盖做过一次完整复盘它的观察我认为是目前最到位的江苏一个学期之后讨论焦点已经从有没有开变成开成什么样而这恰好对应两级门槛。门槛核心问句谁在发愁要交付的东西第一级能不能开课有没有课时、有没有设备、谁来上学校排课与资源配置课表、教室、任课教师第二级开成什么样每节课产出什么、由谁来验收教研与课程设计的人学生作品、过程记录、素养表现第一级靠行政推动和资源投入一个学期就能补齐——江苏三个月就补齐了。第二级靠课程被一门一门磨出来短期内补不上。结论很冷“课程覆盖可以一纸文件宣布完成教学质量却只能一节一节地长出来。”这两级门槛对应的正是晓辉访谈里的两个核心主张。她们在会议室里说的别急着把思考交出去“让孩子遇见好作品”翻译成政策语言就是第二级门槛——而江苏目前公开披露的所有数字几乎全是第一级的。公开披露的一级尚未披露的二级覆盖 12 个年级每学段实际开课节数教师培训 903 万人次受训教师实际能独立备课的比例130 余个国家级课程地方校本课程有多少625 所学校配齐装备装备的实际使用率与故障率42 所机器狗试点校试点校 vs 非试点校的学情差异这不代表江苏做得不好——在没有省一级的第二级数据之前任何我们学校效果很好的宣称都无法被外部验证。这正是问题所在。 “从 70 分到 90 分”AI 的能力边界在访谈里被说准了访谈章节里最有价值的是 08:21 那一段——「从 70 分走向 90 分」。晓辉的原话是AI 或许能帮我们把作品从 30 分推到 70 分但从 70 分走向 90 分人的判断、投入和创造仍然重要。这个表述在技术上是有依据的而且依据相当硬。业界对生成式模型的评估里能用和好用之间的差距早就被量化过。有一个反直觉的发现模型在结构化、有明确正确答案的任务上表现优秀而在需要判断品味、权衡取舍、承担后果的开放任务上能力提升幅度显著收窄。更值得注意的是多项独立评测都发现同一个现象——模型输出内容的正确率与被采纳率之间存在系统性偏差。也就是说一个模型答对了一道题不代表它在真实工作里被采纳。越靠近70 分到 90 分的区间这个偏差越大。我把这个边界画成一张图这张图和晓辉访谈里那三个主张是对应的01:37 让孩子遇见好作品—— 对应结构化/有标准答案这一端。AI 能在大量合格作品里帮你挑这是它的强项也是 30→70 的部分。02:53 教育为何需要重构—— 对应 70→90 这一段。判断标准是谁定的如果标准也是 AI 定的那 90 分就变成了AI 认可 AI。08:21 从 70 分走向 90 分—— 对应人的投入这一段。而《江苏省中小学人工智能课程指导纲要》里明确要求课程必须包含**「AI 局限性认知」模块**南通紫琅第一小学在AI 第一课上把省平台的水果分类案例本土化融入蓝印花布等非遗元素让学生在亲手教 AI 识别家乡风物的过程中直观感知 AI 的识别错误与能力边界。这个设计我认为是全国目前最值得复用的做法。它解决的是一个真问题孩子把教AI这件事做完之后主动权在孩子手里不在模型手里。这是不外包思考最具体的一个落地动作。至于外包思考这个隐忧的数据支撑2025 年中国青少年研究中心调查显示超七成中小学生使用 AI 写作业其中20.5% 坦言想依赖 AI、不愿动脑。需要注意这是 2025 年的调查而 2026 年秋季学期才是全覆盖的正式落地——这个数字反映的是政策出台前的基线不是政策之后的结果。但它足以说明为什么《纲要》必须把局限性认知写成强制模块。⚙️ 关于人性保护区乡村学校那句吐槽才是最真的访谈里学校会不会成为人性保护区这个说法我理解它的本意不是学校比外面更安全而是**“学校是最后一个可以让学生犯错的地方”**。但这个说法在城乡之间是完全不同强度的。江苏省教育厅为乡村学校准备了三项兜底举措资源方送教上门开展集中培训、省级云端课堂直接供给在线课程、组织技术专员帮扶线上线下同步响应。我在梳理这些材料时看到一句来自省内基础教育信息化调研座谈会的乡镇教研员原话被媒体引用了出来「苏北村小的机房连鼠标都凑不齐现在让开 AI 通识课难道让孩子们对着黑板学大模型」这句吐槽精准戳中了真问题而且指向一个比硬件差距更深的东西评价体系的惯性。如果考核方式依然是发张卷子考概念那么城市孩子已经在用 AI 工具做跨学科项目式探究的时候乡村孩子还在死记硬背大模型的缩写和算法名词——这种认知层面的鸿沟比硬件差距更难弥合。有业内人士把这种结局称为对教育公平的二次伤害。我把当前几种教育数字化方案的作用层次整理如下方案解决什么不解决什么AI 学情诊断湖州 AI 双师班等教师看到以前看不到的分层数据学生是否有独立思考时间设备配齐南京 625 所、机器狗进 42 校硬件与实验场景师资与教研能力云端课堂 / 送培上门江苏乡村兜底开课资格带宽、终端、学情适配AI 局限性认知模块纲要强制认知边界教师本人的判断力只有最后一行是针对人性保护区这个概念的。前三条都在提高开课能力只有它在保护不外包思考。 落到数据层学校的判断标准正在被算法接管我更想提醒的是另一件事。现在很多学校引入了 AI 循证系统、教师自评工具、学情看板这些系统都在做同一件事——把评价这件原本属于人的判断工作变成一个可计算的分数。这带来两个后果而且它们方向相反第一个后果是可见性提升。云南那堂课里教师自评完全掌握系统能指出知识传授太多迁移创新较少——这在以前是教研高手凭经验才敢说的话现在数据会自己跳出来。第二个后果是评价权转移。当学生回应太少迁移创新较少这些判断由系统给出时教师的教学决策正在被一个由厂商定义的指标模型引导而这个模型的权重、采样口径、判定阈值教师通常无权查看也无从申诉。更微妙的一层孩子也会很快学会优化这个系统。只要有指标就会被针对。江苏一些学校已经明确规定学生端无法安装无关软件答题前不可搜题非选择题仍须在纸质答题纸上规范书写后拍照提交——这些是防钻指标空子的措施说明管理者已经预见到这个问题。这套防线的存在本身就证明了指标被博弈的风险不是理论担忧。用一张图把这条链路画清楚 落到 SPARK 融合平台这类场景需要的不是更聪明的模型是可追溯的判断聊到这里我想说一件更实际的事。我做企业级AI 工作台的过程中遇到过几个客户是学校和教培机构。他们的第一反应都是接一个最聪明的模型把教学效果做上去。但聊到第二层就会卡住当系统开始影响对学生的评价、对教师的考核、对家长承诺的可信度时第一个必须解决的不是模型能力是数据治理。这是我在SPARK 融合平台上做的几个设计选择供同行参考1. iPaaS 先接数据不急着上模型。学校的学情数据分布在教务系统、考试平台、家校通 App、AI 教辅里格式和口径完全不同。第一步是把这些源接进统一的数据通道先做数据目录和元数据管理在数据还没治理干净之前谈智能等于在沙子上盖楼。2. 治理中心前置而不是前置到应用之后。学情数据一旦进入分析环节错误会被放大。所以口径定义、去标识化、留存期限必须在数据进入前明确而不是等报表出来再补。这一点和医疗、金融场景的逻辑完全一致。3. 全域守卫划权限——学生数据是最高敏感级。未成年人数据涉及个人信息保护法与未成年人保护法的双重约束。我的做法是按角色 × 学科 × 学段 × 字段四个维度做细粒度授权班主任看本班、教研组看同学段、家长只看自己孩子。任何越界访问都要留痕并可回溯——这一点在教育场景里不是加分项是准入条件。4. 与 Dify 这类编排平台明确分工。学校场景里Dify 负责快速搭出一个能用的应用SPARK 负责保证这个应用用到的是有权限、有口径、可追溯的数据。前者解决效率后者解决可信两者不重叠。但我必须说清楚一件事平台只能让判断标准变得可执行、可追溯判断标准本身对不对仍然需要教育专家来定。平台不知道知识传授太多、迁移创新太少这八个字意味着什么它只能保证这个判断被记录下来、被谁在什么口径下作出、可以被追溯和质疑。这是平台的边界也是它唯一该待的地方。✅ 如果你在做AI 教育这 7 条可以直接拿去用这些不是总结是可执行的判断标准区分两级门槛。任何我们学校已经全面接入 AI的宣称先问第二级每节课产出什么、由谁验收。课时数字不等于课程质量。8/12/16 课时是政策要求不是教学质量证明。AI 提效 XX%一律追问口径。1 小时→9 分钟是具体工序的 6.7 倍不是 400%更不是 55%。优先选孩子教 AI的设计。把AI 当被教对象的学生掌握主动权把 AI 当答案机的学生会被替代。强制把AI 局限性认知做成课程模块不是口头提醒。让它在课堂里出错孩子才会记住边界。防指标被博弈要前置。答题前禁搜题、非选择题纸笔手写再拍照这些不是把教学管死是防止系统被当成靶子。学情数据先治理再分析。口径没统一之前所有精准教学都只是把混乱放大。 写在最后回到访谈那九个章节的标题从警惕把思考外包到回到真实世界学习中间经过了孩子的独特性值多少“别替孩子做所有选择”“学校该保护什么”。把这些排在一起会发现一件事晓辉博士和江苏的通识课纲要在完全不同的场合得出了同一个结论。一边是三千万份观看量级的个人观察一边是省级教育厅的正式文件。前者说别急着把思考交出去后者把AI 局限性认知写成强制模块。两边都没错而且它们互相加固。真正的问题从来不是该不该教 AI而是教 AI 的时候我们自己还能不能判断。就像访谈里那个老师说的一样——学校是不是人性保护区取决于在这间教室里学生是那个被照顾的对象还是那个要学着照顾 AI 的主体。 聊聊你那边我自己做的是企业级 AI 工作台对教育这个场景只能算是从旁边看。但我知道一件事任何一个把 AI 引入需要判断的场景的行业都会遇到同一道门槛——指标一旦可计算人的判断就会被挤到指标后面去。医疗、法律、财务都跑过这一轮教育现在刚开始。想问你两件事如果你在教育行业里你见过的AI 通识课目前最真实的进展是什么是开起来了还是卡在开成什么样这一步如果让你只保留一项不外包思考的能力你会留哪一项评论区聊聊我看到有价值的会专门整理一篇深挖。本文引用数据来源江苏省教育厅公开发布口径、光明日报 2026-10-16 报道、中国新闻网 2026-10-14 报道、教育部 2026-10-10 教师人工智能素养全覆盖培训现场会报道、晓辉博士袁晓辉2026-09-20 明湾学校直播访谈。文中对流传数字的更正与拒引判断为本栏目核实结论。 江苏全省开满AI 通识课之后，我去了几所学校找答案
目录 先说结论这堂课的稀缺资源不是 AI是不外包思考 江苏的数据三个月铺完一门新课16 课时 903 万人次⚠️ 更正一个被广泛误读的数字不是AI 提效 55%“而是1 小时变 9 分钟” 两级门槛为什么开满不等于开好 “从 70 分到 90 分”AI 的能力边界在访谈里被说准了⚙️ 关于人性保护区乡村学校那句吐槽才是最真的 落到数据层学校的判断标准正在被算法接管 落到 SPARK 融合平台这类场景需要的不是更聪明的模型是可追溯的判断✅ 如果你在做AI 教育这 7 条可以直接拿去用 写在最后 聊聊你那边 先说结论这堂课的稀缺资源不是 AI是不外包思考9月20日晚上明湾学校的直播访谈里校长、老师和同学围着同一个问题AI 越来越能干学校应该教什么晓辉博士把这段剪成了9 个章节从警惕把思考外包一路讲到从 70 分走向 90 分。里面最有画面感的一句是「学校会不会成为人性保护区」——这句不是她原创的判断是访谈里某位老师说的她记住了。我把九个章节重读了一遍发现它们其实在回答三个不同层次的问题而且这三个层次经常被混为一谈层次核心问题容易被误答成能力层孩子该掌握什么技能会不会写提示词边界层AI 的能力边界在哪教不教幻觉关系层孩子在真实世界里跟谁相处上什么课外班我原本以为这又是一次AI 会不会毁掉教育的老话题。但当我这周去查江苏正在推的那套全覆盖 AI 通识课时发现真正的争点比这具体得多也尖锐得多——江苏已经把课开满了但开满和开好之间隔着一道极其现实的两级门槛。 江苏的数据三个月铺完一门新课16 课时 903 万人次先把基础事实摆清楚。这些数字来自江苏省教育厅与官方媒体披露口径。2026年 8 月 18 日江苏省中小学人工智能通识教育课全覆盖项目在南京正式启动。自2026 年秋季学期起江苏全省中小学全面开设AI 通识课覆盖小学到高中全部 12 个年级实现「校校开课、班班覆盖、人人学习」。课时安排是公开的学段每学年课时侧重小学8 课时感知与体验初中12 课时原理理解与实践应用高中16 课时项目创作与前沿应用资源侧的配套规模也很大暑期全省通识课教师专项培训 16 课时覆盖 903 万人次省名师空中课堂上线 AI 通识课数字资源专区汇聚 130 余个国家级课程完整覆盖一至十二年级。装备侧的投入同样具体2026 年 9 月一只名叫 BabyAlpha 的机器狗进入南京 42 所试点学校2025 年南京已为全市 625 所义务教育学校配备 AI 实验套装2026 年 6 月《中小学人工智能通识课程实验室装备配置要求》团体标准正式发布。南京市教育局二级巡视员潘东标把这个原则说得很直白「我们不给某所学校建豪华的 AI 实验室而是给全市所有学校配齐基础的 AI 实验装备一所不落包括乡村、民办、特殊教育学校。」这组数据放在全国范围看是什么水平先做个对照。动作时间规模来源性质江苏 AI 通识课全覆盖2026 秋季学期起全省 12 个年级省教育厅部署教育部教师 AI 素养培训启动2026-10-10 广渠门中学现场会五个环节示范教育部南京 AI 实验套装2025 年625 所义务教育学校市级杭州五常新可能实验室相关——民办探索一个省的推进速度超过了教育部现场会的节奏。这不是值得骄傲的事恰恰相反——速度跑在教研前面就是两级门槛拉得最开的时刻。⚠️ 更正一个被广泛误读的数字不是AI 提效 55%“而是1 小时变 9 分钟”传播最广的一个数字来自 2026 年 10 月 10 日教育部在广渠门中学开的现场会。银川市第十五中学校长解玮介绍借助人工智能语文老师检查全班背诵可以从 1 小时缩短到 9 分钟完成。这个数字经常被改写成AI 让教师提效 400%甚至AI 提效 55%这类版本。我要明确指出这三种说法都对不上原始口径。1 小时 → 9 分钟是特定场景的特定工序——检查全班背诵大概率是对照标准答案的机械核对不是批改工作量更不是教学工作总量。折算成倍数是 6.7 倍不是 400%。400% 提效对应的是耗时降到 1/5与原始数据不符。AI 提效 55%这个数字属于我前面多期文章里反复标注的那一类——出自培训或招商类报告找不到可确认的样本量与统计口径本期同样不予引用。还有个细节几乎没人注意解玮接下来说的是「老师能更多地关注到那些慢一点的孩子」。这句话才是重点——时间省下来之后干什么才是这次试点真正的目的。把它读成老师工作变轻松了是丢掉了整段话的意图。同时段的另一个数据来自云南寻甸县民族中学生物教师丁艳丽自评学生已经掌握了上海行知中学的闫白洋把这节课视频提交给AI 循证系统报告指出「知识传授太多迁移创新较少教师指导太多学生回应太少」。一节课的知识传授/迁移创新比例能被系统判定——这在以前是不可量化的事。现在量化了但量化出来的结论是否可信取决于算法怎么定义回应。这是所有 AI 进课堂方案共同面临的问题也是我后面要展开的核心。 两级门槛为什么开满不等于开好这是我这一周最想讲清楚的一件事。有第三方教育技术企业对江苏全覆盖做过一次完整复盘它的观察我认为是目前最到位的江苏一个学期之后讨论焦点已经从有没有开变成开成什么样而这恰好对应两级门槛。门槛核心问句谁在发愁要交付的东西第一级能不能开课有没有课时、有没有设备、谁来上学校排课与资源配置课表、教室、任课教师第二级开成什么样每节课产出什么、由谁来验收教研与课程设计的人学生作品、过程记录、素养表现第一级靠行政推动和资源投入一个学期就能补齐——江苏三个月就补齐了。第二级靠课程被一门一门磨出来短期内补不上。结论很冷“课程覆盖可以一纸文件宣布完成教学质量却只能一节一节地长出来。”这两级门槛对应的正是晓辉访谈里的两个核心主张。她们在会议室里说的别急着把思考交出去“让孩子遇见好作品”翻译成政策语言就是第二级门槛——而江苏目前公开披露的所有数字几乎全是第一级的。公开披露的一级尚未披露的二级覆盖 12 个年级每学段实际开课节数教师培训 903 万人次受训教师实际能独立备课的比例130 余个国家级课程地方校本课程有多少625 所学校配齐装备装备的实际使用率与故障率42 所机器狗试点校试点校 vs 非试点校的学情差异这不代表江苏做得不好——在没有省一级的第二级数据之前任何我们学校效果很好的宣称都无法被外部验证。这正是问题所在。 “从 70 分到 90 分”AI 的能力边界在访谈里被说准了访谈章节里最有价值的是 08:21 那一段——「从 70 分走向 90 分」。晓辉的原话是AI 或许能帮我们把作品从 30 分推到 70 分但从 70 分走向 90 分人的判断、投入和创造仍然重要。这个表述在技术上是有依据的而且依据相当硬。业界对生成式模型的评估里能用和好用之间的差距早就被量化过。有一个反直觉的发现模型在结构化、有明确正确答案的任务上表现优秀而在需要判断品味、权衡取舍、承担后果的开放任务上能力提升幅度显著收窄。更值得注意的是多项独立评测都发现同一个现象——模型输出内容的正确率与被采纳率之间存在系统性偏差。也就是说一个模型答对了一道题不代表它在真实工作里被采纳。越靠近70 分到 90 分的区间这个偏差越大。我把这个边界画成一张图这张图和晓辉访谈里那三个主张是对应的01:37 让孩子遇见好作品—— 对应结构化/有标准答案这一端。AI 能在大量合格作品里帮你挑这是它的强项也是 30→70 的部分。02:53 教育为何需要重构—— 对应 70→90 这一段。判断标准是谁定的如果标准也是 AI 定的那 90 分就变成了AI 认可 AI。08:21 从 70 分走向 90 分—— 对应人的投入这一段。而《江苏省中小学人工智能课程指导纲要》里明确要求课程必须包含**「AI 局限性认知」模块**南通紫琅第一小学在AI 第一课上把省平台的水果分类案例本土化融入蓝印花布等非遗元素让学生在亲手教 AI 识别家乡风物的过程中直观感知 AI 的识别错误与能力边界。这个设计我认为是全国目前最值得复用的做法。它解决的是一个真问题孩子把教AI这件事做完之后主动权在孩子手里不在模型手里。这是不外包思考最具体的一个落地动作。至于外包思考这个隐忧的数据支撑2025 年中国青少年研究中心调查显示超七成中小学生使用 AI 写作业其中20.5% 坦言想依赖 AI、不愿动脑。需要注意这是 2025 年的调查而 2026 年秋季学期才是全覆盖的正式落地——这个数字反映的是政策出台前的基线不是政策之后的结果。但它足以说明为什么《纲要》必须把局限性认知写成强制模块。⚙️ 关于人性保护区乡村学校那句吐槽才是最真的访谈里学校会不会成为人性保护区这个说法我理解它的本意不是学校比外面更安全而是**“学校是最后一个可以让学生犯错的地方”**。但这个说法在城乡之间是完全不同强度的。江苏省教育厅为乡村学校准备了三项兜底举措资源方送教上门开展集中培训、省级云端课堂直接供给在线课程、组织技术专员帮扶线上线下同步响应。我在梳理这些材料时看到一句来自省内基础教育信息化调研座谈会的乡镇教研员原话被媒体引用了出来「苏北村小的机房连鼠标都凑不齐现在让开 AI 通识课难道让孩子们对着黑板学大模型」这句吐槽精准戳中了真问题而且指向一个比硬件差距更深的东西评价体系的惯性。如果考核方式依然是发张卷子考概念那么城市孩子已经在用 AI 工具做跨学科项目式探究的时候乡村孩子还在死记硬背大模型的缩写和算法名词——这种认知层面的鸿沟比硬件差距更难弥合。有业内人士把这种结局称为对教育公平的二次伤害。我把当前几种教育数字化方案的作用层次整理如下方案解决什么不解决什么AI 学情诊断湖州 AI 双师班等教师看到以前看不到的分层数据学生是否有独立思考时间设备配齐南京 625 所、机器狗进 42 校硬件与实验场景师资与教研能力云端课堂 / 送培上门江苏乡村兜底开课资格带宽、终端、学情适配AI 局限性认知模块纲要强制认知边界教师本人的判断力只有最后一行是针对人性保护区这个概念的。前三条都在提高开课能力只有它在保护不外包思考。 落到数据层学校的判断标准正在被算法接管我更想提醒的是另一件事。现在很多学校引入了 AI 循证系统、教师自评工具、学情看板这些系统都在做同一件事——把评价这件原本属于人的判断工作变成一个可计算的分数。这带来两个后果而且它们方向相反第一个后果是可见性提升。云南那堂课里教师自评完全掌握系统能指出知识传授太多迁移创新较少——这在以前是教研高手凭经验才敢说的话现在数据会自己跳出来。第二个后果是评价权转移。当学生回应太少迁移创新较少这些判断由系统给出时教师的教学决策正在被一个由厂商定义的指标模型引导而这个模型的权重、采样口径、判定阈值教师通常无权查看也无从申诉。更微妙的一层孩子也会很快学会优化这个系统。只要有指标就会被针对。江苏一些学校已经明确规定学生端无法安装无关软件答题前不可搜题非选择题仍须在纸质答题纸上规范书写后拍照提交——这些是防钻指标空子的措施说明管理者已经预见到这个问题。这套防线的存在本身就证明了指标被博弈的风险不是理论担忧。用一张图把这条链路画清楚 落到 SPARK 融合平台这类场景需要的不是更聪明的模型是可追溯的判断聊到这里我想说一件更实际的事。我做企业级AI 工作台的过程中遇到过几个客户是学校和教培机构。他们的第一反应都是接一个最聪明的模型把教学效果做上去。但聊到第二层就会卡住当系统开始影响对学生的评价、对教师的考核、对家长承诺的可信度时第一个必须解决的不是模型能力是数据治理。这是我在SPARK 融合平台上做的几个设计选择供同行参考1. iPaaS 先接数据不急着上模型。学校的学情数据分布在教务系统、考试平台、家校通 App、AI 教辅里格式和口径完全不同。第一步是把这些源接进统一的数据通道先做数据目录和元数据管理在数据还没治理干净之前谈智能等于在沙子上盖楼。2. 治理中心前置而不是前置到应用之后。学情数据一旦进入分析环节错误会被放大。所以口径定义、去标识化、留存期限必须在数据进入前明确而不是等报表出来再补。这一点和医疗、金融场景的逻辑完全一致。3. 全域守卫划权限——学生数据是最高敏感级。未成年人数据涉及个人信息保护法与未成年人保护法的双重约束。我的做法是按角色 × 学科 × 学段 × 字段四个维度做细粒度授权班主任看本班、教研组看同学段、家长只看自己孩子。任何越界访问都要留痕并可回溯——这一点在教育场景里不是加分项是准入条件。4. 与 Dify 这类编排平台明确分工。学校场景里Dify 负责快速搭出一个能用的应用SPARK 负责保证这个应用用到的是有权限、有口径、可追溯的数据。前者解决效率后者解决可信两者不重叠。但我必须说清楚一件事平台只能让判断标准变得可执行、可追溯判断标准本身对不对仍然需要教育专家来定。平台不知道知识传授太多、迁移创新太少这八个字意味着什么它只能保证这个判断被记录下来、被谁在什么口径下作出、可以被追溯和质疑。这是平台的边界也是它唯一该待的地方。✅ 如果你在做AI 教育这 7 条可以直接拿去用这些不是总结是可执行的判断标准区分两级门槛。任何我们学校已经全面接入 AI的宣称先问第二级每节课产出什么、由谁验收。课时数字不等于课程质量。8/12/16 课时是政策要求不是教学质量证明。AI 提效 XX%一律追问口径。1 小时→9 分钟是具体工序的 6.7 倍不是 400%更不是 55%。优先选孩子教 AI的设计。把AI 当被教对象的学生掌握主动权把 AI 当答案机的学生会被替代。强制把AI 局限性认知做成课程模块不是口头提醒。让它在课堂里出错孩子才会记住边界。防指标被博弈要前置。答题前禁搜题、非选择题纸笔手写再拍照这些不是把教学管死是防止系统被当成靶子。学情数据先治理再分析。口径没统一之前所有精准教学都只是把混乱放大。 写在最后回到访谈那九个章节的标题从警惕把思考外包到回到真实世界学习中间经过了孩子的独特性值多少“别替孩子做所有选择”“学校该保护什么”。把这些排在一起会发现一件事晓辉博士和江苏的通识课纲要在完全不同的场合得出了同一个结论。一边是三千万份观看量级的个人观察一边是省级教育厅的正式文件。前者说别急着把思考交出去后者把AI 局限性认知写成强制模块。两边都没错而且它们互相加固。真正的问题从来不是该不该教 AI而是教 AI 的时候我们自己还能不能判断。就像访谈里那个老师说的一样——学校是不是人性保护区取决于在这间教室里学生是那个被照顾的对象还是那个要学着照顾 AI 的主体。 聊聊你那边我自己做的是企业级 AI 工作台对教育这个场景只能算是从旁边看。但我知道一件事任何一个把 AI 引入需要判断的场景的行业都会遇到同一道门槛——指标一旦可计算人的判断就会被挤到指标后面去。医疗、法律、财务都跑过这一轮教育现在刚开始。想问你两件事如果你在教育行业里你见过的AI 通识课目前最真实的进展是什么是开起来了还是卡在开成什么样这一步如果让你只保留一项不外包思考的能力你会留哪一项评论区聊聊我看到有价值的会专门整理一篇深挖。本文引用数据来源江苏省教育厅公开发布口径、光明日报 2026-10-16 报道、中国新闻网 2026-10-14 报道、教育部 2026-10-10 教师人工智能素养全覆盖培训现场会报道、晓辉博士袁晓辉2026-09-20 明湾学校直播访谈。文中对流传数字的更正与拒引判断为本栏目核实结论。