四月初的 ASU+GSV 峰会，是感受全球教育科技前沿脉动的最佳现场。今年，伴随着历史罕见的行业融资热潮，逾7,000名来自全球的行业领袖、校长和教师云集圣地亚哥，创下历届参会人数之最。

回望二十年，美国教育科技持续引领全球数字化浪潮。以风险投资为例，在21世纪的大部分时间里，全球过半的教育科技创新资金都以美国为目的地。

然而，随着生成式AI引发新的智能飞跃，这一体系的隐忧也逐渐显现：巨头垄断、平台失活，创新日益碎片化。整个行业，仿佛陷入“亚健康”状态。

而中国教育科技根基尚新，恰可从美国的经验教训中获得宝贵镜鉴。本文将对此展开深度分析。

峰会主舞台上，美国教育部长Linda McMahon在发言时将“AI”误读为“A1”（A One）。仅三周前，她刚刚接到特朗普总统的行政令，要求她“尽一切努力”解散有45年历史的联邦教育部，这一决定在教育界引发震动
峰会主舞台上，美国教育部长Linda McMahon在发言时将“AI”误读为“A1”（A One）。仅三周前，她刚刚接到特朗普总统的行政令，要求她“尽一切努力”解散有45年历史的联邦教育部，这一决定在教育界引发震动

摘要

美国教育的AI转型，正面临严峻的挑战：一是本土的教学管理系统（LMS）等基石平台，因长期缺乏变革而显露疲态，有被外来产品赶超之势；二是碎片化的工具创新致使师生出现“工具过载”，不仅无法提效，反而增加了教学负担、加剧数据割裂；三是投资者则越来越看重渠道和增长，忽略教育的本质与学习者的成功。

本届峰会的主流观点是：当前美国教育领域的AI应用，过度局限于聊天机器人的浅层交互，不仅暂未诞生能重塑学校范式的应用，还引发了学生认知能力下降和课内社交连接减弱的困局。

中国教育界亟待全面的数字化转型。建设面向AI时代的学习管理系统，并与通用智能体和硬件深度融合，方能实现跨越式发展。这也能避免重蹈美国工具碎片化、数据零散化的覆辙。我们应大力发展以学生为中心、更具互动性的学习体验，并且将教师培训的重点从单纯的工具使用，升级为教师与AI协同、进行端到端数字化课程设计的能力，让AI从备课助手转向课程助教。在人工智能带来颠覆的时代，中国迫切需要加强STEM领域教育、将AI素养教育贯穿所有年龄段、守护社会情感发展，并将下一代公民的教育目标重新调整为培养美、爱与创造力。

一、美国教育科技的十年嬗变

（一）谷歌的野望

21世纪以来，美国教育科技围绕学习管理系统（LMS）构建起了庞大而复杂的生态体系。其中，最年轻的主流免费 LMS——Google Classroom 也已诞生10年，而最老牌的Blackboard则已运营了整整26年。各类信息化管理平台与LMS对接，内容和工具则置于其上，最终的结果就像亚马逊雨林一样，错综交织、层层依存。

美国教育科技的亚马逊雨林生态
美国教育科技的亚马逊雨林生态

在这一复杂版图上，谷歌的战略布局最为全面、持久且坚决，堪称全球科技巨头中对教育领域最为投入的公司。相比之下，微软的Teams教育版与苹果的投入则显得乏力而边缘，在基础教育阶段几难抗衡。我们都知道，Youtube 是全球第一大教育视频平台、Google Earth 也深受地理老师喜爱。但除此之外，谷歌还有一些国人不太了解、仅面向美国本土的骄人战绩：

  • 10年代不遗余力地主导了 Chromebook 笔记本在美国公立学校的广泛普及，疫情结束时几乎实现了一人一本，从而为软件数字化打下了坚实的硬件基础。我们在走访展会时访问了充电箱供应商和学区主管，他们都认为80-90%的美国学校已实现了学生:设备达到1:1。

  • 相比 Windows 和 iPad OS 应用驱动的设计，Chromebook 的操作系统以浏览器为核心，这为美国教育科技产品的快速云端化提供了丰沃土壤。其内置的 Google Workspace（涵盖邮箱、文档、日历和网盘等）几乎为学校提供了一站式的协作数字化方案。当这套方案无缝衔接 Google Classroom 后，便成了师生默认的备课、写作业和课程协作界面。

  • 2022年中，谷歌推出 Minerva 这一专注于数理逻辑推理能力的大型语言模型，取得了当时业界的最先进成果（SOTA），相当于一位超过全美平均水平的大一理科生。

GPT3.5横空出世后，谷歌更是进一步布局，从专家模型迅速转向大模型，并且直接面向全年龄段学习者发布产品：

  • 23年以来陆续推出 NotebookLM（笔记与文字转播客）和 Learn About （快速学习新知识）两款实验性的产品，目前在企业赛道已开售；

  • 2024年，谷歌开始打造针对教育行业优化的底层大模型LearnLM，并将其集成到Gemini大模型当中。为确保教学理念与产品的深度融合，Gemini 团队甚至专门设立了“教学法负责人”（Head of Pedagogy）这一岗位。

谷歌宣称其AI技术架构是行业最具广度的。上图中，谷歌从软件、硬件、模型、云设施四个层面，与微软、OpenAI和Magic School三家竞争对手做了对比。MagicSchool.ai 是美国当下使用人数最多的新兴备授课工具聚合体，自2023年中上线以来已有500万用户注册、触达12,000多个学校和学区，2025年2月完成的B轮融资达到4500万美元
谷歌宣称其AI技术架构是行业最具广度的。上图中，谷歌从软件、硬件、模型、云设施四个层面，与微软、OpenAI和Magic School三家竞争对手做了对比。MagicSchool.ai 是美国当下使用人数最多的新兴备授课工具聚合体，自2023年中上线以来已有500万用户注册、触达12,000多个学校和学区，2025年2月完成的B轮融资达到4500万美元
谷歌从模型底层进行训练，让它尽可能符合五大基础学习科学原则：鼓励主动学习、管理认知负荷、加深元认知、激发好奇心、适应学生本人
谷歌从模型底层进行训练，让它尽可能符合五大基础学习科学原则：鼓励主动学习、管理认知负荷、加深元认知、激发好奇心、适应学生本人

（二）平台的疲态

如果 LMS 是教学的主航道，那么美国的数字化大河上，还有几条关键的支流。

我们以芝加哥学区自研的 AI 课程系统 Skyline 所使用的各类软件平台为例，对照理解：

从左上向下，依次是：学生信息系统（SIS）、教学管理系统（LMS）、学习材料存储系统（LOR）。SIS就是教务系统，是打卡考勤、学杂费和标化考试成绩的聚集地；LMS是师生每天都要访问的思维操场，负责课程和教学活动的管理；LOR存在，则是为了管理各种第三方出版商提供的版权内容、课程录像的权限管理。从右上向下，依次是：学生评估系统（SAS）、教育科技产品访问门户、身份验真与一键登录平台（SSO）。产品访问门户的存在必要性在于：不同学科和老师使用的产品非常零散（单年可达2,700余款/学区）。因此，学区需要通过该门户跟踪哪些产品使用频繁、效果积极，以此作为续费决策依据，避免浪费。
从左上向下，依次是：学生信息系统（SIS）、教学管理系统（LMS）、学习材料存储系统（LOR）。SIS就是教务系统，是打卡考勤、学杂费和标化考试成绩的聚集地；LMS是师生每天都要访问的思维操场，负责课程和教学活动的管理；LOR存在，则是为了管理各种第三方出版商提供的版权内容、课程录像的权限管理。

从右上向下，依次是：学生评估系统（SAS）、教育科技产品访问门户、身份验真与一键登录平台（SSO）。产品访问门户的存在必要性在于：不同学科和老师使用的产品非常零散（单年可达2,700余款/学区）。因此，学区需要通过该门户跟踪哪些产品使用频繁、效果积极，以此作为续费决策依据，避免浪费。
GSV创始人也介绍了高等教育的数智化基石平台类别。与基础教育相比，高校还需要额外的几个系统，例如：招生录取系统、学费与项目报名管理系统（CRM）、课程创建平台和就业系统
GSV创始人也介绍了高等教育的数智化基石平台类别。与基础教育相比，高校还需要额外的几个系统，例如：招生录取系统、学费与项目报名管理系统（CRM）、课程创建平台和就业系统

对于任何一个稍具规模的学区主管来说，这些基石性的平台都是数字化教育的必要条件，缺一不可。而可惜的是，这些赛道的代表性美国公司基本都已走到了创新增长的末路。

从所有权结构来看，Canvas、PowerSchool、Clever 等平台型企业，在过去十年内先后上市，又被私募资本反复交易，每一次更迭都将资源从研发倾斜到销售。同时，创始人与核心工程师大量离场，进一步削弱了内生创新。结果便是：学区的数字基建虽然稳定可靠，但乏善可陈，渐渐因界面和交互创新的贫瘠、多端体验差而被师生诟病。

主要教育科技平台的所有权变更带来的创新迟滞效应
主要教育科技平台的所有权变更带来的创新迟滞效应

美国老牌LMS公司，向企业培训、技能认证（credentialing）等业务方向的拓展，也让他们的基教和高校客户感到了“忽视”；而其主要竞争对手、来自加拿大的 Brightspace LMS，则一直致力于提升 LMS 的使用体验。过去两年中，率先行业推出了一系列的 AI 课程设计工具。凭借迅捷的AI转型，Brightspace已成为美国高等教育领域的第三大LMS系统，仅次于增长见顶的Canvas和连年败退的Blackboard。

2024年，来自加拿大的Brightspace LMS市占率超过开源、免费的Moodle LMS
2024年，来自加拿大的Brightspace LMS市占率超过开源、免费的Moodle LMS

（三）微创新的盛放

寡头的盘踞，是一把双刃剑，它既提供了输入的界面和数据互联的基座，又同时阻滞根本性的产品范式变革——这意味着，近十年美国教育领域最值得关注的，就是生长于平台之上的、蓬勃的微创新。

这类微创新，通常来自愿意折腾的“老师—创业者”们（teacher-preneur），少部分来自于充满教育情怀的大厂离职者和研究人员。当然，这种繁荣，不只依赖数字化基底的滋养，更深植于美国教育界广泛接受的理论和标准之中——

首先，NGSS（下一代科学标准）和Common Core（共同核心标准）等国家级课程标准，以其细致入微的设计精度，为课程内容生产厂商提供了明确的规范。这孕育出了 Amplify 等数字原生教材公司和 Newsela 等辅助内容聚合平台，它们极大挑战了传统教材线性化的内容组织模式，也赋予教师更大的备课选材的自主性。可以说，这两大2010年代初面世的课标， 定义了美国“能力本位教学体系”的框架（Competency-Based Education，缩略为CBE），为学生在各个学习阶段应展现出的能力程度做了清晰具体的量化描述，一扫小布什治下《不让一个孩子掉队法》带来的“唯分是举”的消极影响，是美国教育从应试转向素养为目标的节点事件。

其次，以 Understanding by Design 为代表的、量规驱动的课程设计理念广受认可。该理论强调“以终为始”的逆向课程设计，尤其关注过程性评价。它认为课堂仅是课程一环，需设计多样化教学活动支持学生课内外全时学习。这不仅巩固了学习管理系统（LMS）在教学中的核心地位，也推动了Formative、Nearpod等实时反馈工具以及Edulastic等作业分级平台的诞生。

再次，建构主义推动的“生本课堂”理念促使教师摆脱讲台的束缚，转向学生的主动学习。除了精准讲解（Direct Instruction），教师还发展出结构化研讨（Seminar）、协作解题、轮转工作站等多种互动教学形式。佐以一人一本的数字设备，便催生了Quizziz、Kahoot、Mentimeter等课内小测和游戏化学习工具，让课堂学习充满互动性。

立体生长的微创新
立体生长的微创新

疫情以及生成式AI的崛起进一步推动了微创新生态的扩张。这种现象甚至达到了一种近乎夸张的地步：美国平均每个学区仅约7所学校、百余名教师，每年却要使用多达2,739款不同的教育科技产品，严重“过载”。

每个学区每月使用的产品平均数已稳定在1,400款上下
每个学区每月使用的产品平均数已稳定在1,400款上下

工具数量的爆发式增长，在教学一线带来了“体验升级”与“疲劳堆积”的双重结果。

好消息是，软硬兼备的数字化学习，让每个学生都拥有了更加丰富、个性化的课程参与体验。但坏消息是，微创新带来了更碎片化的教学历程，并产生了明显的“马太效应”。具体表现为：自驱的学生能极大调动元认知，学得趣味盎然；而多数学生反而因课程任务驳杂、失焦、课堂干扰增多等问题，学习效果出现下降。这一现象在数学等标准化要求较高的学科尤为明显：过去十年间，无论是美国国家教育进展评估（NAEP，俗称“国民成绩单”），还是经合组织的PISA考试成绩，均持续下滑。

过去十年美国NAEP与PISA数学成绩持续下滑。值得一提的是，这种强者更强的“马太效应”不仅发生在青少年，还会上探到研究者群体。2024年，研究者Aiden Toner Rogers发现，AI辅助下的科研人员专利申请量平均增长了39%，产品创新能力提升17%。但这种收益却主要集中在顶尖科研人员群体之中，而后段位的科研人员几乎未获得明显收益
过去十年美国NAEP与PISA数学成绩持续下滑。值得一提的是，这种强者更强的“马太效应”不仅发生在青少年，还会上探到研究者群体。2024年，研究者Aiden Toner Rogers发现，AI辅助下的科研人员专利申请量平均增长了39%，产品创新能力提升17%。但这种收益却主要集中在顶尖科研人员群体之中，而后段位的科研人员几乎未获得明显收益

在这一轮微创新生态的蓬勃发展中，教师群体也经历了深刻的变化。

一方面，教师享受到了前所未有的教学自主性和灵活性，强大的数字化工具与成熟的教学理论让他们可以日常地实现分级教学。这背后体现的是对教师个人专业性的高度尊重。

但另一方面，技术带来的“科技压力”（technostress）也日益凸显。新技术更新频繁，试错成本极高，而学区在采购大量教育工具后，往往缺乏厂商及时有效的培训与售后服务。这种“天女散花”式的工具调用，自然导致了数据的零散（silo），让所谓的“个性化学习”在实践中远比理论上困难得多。盖洛普2023年调查显示，基础教育阶段的教师，是美国最容易感到职业倦怠的群体。

二、生成式AI冲击下的新裂变

（一）应用层：低阶交互并未解放生产力

尽管微创新维持了美国教育科技的活力，但 ASU+GSV 展会上的产品观察者形成了强烈的共识：ChatGPT后浮现的这批新产品，普遍缺乏对教育行业在AI时代变革的系统性思考，属于只见树木不见森林。

以聊天机器人（chatbot）为代表的AI工具的局限性尤其明显。单纯的聊天交互所带来的积极影响，是拓展了学生自习环境下的试错空间。正如YouTube Learning负责人所说：“面对AI时，学生们更愿意试错，能更自由地‘失败’”。然而，其局限在于，后进学生往往难以有效利用聊天框。专注AI时代编程教育的Kira Learning联合创始人指出：“当学生已陷入困境时，他们根本不知道该提出什么问题、怎么提问。”

除了批评chatbot，与会人的另一个担忧，是学生与AI基于内容协作会削弱师生、生生之间的情感联结，使得学生更难融入社群与集体活动。Amplify副总裁Dan Meyer强调：“教师的使命是充分利用学生个体的差异与多样性，增强社会联结，以提高学习的吸引力与效果。”佛罗里达州立在线学校的Martin Kelly也半开玩笑地说：“没人会终生怀念9年级学过的某本教材，但说起9年级的老师，却总能滔滔不绝。”

以上几种批评反馈到教师——也就是产品使用者——的层面，就是美国一线教师对AI进课堂的接受度极低，这和大会现场的人头攒动形成了鲜明对比。EdWeek调研显示：超过三分之一的教育工作者表示从未在教室里使用过AI工具且不打算使用，这种态度在2023年与2024年基本保持稳定（分别为37%和36%）。目前，轻度使用者约占21%，中度使用者维持在9%-10%，而重度使用者则不足2%。

美国教师对AI进课堂缺少热情（信源：EdWeek Research）
美国教师对AI进课堂缺少热情（信源：EdWeek Research）

（二）基石系统重塑：从LMS到学习空间

虽然大多数微创业者都认为，短期内撼动寡头平台在教育科技领域的主导地位几乎是不可能的。但还是有少数人坚信“重新想象学校”的必要性。这意味着学校数字化的基石平台——教学管理系统（LMS）将不可避免地进行深度重构。

D2L在基石LMS上稳步扩增AI组件，凭借更具整合性的工具+平台范式、更富互动性的AI实时测试生成，和更有参考价值的全学程数据分析，实现持续增长、加售和高留存
D2L在基石LMS上稳步扩增AI组件，凭借更具整合性的工具+平台范式、更富互动性的AI实时测试生成，和更有参考价值的全学程数据分析，实现持续增长、加售和高留存

首先，生成式、多模态、交互性的AI内容将大量涌现，完全静态的内容将逐渐式微，这意味着LMS会逐步吞并LOR (学习材料存储系统)。目前，绝大多数学科内容的半衰期已降至十年之内，换言之，当今大学教材中的内容，每几年便有一半以上的篇幅成为昨日黄花。或许，未来人类真正“硬通货”的知识，只有两种：一是需要不断更新的新知（New Knowledge），二是跨越时空、深植于实践的智慧（Wisdom）。

知识半衰期：不同学科领域知识的“保质期”及其衰减趋势（图表列出的是2012年发表的研究结果，时至今日，图中的曲线都更靠近Y轴）
知识半衰期：不同学科领域知识的“保质期”及其衰减趋势（图表列出的是2012年发表的研究结果，时至今日，图中的曲线都更靠近Y轴）

其次，LMS还应该进一步深化人与内容之间的交互，打破线性的“单元—活动”的结构，转而支持多个项目并行的立体化学习，实现复杂灵活的内容重组、浮现和多模态再生。这一点连传统出版商都意识到了，比如培生高等教育副总裁就指出，教材电子化的关键就是将内容从书页中抽出来，赋予它复用价值：“内容本身就是学习数据，它非常动态、富有生机。”

全新一代的教学管理系统，是支持项目制学习和生生协作的“学习空间”
全新一代的教学管理系统，是支持项目制学习和生生协作的“学习空间”

最后，人机协同将推动LMS进化成为集内容准备、异步授课、过程性评价、即时反馈于一体的学习空间。

Kira联合创始人用AI评分智能体举例：“当下的AI，能帮助教师简单地生成评分标准（量规），再由教师手动根据量规去打分。而真正的高效协作，必须实现端到端的人机协作，即AI先给出评分方案，再收集学生作业、批量执行打分和反馈；教师则起监督作用，在每个环节都只进行快速的审核与微调。”

这个听起来相当激进的观点，已在去年得到了研究者的首肯：2024年美国教育研究协会（AERA）年会上发布的研究指出，AI在历史和英语写作评分上能与人类教师水平大体一致；Steiss 等人基于200份人类和200份AI评卷的对照研究发现，ChatGPT的反馈质量已经较为接近经验丰富教师的水平，且在“基于标准的反馈”这一维度上，ChatGPT的平均得分比人类教师要高。

LMS的未来形态：端到端融入AI，全时支持师生机协作
LMS的未来形态：端到端融入AI，全时支持师生机协作

（三）教学设计：预防认知力危机

宾夕法尼亚大学一项面向1,000位初中生的、干预时长一学期的研究发现：使用GPT-4能短暂提高学生测试成绩，但长期看却削弱了学习能力和知识保留。可见，如何在AI时代进一步培养学生的自主性（Agency）与深度思考能力，是教学设计者面临的核心挑战。

本次大会达成的普遍共识是：必须主动干预“认知力萎缩”（Cognitive Atrophy）的现象，让学生从知识的被动消费者转变为主动的学习参与者，习惯性地攀爬到更高阶的认知层级上。哈佛大学教授Christopher Dede提示说：“学习是一段旅程。这种视角下重要的是学习者的体验——而非成果。AI的应用可能缩短这一学习旅程，导致学生不再经历完整的学习过程。”

Anthropic 公司在会上发布了对全美大学生使用 Claude 大模型情况的分析，发现大半学生都在使用大模型“外包”布鲁姆模型上的高阶思维能力，即分析、评估、创造
Anthropic 公司在会上发布了对全美大学生使用 Claude 大模型情况的分析，发现大半学生都在使用大模型“外包”布鲁姆模型上的高阶思维能力，即分析、评估、创造

特斯拉创始人埃隆·马斯克创办的创新学校Astra Nova负责人Joshua Duhn强调：“（AI时代）在线学习的真正优势，在于能够更有效地支持微型小组的建构性观点表达（constructivist disagreement）。在三人小组里，每个学生都能大胆表达观点；而当小组规模扩到六七人时，学生往往会陷入沉默。”

换言之，AI带来的，不应仅是“学生问、AI思考+解答”的知识快餐，而更多的是对建构式、学生主动输出的引导。可汗学院的首席学习官分享了可汗本人在训练AI助手Khanmigo时，写过的一条有趣的指令：“Khanmigo, 如果你直接把答案给学生的话，世界末日就要来了！” 刚刚完成2,500万美元A轮融资的School AI的创始人也呼应道：“AI助教（Assistant）不是补习导师（Tutor），它的职责是引导思考，而不是帮助学生走捷径。”曹广福也断言，”没有任何一门学科的基本理论可以不费力气地被掌握甚至融会贯通，掌握他们的过程必然是艰苦的，除非学生真的能’以苦为乐’，否则，过程的快乐无从谈起。”

OKOLabs.ai 是一位面向小组讨论场景的AI助教，在4人小组中，它领导学生完成一道道小学数学计算题，鼓励学生们彼此讨论、互相帮助。学生无需真人教师监管，即可完成基于计算器的各类算数练习任务，以此解放老师去最需要帮助的那组学生身边，进行精准干预
OKOLabs.ai 是一位面向小组讨论场景的AI助教，在4人小组中，它领导学生完成一道道小学数学计算题，鼓励学生们彼此讨论、互相帮助。学生无需真人教师监管，即可完成基于计算器的各类算数练习任务，以此解放老师去最需要帮助的那组学生身边，进行精准干预

更进一步的观察是：基础的学科技能，如读写、算数等，也正经历深刻转型。美国小石城学区首席学术官Melissa Gude直言：“我们必须彻底打破以往关于阅读教学的固有观念，再重新构建起适应AI时代的教学方式。” 尤其在中学阶段，随着孩子习惯性地与AI共同检索与创生内容，阅读、写作和研究技能定义都在发生本质性的变化。例如，“远读力”（Distant Reading）这样的新能力正日益重要——它要求学生能够在宏观层面把握文本与知识的生态，通过模式识别与模型化来洞察信息结构，并始终保持对方法与结论的批判性反思。未来，只有具备这种能力的人类，才能有效驾驭信息处理速度远超自身的AI，保留阅读者的主体性。

此外，AI数学画板公司Snorkl的创始人指出，在开始应用各类工具后，教师并不应该成为数据分析师。他们需要的并非对学情数据的“洞察”，而是基于数据直接给出的明确行动建议。简单的学生画像（Student Profile）远不足以支持做出有效的教学决策。与其展示一个花哨的信息图表，老师想知道的是：约翰和玛丽的知识盲区，分别应以什么策略进行干预。

三、美国K-12投资与创新逻辑

（一）渠道为王，创新遇冷

尽管教学一线对AI工具有着复杂的期待，但资本市场的反应却呈现出另一番景象：AI备授工具这两年逐渐逼近Hype Cycle的顶峰，可投资人的热情却一降再降。

根据市场研究机构HolonIQ的数据，美国K-12教育科技赛道过去十年的风险投资总额约为100亿美元（年均约10亿美元），然而，几乎没有任何一家专注于基础教育的公司能达到年收入1亿美元的规模。教育投资者普遍认为，K-12学区是“全教育行业最谨慎的买家”（Most Deliberative Buyer），投资回报低，销售周期漫长且充满不确定性，最终沦为“渠道为王”的市场。被疯狂抄袭的Magic School的创始人在闭门讨论时甚至半开玩笑地表示：“如果你只是重复我做的东西，那我一定会笑到最后——因为我掌控了学区销售的渠道。”这也揭示了当前美国教育科技市场的新现实：产品太多，突围太难，渠道已成为决定竞争成败的关键。

2024年全美、全球的教育风险投资都来到了近10年的最低点
2024年全美、全球的教育风险投资都来到了近10年的最低点

基础大模型的快速迭代，带来了指数级的成本下降和性能提升。更为关键的是，DeepMind的研究员向我们指出，基础教育不像医疗、交通等公共行业，存在绝对保密的数据与信息。这将使得教育领域垂直大模型逐渐失去市场空间。与此同时，应用层的AI初创公司又找不到长期技术壁垒，只能依靠更精细的提示词工程和更优的用户体验（UX）来寻求短暂突围。据There's An AI For That网站统计，截止2025年4月末，全网了共上线了面向13,636种任务的34,800个AI工具，工具的数量持续井喷。Francisco Partners合伙人约什·伯林（Josh Berin）总结说：“几乎所有的AI应用公司最终都会失败，但幸运的是，它们的失败速度也会非常快。”

媒体EdTech Insiders经过严苛筛选后，指出美国市场上至少有300多款值得体验的基础教育AI产品，分属于6大类、60多种不同教与学的场景
媒体EdTech Insiders经过严苛筛选后，指出美国市场上至少有300多款值得体验的基础教育AI产品，分属于6大类、60多种不同教与学的场景

在渠道主导的市场中，再去投没有护城河的产品公司，自然吃力。因此过去几年，教育科技的投资重心已显著向成人职业教育（Future of Work）转移，使得职前（高中或大学）和职后的界限越来越模糊。GSV, Emerge Ventures, Owl Ventures等曾经高度关注K-12赛道的英美教育科技早期风投，目前都已将重点转向终身学习市场。

HolonIQ最新公布的美国Top 200教育科技初创企业榜单上，成人教育赛道企业数量已与K-12平起平坐。尤其值得注意的是：K-12领域过半的创新公司都属于支持备授的（单点）工具，而成人教育赛道则有1/3的创新发生在底层基础设施和系统
HolonIQ最新公布的美国Top 200教育科技初创企业榜单上，成人教育赛道企业数量已与K-12平起平坐。尤其值得注意的是：K-12领域过半的创新公司都属于支持备授的（单点）工具，而成人教育赛道则有1/3的创新发生在底层基础设施和系统

（二）重回增长与易用价值

剧烈且疾速的竞争导致了一个略带讽刺的现象：综合型风险投资机构（Generalist VC）反倒开始重新关注教育领域，但他们看重的绝非教学法或学习结果，而是注重产品的UX、持续高速的增长，以及创始人的企业家精神——实现快速产品闭环的能力。比如前几年曾经被传发誓“再不投教育”的知名加速器Y Combinator (YC)，近两年就积极投资了一批原生于AI的小型教育产品，包括跨界创业的Flint、华人团队创立的Mathos等。

山景城的“出海同学会”上，我们与Mathos AI创始人Tianwei Yue和YJ Guo对谈AI拍题讲解赛道的增长与变革
山景城的“出海同学会”上，我们与Mathos AI创始人Tianwei Yue和YJ Guo对谈AI拍题讲解赛道的增长与变革

其中，两个近期颇受关注的创业项目尤其反映投资人当下的偏好：

  • 一是对交互易用性（也即用户数飞速增长）的极致追求，典例是Brisk Teaching：一款类似于Monica和Grammarly的Chrome插件工具。它允许教师在浏览新闻、视频、文章时，直接让AI阅读当前页面的内容，随即自动跳转到Google Docs或Google Slides、创建新文档，进行备课材料生成与编辑，以实现把10分钟的 Youtube 视频一键转成可用PPT的迅捷体验。这家公司3月刚刚完成1,500万美元融资，宣称美国近1/5的教师已经成为其用户，并且在本次峰会2,000多个创业项目参与的提案大赛上斩获第1名。

  • 二是对传统教育和选拔中，各类标化考试、面试等刚需问题的“速效解药”，这类产品更容易得到冲动且高额的付费，典例是Cluely：21 岁的哥伦比亚大学生 Chungin Lee 认为像 LeetCode 这样的编程测试平台已经过时、浪费候选人时间，因此开发了一款 Interview Coder 的程序员面试作弊工具，使用隐藏的浏览器窗口躲避考官检查。同理，用户也可在期末考、电销和工作面试等各种场景中获取它的实时帮助。工具火起来之后，他与同学合伙人被哥伦比亚大学停学处分，随后退学。近日该公司获得 530 万美元种子轮融资，并宣称产品的年经常性收入（ARR）达到300万美元。

虽然这类产品满足了师生“快见效、易部署”的期待，但从学习科学与伦理角度看，这两款产品显然都存在重大弊端。

学习如同拉练，需要持续、专注的投入与规则的约束，非一日之功。在系统性学校改革步伐难以加速的当下，EdTech行业亟需探索：如何快速推出既尊重科学与公正、又具商业可行性的新产品。

四、中国教育的数智化跃迁路径

美国教育理事会主席Ted Mitchell在会上发言时大胆质疑：“我们所提供的教育，真的是正确的吗？它是否传递给了合适的人？是否正以合适的方式促使他们学习？” 他坦言：“这些问题的答案，很可能是‘不完全是’。而这正是美国教育所面临的攸关命运的危机。”

AI的海啸之下，这种忧虑几乎萦绕在每个有使命感的教育决策者的心头。

为尽快推进中国新课程标准与评估改革，这里提出三点明确建议：

（一）夯实底座：全面数字化转型

智能化发展，必然倒逼教育实现全面数字化。随着中国AI基础层对前沿模型公司的不断追赶，在算法、算力和数据的三驾马车中，数据的重要性会越来越凸显。而高质量、来自真实世界的学情数据，只能通过健全的数字化环境获得。

我们相信，有移动支付和共享出行的成功经验在先，中国的教育数字化一定能彻底、迅速地实现！

首先，学校需实现完成软硬件协同部署。以往信息化“重硬轻软”的路径，无法真正提升课堂效率与质量。好比没有滴滴平台，新能源车再多也无法优化打车的体验；“重软轻硬”亦不可取，正如路边摆摊的农民仅凭打印的二维码而非POS机收款，总难免误差损失。

唯有“软硬兼施”。软件的核心，是教学管理系统（LMS）——我们只能指望那些深谙教学法的企业做好LMS，正如Google Classroom必然始终领先于微软Teams一样；而硬件的关键，则是以交互大屏和一人一本为基础的设备生态。

Common Sense Media 2024年夏季调查显示，美国40%的2岁幼儿已经拥有了自己的平板设备。面对这样一代AI原生代儿童，让他们在中小学课堂里继续依赖黑板、粉笔字与投影仪学习，无异于南辕北辙。至于屏幕增加后带来的视力保护、内容监管问题，其实已有成熟解决方案。

当然，作为全球数码产品的制造高地，我们并不担心中国教育系统对硬件的部署能力。这意味着，更多的精力需要被放在软件端。毫无疑问，我国教育软件的应用，绝不应参考美国“天女散花”式的发展路径。国际教育技术协会（ISTE）的首席创新官Joseph South直言不讳：“展出的方案几乎全都聚焦于让现在的学校更有效率，很少涉及学习模式的根本转型，也未能扩展学习者的主动性。如果继续这样，我们将面临的危险是，用AI来更高效地维护原有体系，而非走向进步。”

Modern Classroom 创始人卡里姆·法拉（Kareem Farah）更进一步指出：“所谓‘简单省时’的工具，反而让教师面临更多复杂决策。”疫情后的美国教师产生严重的工具疲劳，尽管学区使用的产品总量居高不下，但教师平均使用的工具数量已暴跌65%，稳定在每月50款左右。

疫情后美国教师使用的工具数量骤减，印证“technostress（工具疲劳）”
疫情后美国教师使用的工具数量骤减，印证“technostress（工具疲劳）”

真正能为教师减负增效的是“通用智能体”（General AI Agent）。这种智能体应直接内置于LMS内，能够精准理解课堂与学生特点，并提供实时的内容和测评建议。如Manus、GenSpark这类产品，在读取课程的真实课件、测评数据后，便可为班级学生提供定制化的教学、辅导与答疑。智能体工具，将有助于我国教育界快速跨越低质、零散的产品沼泽，弥补软件应用上的差距。

数智化，与数字化的核心区别，是在全栈平台之上，直接应用智能体设计学习工具。AI时代，学习是顶重要的生活方式，会使整个教育科技行业从提供标化内容和学科工具产品，向提供灵活、定制的“学习服务”转型
数智化，与数字化的核心区别，是在全栈平台之上，直接应用智能体设计学习工具。AI时代，学习是顶重要的生活方式，会使整个教育科技行业从提供标化内容和学科工具产品，向提供灵活、定制的“学习服务”转型

（二）重塑体验：以学生为中心的课堂革新

James Rhyu是全球最大的在线学校运营商Stride公司的CEO，他在主舞台呼吁：“教育不应只关注评估和结果，学生真正关心的是学习过程中的体验，良好的体验才能激发他们达到目标。”

然而，究竟怎样才是好的课堂体验？

以建构主义为代表的西方教育哲学认为，关键在于激发学习者的自主性（Agency）。但这种理念在实践中产生了明显的两极化效果：只有优秀教师配合自律学生才能真正实现这种理念的优势，否则往往导致课堂纪律混乱和教学质量下滑，促使越来越多美国家庭（超25%）转向私立学校或家庭教育，美国公立教师则面临着极高的职业倦怠和流失率。

相比之下，中国课堂沿袭了苏联式、行为主义导向的教学法，使课堂纪律更佳、教师职业尊严更高，这也让好老师在几乎任何环境中都能显著提升学生成绩，为教育公平提供了重要支撑。然而，这种“重讲授、强监管”的模式在学习体验上存在明显不足。成长于数字时代的学生，已习惯个性化的社交媒体推荐、游戏化的娱乐内容以及高互动的AI辅助学习。相比之下，传统的单向讲授和老旧课件，显然难以满足他们的求知、表达欲与审美需求。

过去十年，美国学生和家长在教育内容上的投入逐步超过了学校支出，拜登政府的疫情重建资金落地后，学校被迫迅速追赶学生的内容需求缺口，2022年美国K-12学区数字内容开支单年增长2.7倍，达到239亿美元，但仍大幅落后于家长的开支。再次说明学校继续用“堆内容”来换学习者满意度的路径，已不可持续。同样的趋势也在国内上演：减负的主旋律下，“军事化管理”几乎不再被提起，家长们带着“技能转档”的焦虑，疯狂下单AI学习机和“AI启蒙课”，短短两三年间即创造了数百亿规模的市场。

我们清楚地记得，23年底，在一场和国内顶尖水平的医学院师生组织的研讨会上，一位大二的女生当着教务长的面，当场拍案：“我希望你们 Classin 能加一个类似B站弹幕的功能，让我和同学能实时地吐槽老师讲得太差了。否则我听不懂的时候，总怀疑是自己理解力不够，下课和同学交流才知道，原来是教授的锅。”北京十二中校长管杰也从课堂问答中观察到了类似的现象：“如今，教师需要适应学生对知识的跳跃式探索。这种探索通常基于学生个人的认知构建，意味着教师必须灵活应对多样化的问题和观点。这一转变导致一些教师在课堂上感到特别紧张，甚至在面对学生提出的问题时难以理解其意图，无法招架。”可见，AI并不会取代教师，但它会“取代填鸭式的教书先生“（曹广福）。 学校绝不能再甘心做好内容和高分数的精炼厂，而要转为优质的教育体验的供应方。

（三）升级教师：从工具培训到设计赋能

为了大规模地应对课堂体验危机，师训应从学科授课方法、教育理念研究、板书技巧等分科类的训练，推进为“数字化课程设计”导向的整全训练。

其中，“数字化”、“课程”、“设计”三个元素缺一不可。

  • 数字化要迈出第一步，产品培训就不能只教如何用工具，而必须关注具体、嵌入学科的应用场景。

  • 课程取代课堂来到中心地位，意味着教师不能仅在授课时尝鲜各种功能，而要能对主题式、项目制课程进行全局性重设。

  • 设计要面向真实世界，则提示学术界不能沉迷于概念衍生和模式总结，要关照一线教师将理论工具落地的实际困难。

会场中的研讨区域之一，图中Playlab公司的代表正在开展“AI赋能游戏化教学”工作坊，教师自行报名参与、当场组队完成课程设计任务
会场中的研讨区域之一，图中Playlab公司的代表正在开展“AI赋能游戏化教学”工作坊，教师自行报名参与、当场组队完成课程设计任务

会场上，我们关注到了一款名为Nisa的AI教练。它旨在解决传统听评课效率低、频率低的问题：通过Nisa，听课教师可以简要且匿名地做记录，评价主讲人的课堂表现，它还允许教导主任、学术校长、教研组长等管理者或同事给老师进行匿名反馈。AI会根据这些反馈针对性地向老师推荐教学法资源和干预策略。这样的产品，点燃了高频、规模化地进行教师职后教育的希望。

面向AI时代，真正有效的教师培训，应帮助教师彻底摆脱新课标推行以来“课改与课堂两张皮”的尴尬处境，教会老师如何与AI协作，设计出符合学习科学的数智学习体验。绝不能让表面强大的智能技术，沦为填鸭、低效、了无生趣的课堂的续命工具。

总结下来，数智化转型中的一线教师，迫切地需要以下针对性的辅导：

  • 备课时，如何打破学科壁垒和校园局限，创造融汇中西教学论精华的主动学习体验？

  • 课堂上，如何设计有效的活动脚手架（Scaffolds），以持续捕获学生的注意力、牵引思维？

  • 在课后低监管的环境里，如何布置指向真实世界问题的任务，引导学生攀爬高阶认知能力？

  • 在校园生活中，如何促进生生协作和建构式异见，培养终身受益的元认知和社会交往能力？

要让教师培训真正解决这些痛点， 不妨多参考来自实践的研究与洞察。峰会嘉宾重点推荐了斯坦福大学SCALE中心的论文库（https://scale.stanford.edu/genai/repository），该文库专注聚合生成式AI工具在教学中的应用场景与效果评估论文，目前已收录417篇。

斯坦福大学SCALE中心的生成式AI教育研究论文库，支持按年龄段、使用者、研究方法分类筛选
斯坦福大学SCALE中心的生成式AI教育研究论文库，支持按年龄段、使用者、研究方法分类筛选

五、加速学科升级，筑牢文明之基

权威的AI研究机构 Forethought 今年3月发布了《为智力爆发做准备》的白皮书，指出：每年人类的总体研究成果以~4%的速度稳定增长，但AI的研究成果却正在以每年25倍的速度剧增，即比人类研究的增长速度高了500倍。当AI的总研究努力超过全人类后，每过10年，人类将可以完成以往社会至少100年才能实现的科研进步。

再过10到20年，AI的整体智能产出可能就会超过全人类
再过10到20年，AI的整体智能产出可能就会超过全人类

如果这个假设成真，那么爱因斯坦、牛顿、袁隆平这样的科学家，就不再是百年一见的伟人，而是十年一见。这让我想到剑桥大学数字教育未来中心学术主任维格里夫教授在新书中的卷首语：“教育的本质并非描述世界，而是如何改变世界。技术的进化速度远快于人类的生物进化，正式教育的使命便是帮助人类跟上技术发展的步伐。”

所以我们在学科层面更应快马扬鞭地促进改革：

（一）强化STEM学科人才培养

正如工业革命和电气革命推动了数理化进入基础教育，生成式AI也正预示着计算机科学与工程学科的全面普及。这是时代演进中教育体系必须主动迎接的变化。

中国教育若要长远立足，必须要巩固并进一步强化我们在STEM（科学、技术、工程与数学）领域的人才密度优势和创新动能。

美国的NGSS科学教育标准给出了重要启发，其核心在于“三维学习支柱”。NGSS框架强调，要在K-12阶段深入构建学科的知识框架，倡导“做中学”、鼓励科学探究精神；同时，它还通过跨学科概念帮助学生建构整体化的科学思维，旨在培养具备实际动手能力的复合型人才。我们必须确保公民普遍相信科学的力量，具备探究精神和求索的思维倾向。只有这样，人们才能不被AI带来的强大智力负荷压倒，而是驭浪前行。

与此同时，我们的高校与科研机构必须与产业前沿实现更紧密的融合。正如美国拜登政府AI政策资深顾问坦言：“生成式AI是过去百年来首个并非由政府（尤其是美国国防部）主导的革命性技术。”2014-2024年间，有4年都出现了由企业研究机构人员主导的诺奖级成果（分别来自诺基亚的贝尔实验室和Google DeepMind）。只有教育和产业界的深度联动，才能培养出推动下一轮技术革命的顶尖创新型人才。

（二）落实全年龄段的AI素养培育

我们也亟需将AI素养纳入全年龄段的通识教育，让每个学生具备在AI时代生存的基础常识与道德认知。 当前，全球学生对AI教育的需求远超供给：根据OpenAI在会前发布的《建设AI就绪的劳动力》报告，超过三分之二的美国大学在校生希望获得系统的AI教育，但仅四分之一的美国院校提供相应培训。B站CEO陈睿2024年中就表示，AI相关内容消费人群中6成为00后——这甚至让人怀疑，多数的政策制定者和教师的对AI的敏感度，是比不上他们所培育的学生的。正如OpenAI创始人Sam Altman近日接受采访时所言：“对如今的孩子来说，AI的存在就像空气一样自然，‘比AI笨’并不是问题。”

ASU+GSV展区内，一位初二学生 Laya Mohandas 与参展的教育者们分享了她写小说时是如何与AI协作的
ASU+GSV展区内，一位初二学生 Laya Mohandas 与参展的教育者们分享了她写小说时是如何与AI协作的

然而，简单地观看科普视频并不足以培养真正的AI素养。目前已有多个成熟的AI素养框架值得参考，其中包括美国计算机教师协会（CSTA）支持的AI4K12“五维框架”，这一框架不仅介绍了AI如何感知、学习、推理和交互，更特别强调要让学生深刻理解AI的社会影响。

Chee等人在《英国教育技术期刊》上提出了一个细致的AI素养框架，将AI素养细分为8个大项和18个子项。并且，它还明确划分了在K-12、高校以及成人阶段各自不同的学习目标侧重（制图：教育学人 The Educator）
Chee等人在《英国教育技术期刊》上提出了一个细致的AI素养框架，将AI素养细分为8个大项和18个子项。并且，它还明确划分了在K-12、高校以及成人阶段各自不同的学习目标侧重（制图：教育学人 The Educator）

（三）守护社会情感

从社会化和养育的维度看，教育不仅关乎学科知识，更关乎人格与文化的长远培育。AI素养是未来世界的常识，能帮助孩子们增强对“黑镜化”生活的抵抗力。

尤瓦尔·赫拉利近期接受《三联生活周刊》采访时说道：“21世纪教育的首要任务，应是增加人心理的‘灵活性’。过去，教育塑造身份就像建一座石头房子。现在，我们需要建立像帐篷一样的人的身份，帮助人们应对在快速变化世界中产生的各种情绪问题。”

在AI与人类互动日益紧密的今天，我们必须警惕学生在技术依赖中产生情感疏离的风险。虚拟人生成企业Replika调查显示，90%的年轻人将AI互动视为“类人”交流；其竞争对手Character.AI的2800万用户中，超过一半不满24岁。

科研数据也能反映人类情感“硅基化”的趋势：今年1月，谷歌推出问诊模型AMIE，患者评估显示，在26项沟通与诊疗质量指标中，AMIE有24项评分高于人类全科医生，表明患者对其“类人”交互品质的感知几乎与真实医生无异可见，AI绝对有足够的“情商”，让人们误以为它是真实的人类。AI朋友的迅猛发展，对年轻人的身份认同与归属感将产生深远的影响。

由此可见，教育界需主动介入，将社会情感学习理论（Social Emotional Learning, SEL）融入到面向青少年儿童的AI交互中，打造能支持深度的人与人连接的学习——比如课堂中，设计“AI助教”以支持老师上课、理答、调取教学活动资料和工具，而非创制“AI数字模拟人”以替换教师的角色；回到家里，家长们可以引入促进亲子互动的“AI养育助手”，而非把 iPad 塞到孩子手里就跑去刷手机……换言之，我们应将AI技术发展成放大人类情感交流的工具，而非其替代品。

尾声：向美、爱与创造进发

正如GSV创始合伙人Michael Moe在峰会欢迎辞中所言：“AI之于大脑，正如核聚变之于能源。” 智能爆发，注定加剧教育与技术之间那场“持续不懈的竞赛”。改得好，下一代的人才将奏响国力再跃升的序曲；改得差，则会加剧 贫富分化、认知分野和社群撕裂。 面对这场深刻转型，中国教育正站在一个决定国运的历史关口。发力数字化、重塑学科和课堂、守护与培育社会情感，都是迫在眉睫的任务。但更重要的是——在负重出发前，我们要面对教育的公平性与先进性的再平衡，搞清楚我们为何而教：

  • 向美：在汹涌的地缘扰动与信息泥石流中，让学习回归人本之美，激发中华文明在全球的深层共鸣

  • 向爱：在真情实感与所谓“情绪价值”之间，我们要始终选择前者，为课堂和家庭的交往持续“加温”，以可靠的社群支持来塑造学生的自驱力与心理灵活性

  • 向创造：在生产力几无上限的时代里，依然赋能每一位公民挥洒创造力，让每一天的生活都充满意义

畅想十年后的2035年，诺奖得主Demis Hassabis估计，我们很可能会活在一个“消除了所有疾病的世界”；Sam Altman放言，“地球上每个人取得的成就，或许都能比今天最有影响力的人更高。”而复旦经济学家兰小欢则预测，未来这世上“将不再有懒人的概念了，生产过程就是不需要人类参与”……

如此颠覆性的转型，呼唤教育者们拿出超越技术层面的智慧——美国的数字化经验固然可鉴，但简单的模仿或追随，决然不够。智能化带来的迷雾，终究必须由我们亲手拨开，在确保教育公平普惠的基础上，探索多元发展的创新培养路径。

愿中国教育者们，能从和而不同、通权达变的文化土壤中汲取力量，守住以人为本的价值主张，使人性之美，在智能时代，依然熠熠发光！

推荐阅读

  • Arbesman, Samuel. The Half-Life of Facts: Why Everything We Know Has an Expiration Date. Current, 2012.

  • Bastani, Hamsa, et al. "Generative AI Can Harm Learning." The Wharton School Research Paper, 15 July 2024, SSRN, http://dx.doi.org/10.2139/ssrn.4895486.

  • Center for Curriculum Redesign. Education for the Age of AI. CCR, 2024. https://curriculumredesign.org/our-work/education-for-the-age-of-ai/

  • Clark, Donald. Artificial Intelligence for Learning: Using AI and Generative AI to Support Learner Development. 2nd ed., Kogan Page, 2024.

  • EdTech Insiders. Generative AI in Education: Market Map and Use Cases. EdTech Insiders, 10 Jan. 2025.

  • Education Reimagined. A Transformational Vision for Education in the United States. Education Reimagined, Dec. 2020, www.education-reimagined.org.

  • Fadel, Charles, Maya Bialik, and Bernie Trilling. Four-Dimensional Education: The Competencies Learners Need to Succeed. Center for Curriculum Redesign, 2015.

  • HolonIQ. "EdTech VC Reached $2.4B for 2024, Representing the Lowest Level of Investment in a Decade." HolonIQ, 22 May 2024, https://www.holoniq.com/notes/edtech-vc-reached-2-4b-for-2024-representing-the-lowest-level-of-investment-in-a-decade. Accessed 24 May 2024.

  • LearnPlatform. EdTech Top 40 (2024). LearnPlatform by Instructure, 2024.

  • MacAskill, Will, and Fin Moorhouse. "Preparing for the Intelligence Explosion." Forethought, 3 July 2023, www.forethought.org/research/preparing-for-the-intelligence-explosion. Accessed 24 May 2024.

  • OECD. Trends Shaping Education 2025. OECD Publishing, 2025, https://doi.org/10.1787/ee6587fd-en.

  • OpenAI. Building an AI-Ready Workforce: A Look at College Student ChatGPT Adoption in the US. OpenAI, 2024, https://cdn.openai.com/global-affairs/openai-edu-ai-ready-workforce.pdf.

  • Steiss, Jacob, et al. "Comparing the Quality of Human and ChatGPT Feedback of Students' Writing." Learning and Instruction, vol. 91, June 2024, article no. 101894, Elsevier.

  • U.S. Department of Education. Artificial Intelligence and the Future of Teaching and Learning: Insights and Recommendations. Office of Educational Technology, May 2023, https://tech.ed.gov.

  • Wegerif, Rupert, and Louis Major. The Theory of Educational Technology: Towards a Dialogic Foundation for Design. Routledge, 22 Dec. 2023.

  • Wiggins, Grant, and Jay McTighe. Understanding by Design. 2nd ed., Illustrated, ASCD, 30 Mar. 2005.

  • 腾讯研究院. "AI时代的教育之问III：人机协同." 微信公众平台, 3 Jan. 2025, https://mp.weixin.qq.com/s/_24ur0YAX5UObUiwHVju8Q.

  • 吴卓达. "美国教改30年进程回顾：中国教育改革可以从中获得哪些启示？." Classin, 23 Aug. 2023, https://mp.weixin.qq.com/s/Ii4JuGwHun8iAN3H0n3esg. Accessed 24 May 2024.

  • 张从志. "教育之变：AI 进入课堂." 三联生活周刊, no. 1326, 17 Feb. 2025, pp. 30-81.

参考与引用