核心摘要：

生命循環，人機共育

在宏觀層面上，如果把人工智能看作一種生命體，AIGC+教育的內涵其實是碳基生命和硅基生命的交互和培育問題。AIGC技術是對人腦計算、思考、判斷等內在能力的延伸，是人的智能在機器形態上的規模化聚集、運作和反應。由此，部分基礎性的專業工作被替代，AI在勞動貢獻、價值創造中逐漸與人比肩甚至超越人類，AI和人類共同成為社會貢獻主體。

在中觀層面上，AIGC技術在知識量、信息獲取和處理方面的強勢能力，迫使教育界進一步反思現有的教育框架，教師作為教學主體的功能性與人文性價值如何取舍？師-生-機三位一體的教育形態意義幾何？以知識傳遞和測評為核心的教育內容該如何升級？大規模的個性化教學是否真的有可能實現？AI與人類是否會在社會和教育資源上展開競爭？這些重大問題，因AIGC的到來，再一次沖擊了現有的教育體系。

在微觀層面上，教育的各場景和環節，都因AIGC技術的應用而有所助益，如教師側的備課規劃、作業生成和批改，學生側的自主學習、輔助練習、測試評估等，新技術與古老教育場景的結合，總會產生令人欣喜的化學反應。然而，商業實踐的落地是受到現實和周期限制的。從落地邏輯而言，當前產品基本是原有教學場景和產品的替代，原有技術功能的優化迭代，而少有新場景的迸發；就落地速度而言，尚不成熟的教育大模型落地，仍需學生思考和辨別能力的加持、以及相對明確統一的評估標準支撐，各領域、場景、學段落地情況各有差異。

同時需要警惕的是，AIGC技術具有顯著的資源密集和依賴特點，而教育是一項社會公益事業，事關人的發展權，教育福祉應盡可能地保證公平和均衡。如何防止強勢資源的相互吸引和馬太效應的加劇，是教育界需要共同面對的問題。

宏觀：AIGC帶來的生產力革新

AIGC延伸擴展人腦智能，降低使用門檻，應用影響力無限泛化

麥克盧漢提出，媒介是人的延伸。AIGC技術作為一種人造工具（媒介），是對人腦計算、思考、判斷、學習等內在能力的延伸，同時在巨量數據的加持下，AIGC在發現、認識、運用規律上有著明顯的優勢，是人的智能在機器形態上的規模化聚集、運作和反應，突破了人類能力的邊界；而AIGC的問答式交互、無需下載和配置等特性，使得AI技術的使用門檻大大降低，AI技術走向平權化；同時，聯網后的實時海量數據支持，模型開源及插件生態的開放，結合用戶無限的創造力，AIGC的影響力滲透進各行各業的每個角落，影響力無限泛化和擴大。

宏觀：AIGC帶來的人力需求變革

AI成為基礎設施，部分基礎工作被替代，社會人力結構和人才需求重塑

技術的躍遷、生產效率的提升并不會自然帶來社會整體福利水平的提升，相反往往以犧牲部分人的利益為前提，進而引發社會結構、人力需求的重塑。AIGC交互界面的用戶友好性、大模型開源及API價格的降低、插件服務帶來的應用生態繁榮等，都使得AI技術或將成為像水、電、網絡一樣的基礎設施，滲透并改變千行萬業。然而，大模型具有認知、分析、推理能力，不同于自動化浪潮下對藍領的沖擊，AIGC時代受AI影響最大的可能是初級專業人士和技術人員，即部分白領。據Challenger報告顯示，2023年5月，美國因AI替代造成的失業人數達3900人，且都發生在科技行業。以及據麥肯錫數據預測，到2045年左右，有50%的工作將被AI替代，比此前的估計加速了10年。與此同時，具有創造力、深度思考等高階智力的人才，將享受到AIGC帶來的效率優勢，成為AI的駕馭者，相應的工作需求也會增加，并同時在教育領域創造出大量專業和學科，對教育課程和專業設置、人才素養評價提出新要求。據世界經濟論壇發布的《未來就業報告2023》顯示，未來5年內，人工智能、商業智能分析師、數據科學等大數據相關職位的需求增長最快，且創造性思維、技術素養、好奇心和學習能力等通識素養是未來最需要培養的技能。智能時代背景下，傳統的技能已無法滿足社會需求，學科壁壘不斷消融，跨專業人才需求緊俏。

中觀：AI技術的發展及其教育推動

由教學輔助到自適應學習，AIGC技術變革推動大規模因材施教逐步落地

全球AI+教育經歷了誕生期-摸索期-產業期三個階段，在誕生期，AI和教育的結合主要圍繞輔助教學進行探索，應用于答疑、練習、模擬測試等環節，代替部分教師的重復性勞動。在機器學習的興起下，AI+教育進入摸索期，二者結合的探索主題為智能導學及自適應學習。隨著深度學習技術的進步，人工智能技術步入商業化階段，AI+教育也進入產業期。近幾年大數據、云計算、算力能力提升，大規模語言模型急速發展，2022年ChatGPT的發布更是引發了海內外LLMs的軍備競賽，2023年各類教育垂類大模型的爭相發布，打開了通向通用人工智能（AGI）之路，幫助師生大幅提升教學效率，推動大規模的因材施教逐步落地。

中觀：AIGC與現代教育結合的必要性

內容標準化、效益規模化、交互自然化，現代教育與AIGC技術價值吻合

AIGC技術與現代教育，在教學內容、師資配置、交互方式方面有著巧妙的吻合之處，彰顯著技術落地的必要性。現在的教育模式基本是在工業革命進程中形成的，規模化和標準化是其基本特征，基于社會分工的邏輯，旨在為社會各行各業的發展培養可用之才。與此相對應的，便是分專業的學科式架構、分級分班的規模化教學。AIGC技術應用下，大規模的通用數據與教育各學科的垂類數據并存，通識教育和專業教育所需的內容均可滿足。同時，AIGC資源不像教師資源具有時空上的獨占性，有望實現大規模的個性化教學。值得一提的是，在交互方式上，口語面授是主流的、學生習以為常的教學交互方式，而AIGC技術的獨特之處也在于多輪自然語言交互能力，有來有回的問答式相比于知識的單向灌輸，更接近孔子《論語》的對話體教學，也更接近蘇格拉底的啟發式對話教學模式。

AIGC+教育的時代矚目-經濟

全球資本開始布局早期創業項目，關注K12和職業培訓領域

教育作為AIGC技術落地的典型場景之一，2023年間，全球AIGC+教育賽道共發生45筆投融資，其中半數項目來源于美國，且多集中在K12教育及職業培訓兩個細分領域內。從項目成熟度來看，當前全球AIGC+教育投融資集中在早期階段，全球資本普遍關注用少量資金布局早期創業項目。雖然當前成熟項目較少，但相較種子及天使輪，VC的單筆融資金額更高。可以預見，隨AIGC在教育領域的應用發展走向成熟，資本將切入對成熟、優質項目的關注之中。

AIGC+教育的時代矚目-學術與社會

AIGC+教育成為社會各方及學術研究的關注焦點

受2022年11月ChatGPT發布影響，全球各地開始廣泛關注AIGC及其相關應用。自2023年2月起，社會各界對生成式人工智能在教育領域的應用產生了濃厚興趣，并在2023年6月達到了關注的高峰，且熱度持續不減。同時，學術界也在這一年里開始高度關注AIGC技術，并推動了人工智能與教育研究的熱度提升。“AIGC+教育”成為包括學術界在內的社會各界關注的焦點。

社會態度：與時俱進，守正創新

時代縮影：觀望—禁止—反思—放開，澳大利亞應對態度的掙扎歷程

ChatGPT自發布后很快受到學生們的歡迎，但隨之出現的學術舞弊現象引發學者和教育部門的廣泛擔憂。經過短暫的觀望期，美國、英國、澳大利亞等地區紛紛禁止公立學校使用人工智能工具，我國的香港大學也頒布了針對ChatGPT的禁令。但一紙禁令不能杜絕作弊現象，由此擴大的數字鴻溝也引起重視。對待新興技術的最佳態度是“堵不如疏”，正確的引導與使用能夠弱化AIGC與教育結合帶來的沖擊，在抓住變革機遇的同時守正創新。當前，美國、英國及香港大學已先后撤銷了禁令，澳大利亞也發布《框架》以規范和引導校內人工智能的使用。

技術發展影響教育形態

教育的進化在于結合前沿生產技術與教育理論探索“如何實現更好的教學”

教育作為服務于人類群體傳承的古老環節，其連續性、穩定性和繼承性的本質特征，決定了它不會隨著生產技術發展而快速進化。在傳統教育模式的基礎上，前沿生產技術主要帶來了教育資源類型、教學組織方式以及教學交互方式方面的革新，其影響是累積、疊加和漸變的，而并非是全然替代性的，“老師講授-學生吸納-知識傳承”的班級授課至今仍然是學校的主流教學模式，和千百年前并沒有本質上的區別。而如何利用前沿科學技術結合現代教育理論，實現更大規模、更高質量、更高效率以及更好成果的教育，是當代教育研究領域一直致力于探索的問題。

AIGC影響教學主體

帶來人機協同教學和師資強化的期待，也引發AI挑戰教師主體地位的思考

AIGC技術在教育領域引發變革的討論中，對教學主體的影響是個引人注目的話題。在傳統的師生教學模式中，教師是權威的知識傳遞者，但這一模式面臨師資力量不均、個性化教學難度大以及教師機械勞動繁重難以成長等現有問題和弊病。AIGC技術的介入被看作是一種契機，代表了傳統教學形態向“師-生-機”模式轉型的可能性。AIGC能夠通過補充教師資源、實現大規模個性化教學和減輕教師負擔等功能，加大了實現更好教學的可能性，從而被學術界和市場普遍認可，同時人類教師可以從傳統的知識傳播者向學習的陪伴者和價值觀的引導者方向轉變。然而對“AI完全替代人類教師”擔憂之聲也同時存在，當前AIGC價值觀的非中立性、信息準確性的不足、版權問題以及無法復制的人類情感和文化價值等問題使其難以獨當一面，另外AI完全搶奪人類教師工作的可能性也會引發教師就業的恐慌。正反兩方面的討論，說明AIGC對教師的支持應用需要慎重框定范疇，以確保其成為教育主體的助力而非障礙。

AIGC介入教學載體

有望賦能教師并實現規模化因材施教，也挑戰傳統學習模式和評價體系

教育載體層（包括軟硬件基礎和工具）一直是前沿技術滲透的先鋒環節。得益于國內各級院校信息化基礎設施的不斷完善，AIGC技術對教育載體層面的影響日益明顯：AIGC技術在教學層的介入使得大規模因材施教等先進教育理念變得更加切實可行；同時，AIGC在賦能教師教學和教研方面的可行性也受到廣泛認同。然而，這項技術的應用也伴隨著挑戰和爭議：AIGC在精準度和價值觀偏見可能產生的誤導、學生長期使用AIGC可能導致的技術依賴以及利用AIGC作弊給評價工作帶來的壓力，使得教育界對于學生（尤其是青少年兒童）直接使用AIGC持廣泛的質疑或反對態度，更加強調AIGC作為學習工具的有條件使用和有效管控。因此在發展契機與挑戰共存之下，教育工作者們在適應技術發展并采納更先進、公正、全面且平衡的科技工具的同時，需要深入考量AIGC類教育載體的功能體系和倫理邊界，確保該技術能夠健康且有效地服務于整個教育系統。

AIGC改變教育內容

高階通識能力、跨學科復合能力重要性被重提，輔以AIGC技術素養要求

新一代AI技術在顯著提升社會生產力的同時，也引發了生產關系的變革，社會分工結構面臨重組，一些傳統崗位被AI取代，新興職業快速出現，而部分舊有學科則逐步淘汰。AIGC時代給教育系統帶來了一個龐大而艱難的研究課題：我們應該如何培養能夠適應這一變革的有用人才？這不僅涉及到教育范疇、目標和內容的調整，還包括學科專業設置的改變。2023年3月發布的《普通高等教育學科專業設置調整優化改革方案》進一步明確了到2025年將新設一系列適應新技術、新產業、新業態、新模式的學科專業，同時淘汰那些不再適應經濟社會發展需求的學科專業。同時，ChatGPT等大模型先后通過注冊會計、律師資格等多種考試，在信息搜集和整合上的能力逐漸接近甚至超越人類，也讓我們反思AIGC時代下，簡單的專業知識教學的社會適應性。因此教育系統需要調整教育內容，重視信息素養和高階通識能力的培養，逐漸增加跨學科融合式教育的權重，以加快前沿人才的供給速度。同時，教育系統還需要盡快明確圍繞AIGC技術學習的范疇和規范，幫助學習者接受并適應AIGC時代的到來，并理解技術及其對世界的廣泛影響，這將確保未來的技術人才能夠駕馭技術走向及其發展節奏，并有能力利用AIGC技術更好地改變世界和造福人類。

AIGC與學習主體的競爭

引發近乎科幻但并非遙不可及的哲學思辯：教育人類還是訓練大模型

AIGC技術的快速發展正為社會經濟帶來顯著的提振。高盛預計未來 10 年生成式 AI 有望給全球GDP帶來 7 萬億美元的巨量提振，使全球年均GDP提高7%；而2023年AIGC領域已經快速吸引了大量的資金投入，截至7月全球AIGC風險投資額已經達到了150億美元。然而AIGC在勞動市場上的高效能力也引起了對就業安全的廣泛關注。高盛預計，由于AI技術的應用未來全球將有3億個工作崗位面臨被取代的風險，雖然部分觀點認為AIGC技術有助于縮短工作時間從而提升勞動者福利，但像谷歌這樣的國際公司因適應AI在業務中的應用而裁減3萬職位的舉措，使得公眾對失業的可能性感到更加擔憂。雖然相比教育周期漫長而成本高昂的人類來說，AIGC似乎是更加高效且具有高性價比的學習和勞動主體，但過份依賴AIGC并忽視人類教育和勞動的價值，是一種危險的想法。面對技術發展的快速步伐，社會需要更加謹慎地規劃技術應用的方向，并制定合理的教育和勞動保障政策，確保AIGC能給人類帶來更多社會公平而不是擴大不公平，在追求技術創新的同時保持對人類福祉和社會穩定的長遠視野。

應用場景—師生—學術科研

在文獻整理、校對潤色等方面減負，在數據處理與預測方面助力基礎研究

學術科研中，存在大量機械性的工作，耗費心神且占據研究人員大量時間，而這正是AIGC的用武之地。AIGC并不能替代研究員，而是作為一種輔助工具，在文獻及引文整理、數據分析、圖表生成、語法及錯別字校對等方面解放部分人力，給予科研工作者一些喘息機會。同時，大模型與科研工具包結合，可加速科研計算，進行數據預測等 ，助力科研基礎研究及探索。但需注意，AI生成的文章、數據分析結果等需要研究員進行校對及交叉驗證，不可直接使用，尤其是研究結論及觀點部分。同時，在應用AIGC技術時也需要注意數據隱私、知識產權等問題，以及對AI的使用情況進行披露聲明。

應用場景—教師—備課規劃

從依賴教師經驗轉向數據驅動，教師負責更多創造性工作

備課是一個兼具較大工作量和創造力需求的工作。工作量主要體現在不同學段、不同班級的課程大綱、教案的撰寫、課程資源的搜集，以及課件的制作方面，創造力需求主要體現在根據各班級學情、進度的不同進行個性化修改和調整，以及師生互動設計等方面。AIGC技術的應用，使得教學資源搜集、課件制作等偏執行的工作在大數據驅動下，可以更加快速高效地完成，節省教師大量時間。由此，教師可以從事更多如師生溝通、學生關懷、互動設計等創造性、情感性、社交性的工作。

應用場景—學生—輔助練習

開放場景下，實現以學生為中心的多輪交互和擬人陪伴

在判別式AI技術下，學生在口語練習時常常存在對話簡單、場景受限、難以多輪交互、個性化不足等問題。AIGC技術應用后，大模型參數的擴大、預訓練架構的使用等，使得原本單向播報和簡單問答的功能進一步拓展了多輪對話、邏輯推理、上下文理解能力。其次，基于新數據生成而非識別分類的邏輯，AIGC產品可應對的場景和任務范圍更加廣泛，可以滿足用戶對細分場景的需求。同時，與數字人、人形機器人結合后，多模態的大模型既可識別學生的聲音、表情等特征，也可借助“似人”的外貌提供“類人”的交互陪伴。從不同細分場景的成熟度來看，當前口語、寫作練習等，相較于數學、化學等邏輯類的練習任務，用戶容錯能力更強，應用成熟度和熱度也更高。

各細分場景落地速度

C端>B端>G端，成人教育>高等教育>K12>幼教，教師>學生>管理者

就落地邏輯而言，AIGC主要影響內容生產環節，在教育行業就體現在課件和題目的生成、作業批改、學情數據分析、學習資源推薦等環節，基本是原有場景和產品的替代，原有技術功能的優化迭代，較少出現新的場景和功能。

就落地速度而言，創新技術的落地通常需要一個應用擴散的過程，尤其是對于教育這個古老的行業。根據創新擴散理論，最先嘗試新技術的往往是部分技術愛好者和先驅，C端具有明顯的長尾效應，而B端和G端屬于集體和組織行動邏輯，靈活性較低，且G端傳統慣性較強，往往相對滯后。同時，在技術應用初期尚不成熟時，則需要配套設施的輔助落地。如果把AIGC技術看作教學資源的話，則需要教學對象和評估標準的配合，學生辨別和思考能力越強，教學內容的評估標準越明確和統一，則技術落地的可能性越強。具體來看，由于成人的辨別能力強，評估標準相對明確，所以成人教育整體的落地速度更快。從使用者的視角來看，Quizlet的調研報告指出，使用過ChatGPT等AI技術的教師（占比65%）比學生多（占比61%），教師的應用需求更迫切，落地更快。同時，盡管AIGC技術應用對教學管理的影響重大，如對學情趨勢的預測、管理決策的輔助等，但管理側總體落地進程緩慢。

細分場景機會剖析一：全流程閉環

教師側流程閉環重在落地執行，學生側流程閉環重在及時、個性化反饋

AIGC具有圖片、文本、視頻、音頻等多模態生成能力，同時具有信息整合和分析功能，對內容生產的各個環節都可發揮作用。但從當前應用來看，AIGC的功能落地仍以散點式功能為主，如特定類型題目、圖片的生成，能真正形成全流程、全場景閉環體驗的產品較少。從教師側來看，在作業和教案生成場景下，教師需要單獨生成每一種類型的題目或者教案素材，再逐項進行驗證校對，并最終合并，全流程的參與度都較高。Agent在該場景落地后，基于其記憶、規劃、執行的能力，可拆解教師的完整指令，并逐項生成、排序及合成，教師只需最后對成稿進行調整，工作量大幅減少。從學生側來看，以作文寫作練習為例，學生在話題理解、框架構思、素材運用、指導修改等多個環節都存在指導互動需求，全流程、及時、個性化的指導反饋將大幅提升練習體驗和效率。

細分場景機會剖析二：觸摸科研天花板

從K12到高/職教實訓到學術科研，應用前景與落地難度同步提升

不同學段的AIGC技術應用有著不同的側重點。在K12階段，側重技術對日常教學練評測、管理功能的升級迭代，且隨著出生人數的持續下降，天花板總體可預見。其制約因素主要在數據層，數據質量、豐富度、顆粒度等決定教育模型的上限和使用體驗。同時日常的應用中，會有數據的反哺回流，隨著使用頻率和時間的拉長，體驗會逐步優化；在高/職教實訓階段，側重AIGC工程師的培養，高職院校、普本、211院校等人才有著階梯式的差異化訴求。其制約因素主要在產品層，如低代碼平臺的設計、實訓環境的建設等，總體天花板較高，隨著AIGC技術逐步成熟，相關工程師需求量較大；在學術科研階段，除基本的文獻閱讀等工作減負外，更側重AIGC支持下的基礎研究及探索。通常以大模型為基礎，與科研工具包結合，以加速科研計算和數據預測等。制約因素主要在于更加精細垂直的模型，以及懂專業又懂大模型的復合人才，但科研攻關一旦成功落地，商業潛力和價值極大。

企業圖譜—按細分領域、國內國外劃分

AIGC+教育商業模式探索

MaaS定制化服務探索、軟件功能升級與硬件外化、傳統技能培訓服務

在底層技術創新驅動下，MaaS（Model As a Service）服務通常以技術大廠為主，可提供通用的API接口收取調用費用，也可向學校、教育局、教企等開放模型，支持客戶的定制化服務，幫助客戶做特定場景或區域的模型，這對廠商的技術、算力、數據能力是多重考驗。在應用驅動下，商業模式包含軟件增值服務和硬件整體售賣服務。軟件增值服務通常為原有軟件功能的升級迭代，通過會員訂閱等形式收取費用，是當前主流的收費模式。硬件整體售賣通常將已實現的AIGC軟件功能嵌入硬件中，從而提高硬件單價，但這種模式需注意發揮多硬件數據生態的協同效應，發揮硬件的獨特優勢。在傳統教培內容驅動下，教學資源是核心競爭力，AIGC帶來的“被替代恐慌”與能力提升需求持續升級，AIGC相關培訓機構、課程資源層出不窮，是當前變現能力最強的落地模式。

技術落地關鍵及廠商占位

大模型和算力提供門檻，教育理解決定落地能力，教育數據決定能力上限

AIGC技術在教育行業落地的競爭要素主要體現在三方面，模型和算力資源、教育行業理解和經驗、以及垂類教育數據。具體來看，模型和算力資源提供基礎進入門檻，無論是API接口調用、調優還是自主開發大模型，有模型才能有入場券，但自主開發模型才能掌握主動權，需要企業對AI技術和教育相關數據都有長期積累；教育行業理解決定企業是否具有落地能力，如產品邏輯的設計、用戶痛點的感知、語料庫和工具的建設等，需要企業對教育業務和互聯網產品都有深入理解；教育數據最終決定能力上限，大模型的競爭歸根到底是數據的競爭，數據的好壞決定模型的好壞，進而決定用戶的使用體驗和學習效果，這需要企業在教育行業深耕多年才能形成自己的數據護城河。展望未來格局，AIGC技術具有顯著的資源密集和依賴特點，大力出奇跡的暴力美學路徑已被行業所驗證，未來格局仍會以有著多類型資源積累的大廠占據主要份額，創新企業可以依據特定場景深入理解而切入，但若沒有自主大模型仍然會受制于人。

通用大模型or教育垂類大模型

由通用大模型主導向通用與教育垂類各司其職、融合發展的方向演化

隨著大模型在教育場景的逐步落地，準確性、針對性不足等問題日益凸顯，開發針對教育領域的垂類大模型逐漸成為教育行業共識，但其與通用大模型并非互相排斥的關系，而是朝著各司其職，融合發展的方向演化。當前，通用大模型綜合實力最為強勁，且隨著多模態的逐步落地，仍處于主導地位，教育垂類大模型整體成熟度較低，尚處于應用探索期。隨著教育大模型的成熟，不久的將來可能迎來通用大模型與教育垂類大模型各司其職的階段，通用大模型憑借強大的基礎能力和海量跨領域知識，可解決文本潤色過渡、興趣科普、基本問答和釋義問題，教育垂類大模型根據場景的細化、區域及用戶群體的劃分，細分為不同垂類模型，各自解決特色問題。從更長遠的視角來看，通用知識是專業知識的基礎，通用大模型仍不可被替代。隨著技術的累積發展與資源整合，通用模型與垂類模型的邊界逐漸模糊，通用大模型可能與多個垂類模型存在交集，呈現出通用大模型與N個專家模型多重組合的形態，并不斷走向融合。

內容適配：素質教育發展新方向

AIGC與素養發展具有天然相似的基因，發力C端小模型引領行業發展

AIGC技術的出現，是強化素質教育的重要契機。技術在知識經驗、高效處理、泛化能力等方面的優勢，反向凸顯了人的創造性、靈活性等通識素養的優勢。素質類內容也與AIGC技術有著天然的親近性。學科類內容關注結構化的知識，知識相對更加清晰明確，評估方式也更加標準化，更適合結構化的知識圖譜技術、匹配分類的判別式AI技術。而素質類內容關注知識的生成能力，知識面更廣更深而素養點更散，知識建構和評估非標準化，更適合基于神經網絡的生成式AI技術，需要大模型提供連接和支撐能力。從落地邏輯來看，如前所述，B端和G端是集體行動邏輯，靈活性較差，而C端有著公開數據豐富、用戶群體廣泛且容錯率高的優勢，是最佳的發力領域。企業可通過調用開源大模型裁剪并調優或搭建小模型的方法，進入如表達、國學、藝術等賽道，并逐步深耕打牢用戶基礎，再尋求拓展其他模式。

技術結合：AGI完全體與教育暢想

大模型分析+多模態交互+Agent規劃+具身智能行動，教育場景深度適配

AIGC的外化與硬件化是技術發展的必經之路，但若僅是軟件功能的簡單搭載，則無法發揮硬件的獨特優勢和多模態數據融通價值。AIGC相關技術正在進行融合交匯，大語言模型解決高層次的認知問題，多模態提供數據交互和融通的通道，Agent和具身智能機器人分別解決虛擬和物理世界的任務規劃和執行問題，使得AGI（通用人工智能）完全體躍然紙上。從教育場景來看，大模型解決個性化教學數據分析與內容生成問題；原生多模態打通各類學情數據以全面分析評估學生，并輸出多模態資源滿足如特殊兒童的個性化資源需求；Agent可以幫助教師完成課件生成、作業批改等部分任務，在科研中可以完成實驗規劃和實施，數據預測等；具身智能機器人具有使用場景泛化，傳感單元眾多的特定，可以深入了解特定教學場景。同時機器人具有社會實體的優勢，能夠以表情、肢體等與學生交互并建立情感聯結，起到教學陪伴與激勵作用。

福祉落地：直面人工智能鴻溝

AIGC+教育福祉的落地，需努力克服機會、技能、資源的三大鴻溝

教育是一項社會公益事業，事關人的發展權，教育福祉應盡可能的保證公平和均衡。如前所述，AIGC技術對教育行業有諸多助益，但在具體落地中，可能面臨機會、技能、資源的三大鴻溝。在機會鴻溝層面，首先應盡可能地保證普通老師和學生使用AIGC技術的同等可能，如松鼠Ai計劃永遠向全球20%的最低收入家庭的孩子免費提供松鼠Ai系統；在技能鴻溝層面，首先需要加強AIGC技術科普，進一步拉起齊師生的認知，并在師資培訓、信息素養課程中加大AIGC技術能力培訓，以縮小先天的生物性差異；在資源鴻溝層面，教育資源、算力資源的分配不均衡都是老生常談的重難點問題，需從國家及行業層面進行教育資源、算力的再分配，以防止技術落地中可能進一步強化的馬太效應。

人機協作：人機關系演進新歷程

人機共育，生命循環，互為滋養，人類與AI一起永無止境地學習、構建

一種技術的長處，將導致一種新文明的誕生。AIGC技術在巨量數據的加持下，在發現、認識、運用規律上相比于人腦有著明顯的優勢，在勞動貢獻、價值創造中逐漸與人比肩甚至超越人類，推動人機關系由“共生”走向“互生”。在“共生”層面，體現為人機共育和資源共享。人類和人工智能同樣是學習和貢獻的主體，人工智能是人腦智能的外化和延伸，在內在邏輯上有一定的相似性，二者的成長都需要大量的社會資金及數據資源支持。在“互生”層面，AIGC技術可視為人的“外腦”，與“內腦”各有功能定位并相互協作。內腦因其創造性、靈活性等，需把握人機協作方向及技術邊界，同時可基于個性化需求定制外腦，并培養AI成長；外腦可高效、標準化地完成大量任務，同時在不同場景下有著泛化處理能力，可顯著提高人腦效能。在漫長的文明演進過程中，人類與AI將一起永無止境地學習、構建。

本文轉載自：??艾瑞咨詢??

作者：艾小妹