夜雨聆风点击蓝字
关注我们
“个性化、高质量、规模化”—— 被教育界奉为“不可能三角”，困扰了教育者数百年。而当人工智能浪潮席卷教育领域，这场看似无解的困局，正迎来被打破的可能。
2025 年末，在大洋彼岸的美国，于2016年创办的Alpha School凭借“每日两小时学习”惊艳全球，13个校区的学生不仅成绩跻身全美前1-2%，更以超过90%的上学热爱度印证了个性化教育的魅力，被《自然》杂志誉为“未来学习的典范”。 [1]同时在安徽芜湖，上海世外教育附属裕安小学发布中国首个系统性“AI 原生学校”建设方案，明确提出破解教育“不可能三角”的目标，让每个学生都能拥有专家级导师团，开启了中国基础教育范式革新的序幕。[2]
图 Alpha School官网
中美不同语境下的创新，都指向了同一个答案——AI大模型正在重构教育的底层逻辑。当智能平台能适配每个学生的认知节奏，当优质教学资源可通过技术实现共享，当教师从重复性工作中解放转向心灵，真的能打破教育“不可能三角”吗？
什么是教育 “不可能三角”？
“不可能三角”本是经济学概念，意指在某种制度安排下，三个核心目标无法同时实现。[3]在教育领域，这一概念被借用来描述一个长期困扰教育者的根本性难题：规模化、高质量、个性化，三者难以兼得。
规模化：指向教育的普惠性，即让尽可能多的学习者获得教育资源；
高质量：指向教育的优质标准，即教学内容和过程达到稳定的专业水准；
个性化：指向教育的因材施教，即适配每个学生的认知节奏、兴趣特长与发展需求。
资料来源：融中咨询
在传统教育模式下，这三者之间形成了某种“取舍逻辑”——追求其中两个，就必然以牺牲第三个为代价。
大班授课是规模化的典型代表。依托成熟的教研体系和标准化的教学流程，一位教师可以同时面对数十甚至上百名学生，以相对较低的成本实现教育资源的广泛覆盖。但代价是，学生的个体差异被遮蔽，认知节奏、兴趣偏好、学习风格难以被一一关照。
小班教学或一对一辅导则实现了高质量的个性化。师生比低、互动充分，教师可以根据学生的特点精准调整教学内容与方法，真正实现因材施教。但这一模式高度依赖师资投入，成本高昂，难以大规模推广，无法满足教育普惠的社会诉求。
规模化与个性化的折中方案——如分层走班、选修课程等——看似兼顾了广覆盖与差异化，却在实践中往往因资源分散、标准不一、管理复杂而导致教学质量难以保障，陷入“两头不靠”的困境。
这种“三者不可兼得”的困局，本质上是人力主导的教学供给与多元差异化的学习需求之间的结构性错配。在传统教育下，高度依赖教师的个体能力与精力，而教师的注意力和时间天然有限，这并非教育者的能力不足，而是教育系统长期面临的约束。
正因如此，“不可能三角”被教育界奉为一道难以逾越的铁律，直到人工智能与大模型技术的出现，才为这一困局的破解带来了全新的可能。
教育大模型：
打破困局的“超级引擎”
教育大模型，与通用大模型（如ChatGPT、文心一言等）不同，它专门面向教育场景构建，围绕教育的核心任务——教、学、评、练、管——进行定制化设计与优化，并且融合了通用知识与学科专业知识，通过大模型技术、知识库技术及各类智能教育技术的有机集成，形成一套能够理解、生成、推理并深度适配教育需求的智能系统。[4]
从技术构成上看，教育大模型通常包含三个层次[5]：
模型层：以大模型技术为底座，具备强大的语言理解、推理与生成能力；
知识层：接入结构化的教育知识库，涵盖教材、课标、题库、教案、教学视频等多模态教育资源，确保知识的准确性与权威性；
应用层：通过智能体（AI Agent）技术，将模型能力封装为可交互的教育应用，如智能答疑、个性化学习路径规划、作文批改、口语陪练等。
图源网络
教育大模型的三大研发路线[6]
在教育大模型的研发赛道上，不存在放之四海而皆准的“万能最优解”。不同研发主体——无论是企业、高校还是区域教育部门——所拥有的资源实力和落地目标各不相同，由此催生出三条核心技术路线。
1
基于通用大模型的微调与优化
——“轻量快跑”
这是最贴近中小机构与基层教育单位的研发路径，以通用大模型为 “底座”，再用教育领域的标注数据（如教案、习题、答疑记录）进行轻量微调，或通过提示词工程优化，快速适配教育场景。
其优势在于“低成本、快落地、低门槛”,无需投入巨额资金搭建算力集群，也不用积累海量专属数据，中小企业、高校院系甚至区域教育云平台都能参与；研发周期通常只需数月，就能快速部署上线，满足备课辅助、作业批改、基础答疑等高频需求。
但短板也同样明显，其“教育基因”不足，对学科深层知识、教学认知规律的适配性较弱，容易出现“答非所问 或知识偏差的“幻觉”问题；且优化效果受限于通用模型的固有能力，难以突破专业深度上限，更适合解决标准化、流程化的教育需求，而非复杂的因材施教场景。
2
从零开始训练教育专用大模型
——“重投入、高精准”
这是对技术与资源要求最高的路线，不依赖任何通用模型，从预训练阶段就全程使用教育专门数据，搭建适配教育场景的模型架构。
它的优势是“强专业、高精准、全可控”。通过全量教育数据训练，模型能深度内化学科知识与教学逻辑，可精准适配不同学段学生的认知规律，真正实现“因材施教”；同时价值观与内容安全可控性极高，能针对性解决教育场景的痛点，如个性化学习路径规划。
但高收益必然伴随高成本，千亿级优质教育数据的积累难度大、成本高，形成了极高的行业壁垒；算力投入动辄数十亿，多数企业难以承受；研发周期长达数年，迭代速度慢，且对技术团队的实力与资源整合能力要求极高。目前仅少数头部教育企业、顶尖高校有能力布局，比如学而思的“九章大模型”、同济大学的 “CivilGPT”，均是这一路线的典型代表。
图 同济大学“CivilGPT”官网
3
混合技术路线
——“平衡增效”
这是当前最受青睐的“折中最优解”，将通用大模型的理解生成能力，与专业教育知识库、RAG（检索增强生成）技术相结合，通用模型负责理解用户需求、生成自然语言回复，RAG 技术负责从专业知识库中精准检索权威信息，再将两者结合输出答案。
它的优势在于“兼顾各方”，既不像专用模型那样投入巨大，又比单纯微调的通用模型更具专业性，实现了“成本与效果的平衡”；知识库可实时更新，能快速纳入新教材、新课标、新教研成果，避免了大模型“知识陈旧”的问题；同时可解释性强，答案能溯源到具体知识库来源，方便纠错，大幅降低了“幻觉”风险。
这种路线的局限主要集中在“知识库建设”上，需要持续投入人力物力进行知识库的更新、维护与结构化处理；RAG 检索的精度直接依赖数据的结构化质量，若数据杂乱无章，会影响答案的准确性；此外，还需兼顾通用模型与知识库的协同优化，对技术整合能力有一定要求，但整体门槛远低于从零训练，效果又优于单纯微调，成为多数中大型教育机构的首选。
国内外教育大模型实践案例
1
学而思
——九章大模型(教育垂类大模型)
九章大模型（MathGPT）是学而思自研的教育垂类大模型，于2023年首批通过国家备案。其核心定位是做一个“专才”——深入理解学科知识体系与学生学习路径，而非通用大模型的“通才”。学而思执行总裁位晨在2025世界人工智能大会上指出，九章大模型的目标是让AI成为孩子的“学伴”和教师的“助教”，通过个性化互动推动学生从“被动做题”走向“主动构建知识”。[7]
九章大模型走的是“从零开始训练教育专用大模型”的重投入路线，依托好未来（学而思母公司）超10亿的题库数据集与22年教研积累。据披露，搭载九章大模型的智能体“小思”在2024年被唤醒2.3亿次，学生与大模型的交互已成自然习惯。从市场反馈看，学而思AI学习机业务增长快速，2025年一季度销量份额超13%，稳居行业前三。位晨总结道：“AI有可能解决教育行业的‘不可能三角’——个性化、高质量、大规模。” [8]
图 九章大模型官网
2
网易有道
——子曰大模型 （混合技术路线）
子曰大模型是网易有道推出的国内首个教育大模型（2023年7月发布），2025年已升级至3.0版本，首批通过中国信通院“可信AI教育大模型”评估并获最高5级认证。[9]其核心路径是基于通用大模型进行教育场景的深度微调与RAG增强，走“混合技术路线”，在成本与效果之间寻求平衡。[10]
截至目前，子曰大模型目前已落地10余个应用，覆盖翻译、答疑、口语、播客等多元场景，在翻译和口语领域表现突出，但其在数学推理等强逻辑场景仍面临“数据幻觉”挑战。据用户反馈，小P老师（小 P 老师是网易有道基于「子曰大模型」开发的、面向学生的 AI家庭教师）在讲解复杂数学题时存在原题识别错误、答案偏差等问题，暴露出大模型在精确性领域的短板。市场数据也印证了这一点：2025年Q2，有道智能硬件业务收入同比下降33.5%，学习机品类市场占有率不足5%。
3
可汗学院
——Khanmigo（AI个性化辅导的全球标杆）
如果说学而思九章大模型是中国教育垂类大模型的代表，那么可汗学院推出的Khanmigo，则是全球范围内最具影响力的教育AI应用之一。可汗学院（Khan Academy）是由孟加拉裔美国人萨尔曼·可汗于2009年创立的教育性非营利组织，通过在线图书馆提供多学科的免费教学资源，旨为加快各年龄学生的学习速度。Khanmigo基于GPT-4打造，但并非简单的“通用模型+教育场景”，而是深度定制于可汗学院庞大的教学内容库，采用混合技术路线，实现了苏格拉底式的启发式对话辅导——它不会直接告诉学生答案，而是通过连续提问引导学生自己思考出解题思路，真正践行了“授人以渔”的教育理念。[11]
除了面向学生，Khanmigo还为教师提供了强大的辅助功能。它可以帮助教师快速生成教案、设计课堂活动、创建分层作业，并根据学生的学习数据提供个性化的教学建议，大幅减轻了教师的备课负担。
Khanmigo的教育价值已获得学术界的初步验证。2025年发表在《Journal of Teaching and Learning》上的一项研究表明，使用Khanmigo学习物理概念的大学生对其给予了积极评价，认为其“逐步引导、提供练习题目、个性化互动”的特点对学习帮助显著，学生将其视为传统教学的有效补充工具。
图 可汗学院Khanmigo官网
结语
技术的终局从来不是技术本身。AI可以精准推送知识点，却无法替代教师眼里的温度；可以高效批改作业，却难以复制课堂上的灵光一现。正如教育学家帕克·帕尔默在《教学的勇气》中所言：“真正好的教学不能降低到技术层面，真正好的教学来自于教师的自身认同与自身完整。”AI的使命不是取代教师，而是将教师从繁琐的重复性工作中解放出来，让他们得以回归教育的本真——用生命影响生命，用心灵唤醒心灵。技术的浪潮终将奔涌向前，而教育的初心，当如灯塔般永恒。
参考文献
[1] Alpha School Featured in the Prestigious Science Journal 'Nature' as a Template for Schools of Tomorrow (https://www.tmcnet.com/usubmit/2025/12/12/10304870.htm)
[2] 全国首个AI原生学校建设方案在上海世外教育附属芜湖市裕安小学发布 (https://www.sohu.com/a/966154433_100249956)
[3] 不可能三角-百度百科
[4] 教育专用大模型研究报告（简版）-报告厅-数智观察 教育专用大模型研究报告（简版）（https://cdoview.cn/report_detail/d13c54a44e144c0d9cb7cf2ae8c4952b）
[5] 教育大模型的发展现状、创新架构及应用展望（https://www.sohu.com/a/783444384_100016406）
[6] 教育行业大模型研发建设技术方案研究报告（https://zhuanlan.zhihu.com/p/1935306853102917296）
[7] 2025WAIC | 学而思位晨：用大模型重塑个性化教学，AI不是替代者而是教育合作者（https://www.tal.com/zh-cn/news/detail/2960）
[8] 学而思智能学习体系已实现“到店、到家、进校”等全场景渗透（https://www.jiemodui.com/N/138948.html）
[9] 两折抛货、数据幻觉，子曰大模型难救网易有道（https://www.donews.com/news/detail/1/6098349.html）
[10] 教育界的“百模大战”，玩家们究竟在拼什么？（https://news.iresearch.cn/content/202406/501576.shtml）
[11] Leveraging “Khanmigo” Generative AI-Powered Tool for Personalized Tutoring to Learn Scientific Concepts（https://files.eric.ed.gov/fulltext/EJ1487444.pdf）
撰稿：王章政
编辑：于静雯 刘竹煊
审核：张嘉怡
排版：谢惟一
END
求点赞
求分享
求喜欢
