AI教育落地,卡住学校的不是技术,是那张没人先写出来的清单

点击👆知势者👇关注我，加★星标★ 

嗨~你好啊！我是“势在必行，知在必赢”的知势者。

会议室里，校长把文件翻到「人工智能教育」那一页，话筒刚放下，现场就安静了。

有人盯着课表，有人盯着设备采购清单，真正悬着的却是那几句没人愿意先接的话，课时谁出，老师谁上，效果谁评，出了问题谁担责。大家都知道2026年秋季学期已经不远了，也都知道不能再拖。可一动，就怕乱。

我们越来越强烈地感觉到，AI教育落地最难的地方，根本不在模型更新得够不够快，也不在平台界面够不够炫。真正拦路的，是很多地方到现在还没有一张各地各校都能直接照搬的「最低动作清单」。没有这张单子，设备会先走到学校，课程却走不进课堂，培训会先办起来，老师却不知道下一节课怎么上。

改革真正怕的，不是起步慢一点，而是任务很大，动作很虚。

我们为什么老是卡在这儿

这几年，教育系统对AI的态度其实已经很明确了。问题不是要不要做，而是怎么从「都认可」走到「真开课」。这一段最难，偏偏也最容易被技术叙事盖过去。

很多地方一谈AI教育，先谈大模型、算力、平台、数字校园。听着都对，甚至不能说不重要。可学校治理有学校治理的规律。一个项目要落地，管理层先要回答的永远是三件事。

一，底线在哪里。二，顺序怎么排。三，结果怎么收。

这三件事没钉住，学校就会陷入一种很熟悉的拉扯。教务处担心课时被挤压，信息化负责人担心平台闲置，骨干教师担心培训完没有配套课程，年级组长担心考试评价跟不上。我们见过太多这样的时候，PPT一页比一页漂亮，真正落到教室门口，还是停住了。

说实话，AI教育的治理难点，并不神秘。

它就是一个典型的公共教育改革问题。不是谁技术最猛谁就赢，而是谁能先把最低标准、课程扩展、试点闭环这三步排出来，谁就能先启动。山东、南京大学、深圳这三地三校，路线不同，气质也不同，但它们做对了一件共同的事，都没有把「先做什么」交给学校自己猜。

学校最怕的不是任务重，学校最怕的是方向大、口径多、动作散。

三个样本，拆开看其实很朴素

山东先做的，不是创新秀场，是课时底线

据山东省教育厅公开文件，山东在中小学人工智能教育上推出过「十大行动」。真正有力量的，不是口号，而是把模糊任务钉成了具体学段要求。

从2025年秋季学期起，山东明确提出，1至2年级每学年不少于6课时，3至9年级每学年不少于8课时。普通高中则把人工智能内容纳入信息技术学科必选内容。

这几个数字看上去不惊人，甚至有人会嫌少。可教育治理里，少而硬，比多而虚有用得多。因为它直接回答了校长最头疼的问题，AI课不是「有条件的学校先搞搞看」，而是进课表、能督导、可检查的最低任务。

这就是底线标准的意义。

一旦有了6课时、8课时这样的明确要求，后面的管理动作就能接上。教务处知道怎么排，教研组知道怎么备，督导部门知道看什么，师训部门知道该训谁。不是完美，但至少学校不再站在空地上。

我们一直觉得，很多地方不是不愿意推，而是缺这一脚。文件里如果只有方向，没有最低动作，学校就会自动把事情复杂化。要不要独立开课，要不要建专门教室，要不要一次配齐设备，要不要先搞竞赛……问题越问越多，最后谁也不敢拍板。

山东的价值，恰恰在于它把第一步缩小了。

先把门推开，再谈怎么走远。

南京大学先做的，不是一门爆款课，是课程矩阵

再看南京大学。

据南京大学公开资料，学校在全国高校中率先面向全体本科新生开设人工智能通识核心课，这不是给少数专业学生准备的选修点缀，而是把AI放进了人才培养的公共底盘。更关键的是，南京大学并没有停在一门课上，而是逐步建成了近200门AI相关课程矩阵，累计培养学生超1万人次。

这组数字特别有启发。它告诉我们，课程建设不能只靠一门明星课撑场面。

一门通识课，解决的是「人人都要有基本理解」。近200门课程矩阵，解决的是「不同学科怎么接进去」。超1万人次的培养规模，则说明这不是展示性工程，而是进入了稳定运行状态。

问题就出在这儿。很多中小学和一些地区做AI教育，容易一步跨到「特色化」，上来就想做最前沿的项目制学习、跨学科大单元、生成式AI评价改革。听着很激动，是，谁不想一步到位呢。但学校课程改革有自己的生长顺序。没有一门人人看得懂、教师上得了、学生接得住的通识入口，后面的分层进阶就搭不起来。

南京大学的经验对中小学并不是照抄课程名称，而是照抄这个结构。

先有一门全员可达的基础课。再有一组学科可嵌入的扩展课。然后才是项目、竞赛、研究性学习这些拔高动作。

这就像搭架子。别急着挂最贵的灯，先把梁立住，不然一阵风就歪了。这个比喻有点土，但学校管理就是这么回事，土办法反而稳。

深圳先做的，不是全域铺开，是100所实验校先跑机制

再看深圳。

据《建设教育人工智能先锋城市行动计划（2025—2027年）》等公开资料，深圳提出依托100所人工智能教育应用实验校推进试点。这句话如果轻轻读过去，会以为只是扩大样板数量。其实不是。

100所实验校的关键，不在「100」这个数本身，而在它背后的治理设计。深圳不是等所有学校条件一致了再推进，而是先把一批学校组织起来，围绕课堂应用、教师发展、资源供给、评价反馈去跑机制。公开报道中反复提到一个表达，围绕「师—生—机」三元关系，探索数据驱动的人机共育新样态。

这就很重要了。

因为区域推进最怕两头空。一头是只有少数名校跑得很快，普通学校看热闹。另一头是平均用力，结果每所学校都只做一点点，最后没有任何一所真正跑通。深圳用100所实验校先形成样本池，本质上是在建立一个中间层，既不是个别学校单打独斗，也不是全区域一窝蜂。

这里面至少有两个管理动作特别值得拿出来。一个是试点规模被明确定义了，100所，不是三五所样板，也不是全市同步。另一个是试点目标不是单一建平台，而是把课堂、教师、数据放到同一个闭环里。这样一来，实验校不只是展示窗口，更像机制生产车间。

我们对这种设计是有一点情绪的，坦白讲，挺羡慕。很多地方恰恰缺这一层。不是缺热情，是缺一个能把经验从单校复制出去的组织器。

这三地为什么都不约而同，先做标准、试点和闭环

把山东、南京大学、深圳放在一起看，就能看出一种很清晰的方法论。

山东解决的是有没有统一底线。南京大学解决的是能不能从一门课长成体系。深圳解决的是试点成果如何变成区域能力。

它们表面上分别对应基础教育、高等教育、城市治理，实际上回答的是同一类问题，改革如何从倡议变成执行链条。

基于此，我们倒不认为每个地方都要学它们的全部动作。现实条件差异很大，师资、经费、数字基础都不一样，硬抄一定会变形。可它们的共同逻辑非常值得照搬。

先定底线，再扩课程，再建试点闭环。

顺序不能乱。

如果没有底线，AI教育会变成个别学校的自选动作。如果没有课程矩阵，AI教育会停在一门展示课。如果没有实验校和数据反馈，AI教育就会一直在「好经验」和「难复制」之间打转。

这也是为什么我们不太赞成把落地难题全部解释成技术问题。技术更新很快，治理动作反而要更克制。模型可以一个月换一版，课表不会。平台可以反复迭代，教师工作量不会。教育系统最需要的，不是又一个更先进的演示，而是一套今天就能排进学期计划、下周就能进教研会、下个月就能督查回来的动作链。

如果回到一所学校，最小落地框架到底长什么样

写到这儿，其实已经不需要再堆概念了。学校和区域真正要拿去开会的，是一张能分工、能对表、能追踪的清单。我们试着把它压到最小。

对资源薄弱学校，先做这四步

第一步，先定课时底线。

可以直接借鉴山东思路，低年级按每学年不少于6课时起步，中高年级按不少于8课时安排，不求花哨，先进入正式课表。哪怕先放在信息科技、综合实践或校本课程里，也比长期停在活动周里强。

第二步，先上一门通识课。

不是上来就分专业方向，而是做一门全体学生都能接住的AI基础通识课，内容控制在基本概念、典型应用、伦理边界、简单实践四块。讲白一点，先把「知道AI是什么、会怎么用、明白不能乱用」讲清楚。

第三步，先抓一组教师。

不要幻想全员同速。每校先抓5到10名骨干教师，覆盖信息科技、科学、语文、数学这几类学科，形成最初授课队伍。人少一点，反而容易磨课。嗯，这一步很现实，也很管用。

第四步，先把评价缩到最小。

不急着搞复杂的数据平台。先看三件事，课有没有开出来，学生有没有真实参与，教师有没有形成可复用教案。能把这三项每月报一次，学校就已经跑起来了。

对资源较强地区，可以再往前推三步

一是建立区域实验校机制。

不妨参考深圳，设立一批实验校，不必贪多，但要有代表性，城区、乡镇、不同学段都要覆盖。20所也好，50所也好，关键是明确实验任务，不是挂牌。

二是建设课程矩阵。

可以借鉴南京大学的思路，从一门区域通识课出发，逐渐扩展到学科融合课、项目实践课、教师研修课。不是一定要做到近200门课程那个规模，但至少要形成基础、拓展、实践三级结构。否则课程永远长不大。

三是搭一个轻量数据闭环。

这里的数据，不是越多越好。把学校开课情况、教师培训覆盖率、学生参与人次、典型案例沉淀下来，季度复盘一次，就比只看采购进度强太多。很多地方一谈平台就想做大，结果建设周期长、接口复杂、老师不用。轻一点，反而活。

一张能直接带进会场的最低动作清单

如果是区域层面，我们建议会议桌上至少摆出这7项。

• 明确起始学期，能不能从2025年秋季学期启动

• 明确学段课时底线，低年级6课时，中高年级8课时这一类硬要求怎么落

• 明确课程入口，是区域通识课还是校本通识课

• 明确师资范围，第一批由哪些学科教师承担

• 明确试点学校数量，几所学校先跑，跑什么

• 明确评价口径，看课表、看课堂、看教师资源沉淀

• 明确复盘周期，一个月调度，期中复盘，学期末形成案例集

如果是学校层面，就更简单一点。

把课时定了。把老师定了。把一门通识课定了。把月度复盘表定了。剩下的边跑边修，不要等全都完美。

教育改革常常被说得很玄，好像非得等技术成熟、平台齐备、师资到位、评价重构之后才能开始。可山东用课时底线先推开了一扇门，南京大学用课程矩阵把门后的路铺出来，深圳又用100所实验校把路修成了能复制的系统。到这里，我们其实该承认一件事，AI教育真正需要去神秘化。

不是谁讲得最燃，谁就能落地。也不是谁设备最多，谁就一定跑得通。

很多时候，改革就是把底线钉住，把顺序排好，把闭环收紧。

下次再开这种会，别急着先问买什么平台了。

先把那张纸摊开，写上课时、课程、教师、试点、复盘。写到第三行，屋子里的沉默，通常就会开始松动……

最后，感谢你看到这里👏 

如果喜欢这篇文章，不妨顺手给我们 

点赞👍｜在看👀｜转发📪｜评论📣

如果想要第一时间收到推送，不妨给我个星标🌟

更精彩内容，我们下期再见……