备课自动化、整校部署、区域一张网：教育操作系统正在分化全球课堂

这几年，围绕「教育操作系统」的讨论，从概念层面的愿景，迅速被推向了技术和治理层面的现实博弈。

最初的数字化很朴素：教务系统管排课，LMS 放课件、收作业，再接一两个题库和网课。系统多、入口散、数据不通，距离真正意义上的「操作系统」还很远，更像是被硬绑在一起的工具箱。

大模型出现后，节奏被彻底推快。先是老师和学生自己「偷偷」用通用模型备课、写作业，教育系统整体反应滞后；随后，一批 AI 单点工具涌入课堂，从自动批改到教学诊断，拼接出一条条「AI 插线板」。再之后，野心更大的玩家开始瞄准底层，而不是某节课或某次作业——让 AI 进入账号体系、数据流和业务流程，成为学校日常运行的基础设施。

真正的拐点出现在过去两三年：教育不再只讨论「教得更快一点」，而是不得不面对一个更结构性的问题——学校要不要换一个新的系统内核？

放到全球视野下看，这股力量已经有了几条清晰的代表路径：Google 用 Gemini 系列去改造老师和学生每天使用的工作与学习环境，OpenAI 用 ChatGPT Edu 把整所大学当成实验单位，中国厂商则在智慧教育和本土大模型的结合上加厚区域和校园的数字底座。

在这一点上，更值得比较的是，这三条路线究竟分别瞄准了教育结构的哪一层，正在课堂与校务层面重写哪些流程，又是否在「提效」的共同叙事之下，悄然积累起一些尚未被充分讨论的隐性代价。

如果只看产品形态，Google 的 Gemini for Education 并不张扬。Gemini 没有另起炉灶搭一套全新的教务平台，而是选择了一条看上去「最不激进」的路，悄悄嵌入老师本来就离不开的那些入口。

今年更新后的 Gemini for Education，面向使用 Google Workspace for Education 的学校免费开放。老师在 Docs 写教案、在 Slides 做课件、在 Classroom 布置作业时，都可以随手调用 Gemini，根据已有材料自动生成测验题、作业、评分量表，或者对不同水平的学生给出层次化的练习。这套工具支持多语言，强调安全合规，也强调「教师主导」。由教师决定何时引导学生使用 AI，而不是让学生直接和模型「单线联系」。

在这套逻辑之上，还有一层更明确的学生策略。Gemini for Students 官网把自己直接定位为「你的 AI 学习搭子」，对符合条件的大学生提供 AI Pro 订阅。在多个国家，学生可以在一定期限内免费使用 Gemini 2.5 Pro，配套 Deep Research、增强版 NotebookLM 和 2TB 云存储，用来整理课堂笔记、生成测验、分析图片和文本。 对印度等市场，Google 更是把这套 Pro 计划打成价值接近 2 万卢比一年的「学生福利」，直接把一代人的学习环境整体抬升到「默认带顶配 AI 工具」的水平。

从学校端的视角来看，这是一种非常「顺手」的渗透方式。老师不需要更换平台，只要在原本的文档、幻灯片和作业界面，多点击一个按钮，就能提前拿到一整套试题和讲解。Google 官方宣传里反复强调的是「节省出时间，让老师把精力用在更有价值的教学上」。这是一个很难被拒绝的承诺。

但恰恰因为 Gemini for Education 「顺手」，才更值得警惕。Gemini 的核心优势，不只是模型本身，而在于掌握了教师与学生日常操作的那条管道。当老师长期依赖 Gemini 生成练习、调整难度，课堂的节奏和知识点的呈现方式，便会不可避免地向 Google 的技术设定靠拢。同样，当一批大学生从入学起就习惯用 Gemini 2.5 Pro 整理资料、写论文、做项目，他们对「学习」的基本感受也会围绕这套工具重塑。

这并不是说 Gemini 一定会把课堂引向坏的方向，而是要看到一个结构性的现实：在这条路线中，学校很容易忽略掉一个关键问题，即当 AI 工具被默认封装进 Workspace 时，教师和管理者对它的可见度其实是有限的，许多教学决策被隐藏在一个「生成」按钮之后，形成了新的黑箱。

另一方面，对于资源差异巨大的学校而言，「免费 AI 工具」带来的效果也未必一样。对本来就有能力做项目化、探究式教学的学校，Gemini 可以成为进一步释放创造力的辅助；而对更多教学仍然高度应试化、时间被严格切分的学校，Gemini 很可能只是让刷题、布置作业和批改反馈更高效。统一的操作系统之下，结果可能是「强者更强」，而不是整体抬升。

在这个意义上，Gemini for Education 更像是全球教育系统的一次「软性重构」。Gemini 没有强行改造课堂形态，而是通过改变老师和学生的日常操作习惯，把 AI 悄悄嵌入了每一个细节。真正值得追问的，是学校是否同步更新了使用规范、数据治理和教学目标，还是仅仅把一部分重复劳动外包给了模型。

如果说 Google 的策略是从「工具栏」切入，那 OpenAI 走的是另一条路：直接把一整所大学当成合作对象。

2024 年，OpenAI 发布 ChatGPT Edu，将其定义为「为大学量身打造的 ChatGPT 版本」。官方介绍中，ChatGPT Edu 基于 GPT-4o，可以处理文本和图像，并提供数据分析、代码生成、自定义 GPT 等功能，强调企业级的安全和权限管理，以及适合教育机构的价格体系。发布时列出的早期合作院校包括牛津大学、宾夕法尼亚大学沃顿商学院、得克萨斯大学奥斯汀分校、亚利桑那州立大学和哥伦比亚大学，这些学校此前已经在使用 ChatGPT Enterprise 做教学和科研实践。

亚利桑那州立大学是一个标志性案例。这所大学在 2024 年初被媒体报道为「第一所与 OpenAI 建立正式伙伴关系的高校」，为师生提供访问最先进 ChatGPT 版本的机会。随着合作进一步推进，ASU 宣布将 ChatGPT Edu 推广到全校所有学生、教职工和研究人员免费使用，希望借此提升学生成功率、加速科研和改造行政协作。在实际操作中，学校一方面鼓励教师探索如何用 ChatGPT 设计课程、生成案例与练习，另一方面也要求教师在教学大纲中明确 AI 使用原则，避免学术不端。

更具系统性的一次尝试来自加州州立大学体系。这个拥有 23 所校区、超过 46 万名学生和 6 万多名教职员工的公立大学系统，去年宣布将部署 ChatGPT Edu，目标是为所有成员提供个性化辅导、学习指南和研究助手，同时提升行政效率。对一个如此庞大的系统来说，引入 ChatGPT 已不再是单纯的技术选择，而是关乎学术政策、数据使用、教师工作负担和工会态度的综合议题。

ChatGPT Edu 的地位与单纯的「校园版 ChatGPT」有细微差别。ChatGPT Edu 提供的是整套管理能力：学校可以控制哪些人可用、用到什么程度、是否接入内部数据、如何记录和审计使用情况。大学不再只是「被动接受」一个对公众开放的工具，而是要主动把 AI 使用纳入自己的制度框架里。

不过，当模型能力本身迭代很快，制度往往会被动跟在后面。随着 GPT-4.1 等新模型加入 ChatGPT 付费与企业版，OpenAI 把更大上下文、更强指令执行能力推向包括 Edu 在内的付费层。大学要在多大程度上允许学生把这些能力用在作业、论文和考试准备上？教师是否会在不知不觉中，把评估标准调整到「默认学生背后有一个强力 AI 助手」的状态？这些问题，在各个合作高校内部都有激烈争论。

与 Gemini 不同，ChatGPT Edu 更直接地触碰到了「谁来立规矩」的问题。Gemini 通过嵌入 Workspace，更多影响的是具体任务；而 ChatGPT Edu 把大学推上了一个必须做整体决策的位置：要不要给全校开通，要不要允许接入内部数据，要不要把 AI 使用写进校规。与此同时，OpenAI 通过产品设计和宣传，不断强化「负责任使用」的话语，这在客观上也参与了高校对 AI 规范的重写。

这是一种更「硬」的重构方式。ChatGPT Edu 的好处是可以逼着高校正面回答 AI 的位置问题，而不是放任学生各自摸索。但代价在于，一旦一个系统级工具在几十万名学生中全面铺开，想要「抽身」几乎不可能。AI 使用从个体选择，迅速升级为制度惯性，这一点，在 ChatGPT Edu 的路径上体现得尤为清楚。

相比 Gemini 和 ChatGPT Edu 所依赖的「学校账号体系」，中国的 AI 教育操作系统更像是在既有的教育数字化框架上继续加固底座。

根据科大讯飞公开信息，截至 2024 年，其智慧教育解决方案已经在全国 83 个地区落地，覆盖超过 5 万所学校，服务约 1.3 亿师生，并进入香港等市场。这套系统不是一个单一产品，而是一整串从区域治理、校园平台到课堂应用的组合拳。

在区域层面，讯飞为地方教育部门提供的是「教育大脑」式管理平台，通过汇总和分析校际资源分布、教学质量、学生学情等数据，为「双减」、优质均衡发展和教师培训提供决策支持。由此，AI 不再只是课堂工具，而是被嵌入到政策执行与治理监测的链条之中。

在学校层面，智慧教育平台被打造成所谓「校园主阵地」，整合教学、作业、教研、校园管理和考试服务。更重要的是，星火教育大模型被封装进一系列面向教师和学生的具体产品中。例如，「星火教师助手」通过对话式交互，帮助教师生成教学规划、教案设计和课件内容，根据官方披露的数据，该产品已覆盖全国 4000 余所学校、20 万余名教师，教师教学设计效率平均提升 61%，课件制作效率提升 64%。

在课堂端，科大讯飞推出的「AI 智能黑板」「星火课堂分析大模型」等产品，则进一步加深了人机协同的程度。公开报道显示，这些系统可以实时捕捉课堂上的语音、板书和师生互动行为，对教学过程进行分析，并给出结构化的改进建议。对于很多地方学校来说，这类产品不仅是「帮老师省时间」，更被视为教学质量监控和教研支持的新抓手。

广东等地区的实践，某种程度上展示了这条路径的典型形态。2023 年底，广东省教育厅发布关于在中小学试点人工智能技术应用的通知，推动 AI 与教育教学深度融合。在这之后，星火教师助手已经覆盖广东广雅中学、华南师大附中等 500 多所学校，并被省发改委列入应用场景典型案例。这里呈现的是一种「政策牵引 + 企业落地」的协同：区域希望用 AI 提升整体教学质量与效率，企业提供成套解决方案和模型能力。

把视角再拉远一些，会看到三类教育操作系统押注的，其实是不同层级的权力结构：

Google 从日常工具切入，以工作流完成渗透；OpenAI 将高校与州立系统作为落点，在制度层面为 AI 腾出位置；科大讯飞则借助国家与地方的治理体系，把智慧教育嵌入基础教育的运行架构。这些路线都在强调「赋能」与「提效」，却也共同指向同样的疑问——谁为这套系统买单，谁设定其边界，谁管理由此生成的海量教育数据，谁又能真正说出「不用」。

一旦一所学校、一个大学系统或一个地区在教学和管理上高度依赖某套 AI 操作系统，所谓「试点」就不再具有可逆性。AI 会从一种可替换的工具，转变为类似水、电、网络的基础设施，悄然重写着课堂的节奏、学校的治理方式，以及教育系统内部的权力关系。因此，把 Gemini、ChatGPT Edu 和中国的智慧教育放在一起比较，真正重要的并非技术优劣，而是它们同时抛出的那组更难回应的问题——在效率与公平之间，系统会偏向哪一端；在人与自动化的分界线上，课堂将让出多少主动权；在全球公司、本土企业与公共机构之间，教育的底层权力应当落在谁的手中。

能确定的只有一点：谁来构建教育操作系统，谁就拥有定义教育问题的权力。

2025 年，多鲸蟹宴& EE 年会将在合肥再次启程，以更深的洞察与更开放的姿态，探讨教育的下一个周期。我们将再次汇聚行业思考者、行动者与创新者，在变动中，寻找教育的确定性。

12 月 19–20 日，教育的未来，在这里相遇。

扫码立即报名⬇️