我国GAI教育应用发展现状与未来方案设想

［摘 要］文章深入分析了我国GAI教育应用的发展现状与主要问题，并提出了系统的方案设计。我国作为东亚教育模式的典型代表国家，面对强人工智能时代知识观的颠覆性变革，教育模式亟待加速变革。国产GAI应用在教育领域具有可行性和现实性，我国GAI教育应用需围绕“战略性”“经济性”“安全性”，针对在定位、制度框架、方案细则、资源投入、数据积累与监管、科研与人才等方面的短板，加紧谋划布局，以形成系统化的建设方案。

［关键词］强人工智能；GAI教育应用；方案设计

［中图分类号］G64 ［文献标识码］A ［文章编号］2095-3437（2025）01-0021-06

立足于“以AI为前提的未来社会”，在学习阶段通过学习实践深刻体验AI以具备熟练鉴别、运用、掌控AI的能力，将可能是未来人才能力素质的重要标志，这无疑会对第四次工业革命下的国家竞争产生深刻影响。作为东亚教育模式的代表，我国传统教育的优势在于所培养的学生知识储备丰富、基础知识扎实、勤奋努力。然而，面对强人工智能时代知识观的颠覆性变革，我国的教育模式亟须加速变革。随着我国GAI（Generative Artificial Intelligence，生成式人工智能）应用产品向全社会开放，其对教育影响的加速效应将迅速形成。我国教育管理部门应未雨绸缪，积极应对机遇和挑战，以保障我国在未来全球人工智能领域的教育优势，为未来产业及国家竞争提供有力支持。

一、我国GAI教育应用改革进展及主要问题

（一）我国GAI教育应用改革进展

2017年7月，国务院印发了《新一代人工智能发展规划》，从宏观环境建设层面提出要利用智能技术加快推动人才培养模式、教学方法改革，构建新型教育体系，并从微观应用形态层面提出了“人工智能+教育”的四种应用形态[1]。

2018年4月，教育部印发了《高等学校人工智能创新行动计划》，提出要加快人工智能在教育领域的创新应用[2]；同时，发布了《教育信息化2.0行动计划》，“智慧教育”作为八大行动之一首次出现在国家层面规划文件中[3]。随后，教育部启动人工智能助推教师队伍建设试点工作。

2019年2月，中共中央、国务院发布了《中国教育现代化2035》，再次强调统筹建设一体化智能化教学、管理与服务平台[4]。同年6月，国家新一代人工智能治理专业委员会发布了《新一代人工智能治理原则——发展负责任的人工智能》，提出了人工智能治理的框架和行动指南[5]。

2020年8月，国家标准委等五部门联合印发了《国家新一代人工智能标准体系建设指南》，提出了包括基础共性、支撑技术与产品、基础软硬件平台、关键通用技术、关键领域技术、产品与服务、行业应用、安全/伦理等在内的标准规划[6]。

2021年7月，教育部等六部门印发的《关于推进教育新型基础设施建设构建高质量教育支撑体系的指导意见》提出，到2025年建设教育专网和“互联网+教育”大平台，为教育高质量发展提供数字底座[7]。2021年8月，教育部批复同意上海成为教育数字化转型试点区。2021年9月，中央网信办等八部门联合认定了一批国家智能社会治理实验基地，包括19个教育领域特色基地。同时，中国国家新一代人工智能治理专业委员会发布了《新一代人工智能伦理规范》，明确了人工智能各类活动应遵循的6项基本伦理规范和18项具体伦理要求[8]。同年11月，上海市发布了《上海市教育数字化转型实施方案（2021—2023）》[9]。

2022年初，教育部启动实施国家教育数字化战略行动。同年3月，中共中央办公厅、国务院办公厅印发了《关于加强科技伦理治理的意见》，将人工智能作为需要加强科技伦理治理的重点领域之一[10]。8月，教育部和科技部等六部门联合印发了《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》，将智能教育纳入首批人工智能示范应用场景[11]。同年10月，党的二十大报告首次将“教育、科技、人才”三位一体统筹布局，首次将“推进教育数字化”写进党代会报告，中国的教育信息化建设进入新的发展阶段。2022年，我国建成世界第一大教育教学资源库——国家智慧教育公共服务平台，用户覆盖200多个国家和地区。

2023年2月，在世界数字教育大会上，我国发布了《中国智慧教育蓝皮书》，编制了智慧教育发展指数和智慧教育平台标准规范，并倡议成立世界数字教育联盟，开展世界数字教育合作。2023年8月15日，国家网信办联合教育部等六部委制定的《生成式人工智能服务管理暂行办法》开始实施，作为全球首部专门规范生成式人工智能服务的立法，其实施标志着我国对包括教育应用在内的GAI管理迈入新阶段，在划定底线和方向的基础上，也对在细分行业、场景中GAI运用规范细则的制定提出了要求[12]。

（二）我国GAI教育应用商业领域进展

GAI应用能力的基础是算力、算法、行业数据以及场景应用能力。自OpenAI宣布ChatGPT整合GPT⁃4以来，国内科技及投资各领域纷纷跟进。2023年8月31日，我国根据《生成式人工智能服务管理暂行办法》备案制度，通过了首批11个国家备案国产大模型。随后，百度文心一言、百川智能的百川大模型宣布向全社会开放服务，其他大模型也紧随其后。同时，2023年8月31日和9月3日，自2019年以来被技术封锁的我国企业华为公司，先后两批开售配备自主研发芯片的Mate 60 Pro新一代高端手机，标志着我国冲破西方技术封锁，在半导体芯片技术上实现重要突破。未来，依托我国数据大国的优势以及半导体芯片自主研发制造技术的突破，我国本土GPT大模型应用必将迎来突破性进展，我国GAI数据、算力、算法三要素“爆发”时代很可能即将到来。

与国内通用大模型进展同步，国内GAI教育类行业产品也频频登场。网易有道、学而思、科大讯飞等企业发布了最新的教育类大模型产品，如网易有道基于“子曰”大模型的AI口语老师、科大讯飞基于讯飞星火认知大模型的AI同步精准学、学而思的数学大模型MathGPT。盛通股份、佳发教育、国新文化、猿辅导、作业帮、高顿教育等众多企业也针对教育细分场景加速开发相应产品。

（三）我国GAI教育应用面临的主要问题

随着百度文心一言、讯飞星火认知等国内大型语言模型在通用人工智能领域的发展，国产GAI应用落地于教育领域具有可行性和现实性。然而，我国GAI教育应用围绕“战略性”“经济性”“安全性”，在定位、方案、监管、科研、人才等方面还存在诸多问题，亟待解决。

1.GAI教育应用经济性与公益性平衡制度框架亟待构建

GAI教育应用存在商业经济性与教育公益性的矛盾，其核心在于如何合理分摊技术成本，以保障教育公平性。如果无法找到适合GAI教育应用的多利益主体合作模式，那么很难保证企业的可持续发展和投资回报。目前，GAI教育应用的实践和探索主要发生在教育商业化领域，而基础教育和公共教育体系GAI应用的开发进程比较缓慢。GAI模型训练和应用开发需要大量资金与数据的支持，将其引入公共教育体系会面临资金投入等经济约束问题，且公共教育体系GAI应用的技术敏锐度低于市场体系，在战略定位上缺乏深刻认识和战略思考。因此，政府、企业、教育机构和社会各方面需要共同努力[13]，通过政策支持、技术创新、公益参与和社会监督等多种方式，从宏观层面完善解决GAI教育应用经济性和公益性平衡问题的制度框架，形成国家、企业、教育机构等多利益主体合作共建机制。

2.缺少针对GAI教育应用的专门指南和具体细则

我国刚刚发布的《生成式人工智能服务管理暂行办法》虽然划定了生成式人工智能服务的基本方向，提出了分类分级监管思路，但细分行业和管理部门还未形成针对本行业领域应用的细则办法。关于我国教育行业多大程度上可以运用GAI、GAI教育应用应遵循哪些基本伦理原则、GAI在基础教育和高等教育领域如何分类及分阶段应用、如何统一教育数据标准并建立可信GAI、如何防止“缺乏鉴别力”的学生对GAI教育技术过度依赖、如何开展教育领域的GAI伦理治理、如何建立合规底线和把控惩戒力度、如何协调管理部门和行业企业及教育机构的分工、如何做好伦理治理审查与监管等问题，目前还缺少具体的规则和指南。

3.GAI教育应用新基建需要持续、公平的资源投入

将生成式人工智能大模型应用到教育系统行业或具体场景，需要包括软硬件及模型训练的技术费用，数据及数据清洗、标注、验证的处理费用，行业和技术专家团队的人力资源费用，软硬件维护升级及数据安全保障的运营费用，以及许可费用、版权费用、专利费用等在内的大量经费的投入。一方面，上述庞大费用仅靠企业和市场投资可能导致GAI教育应用系统化进程缓慢，亟待政府迅速出台支持GAI教学应用项目的资金补贴和奖励办法；另一方面，GAI教育资源的投入和分配可能存在不均衡的问题，一些地区和学校可能因为经费、技术、师资等原因而无法充分利用GAI技术，形成“人工智能鸿沟”。

4.GAI教育应用数据积累模式及审核监管需要优化升级

在我国，由于不同时期、不同部门开发了不同的教育信息系统和数据库系统，致使数据存储管理分散，教育信息系统集成度低、互联性差。加之教育数据在采集、存储、处理、挖掘等各环节缺乏统一的数据标准，导致不同系统之间的数据直接整合面临困难，大量教育数据资源无法实现共享。在我国以往的教育数字化进程中，各地按照“三通两平台”工程建设要求，积极打造教育资源公共服务平台，但在微观学习方式变革方面，互联互通的学习服务生态尚未形成，导致终端应用种类繁多、学习应用平台林立，各系统、各产品间兼容困难，形成信息孤岛和数据壁垒，数据仍然难以真正发挥系统优势[14]。GAI教育应用模型训练数据平台也面临类似的问题，数据平台分割导致数据训练成本难以有效降低。同时，教育数据在共享、使用、保护等方面的法律法规尚未完善，这也限制了教育数据的整合和利用。

另外，为解决生成内容的安全问题，我国应该在训练数据环节和交互提问环节设置审核节点，这需要配备与AI训练人员相匹配的安全审核人员，但我国在此阶段还缺乏相关机制。我国亟待构建涵盖管理部门、教育机构、行业协会及企业等在内的数据积累阶段的审核机制，以保障市场开放的安全性。当然，保障数据隐私和安全的相关立法保障也必须跟进。

5.GAI教育应用研究比较薄弱

当前，我国对GAI教育应用研究的投入有所不足。受到传统教育观念制约，GAI融入教育缺少全面系统的理论以及实践案例支撑，我国相关机构和教育工作者对GAI教育应用体系建设的研究相对较少。现有研究机构和研究人员的交叉、集群特征并不明显，难以满足GAI教育应用多学科交融的特点和产学研交织的要求，因此亟须构建以研究领域为导向的多学科人才或者多机构融合集群组织。

6.GAI教育应用师资队伍亟待建设

在强人工智能时代，教师是教育的设计师、学习的引导者、学习数据分析师以及教育的研究者。只有教师和教育管理者自己深入了解并有效运用GAI，才有可能将之与教学及管理深度融合，实现提升教学和管理质量的目的。我国部分教师以及管理者对人工智能与教师之间的关系认识模糊，对人工智能缺乏信任，缺乏主动尝试使用和进行教学科研实践的动力，在信息技术应用层次、信息化教学创新水平等方面还有较大提升空间[15]。目前，具备人工智能教育应用引导能力的教师以及教育管理者较少。为提高教师的信息化水平，教育部开展了虚拟教研室建设和师资人工智能助力建设行动等试点工作，但规模和成效有限。相较于我国教育信息化建设的硬件方面，我国在加强教师信息化软实力方面发展缓慢。一些教师因为技术难度大、教育观念跟不上时代发展等，不愿意或无法有效利用AI技术，也无法给学生提供AI及GAI教育应用的有效引导。

二、我国GAI教育应用体系建设方案

生成式大模型人工智能对教育的影响已近在眼前，我国GAI教育应用体系建设亟须具备现实洞察力和战略导向的系统性制度框架来推动与规制。面对国际竞争压力和我国目前存在的问题，建议采取以下举措，促进我国GAI教育应用体系建设。