洋葱学园联合创始人兼董事长杨临风，图片由其本人提供
今年 1 月，深圳市南山区四年级数学期末统考上了热搜，因为临近考试结束时，各学校接到教科院通知，延长 20 分钟。
这试卷也上了热搜，一共 36 道题，整整 6 页 A4 纸，情境化、跨学科、增加了阅读量。句句有主谓宾，段段有原因有结果，大量长句，很多学生连题目都没能读完。有人调侃，这恐怕是语文老师出的数学题。
而触发这个罕见现象背后真实的原因，竟然是 AI。
在新课标改革之下，AI 大模型浪潮又不期而至，“ 死记硬背” 成为好学生的时代，已经彻底不复返。学以致用，用学科思维理解和解决现实生活中的问题，是考察学生能力的方向，哪怕他还只是一个小学生。
“ 去年全国各地的中考卷里，都有新题型。变化是非常快的。为什么这么着急？明知这么改完之后，很多地方老师、学校学生不适应，也要改？就是因为 AI 时代来临了，没有别的原因。” 洋葱学园联合创始人兼董事长杨临风说。
考试改革的旋风，也给教育科技公司提出了新的命题。去年，洋葱在落地 AI 这件事上，相对比较轻量化，重点集中在“ 智能学伴”，亮点的应用在 AI 情感陪伴。
而今年，尤其是在 DeepSeek 引发模型深度思考变革之后，杨临风决定加快发展步伐，用 AI 大模型，包括多模态的方式，将洋葱过去 11 年积累的数据和内容库，“ 重新” 再做一遍。
在 2025 世界数字教育大会期间，在教育数字化成果展上，洋葱学园展示了针对中小学生自主学习的 AI 智能学伴。
事实上，不止洋葱，今年包括学而思、猿辅导等教育科技头部公司，也开始打破常规，第一次正式走向台前，向市场阐释和推广自己对“AI+教育” 的理解。在这些公司的理想愿景之中，终极目标是为每一个学生，打造一个可以伴随终身的 AI 老师，或者说，AI 学伴。
而在学校教育之中，美国得克萨斯州 Alpha School 的模式，是被看好、学习和效仿的对象。该模式的核心是，上午通过 AI 应用程序，完成个性化学科学习，仅需 2 个小时，而下午则专注于实践技能与综合素质培养，学生结合兴趣自主选择活动。
这样的模式之下，学生标准化测试成绩超过了美国平均水平，MAP 成绩飙升至全美 2%，还释放了学生创造力，为未来教育指出一个新的方向。
AI 课堂真实场景，图片由洋葱学园提纲
不过，在已有优势业务的基础上做出变化，挑战依旧存在。通用大模型变得便宜、好用的另一面，是大家都可以调配大模型的通用能力，而产品之间的差异会变得非常小，所有的玩家又回到了同一条起跑线上。
而要想做出特色来，在一众 AI 学习产品中脱颖而出，获得市场优势，需要重新理解课程内容与 AI 技术结合，工程设计上，合理搭建链路与流程。而大模型的性能的发展是飞跃式，随着时间推移，一旦有新的突破，在上一代模型上做的蒸馏和场景的小应用，全部都会作废，用心搭建的护城河，会被一次又一次拍倒在技术浪潮之下。
以下是与杨临风的对话实录，经编辑整理：
当教育科技来到 AI 智能体时代
Q：很多人都认为今年是 AI 智能体元年，您怎么看？AI 智能体会为教育行业带来什么变化？
杨临风：我非常认同这个判断。过去半年，人工智能技术的迭代速度远超预期，不仅在教育领域，其他行业也出现了显著变化。以大模型为例，去年虽然具备联网搜索能力，但其对本地知识和具体工具的调用能力仍存在明显局限—— 主要服务于“ 务虚类” 任务，比如文章润色、PPT 制作等通用性内容。然而，真实工作场景中，80% 的任务需要交付具体成果，例如数据分析、流程优化等“ 务实类” 需求。
这一局面在 2025 年初发生了根本性转变。DeepSeek 等大模型通过深度思考链 （Chain-of-Thought） 技术的普及，显著提升了意图理解和任务规划能力；同时，RAG（检索增强生成） 技术和 MCP（模型上下文协议） 的成熟，使得大模型能够低成本、高效率地接入本地知识库和工具链。这些技术突破标志着 AI 智能体从“ 工具辅助” 向“ 自主执行” 跃迁，2025 年因此成为其规模化落地的拐点。
Q：AI 大模型一直在进化，但行业内对于 AI 老师或者 AI Agent 的预期和设想似乎没有太大变化，大体上是让 AI 成为一个更懂每一位学生的“ 老师”，需要解决学习上的问题也是类似的，这样的情况下，教育 AI Agent 与之前的 AI 相比，本质上发生了变化吗？
杨临风：以前的 AI 老师，经常会答非所问，就像是活在自己的世界里，只是基于常识来生成回答内容。这里会出现两个问题：第一，AI 讲的内容没有办法贴近学生的认知。因为它不知道学生的信息和基础学情，只能基于人类发布到数字世界里的信息来猜测。
第二，AI 主要是以严谨的逻辑做文字性推导为主。但是，中小学生很难用文字的方式去理解知识。事实上，大部分学生的认知方式，需要增加生动的图像、动态的变化，要看到实验的现象和原理，才能了解知识背后的结构和本质。
Q：所以“ 本地化” 是这一轮教育 AI Agent 的关键词？该怎么理解？
杨临风：可以换一个说法：我们尝试给 AI 大模型接上更多的大脑。我们会基于积累的多维数据库，包括学生的基本学情和学习过程数据，利用 AI Agent 调用这些资源，生成或组织更加贴近学生认知的数字内容。
例如，当 AI 需要向学生解释某个知识点时，它不会简单地输出一段 500 字的文字，而是从我们约 1 万部的动画交互课程中，调用最匹配的片段。再比如，对于初二数学成绩不理想的学生，如果直接向 DeepSeek 提问学习提升规划，它可能会给出一份详细的文字建议，例如“ 每天花 10 分钟整理错题、5 分钟预习”。AI Agent 的突破在于，它可以直接调用课程和模块，不仅说明“ 为什么要这么做”，还能明确“ 每天什么时间做什么”。
Q：学习类 Agent，是不是只适合那些本身就有很强烈的学习的意愿的，或者自学能力很强的学生？面对一个“ 学渣”，AI 给再多实用的建议，会不会也比不上那些可以对他直接施加影响的人，比如说老师或者父母亲自的督促和指导？
杨临风：和 ChatBot 给学生回答或提出建议相比，现在的 AI Agent 已经往前走了一大步。以前大模型给学生的建议，其实是通用建议，它不会具体告诉你应该读某本书的第 167 页到第 168 页。这些建议对孩子的自主规划能力和学习动力要求非常高，如果老师不把孩子叫到身边，手把手地教，大部分孩子自己是无法执行的。
而现在的 AI Agent 已经降低了门槛。关键的是，这一切学生只需要动动手指就能一键完成—— 不需要自己去搜索、筛选或规划，所有步骤都被封装成可直接使用的工具。
Q：通用大模型变得越来越可获得，并且，大家都在往相同的方向发力的时候，做学习类 AI Agent 怎么保持差异化的竞争优势？
杨临风：首先，数字化的课程内容资源库是核心基础。我们过去十一年没有涉足直播课，而是投入大量资源制作了约 1 万节动画课程。每节课的成本约为 10 万元，内容颗粒度极细且系统化，严格匹配公立学校的教材版本体系。这是 AI Agent 调用和生成内容的基础支撑。
数据的沉淀与应用很重要。在哪些环节插入互动、何时进行干预、何时输出关键知识点，要大量实践经验。我们有 1.1 亿用户，累计产生超过 5000 亿次互动数据。当大模型调用我们的内容时，无论是提取 1 分钟的片段，还是通过 MCP（模型上下文协议） 或 RAG（检索增强生成） 技术匹配知识点，都依赖于内容本身的结构化程度。
我们还有一项优势是，与公立教育体系的深度绑定。我们在全国有 370 多万名公立学校教师用户。老师们每天的备课和授课，每一次使用，实际上都在为我们的系统提供数据校准。
Q: 教育的“ 慢周期” 特性与 AI 技术“ 快迭代” 属性如何兼容？洋葱的产品更新节奏遵循的是什么原则？
杨临风：教育的“ 慢” 与 AI 的“ 快” 看似矛盾，但本质上是互补的。我们的“ 慢”，体现在对教学场景、工具和内容的长期积累过程—— 比如课程研发、学情数据沉淀、教学逻辑验证，这些都需要时间打磨。例如，我们花十年时间构建的 1 万节动画课程体系，每节课的颗粒度、知识点的衔接逻辑、互动设计的节奏，都是经过反复验证的成果。
但当我们与 AI 结合进行落地时，工程化的效率可以非常快。比如，一旦大模型的技术能力达到某个阈值，我们能迅速将已有的课程资源、数据资产与 AI 能力对接，实现功能升级。这种“ 慢积累+快落地” 的模式，也是我们的核心策略。
Q：但“AI+教育” 很早就是一种“ 政治正确” 的共识，前两年大模型刚出圈的时候，你没想通如何做与 AI 教育相关的时候，是因为什么？
杨临风：我们当时没想清楚，如何为学生交付真正有价值的学习体验。当时，市面上的做法是在产品里接入一个大模型对话框，这在技术实现上并不复杂。但我们不做，因为没有找到 AI 与教育本质的连接点：既没想明白这种交互对学生的认知提升究竟意味着什么，也没想清楚，AI 如何才能深度调用洋葱过去十年积累的课程内容和学情数据库。
早期大模型在教育场景中有局限性。它无法解决学习过程中最关键的痛点，比如学生如何从抽象知识中建立具体理解、如何通过动态反馈调整学习路径等。如果只是用 AI“ 包装” 传统模式，反而会削弱洋葱在课程设计和数据沉淀上的优势。因此，我们宁愿保持克制。
Q：只要想通了，落地和执行就是一瞬间的事情。不过，作为企业最高决策者，你怎么确保，那一瞬间是真的想通了，还是因为“ 害怕错过”（Fear of Missing Out，FOMO） 的心态，让你焦虑和冲动了？
杨临风：我们判断“ 想通” 的核心标准，是能否站在学生的学习需求视角，完整模拟整个学习流程，并确保每一步体验都丝滑、顺畅。如果这个流程中存在卡顿、割裂感，或者需要学生额外付出认知成本去适应技术，那就说明还没想通。
我们完全可以直接在产品里加一个对话框，但很快你就发现这种设计对学生来说是“ 工具堆砌”，而非“ 学习闭环”。学生不会关心“ 这里是否有个 AI”，而是会问“ 这个 AI 到底能帮我做什么？” 我们不是因为“ 怕错过” 而行动，而是因为“ 看透了” 才行动。
Q：在同行一拥而上都落地 AI 的时候，不跟风，确实会被质疑，也需要很强的心力。
杨临风：一直以来，我们追求的价值都是长期的，有复利的。因此，我们的做法也一定要有壁垒，不能是别人随随便便可以做出来的，否则就变成了红海竞争。就像比谁嗓门大，谁投钱多，谁广告打得多。这样的做法，即便是用户来了也会走，并且这也不是我们擅长的做法。
Q：如果从技术本身出发，“AI+教育”，或者“ 教育+AI”，是不是一件有护城河的事情？在大家都认为“AI 是工具” 的前提下，每一个相关的公司都在说，自己的产品利用了 AI，结合了对课程、技术和数据的独到理解，是独特的优势，那么，外界该如何理解和判断？
杨临风：教育行业大多数企业并不会自研基础模型，即使尝试自研，也不一定比主流通用大模型的迭代速度更快、性能更好。更重要的是，大模型的性能呈现飞跃式提升，一旦出现关键性突破，此前基于旧模型的蒸馏和场景应用都可能失效。在大多数情况下，专业场景模型可能难以超越通用大模型，AI 大模型在教育领域的技术壁垒并不存在。
如何让大模型与本地禀赋 （如课程体系、数据资源） 更好地结合，这是 AI Agent 开发中至关重要的环节。年初爆火的 Manus，其底层技术原理并不复杂，但它通过精细的场景设计和极致的用户体验，在部分领域已接近甚至超越人类水平。这种工程化打磨本身构成了重要的竞争壁垒。
当前的大模型就像一个刚毕业的聪明博士生，行业内的企业都能“ 领进门”—— 因为大模型的成本已大幅降低，调用质量高的模型不再困难。但问题的关键在于：这个“ 博士生” 在不同企业中能发挥多大的价值？这取决于企业是否具备将模型能力与自身资源深度融合的能力。
Q：在新技术变革的时代下，商业竞争上你会担心吗？如果纯靠你自己去想，感觉是个人的判断占主导，但个人的学识积累与思维模式，是在原先的教育体系下形成的，而现在这个世界，很多东西都推翻了大家此前的认知和想象。
杨临风：我们在做 AI 落地应用时，核心逻辑始终围绕一个目标展开：重新设计学生的学习体验。我们并非简单地延续过去的教学方式—— 比如“ 原来怎么教，现在也怎么教”，而是思考如何通过新的技术和工具，结合洋葱自有的课程内容，构建更符合当代学生需求的学习体验。
“AI 学伴” 是新型自主学习
Q：去年，洋葱在落地 AI 上，主打了与 AI 情感陪伴相关的应用。现在是重点突破 AI 学习类应用，模型的幻觉问题，你是怎么解决的？
洋葱的优势科目是数学，但现在一些通用大模型，在算数这件事上，经常还是算不明白。教育对准确率的要求非常高，95 分与 99 分，是两个不同的成绩。大模型准确率到 80% 以上，就可以说性能非常强悍了。你们怎么保证大模型在学习，尤其是数学学习场景中的准确性和可靠性的？
杨临风：我们不会把大模型当作内容创作者，直接给学生生成学习材料—— 这种应用方式门槛很低，对学生也不够负责。这也是我们过去两年没有做“ 对话框式” 产品的核心原因。我们的原则是，如果 AI 在某个场景下无法解决关键问题，或者无法为学生带来实际价值，我们就不做。
针对 AI 幻觉问题，我们的思路是“ 用人类教学经验反哺模型”。简单来说，我们不会让大模型脱离已有的课程体系和数据资产去“ 自由发挥”，而是让它基于我们的结构化课程内容进行训练和调优。这种“ 基于已知正确信息的二次加工”，能有效降低模型输出错误的概率。
情感陪伴功能的处理方式类似。我们积累的“ 洋葱树洞” 语料库，本质上是过去五六年学生与心理咨询师的真实对话记录。早期我们通过撞库匹配回复，后来引入大模型，但所有回复都严格限定在语料库的范围内。
Q：谈到用大模型做心理咨询，今年通用 AI 模型和应用进化有一个特色，是让它变得更有“ 情商”，更懂如何与人类聊天，那么，洋葱的主推的 AI 心理咨询应用，还会有优势吗？
杨临风：有一个核心前提不能忽略：与模型对话的，是活生生的人。人在选择工具时，不仅需要技术能力，还需要“ 意愿度”—— 我为什么要跟你聊？你提供一个对话框，我为什么非得进去？
这个问题的答案，最终归结为“ 信任”。通常情况下，孩子会向谁倾诉？是熟人、朋友，或者是老师中与自己关系最亲密、最信任的那个。信任感的建立，是 AI 心理咨询能否落地的关键。
为什么学生愿意在“ 洋葱树洞” 中倾诉？因为这里的对话入口是他们每天在视频中陪伴学习的虚拟人物 IP，学生是在给“ 王小锤”“ 李狗蛋” 或者“ 暖暖老师” 留言。这些角色不是冰冷的 AI，而是长期陪伴他们成长的“ 熟人”，觉得与这些角色互动很舒服。
技术本身的供给早已远远大于需求。通用大模型可以生成无数细分智能体，未来也不缺具体的解决方案。但当用户面对海量的 AI 心理咨询应用时，真正决定选择哪一个的，不是技术的“ 情商高低”，而是用户与产品之间的情感纽带。
Q：洋葱的 AI 智能体，有 IP 化的特征，有不同的人设，很多学员进入洋葱，一开始可能只是想学习，而后，逐渐熟悉这些 IP，接受和喜欢这些 IP，你们有没有计算过，从普通学员转化为 IP 的粉丝的比例？以及，人们真的会想要有一个长期的虚拟的学伴吗？
杨临风：转化比例确实不错。学习这件事本身很难坚持，学生最初来洋葱的动机很纯粹—— 为了学知识。但当他们在学习过程中遇到情绪问题，比如压力、困惑或社交困扰时，会发现“ 洋葱树洞” 提供了另一个出口。这种转化的关键在于情感陪伴的设计逻辑。我们的 AI 智能体并非以“ 即时性” 为核心，而是刻意营造一种“ 延迟反馈” 的体验。当学生抛出一个问题，相当于寄出一个“ 漂流瓶” 或纸条，系统会隔一段时间才回复。
Q：产品功能不做及时回应，你为什么会这样设计？
杨临风：第一，我们不希望孩子沉迷于聊天本身。第二，学生在聊天过程中，很多时候是无意识地打字，并非经过深度思考—— 我们不希望他们以这种方式使用洋葱。尽管很多用户希望我们开放互聊功能或私信系统，但这类需求从未被采纳。
我们选择互动留言形式的核心逻辑是：引导学生在表达前，先思考。我们希望学生意识到，想要表达清楚一个问题或困惑，至少需要组织成一段完整的文字，把逻辑讲全、讲透，而不是天南海北地随意闲聊。
这种设计本质上是为高质量对话设定门槛—— 学生必须经过“ 想清楚— 写下来— 再反馈” 的闭环，才能真正参与互动。互动留言的形式不是限制，而是教育目标的延伸。我们不追求“ 聊天量”，而是希望每一次互动都能成为学生整理思维、深化理解的过程。
Q：这样的产品设计细节是你们对教育的理解。但有个疑问是，洋葱是一家商业公司，追逐利润是应有之义。如果从人类心理学和行为学来看，及时响应和反馈，产品会更有用户粘性，日活跃用户、日均使用时长等数据会变得更好，向投资人或者市场讲故事的时候，你们会更有说服力。
杨临风：我们首先还是会考虑这件事的教育属性，如果一个学习产品无法真正解决学生遇到的问题，那我们做这件事就没有意义。如果我们要去做一个高黏性的互联网产品，那不如直接去做一个游戏。教育产品的商业逻辑，不是“ 让用户多花时间”，而是“ 让用户多解决问题”。
Q：即便是游戏化的学习型产品很赚钱，你们也不做吗？
杨临风：因为游戏化无法从根本上解决学习问题。一个人的成长需要调动“ 慢思考”—— 那种需要专注、分析、反复推敲的深度思维过程。而我们选择的路径是构建成为“ 学伴”，通过系统化的设计引导学生进入深度思考的状态。
这种切入点决定了我们无法用“ 短平快” 的方式解决问题，也无法像游戏一样提供即时反馈和即时满足。当然，我们不是完全排斥激励和互动设计。我们也引入了情感化人设、洋葱币等激励体系，为学生提供阶段性反馈和情感支持。
Q：洋葱主打双模型驱动策略。去年在与豆包官宣合作之后，今年接入了 DeepSeek。其实在上线深度思考之前，作为对话类 AI 应用，豆包与 DeepSeek 的理念差异还是蛮大的。你最初看到 DeepSeek 爆发之后，是什么反应？
杨临风：如果回到今年春节前后的时间节点，DeepSeek 在国内大模型领域的表现确实一度处于领先地位，其“ 深度思考” 能力让许多用户感到震撼—— 尤其是那些此前通过 ChatGPT o1 体验过类似功能的用户。然而，当我们站在今天的视角回望，会发现 DeepSeek 与其他模型 （如豆包） 之间的差异并未如最初想象的那样显著。
尽管如此，行业内的竞争依然激烈，各大模型的迭代速度和应用场景探索迅速推进。目前，我们主要依赖 DeepSeek 和豆包两个模型，它们在稳定性和综合性价比方面表现较为突出。
Q：除了模型的深度思考能力，洋葱对 AI 模型的规划，还主打了一个特色是多模态，以 AI 视频为主？目前市面上这样做的公司还比较少，为什么你会想从这个角度去落地教育 AI？
杨临风：我们始终认为，教育的核心在于如何高效传递知识并帮助学生构建认知体系。而视频作为一种高密度的信息载体，天然适合承载复杂知识的结构化呈现。我们需要确保 AI 不仅能理解学生的提问，还能调用精准的视频资源；需要让视频的结构化标签足够细粒度，支持 AI 的实时检索与重组。
Q：AI 视频学习要做到这样丝滑的体验，需要克服哪些挑战？哪些事情投入比较花费精力？
杨临风：最大的挑战在于内容、流程和技术三者的深度协同。我们不仅要理解课程本身的逻辑结构，还要设计出能让 AI 精准匹配学习场景的工程链路。这看似是一个技术问题，但本质上是教育逻辑与工程能力的融合难题。
课程设计与产品技术的深度耦合也消耗了大量资源。因为我们的教研团队在设计课程时，通常是以学生的认知逻辑为出发点，而产品团队和技术团队则需要从系统效率和交互体验的角度进行优化，这就需要产品和技术重新去考虑当年为何这样设计课程，再去优化结构。
AI加速“ 倒逼” 学校考试改革
Q：这样一个 AI 老师或者 AI 学伴，背后是无数个经验丰富然后的从业者塑造的外显，是由许多顶级大脑一同打磨而成结构化产品，其能力会在多个维度上碾压普通的人类教师。那么，目前在“AI+教育” 上，有核心能力和场景，是 AI 完全触达不了，必须依靠真人教师的作用的，而且 AI 可能永远也替代不了的？
杨临风：AI+教育目前仍处于早期阶段，许多场景尚未成熟，技术也远未达到理想状态。即便我们不断升级模型、优化交互逻辑，AI 在教育中的角色依然无法与真人教师的综合能力相提并论。真正决定教育质量的，不仅是知识传递的效率，更是教学过程中的“ 人” 的因素—— 而这正是 AI 难以企及的领域。
一个经验丰富的教师，会基于教育心理学的原理，结合学生的认知水平、情绪状态和学习习惯，动态调整教学策略。国家提出的“ 新型双师课堂” 理念，正是对这一趋势的回应：AI 负责知识传递的精准性和个性化，真人教师聚焦情感支持与价值观引导。此前的“ 双师课堂”，指的是一个远程的直播主讲老师和本地课堂老师配合，现在的“ 新型双师课堂” 是教师、学生和 AI 的“ 人机协同、人机共育”。
Q：这很有意思，看起来，在新型的双师课堂，AI 老师反而取代的是优秀的头部主讲老师？这与我们通常认为的，AI 更多取代的是基础水平的从业人员有很大不同。
杨临风：这一现象的核心在于 AI 与真人教师的分工逻辑，而非简单的“ 取代” 关系。在新型双师课堂中，AI 承担的是标准化知识传递的任务，例如课程讲解、知识点拆解、习题解析等。这些内容原本需要由经验丰富的主讲教师完成，而 AI 通过大模型和结构化课程库，能够以低成本复刻优质内容，并覆盖更多学生的个性化需求。
本地教师的作用不可替代，课堂中只有老师和学生的距离最近，并且学生的学习需求并非仅限于知识获取，也需要动态的引导和情感联结。真人教师的核心价值在于引导学生进行高阶思维活动。学生需要解决的 100 件事中，原本全部依赖真人教师，而在新型双师课堂模式下，50 件可通过 AI 完成，50 件由真人教师处理。
Q：你认为具身智能 AI 老师还很遥远，但今年很多具身智能公司都说，机器人进入人类日常生活已经指日可待。
杨临风：可以把机器人放在教室，学生会觉得很新鲜。但如果它不能解决实际学习问题，学生就会逐渐失去兴趣。当前的技术还难以实现让机器人与学生进行流畅、无压力的对话。我认为，至少让机器人老师承担教学任务，这还比较遥远。
但是 AI 在教学中的应用已初见成效。我们为许多学校提供的 AI 课堂解决方案表明，学生调用 AI 教师的效果显著，既锻炼了自主学习能力，又为教师减轻了负担，使教学更精准。
Q：如果以成绩水平衡量学生水平的话，现在教育界，尤其是大学教育，一个很有争议的点，很多学校明令禁止用 AI 生成论文，哪怕 AI 只是辅助。在“AI 只是工具” 的设定和共识下，为什么利用工具，甚至是高阶一点的工具完成了一项任务，给出了看似更好的成果，会引起业界那么强烈的反感？
杨临风：中小学与大学在评估逻辑、教学目标上的差异，决定了对 AI 工具的态度截然不同。在中小学阶段，教育评估高度依赖标准化考试，其核心目的是检测学生对基础知识的掌握程度。即使日常学习中借助 AI 解题软件完成作业，学生仍需在无 AI 辅助的考试中证明自己的能力。
大学强调综合能力的培养，比如批判性思维、研究能力、创新实践等。许多大学课程的设计默认学生具备利用互联网、数据库等工具解决问题的能力，学生要实践的是如何运用工具达成学习目标。不过，理工科和文科的情况还不一样，要具体问题具体分析。
Q：对于很多文科生而言，面临一个问题是，AI 已可以进行深度研究类工作，OpenAI 发布了深度研究 （DeepResearch） 的产品，效能比肩人类研究员，且持续在训练和进化。这也就意味着，之前很多面向社会需求的课程、专业，以及，学习模式，评价标准，可能会面临失效，这会倒逼现有的教育体系和教学方式做出变革吗？会影响 K12 阶段的教育吗？
杨临风：当前的考试命题正在发生结构性转变。以数学考试为例，过去侧重考察计算能力的题目，如今已更多转向结合真实情境的综合应用。例如，许多数学题不再直接给出公式或模板，而是要求学生在大量文字描述中提炼问题本质，将复杂情境转化为数学模型后再求解。这种变化导致部分学生面对试题时的第一反应是“ 题目到底在问什么？”，因为无法依赖固定的解题套路或公式套用。
这一变革与人工智能时代的到来密切相关。国家教育部门已意识到，单纯依赖死记硬背或套路化训练的学生，难以适应未来的创新需求—— 因为这些能力已被 AI 部分替代。而能否在真实情境中灵活运用知识、综合解决复杂问题，才是创新与科研能力的核心。这不是趋势，事实上考试改革已经在全国推行了，过程比以前的教改要快很多。
Q：为什么这些中小学考试改革是因为 AI 影响的？有什么依据吗？
杨临风：其实从 2019 年新高考的开始，题型出现了比较大的变化。2023 年中考也发生了调整。今年初深圳南山区四年级统考期末数学考试引发热议，试卷中出现了大量长文字题目，学生因阅读量过大难以完成，教育部门甚至临时通知延长考试时间 20 分钟。这些题目聚焦生活中的实际问题，要求学生将所学知识应用于具体情境，这种趋势和改革方向值得肯定。
去年，全国多地中考卷中普遍出现新题型，变化速度之快，令人关注。为何在应试教育长期存在的背景下，近年来却集中推进如此大规模的改革？明知调整后老师、学校和学生短期内会面临不适应，仍坚持推进，原因只有一个—— 国际竞争格局已发生变化，AI 时代的到来迫使教育体系必须主动转型。
回到学校教学场景，学生的获取知识的方式也早已改变。事实上，许多学生已不再完全依赖学校教师，他们可以通过 B 站等平台获取文史哲知识，认为这些内容比传统课堂更丰富生动。在这种背景下，数学、物理、语文、英语等学科的知识性学习，已不再需要教师以“ 照本宣科” 的方式讲授。
这一代人的思维方式和学习习惯正在发生根本性变化，终身学习者将成为可能。这是应对 AI 时代挑战的根本，我们无法预知未来都要掌握什么知识，但可以从根源上培养学生成为优秀的“ 学习者”。
Q：也就是说，学生或者说人的成长、进化，因为 AI，赛事规则有了新的变化。
杨临风：这正是我们在做的。我们与多所学校合作，通过系统化的解决方案推动这一转型，帮助学生成长为适应 AI 时代的学习者。学生的学习过程和学情数据会实时汇总并反馈给教师，使教师能够基于真实学习情况动态优化教学策略，实现“ 以学定教”。
Q：这样一套给到公立校的 To B 产品，是标准化交付的吗？很多学校都有开发自己的校本课程，而且，一般相对较好的学校，教学班子都有自己独到的教育理念，也有强大的教师骨干队伍，标准化的系统，怎么与不同学校的基因相适配？
杨临风：AI 课堂解决方案是标准化的，但学校在实际教学过程中，部分场景需要教师与 AI 之间进行配合。不同学校在落地 AI 场景时，其应用比例可能因校情差异而有所不同。例如，部分学校可能侧重 AI 辅助学生自主学习，另一些学校可能更强调用 AI 辅助老师的精准教学。
Q：学校只是 AI 落地场景比例上的问题？
杨临风：本质上来讲，这是对 AI 与真人教师协作比例的重新分配。我们提供了一套体系化的课程内容，而非仅仅交付一个教学系统。如果完全依赖学校自主开发课程内容，其成本和难度极高—— 正如早年许多学校尝试制作微课时，教师投入大量精力却收效有限。我们通过提供可直接使用的校本课程，为学校减轻内容建设的压力，同时允许教师在此基础上进行个性化的调整。（本文独家首发于钛媒体 APP，作者｜李程程）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
