AI 走进课堂(四):横向对比与趋势总结——大厂教育 AI 的三条落地路线

机器人与教师课堂协同教学场景（概念示意图）

前三期拆解了三家公司：Anthropic 把 AI 放进教师的备课桌，Google 把 AI 改造成苏格拉底，OpenAI 把 AI 打包卖给学校。收官这一期要做两件事：把两位被反复提及却始终没有单独成篇的玩家请上桌，再把四家摆在一起看——谁买单，护城河是什么，哪些数字靠得住。

Microsoft 的位置是“入口”。2026 年 1 月，微软在伦敦 BETT 教育技术大会上更新了教育栈，思路很明确：不做AI 独立产品，而是嵌入学校已经在用的工具里。四个落点：一是 Microsoft 365 Copilot 里的 Teach 模块，生成教案、量规、测验，并按阅读水平分级，宣称课标对齐覆盖 35 个以上的国家与地区；二是面向学生的 Study and Learn 智能体，把课堂内容转成闪卡、填空、配对与测验，依据是提取练习（retrieval practice，即合上材料凭记忆回想，比反复阅读更利于长期记忆）与适应性节奏；三是 Microsoft 365 LTI，把 Copilot 与 Reading Coach 直接嵌入学校自己的学习管理系统；四是作业的 AI 使用控制，由教师逐项声明这次作业是否允许用 AI、允许用哪些预设提示词。定价口径：Copilot Chat 用学校或工作账号登录即可免费使用（含 GPT-5），付费的 Microsoft 365 Copilot 学术价是每人每月 18 美元。

Khanmigo 的位置是“教学法”。 它来自非营利机构可汗学院，2023 年上线，技术侧与 OpenAI 合作。定价结构相当特别：教师完全免费（官方说明是在微软资助下、跑在 Azure OpenAI 服务上，覆盖 44 个以上国家与地区的英语用户）；学生与家长每月 4 美元或每年 44 美元，一个家长账号可挂 10 个孩子；学区按学生数年计费，公开来源给出的单价口径不一。 2026 年 1 月还有一件事值得记下：Google 宣布可汗学院开始接入 Gemini 模型，首批落在 Writing Coach 上——Khanmigo 的模型层从单一供应商变成了多供应商。 教学法归教学法，模型归模型，这是教育产品走向成熟的样子。

国内生态只作参照：讯飞星火、豆包爱学、文心、有道子曰、好未来九章，走的多是“区域下沉 + 硬件绑定 + 政策牵引”的组合。一个口径提醒：国内厂商的服务规模数字多来自企业宣传或第三方报告，未经官方审计，不宜与欧美机构的公开合同价、随机对照试验数据直接横向比较。

图 1 ｜ 四家头部大厂教育 AI 产品横向对比

图 2 ｜ 教育 AI 的路线定位：改变个人，还是改变学校

这张表里最容易被忽略的是最后一列。前三期的评价反复出现同一个判断：教育 AI 的成败很少取决于模型能力，而取决于它落在谁的日常里。Anthropic 落在教师的时间表上，Google 落在学生的做题动作里，OpenAI 落在学校的采购与合规流程中，Microsoft 落在学校已经在用的 Office 与 Teams 里。

Microsoft 的位置因此很微妙：它不争“谁的教学法更好”，它争“AI 从哪个入口进来”。学校本来就在用 Word、Excel、Teams，Copilot 是零迁移成本；短板也一目了然——如果日常工作流不在微软生态里，这套优势会迅速缩水。

还有一个口径变化必须记录：Copilot 曾于 2025 年 9 月一度向未授权用户在 Word、Excel、PowerPoint 中开放，2026 年 4 月 15 日微软已撤回该调整。教育采购最怕的不是涨价，而是口径变化。

图 3 ｜ 六大教学环节 × 五家产品覆盖强度

备课是竞争最拥挤的一段：Anthropic 用课程标准知识图谱加教学 Skills 打头阵，Microsoft 把教案、量规、测验与分级做进一个界面，Khanmigo 免费提供教案、量规、随堂检测与分组建议，OpenAI 走自定义 GPT 与课程知识库。

授课最弱。真正在课堂里同时发生的 AI 介入仍然稀少，最接近的是 Microsoft 的 Reflect（课堂情绪与参与度自查）与 Speaker Coach（口头表达实时反馈），以及 Google 在 Classroom 里一键部署的学习会话。

辅导是学生端的主场。Google 的 Guided Learning、Khanmigo 的苏格拉底式导师、OpenAI 的 Study Mode，三家都明确拒绝直接给答案，改走提问与分步引导。

评价这里有一条红线：Khanmigo 不评分。 它生成量规、汇总学生进度，最终打分仍由人来做。“AI 生成评价标准”和“AI 完成评价”是两件事，前者可用，后者需谨慎。

教研最被低估，目前各家都还没有形成拳头产品，机会是敞开的——课堂行为分析、教案版本对比、集体备课素材沉淀，都属于这一格。行政则由 Microsoft 与 OpenAI 主导：文档、表格、邮件、会议纪要、定时任务，本就长在它们的底盘上。

前三期反复遇到同一个问题：自报数据与独立证据之间的落差。 第 2 期提到 Google 自报的 5.5 个百分点与 31% 偏好度，第 3 期提到 OpenAI 的合作院校数量与合同规模——都是官方口径，值得记录，但不足以证明“学习真的变好了”。收官篇必须补上的，是一份来自第三方、可核查的硬证据。

2026 年 8 月 17 日，美国国家经济研究局（NBER）发布工作论文第 35620 号《One Click Away: AI Tutoring with Khanmigo in a Two-Year School Experiment》，作者是多伦多大学的 Philip Oreopoulos 与 Charles River Associates 的 Nina Low。研究在田纳西州汉密尔顿县 18 所初中做了为期两年的整群随机对照试验，53 个年级内集群（28 个处理组、25 个对照组），覆盖 6,902 个“学生—学期”观测。处理组学生在每天 25 至 40 分钟的数学校本补习时段使用 Khanmigo，并明确配置为“辅导而非给答案”模式。

结果要分三段看：

而摘要里最该被反复引用的，是作者自己的这一句：“这些增益与不使用 AI 辅助的可汗学院练习所产生的结果相似。” 项目成本约为每生每年 15 美元。

原因不在模型，在使用：96% 的学生至少尝试过一次，但中位数学生只在 33% 的练习日与它对话、只在 14% 的练习环节里提问，在出错时也只有 17% 的环节去问它；发出的消息大多是裸答案或点击预设提示。作者的结论很重：“真正的约束是参与度：要兑现 AI 辅导的承诺，需要让学生用它，而不只是给他们权限。”可汗学院首席学习官 Kristen DiCerbo 也公开承认，有访问权限的学生中只有约 15% 会经常使用。

两点补充：可汗学院回应称，对照组是“照常进行”的补救教学，其中 14 所学校的对照组本来就在用其他数学软件，因此 0.14 个标准差是相对于已有教育技术的增量，而非相对于“什么都不用”；该论文尚未经过同行评审。

为什么这盆冷水对国内读者格外重要？ 它把“AI 进课堂”的成败，从“模型够不够聪明”这个技术问题，拉回到了“教师有没有把它嵌入日常教学流程”这个组织问题。

1. 把“给答案”改成“给支架”。 不要只说“帮我写一段 HSK 三级对话”，改成“生成一段 HSK 三级对话，并在每个生词后附一个引导性问题”。Google 与 Khanmigo 已经证明这条路走得通，而它在任何一款通用工具里都能复现。

2. 用“同一知识点、三档材料”做差异化。 把一篇课文按基础、达标、挑战三档改写，保留关键术语不变。Teach 模块与 Khanmigo 的文本分级器把它做成了按钮，用通用工具加明确指令同样可行。

3. 把课程语料做成可复用知识库。 把课文、词表、偏误示例喂进去，把评分标准写进指令，让不同水平的学生拿到不同难度的反馈。关键是让课程资产留在组织里，而不是散在个人的聊天记录中。

4. 把“错误”变成教学资源。 研究里最刺眼的数字是“出错时只有 17% 的环节会去提问”。那么能不能把“向 AI 提问”设计成一项必须完成的作业动作？比如要求学生在作文二稿中，附上与 AI 就三处语法错误的对话记录。

5. 让 AI 承担“红队”角色。 Writing Coach 会切换视角挑论点的毛病。中文写作与口语训练同样适用：让学生用 AI 扮演一个“不同意的读者”，逼自己补证据、补逻辑。

坑一：数据隐私，不能只听承诺。 第 3 期已经看到，即便是签了合同的机构版，“成员数据导出”“数据保留期”“数据驻留”这些开关都会实质影响学校能用什么。个人版工具更要注意：对话是否用于训练、上传的作业是否含姓名与成绩，都要逐项确认。

坑二：学术诚信，不能靠一刀切禁令。 微软 2026 年 2 月推出的作业级 AI 使用控制，思路是把“允许 / 不允许”落到每一次作业上，并给学生预设提示词。这比全校禁用更可执行——禁不掉的东西，不如把它规范起来。

坑三：模型幻觉与引用准确性。 第 2 期已记录，Google 官方也承认引用与准确性仍有缺口。AI 生成的例句、语法解释、文化背景说明，每一条都需要人工过一遍。

坑四：数字鸿沟与参与率。 96% 的尝试率与 15% 的常规使用率之间的落差是一个极其重要的警示：发放账号不等于产生影响。 家庭设备、网络条件、教师培训、课堂时间安排，任何一环缺位，都会把“AI 赋能”变成“AI 摆设”。

四期走下来，路线分工已经清楚：教师端解决“老师怎么做”，学生端解决“学生怎么学”，机构端解决“学校怎么管”，生态端解决“AI 从哪里进来”。四条路合起来指向同一个方向：从通用问答，走向进入教育的完整工作流。

但最值得记住的，可能是那个最不性感的结论。Anthropic 让教师省下的时间，如果最终被新增的行政任务吃掉，收益就是零；Google 把“给答案”改成“给支架”，如果学生根本不去提问，效果也接近零；OpenAI 把合规按钮做得再漂亮，如果教学目标没有同步改变，也只是被外包了一部分重复劳动；Microsoft 把 AI 嵌进 Word 和 Teams，如果六成教师没受过 AI 培训，嵌入也只是多了一个没人打开的侧边栏。

AI 进课堂，教师是方向盘，不是乘客。 方向盘不握在自己手里的时候，车速越快越危险。

系列回顾： ① Anthropic 把 AI 送进教师的备课桌；② Google 试图让 AI 从答案机变成苏格拉底；③ OpenAI 把 AI 合规地卖给高校；④ 四家摆在一起，看三条路线、六大环节，以及一份必须打折的乐观。