📋 目录
- 📋 先说结论：大会公布的所有数字都是投入，没有一个是产出
- 🧭 样本一：甘肃酒泉肃州区，一个西部县域的 23 件作品
- 🎯 样本二：北京广渠门中学，一个已经跑到全国标杆的样本
- ⚠️ 更正几个在传播中被走形的数字
- 📊 两级门槛这张表，我建议存下来
- 💡 落到 SPARK 融合平台：一线教师要的不是系统，是能自己设计的材料
- ✅ 如果你在评估一个教育 AI 项目，这 7 条可以直接用
- 📝 写在最后
- 💬 聊聊你那边
📋 先说结论：大会公布的所有数字都是投入，没有一个是产出
先把2026 世界数字教育大会的官方数字摆清楚。这场大会 5 月 11 日至 13 日在浙江杭州举办，由教育部与浙江省人民政府共同主办，主题是「人工智能+教育：变革 发展 治理」。
公开发表的数字有这些：
| 类别 | 数字 |
|---|---|
| 时间地点 | 2026-05-11 至 05-13，浙江杭州 |
| 主题 | 人工智能+教育：变革 发展 治理 |
| 展示环节 | 开幕式、全体会议、平行会议、闭幕式 + 7 条参访线路 |
| 平行会议主题 | 基础教育、职业教育、高等教育、终身教育、教师发展、教师评价 |
| 平行会议新增主题 | 人工智能赋能科学范式变革、全球企业赋能教育 |
| 全球数字教育成果展遴选案例 | 118 个 |
| 发布成果 | 8 项（含《中国智慧教育发展报告(2025—2026)》《人工智能教育伦理：参考框架》《人工智能教育杭州倡议》等） |
| 参会嘉宾 | 诺贝尔奖、菲尔兹奖得主，两院院士，世界知名大学校长 |
浙江本地的落地数据也同期披露：浙江已面向全学段开展人工智能通识教育，惠及 305 万名学生；教师数字素养提升培训累计覆盖 87 万名教师。世界数字教育联盟（WDEA）在 5 月 12 日发布《世界数字教育创新案例集》，浙江"AI 会学"平台入选教育 AI 最佳实践。
现在把这些数字过一遍，你会发现一件事：118 个案例、8 项成果、305 万学生、87 万教师——全部是投入指标或覆盖指标，没有一个是产出指标。
没有学习结果，没有课堂变化，没有学生能力的长周期跟踪。
这不完全是大会的问题——大会的本质就是展示。但五个月过去了，产出侧的数字在哪里？
我自己去翻了能查到的公开材料，找到两个样本，一个代表最难的场景，一个代表最好的场景。
🧭 样本一：甘肃酒泉肃州区，一个西部县域的 23 件作品
先看这个样本，因为它是甘肃省唯一入选基础教育成果的案例。
酒泉市肃州区做的事情叫「航天+AI 赋能」地域特色资源数智化转化应用。入选全球数字教育成果展后，报道说"中外嘉宾对孩子们自己动手制作的航天发射大模型、新能源发电综合示范项目以及绿色住宅、航天育苗等23 件科技作品表现出浓厚兴趣"。
这个县域的体系是「航天 + AI + 五育五维」，具体建成了什么：
| 项目 | 数量 |
|---|---|
| 航天科创实验室 | 22 个 |
| 校外实践基地 | 15 个 |
| 航天特色课程 | 48 门 |
| 本次入选作品 | 23 件 |
| 入选定位 | 甘肃省唯一基础教育成果 |
育人模式是「课堂探究 + 校园实践 + 基地研学 + 家庭延伸 + 社会服务」五位一体。
我要先说一句公道话：肃州区做的事，在西部县域里是相当突出的。
酒泉不是发达城市，能建成 22 个科创实验室、15 个校外基地、48 门课程，这个投入强度在同类地区里是罕见的。而且它没有买"AI 学习机进校"这种标准化产品，而是基于本地已有的航天与新能源资源做转化——用身边的大国重器做教材，这个思路是对的。
但我要提出来的问题有三个，都很具体。
问题一：入选作品的数量和参与学生数之间的关系
23 件作品。这是一个可以量化的成果。
但公开材料里没有给出参与学生数。这意味着我们无法判断这 23 件是 230 名学生各做一件，还是 23 名尖子生各做一件，或者是几支小组的集体成果。
这个区别很重要。因为如果是一个班级的成果，它的推广价值在于"可复制的课程设计"；如果是 3 个学生的作品，它的推广价值在于"证明这条路走得通"——这是两种完全不同的推广逻辑。
问题二：22 个实验室的"使用率"是空的
22 个航天科创实验室建成，这是硬投入。
但公开材料里没有一个数字回答：这些实验室每周有多少课时被真正使用？
我这不是苛求。回想我在前面几期写过江苏的经验——江苏把 AI 通识课铺到全省 12 个年级、教师培训覆盖 903 万人次，但公开披露的全部是一级门槛数据，第二级门槛数据（每节课产出什么、由谁验收）一个都没有。
设备建成是投入，设备被用起来是过程，被用出效果才是产出。中间那一层经常被跳过去。
问题三：五位一体模式里的"家庭延伸"最难验证
「课堂探究 + 校园实践 + 基地研学 + 家庭延伸 + 社会服务」这五个环节里，前三个学校能管，第四个要看家庭配合度，第五个要看社会资源。
一个西部县域在"家庭延伸"这一环上，最可能出现的真实情况是：城里孩子家里有设备有网络，乡村孩子家里没有。
这不是猜测。前面那篇写 8563 份问卷的文章里，中国青少年研究中心的调查已经给出了同一方向的证据：农村受访中小学生用 AI 辅助完成作业的比例 73.2%，比城市学生 68.4% 高 4.8 个百分点；而"想依赖 AI 思考不想自己思考"的比例，农村 22.8% 高于城市 17.7%。
这组数字说明两件事：农村孩子对 AI 的依赖已经比城市高，而家庭能提供的支撑比城市少。
所以"家庭延伸"这个环节在肃州区大概率是不均衡的——而这恰恰是整个模式里唯一可能带来增量、也最可能落空的环节。
🎯 样本二：北京广渠门中学，一个已经跑到全国标杆的样本
第二个样本在另一个极端。
广渠门中学是北京市智慧校园示范校、北京市首批人工智能应用试点校、北京市首批人工智能应用场景标杆校。学校构建了「BASE+」人工智能教育生态系统，以"4I"协同推进学校三体建设，围绕教学管评研管育建七大领域。
它近两年的接待量：全国近 40 个地区、百余个代表团来校交流；接待美国、德国、新加坡、突尼斯等海外考察团。两次在世界数字教育大会分享经验。
学生作品也在这次大会展出了：脚控键盘、体态矫正装置、AI 老人陪诊系统。
其中 AI 老人陪诊系统的主角是高一学生汪之琪，她上了《新闻联播》。这个作品的细节值得说，因为它是从真实生活问题长出来的：
她在就医过程中的真实观察——老人不懂挂号流程、不会使用智能设备、看病问诊无人陪同——然后做了 2.0 版本：自助挂号机接入大模型增加方言识别；改造卫生间传感装置依靠人体形态识别险情；输液系统增加自动换液功能。
这个作品最有价值的一点是它解决了方言识别这个真实痛点。大模型在很多场景下的可用性，卡在方言上——这是一个技术难度不低但价值明确的需求，比"做一个 AI 聊天机器人"有意义得多。
学校总校长蔡雷的表述我认为是清醒的：「像智能老人陪诊系统这样的学生自主研发作品，正是生动展现了青少年立足民生、学以致用、科技向善的初心担当。」
立足民生、学以致用。这个顺序很重要——先有问题，再有技术。
但我更在意另一个细节
在广渠门中学的展示里，有一个词出现了很多次：AI 成长博物馆、教师智能体工作平台、数字人红色课堂、AI 科创成果。
广渠门中学的展示清单里还包括：学校 AI 成长博物馆、教师智能体工作平台、数字人红色课堂等特色场景全新亮相；学校以 AI 赋能班级管理、课堂教学与思政课堂。
初二的年级组长李晓丹说了一句很实在的话：
「这一转变的核心难点不在于技术，而是将’看见每一个、发展每一个’的理念转化为可落地的评价体系。」
这句话是整篇报道里我认为最值钱的一句。它来自一个正在做这件事的一线教师，不是专家，不是媒体。
她说"以前只能使用通用现成系统开展评价，如今一线教师得以转变角色，从系统使用者，成为校本育人工具的自主设计者"。
然后她说了难点在哪：难点不在技术，在评价体系。
这句话把我前面几期写的所有数据问题都串起来了。技术从来不是最难的那部分。难的是——
当一位初二语文老师想把"看见每一个学生"变成可落地的评价体系时，她需要一个能由她参与设计、且口径清晰、且能追溯的载体。
通用系统给不了这个，因为它用的是统一口径。而"校本育人工具"要自己设计——这就回到了数据治理这个老问题上。
⚠️ 更正几个在传播中被走形的数字
在核实这两个样本的过程中，我要把几个流传中的说法纠正一下。
更正一："118 个案例"是遴选数，不是展示总数
有报道把 118 说成"集中亮相的所有 AI 教育案例"。准确表述是：遴选了 118 个优秀的实践案例。
遴选意味着有筛选标准、有淘汰比例。把它当成"全国 AI 教育案例总数"会高估覆盖面。
更正二：浙江 305 万学生是"惠及"不是"完成"
准确表述是「浙江已面向全学段开展人工智能通识教育，惠及 305 万名学生」，以及教师数字素养提升培训「累计覆盖87 万名教师」。
"惠及"和"累计覆盖"都是覆盖口径，不等于学完、不等于掌握、更不等于产生了效果。
有具体场景的例子可以参考：杭州市濮家小学英语教师黄晓芳说，以前制作一份英语课件需要两小时，如今通过"AI 会学"平台调用智能体资源，10 分钟就能完成。
按这个口径折算，备课效率提升约 12 倍。但这是"制作课件"这一个工序的效率，不是"教学准备"这个整体活动的效率，更不是教学效果。
和前面"1 小时变 9 分钟"是同一类问题——工序效率不能当职业效率。
更正三：那个 87 万教师数字，没有说清"培训"还是"常态化使用"
「教师数字素养提升培训累计覆盖 87 万名教师」——这个数字里的"培训"和"数字素养"是两个不同的东西。
培训是一次性的，素养是持续的。用"培训覆盖 87 万人"来说明"87 万教师具备了数字素养"，逻辑上不成立。
这两个数之间的差距，就是我前面几篇反复说的两级门槛。
把整件事的度量困境画成一张图：
第三级整层是空的。而这一层才是所有教育 AI 项目最终要回答的问题。
📊 两级门槛这张表，我建议存下来
我把这两个月的核实结果汇总成一张表。它适用于所有教育 AI 场景，不限于本文的两个样本。
| 层级 | 具体指标 | 现在能不能查到 |
|---|---|---|
| 一级：投入 | 覆盖年级数、教师培训人次、设备数量、实验室数量、案例入选数 | ✅ 都能查 abundantly |
| 一级：过程 | 平台使用率、备课时间变化、生成方案数量 | ⚠️ 少数案例有 |
| 二级：产出 | 每节课产出什么、由谁验收 | ❌ 基本查不到 |
| 二级：产出 | 学习结果的变化（纵向对比） | ❌ 基本查不到 |
| 二级：产出 | 高阶思维任务上的表现变化 | ❌ 查不到，且无成熟量表 |
| 三级：影响 | 一年后学生的独立思考能力是否变化 | ❌ 无任何测量 |
第三行到第六行，几乎全是空白。
这不是某一个部门的失职，而是这类项目天然的度量困境——投入容易量化，产出难量化；短期可见的容易，长期不可见的难。
但我要补一句：正因为难，才更该把测量方案提前设计。我在前面那篇写教师培训的文章里画过一张图，讲的就是这件事——教师侧数据在现有系统里天然就有，学生侧数据需要专门设计采集链路。如果不提前设计，一年后能拿出来的只有左边那一列。
💡 落到 SPARK 融合平台：一线教师要的不是系统，是能自己设计的材料
做完这两篇教育相关的核实，我有一个越来越强的判断：
教育 AI 项目真正的落地障碍，不是模型能力，不是数据量，是"一线教师能不能自己定义他要什么"。
李晓丹那句话说得太准了——难点不在技术，在把理念转成可落地的评价体系。
而"可落地"这件事有一个硬性前提：这个载体必须能被使用者自己修改。
在 SPARK 融合平台上，我的设计选择是这样对应的：
1. iPaaS 先接数据源，但接进来的第一件事不是分析，是让数据可见。
一线教师不知道自己的数据长什么样，就没法设计评价体系。先让数据可见，再谈数据可用，最后才谈数据可信。顺序反了 Teacher 会在第一步就放弃。
2. 治理中心做"口径卡片"，而不是"统一口径"。
这是我最想强调的一点。治理中心的正确用法不是强制所有人用同一套标准，而是提供一组可组合、可版本管理的口径模块，让每个校本体系自己选。
广渠门中学想"从系统使用者变成校本育人工具的自主设计者"——这需要的正是"可组合的模块"，而不是一个黑盒系统。
3. 全域守卫按"教师 × 学生 × 学段 × 数据域"划权限，学生的部分单独提级。
教师数据受个人信息保护法约束，学生数据还叠加未成年人保护法。这两类数据的授权粒度、留存期限、可见范围都不同，不能用一个权限模型覆盖。
4. 与编排平台（Dify 这类）明确分工。
Dify 适合"快速搭出一个能用的教学应用"，SPARK 负责"保证这个应用用的是有权限、有口径、可追溯的数据，而且这套口径能被使用者修改"。
边界我必须再说一遍，而且这次说得更直接：平台不能替老师设计评价体系。
平台能做的是：让"知识传授/迁移创新""学生回应/教师指导"这类判断的依据、口径、修改记录都可追溯可审计。老师能不能用这套东西设计出适合自己班级的评价体系——这是教研能力问题，不是工具问题。
工具能把判断变成可追溯的记录，但判断本身对不对，仍然需要懂教学的人来定。这是平台的边界，也是它唯一该待的地方。
✅ 如果你在评估一个教育 AI 项目，这 7 条可以直接用
- 先问二级门槛，不问一级。覆盖了多少、设备有多少、培训了多少人，都是投入；每节课产出什么、由谁验收，才是效果。
- “惠及/ 覆盖"不等于"完成/ 掌握”。305 万学生惠及、87 万教师覆盖、903 万人次培训——三个词都是覆盖口径。
- 工序效率不能当职业效率。"课件 2 小时变 10 分钟"和"检查背诵 1 小时变 9 分钟"是同一类，两个都不能外推。
- 看入选案例时问参与学生数。23 件作品是 23 个学生还是 230 个学生，推广价值完全不同。
- 家庭延伸环节最容易被跳过，也最不均衡。这是西部县域项目最容易落空的一环。
- 培训覆盖 ≠ 素养具备。一次性的培训无法证明持续的素养，这个跨越需要另找证据。
- 最值钱的问题是"谁在替它买单、谁在承担风险"。资金投入在前期是可核查的，风险往往被后置。
📝 写在最后
写到第五篇，我想把话说回最初的那个判断。
我核实过这些数字之后，有一个感觉：过去这一年，教育 AI 的公开叙事完成了一次极其迅速的规模扩张，但效果的验证才刚刚开始。
规模扩张的速度是有据可查的——江苏 12 个年级全覆盖、浙江 305 万学生、509 所基地校、118 个入选案例、8 项成果。这些数字放在两年前是不可想象的。
但从这个叙事里，我读到的更多是能力声明而不是结果验证。广渠门中学说"让每一个学生被看见"，肃州区说"让每一个少年带着文化自信与航天志向扬帆起航"——这些都是很好的目标，但目标不等于结果。
我在前面那篇 8563 份问卷的文章里写过清华汪琼那句话，放在这里依然成立：能查到网上资料，不代表能正确地运用。
放到更长的尺度上，还有一句：能做出作品，不代表形成了能力。
一个高一学生做出 AI 老人陪诊系统，是一件值得骄傲的事。但如果 305 万学生都做出了作品，而这个过程没有让其中任何一个人变得更会思考——那我们只是用 AI 规模化生产了一代会提交作业的人。
这两件事的区别，恰好就是李晓丹说的那个难点所在：难的不是技术，是把"看见每一个学生"变成一套真正能被使用的评价方式。
这件事只有懂教学的人能做。而工具能做的，是让他们的判断可追溯、可修改、可复用。
💬 聊聊你那边
我自己做的是企业级 AI 工作台，对教育是从旁边看。但有两个问题我很想听听一线视角的答案：
- "二级门槛数据查不到"这个问题，你在实际项目里是怎么解决的？是自己搭了一套评估方案，还是干脆放弃了测量？我倾向后者——大多数团队的评估方案最后都变成了"凑合给领导看的那张表"。
- 如果让你设计一个"能看出学生思考能力变化"的量表，你会怎么设计？我个人想了很久，觉得难点在于：高阶思维的表现本身就有很大个体差异，用统一量表测可能测不出真实差异。你有别的思路吗？
评论区聊聊。我看到有价值的会专门整理一篇深挖。
本文数据来源：2026 世界数字教育大会（2026-05-11 至 05-13，浙江杭州，教育部与浙江省人民政府共同主办）官方发布及光明日报、中国教育新闻网等报道；甘肃酒泉市肃州区人民政府官网《肃州教育，惊艳亮相世界数字教育大会》；北京日报《北京中学生自主研发 AI 助老系统，登上〈新闻联播〉》；北京市广渠门中学现场会通稿；济南时报《聚焦 AI 赋能全学段生动实践2026 世界数字教育大会在杭州举行》。文中对流传数字的更正与拒引判断，为本栏目核实结论。
