Files

T

hehaiguang1123 a6f05ab2d5 Phase 0-2: Schema cleanup, typed relations, event-driven automation

- Phase 0: AGENTS.md cleanup (dedup quotes, renumber sections, merge qmd)
- Phase 1: typed relations (manage-relations.py, graph-search.py, check-staleness.py, detect-conflicts.py)
- Phase 2: frontmatter validator, weekly lint, knowledge promotion, git hooks
- Fix .gitignore to track tools/ and .githooks/
- Fix git remote URL (remove plaintext token)
- New wiki pages: 504 pages, 34 raw sources

2026-07-01 08:05:43 +08:00

20 KiB

Raw Blame History

tags, created, author, description, topics, para

国内外教学大模型发展状况调研报告

[!summary] 调研摘要 调研日期: 2026年4月15日 调研范围: 中国、美国、欧洲、日韩等国家和地区 数据时效性: 2024-2026年最新信息

核心发现:

中国2024年市场规模294.16亿元，预计2026年突破700亿元

全球AI教育市场2030年预计达921亿美元

中美日韩三国鼎立，各有优势：中国规模大、本土化强；美国技术领先、生态开放

技术趋势：多模态融合、智能体化、个性化学习路径成为标配

应用成熟度：K12智能批改已规模化，个性化学习快速成长，虚拟教师/数字人处于早期阶段

执行摘要

教学大模型正处于从技术验证期向深度应用期跨越的关键节点。2026年被多家机构称为**"AI+教育商业化元年"**。

[!important] 核心发现

市场规模: 中国2024年294.16亿元，预计2026年突破700亿元；全球AI教育市场2030年预计达921亿美元

竞争格局: 中美日韩三国鼎立，各有优势 - 中国规模大、本土化强；美国技术领先、生态开放

技术趋势: 多模态融合、智能体化、个性化学习路径成为标配

应用成熟度: K12智能批改已规模化，个性化学习快速成长，虚拟教师/数字人处于早期阶段

核心挑战: 教育公平、数据隐私、算法偏见、教师角色转型

一、国内教学大模型发展状况

1.1 市场概况

指标	数据	增长率
2024年市场规模	294.16亿元	62% YoY
2026年预测	700亿元	CAGR 37%
多模态占比	156.3亿元	增长主力
校端渗透率(高校)	25-35%	-
校端渗透率(K12)	20-30%	-
C端渗透率(K12)	10-15%	-

增长驱动因素:

教育数字化经费投入:2025年达5515亿元
政策持续加码:《"人工智能+教育"行动计划》(2026年4月)
开源模型成本下降(DeepSeek等)
个性化教育需求增长

1.2 主要厂商和产品对比

科大讯飞:星火教育大模型

[!tip] 技术特点

基于自研星火X2，全国产算力训练

128K超长上下文

多模态理解(文本/语音/图像/视频)

深度推理能力在中文数学、逻辑推理领先

差异化优势:

深耕教育21年，海量教育数据积累
全国产化算力平台"飞星一号"
完整产品矩阵:星火教师助手、星火讲评、星火语伴、智能批阅机

落地案例:

星火智能批阅机:全国260多所学校、3800多位老师应用
效果:批改效率提升80%，教师批改时间降低67%
上海80多所学校试点:学生作业负担减轻12%，备课效率提升40%

百度:文心一言教育版

[!tip] 技术特点

基于文心大模型(ERNIE)

强大中文理解和生成能力

搜索增强能力，实时联网检索

知识图谱支持，多领域知识覆盖

应用案例:

广东广雅中学:沉淀21个精品课例
万学教育:打造教育行业人工智能全系产品

阿里:通义千问教育(智海三乐)

[!tip] 技术特点

720亿参数MoE架构

32K上下文窗口

成本优势明显(约GPT-4的1%成本)

差异化优势:

强大开源生态(魔搭社区)
企业级支持(阿里云基础设施)

智谱AI:GLM-4系列

[!tip] 技术特点

GLM-4.5:3550亿参数MoE架构

128K超长上下文

强大代码生成能力

应用案例:

北京邮电大学"邮谱"平台:覆盖K12全学科知识网络
上海交通大学:物理实验课程应用，学生成绩提升0.2分

网易有道:子曰教育大模型

[!info] 国内首个教育垂类大模型

2023年2月发布

3.0版本支持38种语言实时互译

通过信通院可信AI教育大模型评估(最高评级5级)

应用效果:

有道AI答疑笔:日均答疑超10万次
智能批改准确率高，作文批改/语法精讲表现突出

好未来:九章大模型(MathGPT)

[!tip] 技术特点

自研数学领域千亿级大模型

专注数学解题和讲题算法

支持图文输入，提供分步解答

应用效果:

GAOKAO-Bench(Math)评测得分98.5分
2023年8月上线公测，针对全球数学爱好者

希沃:希沃教学大模型

[!tip] 技术特点

基于2200亿token教材、教案、课件数据训练

支持53%课堂点评效果

本地化部署，数据不出校

应用案例:

重庆两江新区博雅小学:AI数字孪生教室改造
全国19个重点应用示范区，超3000所学校
生成超36万份课堂智能反馈报告

1.3 技术能力对比

模型	参数规模	上下文长度	多模态能力	推理能力	代码能力	输入成本	输出成本
文心一言	未公开	8K	优秀	良好	良好	¥12/1M	¥12/1M
通义千问	720B	32K	优秀	优秀	良好	¥2/1M	¥6/1M
星火大模型	未公开	128K	良好	优秀	良好	API调用	按量
GLM-4	3550B	128K	良好	优秀	优秀	¥50/1M	¥50/1M
混元2.0	406B	256K	良好	优秀	良好	¥0.8/1M	¥2/1M

1.4 应用场景与效果数据

教师端赋能:

备课效率提升56%(希沃白板、星火教师助手)
批改效率提升80%(星火智能批阅机)
教学设计质量提升40%(通义千问)

学生端效果:

学习效率提升40%(松鼠AI、有道智能学习机)
作业准确率提升12%(星火语伴、DeepSeek)
学习成绩数学提升37%(2024年12月实测研究)
学习兴趣提升25%(豆包、星火语伴)

1.5 政策支持

2024年3月: 教育部发布《关于加快推进教育数字化的意见》
2026年4月: 教育部等五部门联合印发《"人工智能+教育"行动计划》
- 四大重点任务:
  - 推动人才培养与素养提升
  - 建强教育智能基座
  - 培育应用生态
  - 打造开放生态

二、国外教学大模型发展状况

2.1 主要产品和厂商

OpenAI: GPT-4 Edu

[!tip] 技术特点

最强推理能力和多模态支持

强大的代码生成和数学解题能力

API生态完善

应用案例:

Khanmigo(Khan Academy):
- GPT-4驱动的个性化辅导系统
- 苏格拉底式教学，启发式提问
- 定价:44美元/年(免费基础功能)
- 效果:学习效率提升42%，87%学生反馈"as good or better than human tutors"
- 用户规模:超过1.55亿学习者全球

Anthropic: Claude Edu

[!tip] 技术特点

强大的长文本处理能力(200K tokens)

优秀的安全性和可控性

教育场景优化

Google: Gemini for Education

[!tip] 技术特点

多模态能力突出(图像、视频、音频)

与Google Workspace深度集成

免费版本供教育机构使用

Microsoft: Copilot for Education

[!tip] 技术特点

与Microsoft 365深度集成

教师备课、课件制作、作业批改

企业级数据安全保障

应用案例:

8000多家教育机构使用
教师备课效率平均提升35%

Khan Academy系列

Khanmigo:

与OpenAI合作，GPT-4驱动
个性化学习路径规划
实时反馈与学情分析

Khan Labo:

免费AI工具集
教师AI工具、个性化练习生成器
深度整合开源模型(DeepSeek等)

其他国际产品

Duolingo Max:

AI Max(GPT-4驱动会话练习、发音纠正)
年营收同比增长160%(2025年数据)

Coursera AI:

AI-powered学位路径
自动化写作评估
智能课程推荐
覆盖超7000门大学课程

2.2 与国内产品的差异

维度	国内产品	国外产品
技术基础	通用模型+垂类微调，本土课程适配	技术领先，推理能力强，通用性强
生态开放度	API为主，部分开源	开放API+开源生态(Google、Meta)
成本结构	成本优势明显(如DeepSeek)	成本较高(GPT-4:约$20/1M tokens)
数据合规	本土化部署强，数据不出校	GDPR合规，但全球化部署
教育场景	深度适配中国教育体系和课程	通用教育场景，标准化程度高
商业模式	B2B2C为主，学校采购+终端用户	B2C为主，订阅制为主

2.3 2024-2025年最新发展动态

2024年:

OpenAI推出GPT-4 Edu，教育场景优化
Google发布Gemini 1.5，多模态能力突破
Microsoft推出Copilot for Education正式版
Khan Academy推出Khanmigo 2.0

2025年:

AI智能体市场快速增长，CAGR 36%
多模态AI市场达21.7亿美元
教育AI伦理指南发布(UNESCO)
各国推出AI教育政策框架

三、教学大模型技术特点与挑战

3.1 核心技术架构

多模态融合

图像+语音+文本交互: 从单一文本聊天向图文语音输入演进
应用场景: 拍照上传题目(OCR识别)、语音提问(ASR)、多模态题库解析
市场规模: 2025年21.7亿美元 → 2030年82.4亿美元(CAGR 30.6%)

RAG(检索增强生成)

[!note] 技术原理外部知识库检索+大模型生成结合，解决"幻觉"问题

教育场景: 注入课程知识、教案、题库等权威数据源
效果: 学术准确率提升30%+

知识图谱融合

技术特点: 构建学科本体、知识点关联、薄弱环节实时定位
应用案例: 北邮"邮谱"平台，覆盖172个知识点，关联百余个视频资源

个性化自适应学习

技术架构:

全息数据捕获:点击流、停留时长、答题步骤
深度行为解析:语义理解、时间序列分析
认知诊断与建模:图神经网络(GNN)多特征融合
自适应引擎:基于认知模型动态调整学习路径

智能体(AI Agent)

[!important] 市场规模 AI智能体市场2026年约297亿美元

核心能力:

动态知识推理:基于LLM强理解力，自主规划复杂任务
长期记忆:向量数据库存储学习轨迹
多工具调用:LangGraph管理多Agent流程
自主任务规划:ReAct框架，分解复杂目标

3.2 技术挑战

挑战类型	具体问题	解决方案
幻觉问题	教育场景要求100%准确率，但大模型仍有概率错误	RAG技术、知识图谱校验、人工审核
算法偏见	训练数据偏见可能导致对某些学生群体不公平评估	算法透明化、知识多样性训练、联邦学习
可解释性	复杂推理过程不透明	建立可解释AI框架、提供推理路径可视化
数据隐私	学生数据安全是重大关切	本地化部署、差分隐私、联邦学习
学术诚信	AI代写风险检测工具局限(90%准确率，误报率较高)	提交"与AI的对话记录"、过程评价

3.3 评估标准与评测方法

主流评测基准:

GAOKAO-Bench:高考数学题评测框架(好未来九章大模型得分98.5)
MMLU-Pro:多任务语言理解专业版
K-12 Eval:K12教育专项评测集

教育场景评估维度:

学术准确率
教学有效性
个性化程度
响应速度
安全性与可控性

3.4 最新技术趋势

多模态深度融合:

视频生成与沉浸式学习
VR/AR/元宇宙课堂
虚拟仿真实验

轻量化与边缘部署:

模型压缩(100B→8B参数，体积压缩75%，能力损失率<5%)
INT8量化，边缘设备部署可行性提升
本地优先:60%高校考虑本地部署

知识蒸馏与专业化:

从通用大模型向垂类教育大模型演进
针对特定学科(数学、编程、语文)专项微调
注入教育学、心理学专业知识

四、教学大模型发展趋势

4.1 市场发展趋势

全球市场:

教育领域LLM市场: 2025年50.7亿美元 → 2030年352.3亿美元(CAGR 47.7%)
生成式AI教育市场: 2025年15.3亿美元 → 2030年91亿美元(CAGR 42.8%)
个性化学习市场: 2025年59.6亿美元 → 2030年166.9亿美元(CAGR 22.0%)
多模态AI市场: 2025年21.7亿美元 → 2030年82.4亿美元(CAGR 30.6%)

投融资情况:

2025年融资总额:约185亿元人民币
2026年融资总额:约500亿元人民币(低位运行)
融资特征:"总量收缩、头部集中、AI优先"
投资逻辑:从"扩张预期"转向"效率与盈利驱动"

4.2 技术发展方向

多模态融合:

从单一文本向图文语音视频多模态演进
应用场景扩展:拍照解题、语音互动、视频教学

智能体化:

从工具向具备目标管理、任务规划、记忆更新、执行反馈能力的智能体演进
"师-生-机"三元协同模式

个性化自适应:

全息数据捕获+认知诊断+自适应引擎
动态知识图谱构建+个性化学习路径规划

垂类专业化:

从通用大模型向教育垂类大模型演进
针对特定学科专项微调，提升专业准确率

4.3 应用场景拓展

虚拟教师:

24/7全天候陪伴，AI数字人、语音对话、表情识别
角色扮演:模拟历史人物、外语外教、职业导师

智能辅导:

苏格拉底式教学，启发式提问而非直接给答案
个性化学习路径:诊断→规划→推荐→练习→反馈

自动评估:

客观题100%自动批改，准确率>98%
主观题辅助:作文/编程代码AI评估，提供结构化反馈

智慧课堂:

国家教育智能算力服务平台
班级学情分析、学生成长关怀、教师AI赋能

4.4 面临的挑战和问题

教育公平与数字鸿沟:

城乡差距:农村学校网络普及率低，智能设备覆盖不足
区域发展不均衡:一线城市AI教育产品普及率35%，三四线城市<12%
解决方案:政府采购向薄弱地区倾斜、开源模型+轻量化部署

学术诚信与伦理问题:

AI代写:《学位法》明确禁止AI代写学位论文
数据隐私:43.2%家长对数据安全性表示担忧
解决方案:算法透明化、联邦学习、过程评价

教师角色转型:

从"知识传授者"转向"学习设计师+价值塑造者"
92%学生"第一反应是问AI"，教师面临职业焦虑
解决方案:AI素养培训、提升新技能(提示词工程、数据解读)

4.5 国际对比和竞争态势

政策对比:

| 维度 | 中国 | 美国 | 日本 | 韩国 | 芬兰 |

|-------|------|------|------|-------|

| 公平性 | 较好 | 数字鸿沟严重 | 较好 | 极好 |

市场集中度:

全球:头部集中(Amazon, Google, Microsoft, Meta等)
中国:科大讯飞、腾讯、百度、字节跳动等
投资逻辑:从"追逐风口"转向"理性投资，注重商业化验证"

技术路径差异:

美国:技术创新优先，开放生态(OpenAI开源)
中国:本土化适配，教育场景深耕，数据壁垒形成竞争优势
合作趋势:跨界合作增加(如Google与Khan Academy，伴鱼出海)

五、总结与展望

5.1 核心发现

发展阶段:教学大模型正处于从技术验证期向深度应用期跨越的关键节点

市场规模:

中国:2024年294.16亿元，2026年预计突破700亿元
全球:2030年AI教育市场达921亿美元

竞争格局:中美日韩三国鼎立，各有优势

中国:规模大、本土化强、政策支持力度大
美国:技术领先、生态开放、创新文化强
韩国:全球最激进，AI教科书全面取代传统教材
芬兰:教师中心，人文关怀，长期可持续发展导向

技术趋势:

多模态融合、智能体化、个性化学习路径成为标配
从通用大模型向垂类教育大模型演进
轻量化与边缘部署成为重要方向

应用成熟度:

K12智能批改已规模化
个性化学习快速成长
虚拟教师/数字人处于早期阶段

核心挑战:

教育公平与数字鸿沟
数据隐私与算法偏见
教师角色转型与专业素养
学术诚信与过度依赖风险

5.2 2026-2030年发展趋势预测

市场增长:

全球AI教育市场:2030年达921亿美元(CAGR 36%)
生成式AI(含多模态):2030年91亿美元
多模态AI市场:2030年82.4亿美元
AI智能体市场:2026年297亿美元

技术突破:

教育场景重构:从传统课堂向"人机协同"全面转型
评价体系:从结果导向转向过程导向与能力评价
模型小型化:边缘计算、端侧推理成为主流

关键里程碑:

2030年目标(中国):建设15个省级人工智能学院、60个省级实验区和实验校
国际合作加强:中美欧日韩政策对话、标准互认

5.3 建议

对教育机构选型建议:

K12学校:优先选择教育垂类模型，关注本地化部署能力
高等院校:平衡通用模型和垂类模型，评估API稳定性
职业院校:专注于技能型应用，关注实训模拟效果
培训机构:选择性价比高的解决方案，优先成熟产品

40/60原则:

[!important] AI应替代40%标准化工作(备课、批改、答疑) 让教师聚焦60%核心教育劳动(情感唤醒、价值塑造)

人机协同模式:

构建"AI教师+真人督学"混合模式
兼顾个性化与教育本质

数据安全:

建立严格的隐私保护机制
遵守《个人信息保护法》《未成年人保护法》

教育公平:

推动普惠化部署，避免技术加剧数字鸿沟
政府采购向薄弱地区倾斜

5.4 风险提示

过度依赖风险:避免学生直接获取答案，培养独立思考能力
数据隐私:加强企业数据合规管理
算法透明:建立算法审计与解释机制
价格战风险:过度低价竞争可能影响行业健康发展

六、调研结论

大模型正深刻改变教育业态，推动教育从工业化向智能化转型。但技术只是手段，教育本质仍是育人，需在"技术赋能"与"教育本质"之间找到最佳平衡点。

[!success] 未来3-5年展望

市场将更加理性

技术差异化更加明显

应用场景更加丰富

教育公平性显著提升

人机协同模式成为常态

数据来源声明

本报告数据主要来源于2024-2026年公开发布的政策文件、行业研究报告、企业财报、技术评测、新闻报道及国际组织(UNESCO)指导文件，力求准确反映最新发展状况。部分数据基于公开信息的估算和预测。建议用户在具体选型时进一步核实最新信息。

主要参考来源:

教育部《"人工智能+教育"行动计划》(2026年4月)
UNESCO《生成式人工智能在教育与研究指导》(2026年1月)
各大模型厂商官方发布信息
行业研究报告(艾瑞咨询、GII、The Business Research Company等)
投融资数据(新浪财经等)

20 KiB Raw Blame History Unescape Escape

国内外教学大模型发展状况调研报告

执行摘要

一、国内教学大模型发展状况

1.1 市场概况

1.2 主要厂商和产品对比

科大讯飞:星火教育大模型

百度:文心一言教育版

阿里:通义千问教育(智海三乐)

智谱AI:GLM-4系列

网易有道:子曰教育大模型

好未来:九章大模型(MathGPT)

希沃:希沃教学大模型

1.3 技术能力对比

1.4 应用场景与效果数据

1.5 政策支持

二、国外教学大模型发展状况

2.1 主要产品和厂商

OpenAI: GPT-4 Edu

Anthropic: Claude Edu

Google: Gemini for Education

Microsoft: Copilot for Education

Khan Academy系列

其他国际产品

2.2 与国内产品的差异

2.3 2024-2025年最新发展动态

三、教学大模型技术特点与挑战

3.1 核心技术架构

多模态融合

RAG(检索增强生成)

知识图谱融合

个性化自适应学习

智能体(AI Agent)

3.2 技术挑战

3.3 评估标准与评测方法

3.4 最新技术趋势

四、教学大模型发展趋势

4.1 市场发展趋势

4.2 技术发展方向

4.3 应用场景拓展

4.4 面临的挑战和问题

4.5 国际对比和竞争态势

五、总结与展望

5.1 核心发现

5.2 2026-2030年发展趋势预测

5.3 建议

5.4 风险提示

六、调研结论

数据来源声明

20 KiB

Raw Blame History