01｜

从信号屏蔽到 AI 封锁

高考安全从“防设备”进入“防环境能力”的阶段。

过去多年，高考防作弊的关键词大多围绕手机、无线电设备、信号屏蔽、身份核验和视频监控展开。2026 年的变化在于，AI 被正式放进了考务安全的中心位置。4 月 21 日，教育部会同国家教育统一考试工作部际联席会议成员单位召开 2026 年全国普通高校招生考试安全工作视频会议，明确提出要防范打击高科技作弊，并强化事前事中事后监管。

随后，多个省份在考前提醒中把智能眼镜推到前台。广东、湖北等地要求考生在入场安检时，将佩戴或携带的眼镜放在台面，由监考员在视频监控下专项检查；湖北同时提出“身份验证 + 智能安检 + 人工安检”的入场模式，并在考场实行人工监考、视频监考、流动巡考和实时智能巡查。

教育部 2026 年高考预警进一步明确：无论何种理由、无论是否使用，携带手机、智能手表、智能手环、智能眼镜等具有发送或接收信息功能的设备进入考场，即构成作弊，所报名参加考试的各阶段、各科成绩无效。

与此同时，主流 AI 平台的涉考功能被推入临时管控状态。2025 年高考期间，豆包、腾讯元宝、通义千问、Kimi、DeepSeek 等平台已出现图片识别、题目问答、拍题解析等功能限时关闭的情况；媒体报道显示，此举主要用于防止考生在高利害考试中借助 AI 获取答案。到 2026 年，这类平台侧“限时上锁”与考场侧智能安检、眼镜检查、AI巡查一起，构成了一套前所未有的双向治理体系。

资料来源：教育部考试安全会议、教育部高考预警、多地教育考试机构考前提醒及公开报道整理。

02｜

AI 从工具变成环境能力的关键变化

治理难点并不只在模型能力，更在于能力开始脱离单一设备。

高考对 AI 的“封锁”之所以重要，并不只因为它限制了几个 App 的功能。真正的变化是，AI 已经脱离了软件工具的单一形态，开始成为一种可嵌入环境、设备和流程的能力。过去，作弊风险更多来自一个明确的物理对象：手机、纸条、耳机、无线电接收器。现在，风险可能来自一个正常佩戴的眼镜、一只看似普通的手表、一个听力辅助耳机、一套拍照识题系统，甚至来自考前长期使用的个性化 AI 辅导系统。

环境能力有三个特征。第一，它随身。AI 不再等用户打开电脑或手机，而是贴近身体、贴近日常动作、贴近课堂和考场。第二，它隐形。摄像头、麦克风、骨传导、微型显示、语音唤醒这些能力，可以被藏进普通消费电子产品里。第三，它即时。拍摄、识别、调用模型、生成答案的链路从分钟级压缩到秒级，制度反应速度如果仍停留在过去，风险就会被放大。

这也是智能眼镜被重点检查的原因。一副眼镜原本只是矫正视力的生活用品；一旦它具备拍摄、联网、语音识别、文本显示和大模型调用能力，就变成了一个贴近身体的信息终端。英国考试监管机构 Ofqual 近期也警告，智能眼镜、隐形耳机等可穿戴设备可能放大考试作弊风险，并指出手机和智能设备已经是英国考试作弊中最大的类别之一。

从这个角度看，高考现场的摘镜检查是一种象征：社会治理正在从“管理软件”转向“管理被智能改造过的物质世界”。当智能能力进入生活用品，制度边界就不能只写在 App 协议和网络平台规则里，还必须写入考场、课堂、家庭、工作场所和公共服务系统。

03｜

AI 企业被拉入公共秩序协同

当模型能力影响公共公平，平台的角色开始超过商业服务提供者。

平台侧“限时上锁”有一个值得注意的细节：多数平台并未全面关闭服务，而是在考试时段内针对拍题识图、试题解析、作文生成、实时答题等功能进行限制。日常聊天、生活问答、普通翻译、非涉考图片识别等功能仍可保留。这说明治理逻辑已经从粗放关停进入精准限制。

从技术实现看，平台需要同时处理时间、图像和语义三道门。时间层面，平台要识别考试时段；图像层面，OCR 和图像特征模型要判断上传内容是否像试卷、答题卡、题目截图；语义层面，系统要识别“帮我写一篇关于某主题的 800 字作文”、“这道选择题选什么”等高风险意图。这些限制会带来误伤，尤其会影响大学生期末复习、科研阅读和普通学习场景，但在高利害考试期间，平台通常会选择更保守的安全策略。

这背后是一种新责任：AI 平台正在承担准公共责任。它们不再只需要对用户体验、模型效果和商业收入负责，还要对平台能力可能造成的公共秩序风险负责。2025 年中国 AI 平台在高考期间关闭部分功能，已经引发了海外媒体关注；相关报道提到，ByteDance、腾讯、阿里、Moonshot 等平台的问答或图片识别功能在考试时段受到限制。

这种责任未来会延展到更多场景。公务员考试、职业资格考试、司法考试、企业招聘、金融投资建议、医疗诊断辅助、招投标评审，都属于对公平、公信或生命财产高度敏感的制度场景。平台需要发展场景识别、风险分级、权限控制、日志留痕、人工复核、模型拒答等能力。AI 治理不再只是内容安全问题，也变成了制度安全问题。

04｜

眼镜、手表与耳机：生活用品的技术化

智能革命最难治理的部分，往往藏在最普通的日常物品里。

在传统考务系统中，手机是最清晰的风险物。它体积明显、交互动作明显、需要屏幕和网络，易于被智能安检门、金属探测和人工检查发现。智能眼镜、智能耳机、智能手表、智能戒指的治理难度更高，因为它们同时具备生活用品属性和计算终端属性。

这类设备带来的制度难题不止在考试作弊。智能眼镜可以在会议中悄悄记录客户信息，在法庭旁听中实时识别证人信息，在医院场景中记录患者隐私，在商业谈判中即时提示策略。在许多场景中，它既可能是生产力工具，也可能成为侵犯隐私、破坏公平或绕过制度流程的入口。

高考把这种风险放大到了最容易理解的场景里：考生应当在同一时间、同一规则、同一信息条件下完成作答。如果某个考生拥有一副可以识题、传题、接收提示的眼镜，哪怕只获得一道题的帮助，都会破坏制度的信任基础。公众相信高考结果，源于相信每个人在考场中面对的是自己的知识、思考和表达。

因此，智能设备治理不能只依靠“禁止携带”的表述，还需要形成设备识别、入口查验、平台拒答、考后追溯、黑灰产打击和合法辅助设备豁免的一整套制度。对视障、听障等特殊考生，未来还要建立更精细的“辅助设备合规白名单”，避免公平治理转化为对合理无障碍需求的误伤。

资料来源：公开考务提醒、英国Ofqual 公开警告、用户提供研究资料综合整理。

05｜

考场内的公平和考场外的差距

真正棘手的公平问题，发生在考试当天之前。

高考 AI 封锁可以在短时间内守住考场内的即时公平。平台拒答、智能安检、眼镜查验、AI 巡查共同降低了“秒级作弊”的可行性。问题在于，AI 对教育公平的影响远远早于考生进入考场的那一刻。

在备考阶段，AI 学习工具已经成为一部分学生的日常基础设施：错题归因、知识图谱、作文润色、英语口语陪练、竞赛题讲解、志愿填报模拟、心理陪伴，都可以被个性化 AI 系统接管。拥有更好设备、更高付费能力、更强数字素养、更懂提示词和模型边界的学生，将获得更大的学习效率红利。缺少设备、网络、付费能力和家长指导的学生，虽然也可能接触 AI，却更容易把它用成“直接拿答案”的工具。

这会形成一种新的教育差距：过去的教育资源差距主要体现在名师、学校、课程、家庭时间和学习环境；AI 时代又增加了模型、数据、设备、提示词、学习策略和人机协作能力。表面上，AI 工具降低了知识获取门槛；实际中，谁能把 AI 用成教练，谁只能把 AI 用成答案机，差距会逐渐累积。

所以，考场内封锁 AI 只是公平治理的第一层。更重要的工作发生在日常教育：学校如何教学生把 AI 用于提问、验证、反思和创造，而不是用来替代思考；家长如何理解 AI 学习工具的边界；平台如何区分讲解、启发、训练与直接代答；公共教育资源如何让县域、乡镇、普通学校也能获得可靠、合规、低成本的 AI 学习支持。

06｜

从寻找答案转向训练判断

当答案可以被快速生成，教育必须重新把重心放回真实能力。

高考对 AI 的限制，短期看是考务安全问题；长期看，它会反向推动命题与教学改革。因为只要试题仍高度依赖标准模板、固定套路和可搜索答案，AI 就会持续拥有优势。越是依赖记忆和套路的评价，越容易被模型复制；越是考查情境理解、综合判断、迁移能力、价值辨析和现场表达，越能逼近人的真实学习水平。

2026 年全国高考安全工作视频会议提出，要把立德树人贯穿命题全过程，强化学生能力素养和思维品质考查。教育部高考预警也提醒，近年来高考命题持续深化改革，更加注重考查关键能力、学科素养和思维品质，突出反押题、反套路导向。这意味着，AI 时代的命题改革会持续朝着开放情境、真实任务、多步骤推理和价值判断方向推进。

课堂也要变化。过去，很多学习围绕“会不会做题”“能不能背住”“能不能套模板”展开。AI 普及后，学生更需要学习如何提出问题、拆解任务、核验信息、识别幻觉、比较证据、形成自己的判断。AI 可以成为助教、陪练、资料整理员和反馈工具，但不能取代学生面对复杂问题时的独立思考。

学校的挑战在于：一边要防止AI 破坏考试公平，一边要教会学生使用 AI。拒绝 AI 并不能培养未来人才，放任 AI 则会放大投机和依赖。更合理的路径，是把 AI 使用能力纳入数字素养教育，同时在高利害评价中明确“可用边界、禁止边界、披露规则和责任规则”。路透社报道，中国已提出将 AI 应用纳入教学、教材和课程体系，以培养师生独立思考、问题解决、沟通协作等能力。这与高考 AI 封锁并不矛盾，两者共同指向一个方向：平时学会使用，关键评价中守住真实。

07｜

高敏感场景：AI 治理会从高考外溢

高考是第一个被高度关注的样本，更多制度场景将陆续面对同一问题。

高考提供了一个清晰的治理模型：当一个场景高度依赖公平、公信和真实能力判断时，AI 的使用必须被纳入规则设计。这种治理思路不会停留在教育考试领域。

招聘是下一个典型场景。候选人的简历、笔试、在线测评、面试回答、作品集，都可能借助 AI 生成。企业需要区分合理使用工具和伪造能力之间的边界。司法也是高敏感场景。AI 可以辅助检索、摘要、类案分析，但在事实认定、责任判断、量刑建议等核心环节，必须保留明确的人类责任链条。金融领域同样如此。投研报告、投资建议、风控判断、客户画像都可以由 AI 参与，但一旦发生错误、误导或操纵，需要明确平台、机构、使用者之间的责任。

这些场景的共同点是，它们不能只看输出结果，还要看能力来源。一个人的表现到底来自本人，来自被授权工具，来自外部代答，还是来自隐蔽设备，这将成为未来制度设计的核心问题。高考对 AI 的封锁，其实是在给社会做一次预演：未来所有高信任制度，都要回答“什么时候允许人机协作，什么时候必须独立完成，什么时候需要披露 AI 使用”。

08｜

结语：智能时代的公平，需要重新设计边界

AI 的能力越像空气，社会越需要边界感。

今年高考对 AI 的封锁，表面看是一场考务安全升级，深层看是一场制度边界的重写。它说明，AI 已经进入生活的毛细血管：藏在眼镜里，藏在手表里，藏在耳机里，藏在拍照识题里，也藏在学生每天使用的作业辅导系统里。

这场变化让人不安，因为它让能力来源变得模糊。一个答案、一篇作文、一段代码、一份简历、一份报告，到底来自人的理解，还是来自模型的输出；来自被允许的辅助，还是来自被禁止的替代；来自公开工具，还是来自隐蔽设备。未来社会的很多制度，都要围绕这些问题重新设计。

高考给出的启示并不复杂：在日常学习中，社会应当让更多人学会善用 AI；在高利害评价中，社会必须守住独立完成的底线；在教育公平上，社会还要补上 AI 资源差距造成的新鸿沟。

技术会继续向前，眼镜会更轻，耳机会更隐形，模型会更强，终端会更便宜。真正决定社会能否穿过这轮智能革命的，不只是技术能力本身，还有我们能否为不同场景建立清晰、合理、可执行的边界。高考的安检门前，那副被要求摘下的眼镜，提醒我们：智能时代的公平，已经不能只靠相信人，还要学会约束环境。