专访开得联 |从课堂录播走向校园感知，可持续提升数据效用

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》的AI+教学装备主线，迪显咨询走访开得联，就AI录播、循证教研、校园安全治理及教育装备市场变化展开交流。此次走访重点了解开得联在课堂教学、教师发展和校园治理等场景中的实践，并从企业一线观察AI进入真实学校的路径，进一步辨析技术热度、实际应用价值与商业可持续性之间的差距。

开得联聚焦教育场景，业务覆盖教育音视频采集与应用、课堂分析，以及校园智能安防产品及解决方案。

其业务以课堂空间为基础，逐步向校园空间延伸，既关注教学过程记录、教师发展和循证教研，也探索利用既有摄像设备与AI分析能力开展风险识别、事件预警和区域化管理，强调软硬件协同、数据合规与存量设施复用。

AI进入教育之后，行业并不缺想象。备课生成、课堂分析、资源检索与个性化反馈都在推进。但真正进入校园，问题很快变得具体：数据能否贯通，分析是否准确，学校是否承担得起持续成本，结果又能否改变一次教学或管理决策。

开得联判断，当前AI在教育中的应用仍处于局部落地阶段，许多工具解决的是单点问题，课前、课中、课后与学校管理之间尚未形成稳定的数据闭环。技术在进步，组织机制、数据基础和使用习惯却无法同步跳跃。现阶段更需要识别哪些场景已经产生可验证价值，哪些能力仍停留在试点。

借用自动驾驶的分级思路，我们的共识是——当前AI教育更接近辅助驾驶阶段。系统能够承担备课生成、课堂记录、行为分析等部分任务，但教师仍是全过程的责任主体。但目前学校中的录播、教学平台和学情终端能各自运行，辅助教师、学校进行数据维度的分析和感知，最终仍需要教师和管理者人工判断。

迪显咨询在之前走访中也一直提到，教育不能简单照搬其他行业的智能化路径。工业质检可以通过缺陷率、良率快速验证效果，教育面对的却是差异化的学生和具有个人风格的教师。同一节课是否有效，不能只看教师讲了多久、提问多少或学生是否抬头，还需要专业评价知识讲解、思考引导和现场调整。

开得联认为，AI在教育中的推进可能需要更长周期。真正困难的部分不只是模型能力，而是学校有没有动力打通数据，教师是否愿意沉淀经验，以及优质教学方法能否被标注、检索和复用。名师经验并非一份教案或一段文字可以完整表达，其价值往往藏在讲解顺序、课堂动作、提问时机和现场回应中。只有将这些信息转化为可以理解和调用的资源，录播沉淀的视频才可能由存档资料变成教学资产。

过去录播的主要任务是录制精品课、远程互动或留存教学资源。

随着多模态分析能力进入课堂，产品开始增加教师行为、提问结构、师生时间分配和课堂互动等分析。不过，这些指标目前更多属于粗颗粒度观察，可以帮助教师照镜子，却不足以直接判断一节课是否真正有效。

下一阶段的难点，是从结构化统计走向教学内容理解。

图：开得联录播产品展示

例如，同一个知识点可以有多种讲法，优秀教师往往能够用更短路径建立学生理解，也能在学生注意力变化时调整表达。要识别这些能力，系统不仅要知道教师讲了什么，还要理解教师怎样演绎、为什么在这个时点提问，以及学生是否真正吸收。中小学知识范围相对明确，但教学过程具有明显的艺术性，因此高质量标注比单纯扩大数据量更重要。

在技术路线方面，开得联可根据场景需求，更倾向边缘与云端协同架构。本地设备先完成规则判断、数据整理和脱敏，再由云端模型完成复杂分析。纯本地方案的模型更新和智能水平可能受限，全部依赖云端又会增加网络、成本与数据安全压力，边云结合需要在三者之间取得平衡。

教育显示与录播等产品进入存量竞争后，继续增加硬件数量已很难形成持续增长。开得联正在把长期积累的音视频与AI分析能力由教室延伸至校园空间，其中一个重点是校园综合安全治理。其思路不是推倒学校原有系统重新建设，而是尽量复用已经部署的摄像头和存储设备，在后端增加分析主机、事件识别和管理应用。

传统安防系统主要解决看得见、存得下和事后可追溯的问题，新的AI应用尝试把视频变成可以提前识别和推送的事件。单个摄像头只能看到某个区域是否有人，结合课表、人员身份和空间规则之后，系统才能判断一个学生在当前时间出现在某个位置是否异常。例如，一次异常未必说明问题，但同一学生在一天或一段时间内多次出现异常轨迹，便可以形成提示，由班主任或学校管理人员进一步核实。

这种方法的边界同样明确。系统提供的是风险线索，而不是对学生或事件作出自动定性；异常行为、考勤、人员轨迹等信息需要与学校管理情境结合，由教师作出判断。随着数据积累，校园治理也可能由单一物理安全延伸到学生状态观察，为德育和心理支持提供补充信息，但技术不能替代专业人员，更不能把一次行为直接推导成心理结论。

目前校园智能安防方向仍处于持续拓展阶段。据悉，截止2026年，开得联已在50多所学校开展相关实践，并计划继续扩大学校覆盖。区域级平台是其关注的另一种形态：先在数所学校验证，再将校级数据接入区域管理平台，使教育管理部门能够了解风险分布和处置情况。能否建立清晰的预警规则、责任流程与数据边界，将决定这一方案能否从点状项目走向常态运行。

迪显咨询：目前AI+教育应用哪些走在前面，哪些有待进一步建设？

开得联：整体仍处于辅助应用阶段。不同场景已经出现备课生成、课堂分析、智能问答和管理助手，但多数能力各自运行，数据没有充分贯通。教师仍需掌握教学过程和最终判断，短期内更现实的方向是人机协同，而不是追求无人化教学。

迪显咨询：AI录播产品下一步最值得突破的能力是什么？

开得联：重点是理解教学内容，而不只是统计课堂行为。系统需要逐步识别优秀教师怎样讲解知识点、怎样设计提问、怎样根据学生反应调整节奏，并把有价值的片段标注出来，使视频可以检索、学习和复用。这需要大量高质量数据和专业标注，难度高于一般的行为分析。

迪显咨询：开得联校园安全方案的核心亮点是什么？

开得联：学校已有的前端摄像头和视频存储系统可以继续使用，主要在后端增加AI分析、事件识别和管理平台，降低重复建设成本。其次，在校园场景中，开得联安防系统不只识别画面中的人和行为，还会结合课表、人员身份、时间和空间规则进行综合判断，更加符合教育场景的真正需求。例如，同一名学生在不应出现的时间进入特定区域，或者短期内多次出现异常轨迹，系统可以形成风险线索并推送给班主任或管理人员。

在此基础上，校园安全也会从物理安全逐步延伸至身心健康支持。在依法合规、取得必要授权并严格保护个人信息的前提下，系统可辅助观察校园场景中的群体行为变化，例如长期独处、活动轨迹突然改变或异常事件频繁发生，为班主任、心理教师和德育管理人员提供补充信息。但这些数据只能作为关注和干预的线索，不直接给学生贴标签或替代专业心理诊断。最终核实、沟通与处置仍由学校人员完成，AI主要承担持续观察、风险事前发现和信息归集工作。

此次交流，最直观的感受是，开得联没有把AI单独包装成一个新概念，而是将其放回已有业务中解决具体问题。在录播领域，重点由记录课堂转向理解课堂，提高课堂数据的准确性和教研价值；在校园治理领域，则是聚焦校园真实痛点场景，则尽量复用学校已有的摄像头和存储系统，通过增加AI分析与管理能力，帮助学校更早发现异常情况，并将物理安全、行为观察与心理关怀逐步衔接起来。

这条路线仍有不少问题需要解决。例如，课堂分析能否从时间分配、提问次数等基础统计，进一步识别教学内容和方法，以及校园预警能否准确进入班主任、心理教师和管理人员的处置流程。对开得联而言，下一步的重点除了继续增加AI+功能，更是让现有能力真正融入学校日常工作，并用更准确的数据、更少的重复建设和更明确的应用效果证明产品价值。