基于教育部等五部门《"人工智能+教育"行动计划》全文及六家港股民办高教公司2025年年报。 本文面向教育科技公司、教育培训机构的创始人和产品负责人。
先说结论
政策不是在说"你可以做什么"，而是在说"国家已经做了什么，剩下的才是你的"。
这份政策不是"鼓励性质"的倡议书，而是一份有明确分工、有基础设施投入、有时间表的行动纲领。五部门联合发文（教育部、发改委、科技部、工信部、数据局）意味着资源调配的力度远超教育系统内部文件。
对教育科技公司来说，这份政策同时划出了禁区、机会和门槛。搞清楚这三者的边界，比读懂每一个字都重要。
一、国家已经占了哪些位置——你的禁区在哪
政策明确列出了国家主导建设的基础设施层：
| 基础设施 | 政策原文要点 | 对你的含义 |
|---|---|---|
| 国家教育智能算力服务平台 | 汇聚算力、数据、模型、工具，连接国家算力训练场和枢纽 | 算力层是国家队的事，别碰 |
| 国家基础语料库 | 围绕思政、学科知识、科研方向组织开发 | 基础数据资产由国家建设 |
| 国家教育大数据中心 | 建强、探索动态更新机制 | 数据中台是国资领域 |
| 教育领域大模型 | 分教育阶段研发，为地方和高校提供支撑 | 基座模型国家队会做 |
判断： 教育科技公司不要在这个层面做重复投入。不要试图自建教育大模型去和国家队竞争——你没有语料优势，也没有政策背书。正确的策略是接入和调用国家平台的能力，在上面长出自己的应用。
这和当年云计算的逻辑一样：阿里云、华为云建基础设施，SaaS公司在上面做垂直应用。
别在地基上和国家竞争，要在楼层里做出国家盖不了的东西。
二、政策打开了哪些真正的产品空间
抛开基础设施层，政策中反复出现的应用场景才是教育科技公司应该聚焦的。以下是按成熟度和紧迫度排序的机会点：
🔴 第一优先级：教师AI素养培训（短期爆发）
政策原文：
"制定教师智能素养标准，分层分类开展人工智能素养培训，构建情境化测评系统，并将人工智能纳入教师资格考试和认证内容。"
这意味着什么：
AI纳入教师资格考试——这不是一个"未来趋势"，这是一个确定性事件。回顾历史：
- 2000年代计算机等级考试纳入教师资格 → 催生了数十年的计算机培训产业
- 普通话等级考试纳入教师资格 → 普通话培训至今仍是刚需
AI素养纳入教师资格考试，将创造一个每年数百万教师参训的市场。
上一次教师资格考试催生新赛道，是普通话等级考试——那个市场至今还在。
你应该怎么想：
- 如果你是K12培训机构：立刻评估你的教师团队是否具备培训其他教师的能力。如果具备，这是一个天然的业务延伸——从"培训学生"到"培训教师"，客单价和利润率都会大幅提升。
- 如果你是教育科技公司：开发"教师AI素养培训"课程体系和考核工具。注意政策说的是"情境化测评"，不是简单的选择题考试——这意味着需要场景化的模拟考核系统。
- 如果你是SaaS公司：为培训机构提供教师AI素养培训的管理系统、学习平台、考核工具。
时间窗口： 政策刚发布，各地还在制定实施方案。未来12-18个月内会出具体标准和考试大纲，这意味着你现在进场有先发优势。等到标准出来再做，就晚了。
标准出来之前进场叫"参与制定"，标准出来之后进场叫"被动执行"。
🟠 第二优先级：人机协同教学系统（中期机会）
政策原文：
"围绕课前、课中、课后教育教学全过程，加强智能教学系统应用，支撑教师开展备课、学情分析、多模态教学资源自动生成、方案优化和教学过程模拟，探索人机协同教学模式，推进智能批改、答疑和辅导。"
拆解这段话的每一个功能点：
| 场景 | 具体功能 | 产品形态 |
|---|---|---|
| 课前 | 备课辅助、多模态教学资源自动生成 | AI课件生成工具 |
| 课前 | 学情分析 | 学习数据看板+AI分析引擎 |
| 课中 | 教学过程模拟 | 虚拟课堂/教学模拟系统 |
| 课中 | 人机协同教学 | AI助教实时辅助 |
| 课后 | 智能批改 | AI批改引擎（作文/数学/编程等） |
| 课后 | 答疑和辅导 | AI学伴/AI辅导助手 |
| 全流程 | 方案优化 | 基于数据的教学方案迭代系统 |
关键判断： 政策说的是"全流程"，不是单点突破。这意味着：
- 单功能工具的天花板有限。只做智能批改或只做AI课件生成，容易被大厂降维打击。要做就做场景闭环——至少覆盖课前+课后两个环节，形成数据飞轮。
- "人机协同"是核心关键词。政策没有说"AI替代教师"，而是说"人机协同"。这意味着你的产品设计思路应该是增强教师而不是替代教师。谁先被替代的问题，政策里看不到答案——但社会情绪和教师群体的接受度决定了短期内"替代"路线走不通。
政策的潜台词是：AI要让老师更厉害，而不是让老师消失。顺着这句话做产品，阻力最小。
- "多模态教学资源自动生成"是技术门槛最高的赛道。能做好这件事的公司不多，但如果做出来了，壁垒也很高。
你应该怎么想：
- 别贪多。选一个学段（小学/初中/高中/职教/高教）、一个学科做深。政策覆盖全学段，但你不可能全做。
- 优先选择标准化程度高的学科切入（如英语、数学、编程），然后逐步扩展到非标学科。
- 数据是命脉。政策提到"建强国家教育大数据中心"和"探索动态更新机制"——如果你能和这个体系对接，你的数据飞轮会转得更快。
🟡 第三优先级：智能学伴与学生数字档案（中长期布局）
政策原文：
"研发智能学伴，建设学生数字档案，动态优化学习路径，探索人工智能赋能体育、美育、劳动教育、科技教育等有效路径。"
这里有两个大机会：
A. 智能学伴
目前市面上的AI学习助手大多是通用型的（接入ChatGPT或类似模型做对话辅导）。但政策要求的是教育专用的智能学伴——这意味着需要：
- 基于课程标准和教材训练
- 理解学生的认知水平和学习进度
- 能做自适应学习路径推荐
- 安全合规（防沉迷、防有害内容）
这指向了一个垂直化AI学伴的机会：不是通用聊天机器人，而是真正理解教育场景的AI。
B. 学生数字档案
"建设学生数字档案，动态优化学习路径"——这句话的含义比"电子学籍"深远得多。它指向的是一个伴随学生整个学习生涯的数据资产，记录的不只是成绩，而是学习行为、能力画像、成长轨迹。
如果这个体系建起来，它会成为教育领域最重要的数据基础设施之一。教育科技公司可以思考：
- 如何为数字档案贡献数据（你的产品产生的学习数据如何标准化输出）
- 如何基于数字档案做个性化服务（利用档案数据做精准教学干预）
但要注意： 这两个方向都是中长期机会。智能学伴需要教育专用大模型的成熟（政策提到"分教育阶段研发人工智能教育大模型"），学生数字档案需要数据标准和隐私框架的建立。现在可以做技术储备和原型验证，但不适合All-in。
短期卖工具，中期卖系统，长期卖数据。想清楚你在哪个时间尺度上竞争。
🟢 第四优先级：职业教育智能化（结构性机会）
政策原文：
"及时研判人工智能带来的结构性影响，推动传统专业智能化升级，实施人工智能领域高技能人才集群培养计划。"
这意味着什么：
职业教育面临一个双重挑战：
- 传统专业（如会计、文秘、客服）被AI冲击，招生和就业都会受影响
- 新增AI相关专业（如AI运维、数据标注、人机协作岗位）需要课程和师资
教育科技公司的机会：
- 为职业院校提供传统专业智能化升级的课程方案（不是开新专业，而是在现有专业中嵌入AI技能模块）
- 为职业院校提供AI领域的实训系统和模拟环境
- 对接"学分银行"机制，开发可积累、可转换的微专业课程
财报数据佐证： 华南职业教育2025年收入增长15.8%但转亏，原因在于成本上升——这恰恰说明职教领域有强烈的降本增效需求，AI可以帮助解决这个问题。
三、政策划定的红线——你不能做什么
政策原文：
"建立人工智能教育应用的安全防护体系和安全测评标准，完善教育大模型安全审核机制，推动软件正版化，明确智能产品、终端进校园的应用规范，并防范利用人工智能实施伪造诈骗、学术造假、应试内卷、泄露隐私等问题。"
逐条拆解：
| 红线 | 具体含义 | 你需要做什么 |
|---|---|---|
| 安全测评标准 | AI教育产品进校园需要通过安全评估 | 产品设计阶段就要考虑合规，预留接口供审查 |
| 大模型安全审核 | 教育大模型需要通过内容安全审核 | 如果用自研模型，审核成本会很高；建议优先接入已通过审核的基座模型 |
| 软件正版化 | 使用的软件/模型需要有合法授权 | 技术栈选型时注意开源协议合规 |
| 进校应用规范 | 智能产品进校园有准入流程 | 了解当地教育局的采购流程和准入要求 |
| 防学术造假 | AI不能被用于代写作业/论文等 | 产品功能设计时要加入防滥用机制 |
| 防应试内卷 | AI不能加剧应试竞争 | 产品定位和营销话术要避免这个方向 |
| 防隐私泄露 | 学生数据保护 | 数据安全是底线，需要专门的合规团队 |
核心判断： 安全和合规不是"做完产品之后再补的手续"，而是产品设计的前置条件。特别是面向K12市场的产品，进校审批的复杂度远超你的想象。
在教育行业，合规不是成本，是入场券。没有这张券，产品做得再好也进不了校门。
建议： 在产品规划阶段就引入教育合规顾问，或者至少安排专人研究当地教育部门的采购政策和准入标准。别等到产品做完了才发现进不了校门。
四、结合财报看行业：谁在买单？
政策说了"引导长期资本投入"，但资本的流向是讲逻辑的。六家港股民办高教公司2025年年报揭示了一个现实：
能付费的客户画像
| 类型 | 代表公司 | 特征 | 对AI产品的态度 |
|---|---|---|---|
| 品牌溢价型 | 建桥教育、银杏教育 | 学费高、招生增、利润好 | 愿意为教学质量提升付费，但要求可见的品牌价值 |
| 成本敏感型 | 新华教育、华南职教 | 收入增长但利润被人力成本侵蚀 | 需要能降本增效的方案，对ROI要求高 |
| 战略收缩型 | 民生教育、嘉宏教育 | 在线教育减值、招生下滑 | 预算紧张，短期内不是AI产品的优质客户 |
结论： 教育科技公司的优先客户应该是品牌溢价型和成本敏感型学校。
- 对品牌溢价型学校，卖"教学质量和品牌差异化"的故事
- 对成本敏感型学校，卖"降本增效"的数据账本
- 战略收缩型学校暂时别碰——他们自己还在处理减值和亏损，没有预算和精力配合你的产品落地
卖给正在赚钱的人，而不是正在省钱的人。教育科技的付费逻辑从来不是"便宜"，而是"值得"。
五、分层行动建议
如果你是大型教育科技公司（年营收过亿）
- 立即启动教师AI素养培训业务线。这是确定性最高、市场最大的短期机会。组建团队开发课程体系，对接各省教育厅的教师培训采购渠道。
- 申请成为地方"AI+教育"应用示范项目的技术服务商。政策要求"各地各校开展应用示范"，示范项目通常有专项预算。
- 在合规框架内建立与国家教育算力平台和大数据中心的对接能力。现在做基础设施对接的公司极少，先发优势明显。
如果你是中型教育科技公司（年营收3000万-1亿）
- 选一个学段+一个学科做深人机协同教学系统。不要追求全学段覆盖，做透一个场景比铺十个场景有价值。
- 切入职业教育智能化赛道。职教领域品牌集中度低，大厂尚未大规模进入，是中型公司的窗口期。
- 建立数据合规团队（至少1人专职）。安全和合规将成为进校的核心门槛，提前布局。
如果你是初创公司（年营收3000万以下）
- 做国家平台的"最后一公里"应用。国家队做算力和大模型基座，你做面向最终用户的场景应用——这是最轻的切入方式。
- 考虑做"合规即服务"（Compliance-as-a-Service）。帮助其他教育科技公司完成安全测评、模型审核、进校准入——政策创造了这个需求，但市场上还没有成熟的服务商。
- 微专业+学分银行方向值得早期探索。政策鼓励"开发人工智能通识教育资源、微专业课程和微证书项目"，这个领域还非常早期，适合有创新基因的团队做0-1。
六、时间线判断
| 时间节点 | 预期事件 | 你的行动窗口 |
|---|---|---|
| 2026年Q2-Q3 | 各省出台实施方案，启动首批示范项目 | 参与地方试点、申请示范项目 |
| 2026年Q4-2027年Q1 | 教师智能素养标准和考试大纲初稿 | 开发培训课程和考核系统 |
| 2027年 | 国家教育算力平台和大数据中心初步建成 | 完成平台对接 |
| 2028-2029年 | 教育领域大模型成熟，智能学伴产品进入规模推广期 | 产品规模化 |
| 2030年 | 政策目标年：AI与教育深度融合格局基本形成 | 评估阶段成果，调整战略 |
核心节奏：现在是2026年中，距离2030年目标还有不到4年。前18个月是窗口期——这段时间内，标准未成型、格局未固化，灵活的公司可以占位。
窗口期的定义：你做的每一件事都能变成壁垒。窗口关闭后，你做的每一件事都只是入场费。
结语
这份政策给了教育科技公司一个清晰的框架：基础设施国家建，应用层商业公司做，安全合规是前提，耐心资本是燃料。
但政策不能替你做决策。真正的机会属于那些：
- 能在政策框架内找到具体可执行的产品切入点的公司
- 能在"鼓励"和"落地"之间架起桥梁的团队
- 能在安全合规的前提下保持创新速度的组织
耐心资本需要耐心的企业。但耐心不是等——是别人还在观望的时候，你已经在卡位了。
本文基于教育部等五部门《"人工智能+教育"行动计划》及芥末堆公开报道撰写，仅供行业交流参考。
