王虹的“幸运”，中美AI都想批量复制

作者｜李楠
微信 ｜tqkm1510

“很幸运在合适的时间遇见合适的人，得到正确引导。”在菲尔兹奖获奖感言中，成为新晋国民偶像的王虹做出了这样的总结。相比“挂谷猜想是什么”这样的艰深问题，对多数人更有参考意义的是，“王虹何以成为王虹”。

数学家的成长往往没有标准化路径，但从王虹的经历可以看到，能否有某位老师在某个关键阶段，发现他们独特的兴趣与潜力，给予相应的鼓励和指引，至关重要。

同样是菲尔兹奖得主，陶哲轩少年时期，老师曾给出特殊培养方案；格里戈里·佩雷尔曼在成长过程中，也受益于苏联数学教育体系对优秀学生的个性化指导。虽然不是每个人都能成为数学家，但针对性的指引，无疑能让每个人都有机会发出自己的光。

可矛盾的是，“因材施教”高度依赖教师个人经验和时间。一名优秀教师可以关注几十名学生的差异，却很难在大规模课堂中持续提供深度反馈。而现在，AI正解开这一限制。

过去几年，教育AI更多围绕学生端展开，帮助学生答题、学习和辅导；进入Agent时代后，行业开始将注意力转向教师端与学校端，让AI进入备课、授课、评价和教学管理等流程。尤其是2026年，这一趋势更加明显。

在美国，Anthropic推出Claude for Teachers，OpenAI、Google、Microsoft等也持续推进相关布局。在中国，飞象星球、好未来们，也纷纷让AI进入学校和课堂。虽然两边路径不同，但殊途同归。一幅诱人的图景就此浮现——

个性化的教育，终于有了大规模普及的可能。

1

当Claude走进老师的办公室

当地时间7月14日，Anthropic推出了Claude for Teachers，免费向经过验证的美国K-12教师开放Claude的高级功能，并计划进一步推出面向学校和学区的版本。虽然这件事国内讨论不多，但值得仔细琢磨。

过去两年，大模型公司在教育领域的动作大多围绕学生转，做题、讲题、写作业、当家教。而这一次，一家头部公司专门为老师做了一款产品——把通用助手包装成教育版很简单，但Claude for Teachers更进一步，把教师的日常工作流当作了产品设计的起点。

具体来看，Claude同时连接了Brisk Teaching、Canva Education、Diffit等一批教育工具，把自己嵌进老师已有的工作环境，改变了最消耗教学时间的几个环节。

它可以结合美国各州的课程标准，把抽象的标准条目转化成具体的学习目标、课堂活动、练习方案；可以汇总成绩、课堂反馈，帮老师更清楚地看见学生差异；还可以通过Claude Code、Claude Cowork等处理文件、分析数据、执行任务。

其中，“对齐各州标准”这一条，很能说明这款产品的独特价值。成功的商品必定要满足特定的市场需求，教育类的产品更是要对齐不同地区差异化的系统环境。对美国来说，没有全国统一的课程标准，各州自成一套，教材、资源和评价体系也高度分散。

一位在职老师当然清楚本州要求什么，但把标准、教材、现成资源、班级学情和好几个软件工具反复对齐、来回搬运，成了一项重复、琐碎、又很难省掉的任务。而Claude把这些磨人的任务，变成了一套可重复调用的Agent流程。

Claude进入教育场景

而把视野拉开，会发现巨头们都有类似动作。

Google把Gemini嵌进了Google Classroom，NotebookLM帮教师基于教材生成学习内容，OpenAI推出面向高校的ChatGPT Edu，微软依托Office和Copilot生态，让AI直接长在老师现有的工作环境里。

总的来看，这些公司都相继把老师放进了教育战略的中心位置。Claude for Teachers则在Agent时代更进一步，通过Skills和连接器等AI新能力，搭建出可持续运行的工作流。

可以说，这是教育AI演进的必然结果。

早期的教育AI更容易在学生端展示能力，效果直观，演示也漂亮。然而在真正进入学校体系后，问题开始出现了。AI能提高一份作业的完成质量，却不一定带来可迁移的学习能力，反倒是与之相伴的作业代写、认知依赖以及未成年人隐私等问题，成了教学中的新麻烦。

相比之下，教师是一个稳健得多的入口。老师们不仅承担教学中最重要的责任，同时还掌握着课堂里那些无法被数据完整记录的上下文，更能发挥AI的能力——对一个需要长期运行、持续做判断的Agent来说，这样的主体恰恰是它最需要的。

总之，老师们跟AI更加适配，他们在Claude for Teachers这类产品帮助下，可以有更多时间去做师生互动，并更好地照顾每个学生的需求。

而类似的转折也发生在中国，只是路径反了过来——美国公司多从通用大模型和软件生态自上而下进入教育，中国企业则从课堂、教材和学校系统向上摸索。

1

一堂课不该只有一种教学版本

中国教育AI这几年的变化，有一条清晰的线。

最初是模型能力的集中展示，各家比拼谁的模型解题更准、讲题更清楚、批改更快。接着走向具体场景，模型钻进学习机、作业系统中，去找真正能被使用、也能被付费的位置；再到近两年，产品开始把备课、课堂、作业、反馈和家校两端连起来，形成一个完整的环。

教师端产品的涌现，是这条线的自然延伸。而它们与Claude for Teachers的不同，也映照了中国教育产业的不同。

在中国，教育AI的主要推动者，是教育科技公司、智能硬件厂商和教育信息化企业。它们以题库、教材、学习机、课堂大屏和学校平台为起点，向大模型与Agent延展。它们未必掌握最强的通用模型，但对一节课怎么上、一所学校怎么运转，理解得更为具体。

而中国教育个性化的障碍，也和美国不太一样。

在国内，老师通常拥有清晰的课程、统一的教材和明确的教学目标，教研体系成熟，同时他们一般也能感知学生的差异——对谁跟不上课程节奏、哪个概念让全班卡住，一位有经验的老师往往心里有数。但清楚差异是一回事，做出相应的回应是另一回事。

对少数尖子生，老师们或许有精力“开小灶”。可面对整个班的学生，就难免力不从心。毕竟一个班往往有大几十个学生。于是，匹配更多学生特点的讲法和课件，就成了一种珍贵的资源。而这也为“课堂生产型Agent”留出了位置。

产业中已经有很多尝试。其中，飞象老师是个值得一看的样本。

飞象老师由猿力科技旗下的飞象星球推出，其运作逻辑很简单：老师把教学目标说清楚，系统帮他生成教学应用。输入可以是一份教案、一段教材，也可以就是一句话；输出则是动画、可视化演示、互动课件、练习和课堂反馈。

如果说，Claude for Teachers让老师可以轻松掌握不同州的标准，降低的是个性化教育的信息协调成本，那么飞象老师降的就是个性化教育的生产成本——让老师可以一句话生成专业级的教学动画，或者把教案和不同的教学想法变成能互动、可反馈的课件。

比如，它可以把古诗词背诵变成以《西游记》取经之路为故事线的闯关游戏，把球体体积公式的推导变成能拖拽、旋转的三维模型，甚至生成一个3D交互应用，来展示无人机飞行控制系统的原理。

生成红楼梦情景互动游戏

而比快速生产教学应用更值得注意的，是生成之后发生了什么。当课件里包含练习或互动任务，老师可以当堂发起数据回收：谁提交了、哪道题错得最多、哪些学生可能还没跟上，在课上就能看见。这便能更及时地发现学生之间的不同。

同时这款产品保留了老师的主导权。AI生成的课件可以整套预览、按页修改。老师可以只升级其中几个环节，保留自己原有的讲法，也可以把过去做过的动画和练习复用进来。也就是说，AI课件是一份可以继续打磨的教学作品，这正符合当前教育行业一个务实的判断：AI更适合做人类监督下的教学同事，而不是脱离老师、独立决定一堂课该怎么上。

总的来看，飞象老师让原本统一的公共课程，衍生出更多有趣有效的讲法。这些讲法能与学生有更多交互，并把每个学生的情况收集起来，成为针对性引导教学的依据。

而这份尝试不是孤例。好未来围绕九章大模型推出面向教师的助手和智能体，探索备课、学情分析与教学管理的一体化；科大讯飞依托多年积累的教育硬件和学校渠道，推进星火教师助手、AI课堂分析系统和智能黑板；作业帮、洋葱学园等等，也分别从学习设备、教学内容和AI助手的方向切进来。

它们的形态和侧重各不相同，但都把AI从学生手里的答题工具，放进老师的备课、授课和评价流程里。虽然其效果仍需要更长时间的检验，不过信号是积极的。

1

让个性化走向规模化

这届菲尔兹奖公布后，中国网友反思我们的培养体系差在哪里，法国那边在问自己引以为傲的数学教育还能撑多久。美国则是长期都在反思自己的K12教育。本质上，人们关心的都是一件事：经由教育系统的培养，能不能把每个人送到他该去的地方。

回头看以上中美两边探索。对美国来说，教育体系天然分散，缺的是稳定的执行；对中国来说，课标、教材和进度整齐划一，缺的是灵活的分支。现在前者借 AI 让多元理念获得更稳定的系统供给，后者借 AI 让统一体系获得更低成本的差异化弹性。而两类探索，都让个性化的教育，有机会规模化地铺开。

苏格拉底从不讲授统一内容，而是顺着每个对话者已有的观念去追问。孔子教人也是各因其材，不同学生请教同样问题，可能得到完全相反的建议。但“因材施教”的理念传承千年，其实践从来都只是小范围的。

它太奢侈。

教育离不开教师，但个性化要求一个老师同时处理多种任务：判断每个学生卡在哪里、为不同的人准备不同的讲法和材料、持续收集反馈、再据此调整下一步。这对能力和精力都有极高要求。就算偶有老师能够做到，也只能在一间教室或几届学生的范围内做到。

而过去的技术也不足以把个性化普及——结合大数据的学习平台能推题，但讲不出一个概念的第二种讲法；题库能出题，却读不懂学生为什么错。

AI带来了真正的转机。Claude for Teachers和飞象老师们，系统性降低了个性化教学的成本。但这还不够。好的教学过去与个体绑定。一位好老师积累出的讲法、设计和判断，往往只在他自己的教室里生效，很难跨班、跨届留存。所以决定个性化教学能否真正推广开的，其实是学校。

无论中美欧日，学校都是学生学习的主场所，也是唯一能把老师们的经验沉淀成可复用的资产、并向更大范围分发的组织。未来教育AI的核心，不是单个模型，也不是单个老师，而是“学校+老师+AI”形成的协同系统。

就像飞象星球之前的展望：老师每生成一个教学应用、学生每次在课堂上使用这些应用，相关内容和数据都可以沉淀回学校自己的知识库，最终实现“老师可用、学校可沉淀、区域可持续发展”。

回到王虹的“幸运”。“在合适的时间遇见合适的人，得到正确引导”，这种机缘之所以宝贵，恰恰是因为难以被复制。而AI正把这份“幸运”拆解，让每个学生都有机会得到更恰当的指引，兑现自己的天分。

点个“爱心”，再走 吧