专访柯清超教授，AI+教育：不仅仅是教学相长，更是“人机相长”！

当人工智能真正走进校园、进入课堂，变化的不只是增加了一种教学工具。它正在影响教师备课、课堂互动、作业设计、学情分析与教学评价，也在改变学生获取知识、提出问题和开展探究的方式。

近期，围绕2026未来教育《AI+教育智变，人工智能落地实践与创新发展洞察报告》课题，迪显咨询近期持续走访教育专家及产业企业。此次拜访柯清超教授，希望从教育研究与长期实践视角，进一步厘清当前AI教育所处的发展阶段，观察AI课程、智慧课堂、教师角色、个性化学习等领域的真实落地进展，并探讨技术真正进入学校后，产业下一阶段值得关注的场景、机会与边界。

柯清超教授（以下称柯教授），华南师范大学教授、博士生导师，教育部教育数字化与教学方法创新指导委员会委员、教育部基础教育信息化教学指导专委会委员，长期从事教育信息化、人工智能教育、学习科技与教师专业发展研究，主持及参与多项国家级、省部级科研和教育信息化合作项目，在教育数字化与智慧教育领域具有长期研究与实践积累。

人工智能进入教育，正在经历一个微妙的转折点。

当AI通识课程写进课表之后，谁来教？生成式AI进入备课之后，怎样真正进入课堂？如果要实现因材施教，学生数据从哪里来？学校愿意为哪些产品买单？教师真正需要AI替自己完成什么？

这些问题，比“AI+教育”几个字本身更具体，也更难。围绕这些问题，迪显咨询与柯教授进行了一场深入交流——从AI课程、课堂教学一路谈到教师角色、学生终端、垂直模型、教育公平，再延伸到人机协同以及未来教育产业真正值得关注的机会。

以下：Enjoy！

迪显咨询： 现在大家都在谈“学AI、用AI、创AI”。如果从中小学来看，AI教育目前大概走到哪个阶段了？

柯教授： 现在全国很多地方其实都已经开始考虑怎么开课、怎么落地了。方向已经很清楚，真正困难的是执行。

第一就是师资。你要开AI课程，但真正能够教AI的老师并没有那么多；第二是教材和资源，各地情况差异很大，有的地方自己组织编教材，有的地方配套课程资源。老师不会教怎么办？有些地方就先把课程资源做出来，老师更多承担组织学生学习的角色。所以AI课程普及不是说课表上写一个“人工智能”就完成了。课表里有，不代表真正上起来了。这也是为什么我觉得接下来几年，这一块还会持续往前走。AI已经慢慢成为这个时代的底色。对中小学生来说，首先未必要学到多深，但至少要让他接触、理解，建立基本素养和兴趣。

迪显咨询： 也就是说，“有没有AI课”和“有没有真正形成AI教育”其实还是两回事？

柯教授：有些地方会把课程、资源、平台、教师支持都做起来，两者质量肯定不一样。我一直觉得，小孩子接触AI，不应该只是因为以后考试考不考，计算机刚出来的时候，也不是等它成为考试科目以后才去培养。一个东西如果已经成为未来社会的基础能力，你就应该让孩子早点接触。

AI课程首先是一场“教育供给能力”的建设，从产业视角看，AI教育普及并不天然等于一个大规模硬件市场。真正的需求首先集中在课程体系、教师资源、教学内容以及低门槛的实验与实践环境。这意味着，AI教育的第一阶段，很可能不是“每个学生多一台设备”，而是先解决一件更基本的事：让学校有能力把AI这门课真正上起来。

迪显咨询： 如果从“学AI”再往前一步，到了“AI+课堂”，现在最大的突破口在哪里？

柯教授： 我觉得AI+课堂是很值得关注的。

为什么？因为教育一直讲因材施教，但过去一个老师面对几十个学生，很难真正知道每个学生现在学到了什么程度。比如现在越来越强调均衡分班。一个班里的学生差异会很大，有的英语可能从小就学，有的孩子刚开始学ABC。班级不能简单地分成所谓的好班、差班，那班内怎么实现分层教学？这个时候技术就有价值了。但要做到这一点，前提是什么？

你要知道这个孩子现在在哪里。

如果没有学生的数据，你就没办法分析，也没办法诊断，就更谈不上真正的个性化教学。

迪显咨询： 所以为什么过去几年会不断出现平板、点阵笔、扫描设备、课堂摄像头等各种形态，本质上都是在解决数据采集？

柯教授： 对，本质问题就是怎么把数据采集下来。以前大家想到的是Pad，每个学生一个终端，反馈很及时，也可以收集错题和学习过程。但后来又碰到很多现实问题，成本、管理、近视、沉迷、家长意见，这些都是问题。后来又有人用点阵笔，用摄像头，用扫描和批阅设备。每一种方式都有优缺点。

未来我觉得比较重要的一点，就是尽量无感。不要为了采数据，额外给老师和学生增加一道很麻烦的流程。你设计一个东西，本来是为了提高教学效率，结果老师每天为了用它多做三四个动作，那最后很可能就不用了。

“没有学生数据，就没有真正意义上的个性化教学；但好的技术应该尽量无感。”这也揭示了AI教育装备下一阶段一个非常重要的竞争维度：不是设备功能越多越好，而是谁能够以最低的教学摩擦获得真正有价值的数据。

谈到AI与教育，一个出现频率极高的词是“个性化”。但什么才是真正的个性化？柯教授讲了一个很朴素的例子。

柯教授： 我以前去一些学校看分层教学。有些孩子基础比较弱，你一直让他做很难的题，其实没有意义。

如果以前一个学校有25%的孩子达不到基本要求，通过更合适的教学和作业，把这个比例降到10%，那就是非常大的进步。因材施教不是说所有孩子最后都考100分。每个孩子的基础和发展节奏本来就不同。技术真正有价值的地方，是知道他现在在哪，然后给他一个最接近他水平、又比他现在稍微高一点的任务，让他不断往前走。

迪显咨询： 现在也有学校做A、B、C分层（难度级别）作业，让学生自己选，这算不算一种因材施教？

柯教授： 算，但它有一个问题。让孩子或者家长自己选，也可能制造新焦虑。家长不知道自己的孩子到底适合哪个，就会觉得为什么别人做A，我的孩子不能做A。如果你有比较客观的数据依据，就可以在背后动态调整。基础差一点，先把难度降低；做得好了，再慢慢增加。

这才是真正技术支持下的分层，AI不是把教育变成更高强度的“刷题机器”。恰恰相反，它真正可能改变的是：过去一个标准、一套内容面向几十个人的教学方式。

但AI能够辅助教师，并不意味着任何通用大模型都可以直接进入教学。这是柯教授在交流中反复强调的另一个判断。他曾让研究生拿一本初中数学练习册，对多个通用大模型进行测试。按照他的介绍，当时测试结果只有八成多的题目能够正确完成。随后，他在另一所学校交流时了解到，学校使用经过大量同类型数学题专门训练的垂直模型后，准确率可以做到九成以上。

柯教授： 对教育来说，80%的准确率是不够的。学生尤其是年龄比较小的时候，没有那么强的判断能力。AI如果不会，宁可告诉他不会，也不能非常自信地给他一个错误答案。所以以后真正要赋能老师，我觉得很多场景还是需要专用模型。英文作文是一类，数学是一类，阅读是一类，不同学科都有自己的专业要求。

迪显咨询： 所以从产业角度看，教育大模型真正有价值的地方，未必是再做一个入口，而是向学科和具体任务下沉？

柯教授： 对。你真正解决一个问题就可以。场景小一点没有关系。

从大模型（基础模型）能力走向教育可靠性这恰恰可能是AI教育与通用AI产品最大的差异。消费者可以容忍一次不准确的推荐，但课堂很难长期接受“八成正确”。模型厂家需要回答，是否可靠、是否符合学段要求、是否理解教学目标，以及老师是否敢放心地把它交给学生。

当讨论进一步走向“师—生—机” 协同时，柯教授给出了一个颇具想象力的未来课堂。

迪显咨询： 如果人机协同继续往前发展，未来教室可能变成什么样？

柯教授： 我有时候会想得比较科幻。假如以后具身智能真正发展起来，一个教室里也许可以有两三个机器人。老师负责组织、协调，陪伴孩子，给孩子情绪价值。

“机器越来越擅长知识，老师就应该越来越回到人的独特价值”

知识讲解、重复性的辅导、作业批改，这些事情可以让不同的智能体去帮助完成。哪个学生哪道题不会，就让一个智能体过去辅导；批改作业，也可以交给另外一个。真正的老师反而有更多时间照顾孩子的情感需要。他把“机器”角色的变化分成了几个阶段。最早，电脑只是工具，是帮助人获取资源的一种新文具。

进入生成式AI阶段后，AI开始具备“学习伙伴”的意味，可以给建议、和学生讨论问题；如果未来智能体具备更强的环境感知、自主行动能力，人机关系还会进一步发生变化，而在今天，我们仍然主要处于“协同”阶段。

教师真正不可替代的，也许不是“比AI多知道一道题”，而是能够发现一个孩子今天情绪不对，知道什么时候该鼓励、什么时候该追问，能够组织一群不同的人共同学习，并在成长过程中给予价值判断和情感支持。这可能也是AI越强之后，教师角色反而越需要重新被定义的原因。

柯教授： 教育里一直有一个词叫“教学相长”。

老师教学生，自己也会成长。我觉得以后人与AI也应该是“人机相长”。人类使用AI解决问题，在这个过程中也会产生新的内容、新的方法、新的知识；这些优质内容又会反过来推动AI进步。师一生一机，「机」的三重身份，从信息化时代类似PC这类装备，到AI学伴，再到人机共生，一直在展开的演进。

不是简单地我使用一个工具，而是双方不断相互促进。

AI素养真正重要的部分，并不是用AI一步解题，是能不能提出好问题，能不能验证AI，能不能识别错误，能不能在AI给出答案之后继续思考。

AI经常被寄予一个重要期待：让优质教育资源更普惠。但柯教授提醒，技术并不会天然带来公平。

柯教授： 我反而比较担心以后出现一个很大的“智能鸿沟”。会使用AI的孩子，用它阅读、解决问题、协同学习，他可能会越来越厉害。不会用AI的人，如果只是简单依赖，或者根本不知道怎么用，他和前面那一批人的差距可能越来越大。互联网时代出现过财富的头部效应，AI时代也可能出现知识和能力的头部效应。

迪显咨询： 所以未来AI素养本身也可能成为新的教育基础能力？

柯教授： 对。你不能只把AI给孩子，然后就认为问题解决了。关键是他会不会用。这实际上给“教育公平”增加了一个新的维度。过去谈公平，更多讨论设备有没有、网络有没有、课程有没有。

未来还必须多问一句，同样拥有AI的人，是否拥有同样使用AI的能力？

这场交流进行了一个多小时。从AI课程、学生终端、点阵笔、作文批改，一路谈到具身智能、教师角色和智能鸿沟，技术不断变化，但柯教授反复强调的判断其实非常一致：

不要为了AI而AI。

哪些事情值得AI做，哪些事情机器应该交还给人；哪些产品只是增加了一套系统，哪些产品真正改变了教育现场。从这个意义上说，AI+教育下一轮竞争，也许不是比谁更像未来，而是谁更理解今天的学校。正如柯教授在交流中反复强调的那样：“场景小一点没有关系，关键是要真正解决师生的问题。”——让老师更从容，让孩子获得更适合自己的学习，让学校少一些无效流程、多一些真正的教育发生时，AI才算真正进入了教育。

欢迎持续关注，共同观察AI如何服务教育、赋能教师、助力学生成长，一起寻找技术与教育深度融合的更好答案。10月长沙的第88届中国教育装备展示会上，迪显咨询将首发2026未来教育《AI+教育智变，人工智能落地实践与创新发展洞察报告》并同期举办“AI+教育主题论坛”，邀请教育科技企业代表、学校一线代表和产业专家共同交流。