AI赋能教育：2035年趋势与挑战，警惕学习鸿沟加剧

2025年，ChatGPT用户量激增，全球教育科技加速融合AI技术。然而，在撒哈拉以南非洲等低收入地区，生成式AI的流量占比极低。当高收入国家教师借助AI节省行政时间、学生享受个性化辅导时，最亟需教育改善的地区却可能被新一轮技术浪潮边缘化。

EdTech Hub与加拿大国际发展研究中心（IDRC）联合发布的《2035年人工智能与教育系统：14大趋势与5大未来情景研究报告》，通过对60个信号的扫描和13位专家的深度访谈（其中8位来自中低收入国家），系统性地分析了未来十年AI对教育系统的14项主要趋势，并构建了五种潜在的未来发展情景。报告的核心观点是：AI在教育领域的应用并非天然促进公平，若无积极主动的干预措施，极有可能加剧全球范围内的学习差距。

本文将提炼报告中的四项关键结论。

七大明确趋势：

AI已在中低收入国家教育领域显现实际效益

1. AI有效缓解教师行政压力，拓展教学时间

报告指出，AI工具在协助教师处理大量常规性、行政性事务方面已发挥作用。在塞拉利昂，一款通过WhatsApp运行的教师AI聊天机器人（Teacher AI），其用户在三个月内平均使用次数达到35次。这类工具能协助教师完成报告卡撰写、日程安排、项目资金申请等任务。正如一位受访者所言：“我们认为最有前景的AI应用就是将其作为能够分担繁重任务的助手。”

在非中低收入国家，Ummia、Magic School等产品已能协助教师进行课程规划、评估报告撰写及专业发展。Teach FX则通过分析录音数据，为教师提供AI驱动的改进建议。

图：引言1 & 引言2

2. AI辅助学校管理者，被视为“低风险”应用领域

学校管理者利用AI撰写项目申请书、制定排课表。印度的教育科技公司Teachmint已从提供教学内容转向构建集成了AI功能的学校管理平台，覆盖教学管理、收费、招生支持等多个方面。多位受访者强调，在学校管理层面应用AI是“风险较低”的切入点，因为它不直接涉及教学内容，对准确性的要求相对宽松。有受访者表示：“我们最初的AI概念验证并非针对教师或学生，而是针对学校领导层，这样可以更好地控制风险。”

在国家层面，阿联酋、肯尼亚、不丹、吉尔吉斯斯坦等国已开始利用AI分析其教育管理信息系统中的现有数据。

图：引言3 & 引言4

3. AI提升学生反馈效率及“分层教学”能力

在AI for Education平台的用例投票中，“评估学生学习水平并生成相应难度的练习”是最受欢迎的应用场景。AI能够以远低于传统方式的成本，快速诊断出学生在知识掌握上的薄弱环节。例如，EIDU的“求解器平台”能够实时将学习测量数据反馈给教师、内容提供者及研究人员。

智利、秘鲁、乌拉圭等国已建立了早期预警系统，用于识别有辍学风险的学生。AI有望使这类干预措施更加及时和精准。

图：引言4 & 相关案例

4. AI为学习者提供支持，尤其体现在个性化内容与反馈方面

全球范围内，专注于个性化学习的AI初创公司获得了巨额融资。韩国的Riid融资1.75亿美元，中国的Squirrel AI融资1.8亿美元，美国的Amira Learning融资1100万美元。在中低收入国家，Rori（数学对话式辅导）和Khanmigo是代表性产品。

AI for Education的互动地图显示，在撒哈拉以南非洲、印度和巴基斯坦的84个AI教育科技工具中，有43%被归类为“自适应个性化学习平台”，24%为“面向学生的聊天机器人”。在巴西，AIED Unplugged已覆盖7000所学校，惠及超过50万名学生，显著提升了他们的写作能力。

一位受访者指出：“在中低收入国家，学生在AI使用方面甚至比教师更具前瞻性。”

图：引言5 & 引言6

5. AI产品访问水平的差异将加剧全球不平等

世界银行数据显示，中等收入经济体贡献了全球超过50%的生成式AI工具流量，而低收入经济体则不足1%。许多受访者强调，运行AI工具所需的硬件设备（如智能手机、高性能电脑、VR头显）成本过高，严重阻碍了中低收入国家的普及。此外，AI产品主要由“全球北方”开发，通过变现“南方”用户的数据获利，这种“榨取性”特征进一步加剧了不平等。

6. AI基础设施建设成本将加剧全球不平等

在低收入和中等收入国家，开发者面临着高昂的计算成本和不稳定的网络连接。2021年世界风险调查显示，东非、北非和南部非洲的居民中，分别仅有22%、23%和24%的人认为AI在未来20年将“主要帮助”人类，而北欧/西欧的比例为48%，澳大利亚/新西兰为43%，北美为33%。这表明，AI带来的感知收益在高收入国家更为强烈。

7. 中低收入国家政府正积极通过监管和指导方针应对

巴西参议院已通过AI法律框架；印度发布了关于生成式AI的咨询说明；沙特阿拉伯启动了旨在培训100万公民掌握AI技能的计划；七个非洲国家正在起草国家AI战略；尼泊尔发布了关于AI使用的概念文件。对儿童数据的保护已成为监管的重点，印度、尼日利亚、巴西均制定了广泛的儿童数据保护措施。有受访者指出，巴基斯坦的AI政策草案借鉴了中国模式，而巴西的框架则参考了欧盟的AI法案。

图：引言17

七大不确定趋势：

方向初现，但变数尚存

8. AI正在重塑端到端评估流程，但效果不一

AI已被用于评估的批改环节，尤其是在选择题和简答题方面。然而，对于长篇回答的评估，算法偏见和复杂性仍然是挑战。一位受访者表示：“教师需要多年才能学会有效评估，即便如此，评分者之间的一致性也难以保证。‘足够好’的标准是什么仍然是一个关键问题。”在高风险考试中，算法出错的可能性令人担忧。

图：引言8 & 引言9

9. 生成式AI工具可能输出不准确或带有偏见的内容

由于训练数据的偏差或不准确，以及信息整合过程中的不精确，AI生成的内容常常包含错误。这些错误削弱了教师、学习者和家长对AI工具的信任。此外，模型主要基于英语和西方数据进行训练。一位受访者举例说：“当被要求设计一节关于分数数学的课程时，模型竟然输出了关于披萨的课程——这对肯尼亚农村的教师毫无实际价值。”

图：引言10

10. AI可能促进教育系统内部的公平竞争（低确定性）

部分受访者认为，AI有潜力以更低的成本让更多教师和儿童获得优质教育。例如，AI可以轻松地将开放教育资源翻译成当地语言。在一个案例中，一个专家团队仅用6个月的时间就帮助ChatGPT在马里的当地语言中生成了150本书，这是任何传统出版商都无法比拟的速度。AI还能协助教师创建个性化的教学资源。然而，这一趋势的实现很大程度上取决于成本、基础设施以及本地化能力。

图：引言11 & 引言12

11. “大型科技公司”可能主导教育AI产品市场（存在争议）

OpenAI、NVIDIA等公司正在扩大它们在中低收入国家市场的布局。受访者普遍认为，大型科技公司凭借其雄厚的资本、强大的产品研发能力、品牌影响力、免费分发渠道、人才储备和计算资源，极有可能占据市场主导地位。然而，也有受访者指出，开源大型语言模型（如Meta Llama 3、Mistral AI）与闭源模型的差距仅为6个月左右，“开源的发展模式预示着市场不会出现一家独大的局面”。

图：引言13

12. 教育AI市场并非“赢家通吃”（与上一条存在张力）

大量机构在开发相似的应用场景；大型语言模型的商品化降低了市场准入门槛；以更低的成本和更小的数据集构建高质量语言模型成为可能；不同情境下的独特品牌、商业模式和实施策略意味着，不同参与者将在各自的细分市场中蓬勃发展。EIDU已将其代码开源，这进一步支持了“非赢家通吃”的观点。

图：引言14 & 引言15

13. AI产品对环境可能产生显著影响

训练GPT-3产生的碳排放量相当于500吨二氧化碳。每次AI查询约产生1.5克二氧化碳，而每天数亿次的查询将累积产生数十万公斤的二氧化碳。ChatGPT每处理5到50次提示（prompt）就消耗500毫升水。在中低收入国家建立数据中心可能会加剧当地的水资源短缺问题。

14. 多元群体正积极联合，共同理解与行动

AI for Education社区、Honoris联合大学网络、南南合作（印度向其他中低收入国家派遣团队支持IT专业人员）、非洲联盟大陆AI战略等组织，都在积极推动知识共享和集体行动。

五种2035年教育发展情景：

从最可能到最不可能的排序

报告基于上述14大趋势的组合，构建了5种不同的发展情景，并根据“可能性”和“紧迫性”进行了排序。

情景1：AI加剧了国家间及国家内部的学习鸿沟（可能性第一，紧迫性第一）

到2035年，高收入经济体将利用AI实现学习成效的革命性飞跃，而许多中低收入国家则可能继续深陷低成就的循环。2022年全球学习贫困率高达70%，在此情景下预计不会有显著改善。主要原因包括：缺乏稳定的网络连接和电力供应、普遍存在的数字素养不足；尽管低成本AI工具可用，但仅靠工具无法独立产生学习成果（必须结合教师的有效指导）；计算能力的匮乏导致最前沿的AI应用集中在高收入国家；试图通过监管数据隐私的政府可能面临被技术发展“抛下”的风险。届时，儿童离开学校时可能无法适应AI驱动的劳动力市场需求。

图：情景1

情景2：AI分散了资源，并转移了对学习成果的关注（可能性第二，紧迫性第二）

到2035年，围绕AI的过度炒作可能导致捐助者和政府将大量资金投入AI产品，期望以此“跨越式”解决教育问题。然而，AI产品的实际效果缺乏充分证据支持，其不准确性依然存在，成本也居高不下，同时水资源短缺限制了数据中心的建设。与结构化的教学干预和教师专业发展等成熟的教育方法相比，AI产品在“性价比”上往往不占优势。学生过度依赖AI甚至可能抑制批判性思维和创造力。一个潜在的积极方面是，随着AI热潮的降温，教育生态系统可能会更加注重严谨的证据生成。

图：情景2

情景3：有效的个性化学习惠及广大受众（可能性第三，紧迫性第二）

到2035年，个性化学习系统将变得普遍可及，绝大多数学习者能够受益于日益强大的AI自适应技术——每个孩子都可能拥有自己的AI导师。AI模型的商品化和开源化，使得它们能在不同语言和数据集上进行训练。处理数据的成本将变得“低到无需计量”，产品对于政府、学校和家庭而言都将是负担得起的。不准确性的问题将得到解决。残障学习者也能以十年前1%的成本获得高质量的学习内容。该情景最有可能在数字基础设施水平较高的国家（如乌拉圭、印度）实现，但即使在这些国家，也并非所有学习者都能获得同等水平的访问机会。

图：情景3

情景4：AI主导的学习，由大型科技公司掌控，开启监控时代（可能性第三，紧迫性第四）

到2035年，AI将渗透到教育系统的各个层面。面对人口增长的压力，许多中低收入国家的政府可能会转向AI来管理日益拥挤的课堂。大型科技公司将教育产品“免费赠送”，但附加了供应商锁定协议。对于个人用户而言，退出这种体系将变得不可能。“教育科技”（EdTech）在许多人眼中将等同于那些在本国拥有合作协议的大型科技公司。这些公司的产品决策将深刻影响数百万学习者的生活，而他们往往对此缺乏认知。输入的数据可能被商业化或用于模型优化。政府协议还可能允许访问学习者数据用于监控目的。该情景最有可能发生在支付能力较低的国家，以及那些积极拥抱技术以实现治理目标的国家（如卢旺达、肯尼亚、尼日利亚）。

图：情景4

情景5：AI有效减轻教师和学校管理者的行政负担（可能性第五，紧迫性第五）

到2035年，AI系统将为教师和学校管理者节省大量时间，使他们能够更专注于教学和与学生的互动。教师的满意度和留任率将大幅提升，进而转化为各级教育成果的改善。AI系统能够自主运行，无需大量人工干预。AI工具将更多地被管理者使用，而非直接面向学生。该情景最有可能发生在那些社会稳定、中低收入、教师具备一定数字素养，并且已经通过有效投资连接和设备成功采纳AI工具的国家（如肯尼亚、越南、巴西）。

图：情景5

结语

14大趋势。5种情景。70%的学习贫困率可能维持不变。

这份由EdTech Hub和IDRC发布的战略前瞻性报告，并未提供一个乐观的自动化解决方案。它揭示的核心矛盾在于：AI在教育领域的潜力巨大，但其带来的收益分配极不均衡。在最可能发生的情景下，AI非但没有缩小，反而可能进一步扩大全球范围内的学习鸿沟。

对于中低收入国家的政府和教育领域的利益相关者而言，报告提供的并非预言，而是一个“压力测试”的工具：在AI可能加剧不平等的情景下，如何提前规划？在AI可能分散注意力的情景下，如何确保对基础教育的持续投入？在个性化学习成为现实的情景下，如何保障其可及性？

当技术以指数级速度迭代时，教育系统的适应能力却以线性甚至更慢的速度演进。未来十年，决定教育公平的关键可能并非AI本身有多么强大，而是谁拥有定义AI在教育中应用方式的权力，以及哪些群体被排除在外。

这份报告的价值，正在于它能让那些容易被忽视的声音和潜在情景，提前进入决策者的视野。

报告节选

三个皮匠报告AI译版

面对瞬息万变的市场，精准决策需要专业信息支持。三个皮匠报告提供全球核心研究资源，八大核心板块，助您高效获取深度洞见。

报告库：拥有庞大的500万份+行业研究报告数据库，覆盖国内外TOP级咨询公司与机构，致力于保障信息的时效性与高质量，核心优势：

1.每日更新：每日新增报告超过900份，确保信息始终处于行业前沿。

2.