92%与75%：AI教育许诺的公平，正在制造更隐蔽的不公平

去年秋天，西南某县一所乡镇中学的会议室里，校长指着投影幕布上的饼图，向全校教师介绍一套新引进的"AI助学系统"。系统由某科技企业捐赠，包含三十台预装了轻量化大模型的平板电脑，以及一套离线部署的错题解析工具。校长说，这是教育公平的体现。山区的孩子，终于和城里的孩子站在了同一条起跑线上。

台下坐着的四十多位教师，大部分教龄超过十五年。他们安静地听完了整场介绍，没有人举手提问。不是因为没有问题，而是不知道问题该从哪里问起。

这个场景，正在中国数以万计的乡镇学校里反复上演。

一个看似完美的承诺

AI进入教育的叙事，有一套非常清晰的逻辑链条：一个老师面对几十个学生，无法兼顾每个人的学习节奏，成绩好的嫌慢，成绩差的跟不上。这个矛盾困扰教育体系上百年，至今无解。AI给出的方案叫"个性化"——每个学生配一个专属的AI学习助手，根据答题数据精准定位薄弱知识点，推送针对性的练习和讲解。理论上，这意味着每个孩子都能拥有一位"一对一的家教"，而这种待遇在过去，只有富裕家庭才负担得起。

叙事的另一层叫普惠。优质教育资源集中在少数城市和少数学校，偏远地区的孩子从起跑线就落后。AI可以通过网络把最先进的教学内容带到任何有终端设备的地方。"让每一个孩子都能享受优质教育"，这句话出现在无数教育科技产品的发布会上、商业计划书里、政策文件中。

它听起来如此合理，几乎没有人会反对。

但一个技术叙事越是完美无懈可击，它遮蔽的东西往往比揭示的更多。

92%与75%

一个很少被提及的数字：某教育研究机构2025年的测评报告显示，某发达城市重点中学使用的定制AI模型，错题解析准确率达到92%。同一份报告里，多所农村学校使用的是同一企业提供的通用版AI模型，未经任何定制化训练，错题解析准确率只有75%。

75%意味着什么？每四道题里，就有一道题的解析可能是错的、偏的，或者虽然正确但完全不适合该学生的理解水平。

差距不是技术本身造成的。定制模型之所以准确率高，是因为那所重点中学积累了大量结构化教学数据——多年的考试记录、教师批改标注、学生错题归因分析。这些数据被用来对通用模型做微调，适配该校的课程体系、出题风格和学生群体的认知特征。农村学校没有这些数据。

它们有的，只是通用模型面对一群完全不同语境下的学生时，那种力不从心的笨拙。

技术没有拉平差距，它把已有的差距翻译成了另一种更隐蔽、更难被察觉的格式。

信号到达不了的地方

比模型差距更基本的，是基础设施。截至2025年底，中国农村地区互联网普及率已超过70%。但"普及"和"稳定"之间隔着一条巨大的鸿沟。许多乡镇学校的网络带宽仅够维持基本的网页浏览，三十台平板同时在线调用AI接口，系统就会频繁卡顿甚至崩溃。

更现实的是终端设备。城市重点中学的学生人手一台高配平板，触屏流畅、存储充足。农村学校用的捐赠设备，不少是三四年前淘汰的旧型号，屏幕碎裂、电池老化，运行轻量化AI模型时频频闪退。

美国的数字可以当一个参照：OpenAI 2025年度报告显示，美国低收入家庭青少年的AI教育工具渗透率为41%，富裕家庭则为78%。这组数据的背景是，美国的AI教育工具大多需要付费订阅，且高度依赖家庭网络环境，收入差距直接转化为技术接入差距。

中国的模式不同——大量AI教育工具通过政府采购和学校捐赠进入课堂，表面上绕过了家庭支付的门槛。但终端设备的质量、网络环境的稳定性、课后使用的可及性，这些"免费"之外的变量，依然在按经济梯度分布。一条隐形的线，沿着城乡、区域、收入的分野，把学生分成两个群体：一群人在用流畅、精准、个性化的AI学习伙伴；另一群人在忍受卡顿、错误、千篇一律的通用模型。

两个群体都在"使用AI"，但"使用"这个词掩盖了一切。

数据喂养数据

AI教育工具的核心竞争力在于数据。一个AI系统在某所学校用的时间越长、积累的学生数据越多，对教学节奏的把握就越精准。它能识别哪些题型是这所学校的高频考点，哪些错误模式是这个群体的共性弱点，哪个学生在哪个知识点上反复卡壳。这种精准度是靠数据"喂"出来的——数据越多的学校AI越好用，AI越好用师生越愿意持续使用，产生的数据就更多，正向循环就此形成。

反过来，没有数据的学校，AI永远停留在"通用"的水平。农村学校、薄弱学校，恰恰最缺乏高质量教学数据，考试体系不够标准化，教师标注能力有限，历史数据积累几乎为零。

马太效应在这里展现得极为冷酷：凡是有的，还要加给他，叫他有余；凡没有的，连他所有的也要夺过来。技术圈喜欢用"赋能"这个词，但在数据逻辑下，真正被赋能的，是那些本来就拥有最多资源的学校。

某东部省份的教育信息化试点项目中，三所重点中学拿到了专项经费建设校本AI训练数据集。一年之后，这三所学校的AI系统已经能自动生成针对不同层次学生的差异化作业。项目覆盖的其他二十余所普通学校和农村学校，仍停留在"错题拍照搜解析"的层面。试点结束后的评估报告用了四个字："应用深度存在差异。"

差异，这是一个足够礼貌的词。

站在屏幕前面的人

技术鸿沟不只存在于学生端，教师端同样有一条裂缝，沿着年龄展开。某师范院校2025年的教师数字素养调研显示，45岁以上教师中仅有32%能有效识别AI生成内容中的逻辑漏洞，而35岁以下青年教师中，这个比例是78%。

意思就是：当AI给出一道错题解析，且解析中藏着一个隐蔽的逻辑错误时，年龄较大的教师大概率发现不了，会把AI的输出直接呈现给学生，或者基于AI的解析调整自己的教学判断。而年龄较大的教师，恰恰更多分布在农村和乡镇学校。年轻教师流向城市的趋势已经持续了至少二十年，留在乡镇的多是教龄长、年龄大、知识结构固化的群体。

最需要AI辅助的学校，教师最缺乏能力检验AI输出的质量。AI的"幻觉"——那些看似合理但实则错误的回答——在这些学校会畅通无阻地进入教学过程，没人有能力拦截。同一项研究显示，轻量化AI模型在历史事件时间线生成方面的混乱率高达28%，每生成四段涉及历史时间的内容，就有一段以上包含时间顺序或年代的错误。语文学科中，AI编造引用、混淆作者的情况同样普遍。

城市重点中学的学生，这些错误容易被教师或同学发现，他们有纠错的环境和能力。农村学校的学生，AI说什么就信什么——不是因为他们更笨，而是身边缺少能帮他们质疑AI的人。AI幻觉对弱势学生的伤害更大，不是因为这些学生本身更脆弱，而是因为他们的纠错系统更薄弱。错误在他们那里不会被识别为错误，而是被当作知识吸收。

一种新的依赖

某高校2025年的学习行为调查给出了一个数字：超过20%的大学生遇到作业难题时，第一反应是向AI索要答案，而非查阅教材、与同学讨论或独立思考。基础教育阶段这个现象可能更隐蔽——当一个初中生习惯了每道错题都有AI即时给出解析，他可能逐渐丧失的不只是"苦思冥想"的耐心，还有面对不确定性时自己探索的意愿。

这里有一个不对称。城市重点中学的教师会主动限制学生对AI的依赖，规定哪些作业可以用AI辅助、哪些必须手写，AI给出解析后学生必须先自己尝试重做，每周安排一定比例的"无AI日"。这些教师有能力做出判断，因为他们理解AI的边界。农村学校的教师则更可能走向两个极端：要么完全排斥AI——因为不理解、不信任；

要么完全依赖AI——因为不知道边界在哪里。中间那个"合理使用"的地带需要足够的数字素养来支撑，而这恰恰是乡村教师最缺的。

涨到68分的那所学校

公平地说，AI教育并非全是负面叙事。西部某省一所乡村学校部署了离线AI终端后，数学平均分从47分提高到了68分。这套系统不依赖外部网络，在本地运行轻量化模型，主要针对基础计算和简单应用题反复训练。教师经过短期培训后，能把AI生成的练习直接嵌入日常教学。

47到68，这是实打实的进步，对那些原本可能连初中都难以顺利毕业的学生来说，这21分意味着真实的改变。

这个案例经常被教育科技行业的宣传材料反复引用。但它不应该被当作普遍规律。这所学校成功的关键——一位愿意投入时间学习系统的校长、一套不依赖网络的离线方案、一个足够简单的应用场景——这些条件在大量乡村学校并不具备。一个案例不能代表一个趋势。

47到68的提升和92%与75%的差距，这两个事实同时存在，它们指向的不是同一个结论。

技术不改写权力结构

到这儿可以做一个判断了。AI教育工具被赋予了一个宏大使命：促进教育公平。但这个使命建在一系列未经检验的假设之上——假设所有学校能获得同等质量的技术支持，假设所有教师具备同等的数字素养，假设AI输出对所有学生具有同等的可靠性，假设数据积累是一个公平的过程。这些假设，没有一个是成立的。

技术从来不是中性的放大器。它更像一个棱镜，把已有的社会差异折射成光谱——发达地区和不发达地区之间的差距，从"师资差距"变成了"模型定制能力的差距"，从"硬件差距"变成了"数据积累量的差距"，从"信息获取差距"变成了"纠错能力的差距"。差距的形式变了，差距本身不但没有缩小，反而因为披上了技术的外衣变得更加难以识别。

一个农村学校的学生面对AI给出的错误解析时，他甚至不知道自己正在被误导。他只会觉得是自己不够聪明，没理解AI的意思。这是技术鸿沟最残忍的地方——它让弱势的一方，把结构性的不公误认为个人的不足。

创可贴不是答案

教育公平的关键从来不是给孩子一个AI工具。教育经费的分配是否均衡，优质师资的流动机制是否合理，偏远地区教师的培训体系是否完善，课程标准和评价体系是否给不同起点的学生留出了足够的弹性空间——这些问题困扰中国教育体系已经几十年，AI的出现没有让其中任何一个问题变得更紧迫或更容易解决，它只是在一个旧问题上覆盖了一层新的技术光泽。

过去十年教育政策中反复出现一个倾向：把注意力从制度转向技术。每一轮技术浪潮——慕课、翻转课堂、智慧教室、AI教育——都会带来一波"技术改变教育"的乐观叙事，吸引大量资源涌入技术层面，而制度层面的深层矛盾继续在技术话语的遮蔽下被搁置。给一个缺少合格数学教师的乡村学校一套AI系统，看起来像在解决问题。但如果这位教师的岗位三年后依然无人接替，如果学校的经费依然不够修缮漏雨的教室，如果这个学区的生源流失趋势依然在加速——那AI系统能做到的，只是在裂缝上贴一块创可贴。

创可贴不是答案。