型 常被一同提及。二者既紧密关联又各有侧重——人工智能是涵盖基础理论与技术体系的整体范畴，而大模型作 为其重要的发展形态，集中体现了该领域在特定阶段的技术突破与应用方向。二者尽管概念范畴存在层次差异， 但在核心技术逻辑与发展目标上保持内在一致性。《教育强国建设规划纲要（2024-2035）》明确提出“促进 人工智能助力教育改革”，而打造“人工智能教育大模型”正是落实这一任务的关键举措。为使研究更具针对 万 亿个 Tokens，这些数据主要来源于公开数据和 Qwen2.5 系列模型合成的数据。在算法趋同、算力标准化背景 30 大模型背景下高等教育数智化转型研究报告 下，数据质量和规模成为大模型差异化竞争的关键。随着技术进步，大模型展现出整合多模态数据的潜力，有 望实现更接近人类的认知能力。 然而，由于互联网的开放性，虚假或者被人为引导过的数据可被轻而易举地上传到网络，将包含这类数据的少 为可交互的网状结构，自动识别学科 间的潜在关联节点（如“生物材料”作为医学与材料学的交叉枢纽），为高校规划新兴交叉学科提供数据支撑。 其次，大模型的多模态处理能力打破传统学科因研究对象与数据形态差异形成的工具壁垒（如社会学可借助大 模型将质性研究中的文本语料转化为量化分析模型），降低了跨学科研究的准入门槛，促使高校在课程设置开 发“AI+X”模块化课程群。最后，大模型构建跨学科研究中心（如人工智能与社会治理研究院），通过实时抓

学校难以负担；其次，技术的可靠性和安全性问题也引发了广泛关 注，特别是在涉及学生隐私和数据安全的情况下。 此外，人工智能在中小学教育中的应用还面临着伦理和社会的 挑战。例如，如何确保人工智能技术的公平性，避免因技术差异导 致的教育资源分配不均？如何平衡人工智能与教师角色的关系，避 免教师被技术取代？这些问题不仅需要技术层面的解决方案，还需 要政策制定者、教育工作者和社会各界的共同努力。  政策支持不足： 师人工智能能力认证体系，激励教师主动学习； - 推动校企合作， 引入企业资源支持教师培训。 最后，人工智能应用政策的紧迫性还体现在社会公平和教育均 衡发展方面。当前，我国城乡教育资源分布不均，人工智能教育的 普及程度存在显著差异。根据《中国教育信息化发展报告》显示， 一线城市中小学人工智能课程开设率超过 70%，而农村地区这一比 例不足 20%。通过政策引导，可以推动优质人工智能教育资源向农 村和偏远地区倾斜，缩小城乡教育差距，促进教育公平。例如，可 日本：将人工智能教育纳入国家战略，注重创新思维和问题解 决能力的培养。 通过国际比较可以看出，各国在中小学人工智能应用政策的制 定上，既有共性也有差异。共性在于都认识到人工智能技术对教育 的重要性，差异则体现在政策的具体实施路径和重点领域上。这些 差异反映了各国在教育理念、技术基础和社会需求等方面的不同， 也为其他国家提供了宝贵的参考和借鉴。 4. 中小学人工智能应用政策的主要内容 中小学

系统能够根据学生的实时表现和学习进度，动态调整学习内容和路径的一种个性化学习方式。 过程性评价 在教学过程中为改进教与学而进行的评价，强调反馈与发展，与侧重结果的终结性评价相对。 因材施教 根据学生的个性、能力、兴趣等差异，采取不同方法进行教育，是教育追求的理想目标。 产教融合 指职业教育、高等教育与产业界深度合作，共同培养人才、协同创新的模式。 数字基座 在本报告中指的是指支撑上层应用和教学业务运行的、统一的、标准化底层技术平台基础设施。 ，改变单一的升学评价模式。 高等教育：分类卓越打造国家战略力量 高等教育的改革方向是告别同质化竞争，转向分类发展、追求卓越。《纲要》明确了将高校划分为研究型、应用 型、技能型等不同类型，并进行差异化的资源支持与评价。 国家将引导高校根据自身定位办出特色，形成功能互补的高等教育生态系统。资源配置上，通过向中西部地区倾 斜、支持新兴交叉学科发展等方式，优化全国高等教育的整体布局和结构，最终目标是打造一批世界一流大学和 的辅导。这直接催生了对个性化学习工具的巨大需求。 提供自适应练习、智能错题本、AI助教辅导等功能的 平台和设备，将精准切入学校和家庭的痛点，成为市 场刚需。 赛道分化：面向不同学段精准化市场布局 《纲要》对各教育阶段的差异化定位，为企业指明了 精准的市场切入方向，告别了过去一款产品卖所有的 粗放模式。 基础教育——聚焦五育并举与均衡普惠 企业的机遇在于提供支撑德智体美劳全面发展的解决 方案，例如： 体美劳教育：

在一定程度上制约了教育的质量和公平性。首先，教育资源的分配 不均是一个显著问题。在许多地区，尤其是偏远和经济欠发达地 区，优质的教育资源相对匮乏，师资力量不足，这导致学生的学习 机会和学习成果存在显著差异。根据统计数据显示，城市和乡村地 区的教育资源差异可高达三倍以上，这影响了大多数学生的成长和 发展。 其次，个性化教育的需求日益增长。每位学生的学习基础、兴 “ ” 趣和学习方式都不尽相同，传统的 一刀切 教育模式难以满足多样 以考试成绩来评估学习效果，但这并不能全面反映学生的真实能力 和综合素质。许多学生在应试教育的压力下，往往丧失了对知识的 兴趣，创造力和批判性思维能力的培养也受到忽视。 此外，教育公平的实现同样面临挑战。无论是经济背景、文化 差异还是性别歧视，各种因素可能导致某些群体在教育获得上的不 平等。在教育过程中，这些群体往往难以获得与其他学生同等的学 习机会，长此以往，这将加剧社会的不平等现象。 在信息技术的快速发展背景下，教育领域有了新的机遇和挑 通过个性化学习体验和智能化辅导，AI 大模型能够根据学生的背 景、兴趣和学习习惯，调整内容和节奏，从而达到更加高效的学习 效果。 首先，AI 大模型可以进行个性化学习路径推荐。传统教育往往 采用统一的教学模式，忽略了个体差异。而 AI 大模型能够分析学 生的学习记录，识别出他们的优劣势，进而为每个学生制定个性化 的学习计划。例如，系统可以识别出某个学生在数学方面相对薄 弱，因此优先推荐与数学相关的补充材料和练习，这样不仅可以提

化 2.0 行动计 划》明确指出，要推动人工智能、大数据等新兴技术在教育领域的 深度融合。然而，尽管技术手段不断更新，许多学校在实际应用中 仍面临诸多问题，例如：  教师难以根据学生的个体差异进行精准教学；  学生的学习数据缺乏有效整合，无法形成个性化的学习路径；  教学资源的获取和分配不均衡，导致教育公平性不足。 针对这些问题，deepseek 的解决方案依托于先进的人工智能 为了提高教学效率，系统还将集成作业批改和成绩管理功能。 通过人工智能技术，系统可以自动批改作业，并为教师提供详细的 批改报告，减少教师的工作负担。同时，系统将自动生成学生的成 绩单和分析报告，帮助教师快速了解班级整体表现和个体差异。 以下是提升教学效率的关键措施： - 自动化备课功能，支持教案和课件的快速生成 - 智能推荐教学资源和习题，精准制定教学策略 - 实时数据分析与反馈，识别学生学习难点 - 课堂互动管理，提高课堂参与度 实时监测学生的学习进展，系统能够自动调整学习计划，例如增加 对薄弱环节的训练或加快对已掌握知识点的学习进度。 系统还将支持多种教学模式，例如： 1. 分层教学：根据学生 的不同能力水平，提供差异化的学习任务和资源。 2. 兴趣导向学 习：结合学生的兴趣爱好，推荐相关领域的拓展学习内容，激发学 习动力。 3. 个性化反馈：通过即时反馈和定期评估，帮助学生了 解自己的学习进展，并提供改进建议。

教研助手，大数据评估教学过程问题，助力教学水平提升 同课异构 教师对比 优化课程 教学反思 量化数据呈现教学实践的能力 差异，青年教师自我教研反思 精准教研 精准评课 发展档案 成长轨迹 量化评价与质性评价相结合，辅 助教研员提高教研活动建设成果 学科常模 名师效应 学科常模 个性差异 管理领导利用学情数据实现经 验分析向基于大数据分析转变 校本或校际同课异构 教师专业成长档案 校本或校际学科常模 分析、作业交流、翻转课堂、智能表扬、自适应作业等功能， 能帮助学生查漏补缺和巩固知识，帮助教师提升作业批改效率， 解放教学生产力。 优势：  构建海量题库与科学的作业布置体系，提升教师作业布置 的效率；  能根据学生个体差异，进行阶梯性与层次性的作业布置， 实现因材施教；  作业答题结果自动批改，学生能及时收到个人掌握情况的 反馈，引导学生提升自主学习能力；  作业批改后能实时查看错题讲解，教师还可以录制微辅导

支持多语言处理，适用于国际化教育环境，助力跨文 化交流评价。 此外，DeepSeek 的数据分析功能能够帮助学校进行长期的教 学效果评估。通过对大量学生数据的深度挖掘，系统可以识别出不 同教学方法的效果差异，为学校的课程设计和教学改革提供科学依 据。例如，学校可以通过分析过往几年的教学数据，优化教材内容 和教学方式，从而提升整体教学质量。 总之，DeepSeek 在教学评价中的应用潜力不仅体现在自动化 得到完整的评价结果，不利于及时调整教学策略。DeepSeek 的实 时分析功能使得教师能够在教学过程中及时获取反馈，快速响应学 生的需求，提升教学效果。 以下表格对比了传统评价方法与 DeepSeek 技术的主要差异： 评价维度 传统评价方法 DeepSeek 技术 数据采集 手动填写问卷、课堂观察 自动化采集多维数据 数据分析 简单统计和描述性分析 深度学习与机器学习分析 反馈速度 延迟较长，通常以周或月为单位 第三，教学资源的利用效率是评价教学质量的另一个重要维 度。通过 DeepSeek 的智能推荐系统，可以评估教师在备课过程中 对教学资源的利用情况。例如，教师是否有效地利用了教学课件、 在线资源、实验设备等，是否根据学生的个体差异进行了差异化的 教学设计。 最后，教师的专业发展水平也应纳入核心评价指 标。DeepSeek 可以通过对教师的教学反思、教学研究、培训参与 等数据进行分析，评估教师的专业成长轨迹。例如，通过对教师的

未来将会和下属乡镇的 8000 台 PC 统一做管理 l 广水市 大 屏的 管理 比较单一 ，没有办法统一 管理 ，大大增加工作 难度 ， 同时 ，不清楚信息化使用率的 情 况。 l 由于电教老师水平能力差异 ，大大影响了客户工作效率以及工作 质量。 客户清单 l 硬件 ：希沃、 鸿合等大屏 1500 点 l 软件： IDV 云桌面管理 平台 客户简介 客户价值 校的运营成本。 l 学校通过使用联 操作界面简洁易用，支持跨网络远程更新 产品核心优势（一） BACK • 灵活性： • 支持多操作系统、多教 学 环境的灵活切换 • 支持多种集中管理 策 略，如：还原模式、数据存储模式等 • 智能镜像管理技术，支持差异镜像、 镜像快照自动备份和回滚 • 稳定性： • 支持云桌面断网离线单机运行 • 分布式，提供高可靠性，可实现管理 端 快速恢复 • 支持网盘双待 ， 保证业务系统使用的连续性 • 安全性：

PON 技术选择 ........................................................................ 41 2.4.1 PON 的技术差异 ....................................................................................... 41 2.4.2 双归属保护的保护组网方式；对 于更高可靠性的区域（如科研子网、考试教室、智慧教室等），可采用 Type C 双 归属保护的保护组网方式。 2.4 F5G 全光网 PON 技术选择 2.4.1 PON 的技术差异 国际电信联盟 ITU 制定了 GPON 系列化标准，当前主流使用的是 GPON 和 XGS-PON 技术，50G-PON 标准也已发布。50G-PON 标准的主要参与者为中国的 主流电信运 ONA绿色全光网络技术委员会 48 48 2.5.3 宿舍场景 智慧高教宿舍场景的校园信息网信息点推荐配置参见下表。不同的高校（如 高等教育和职业教育）的宿舍场景也有差异，通常高等教育的宿舍为 4 人间，也 有部分宿舍存在 6~8 人间的情况，具体项目中宿舍场景的校园信息网信息点位置 及数量需要和高校客户提前沟通确认，并根据具体的要求增删。 4 人间宿舍场景校园信息网信息点分布参考如下表所示：

在高校的应用虽正处于发展初期，但聚焦教学领域，正在以空前的速度向前推进； 常规场景的物联网技术应用趋于稳定，但新场景应用正快速发展；5G 技术在核 心的网络通信应用场景中发展迅猛；虚拟现实技术在不同类型高校中呈现明显的 差异化态势。 （一）主要发展成效 1. 人工智能技术深度赋能高等教育变革进程 人工智能技术是新技术领域的最新成果，其应用虽起步较晚，但应用开展的 速度非常快。2024 年的调研数据表明，68.7%的高校开展了一定程度的人工智能 化、安全培训等场景的高校比例仅 10%左右；5G 应用在智能考试、综合评价等 场景的高校比例不足 10%；人工智能技术应用在后勤服务、文化宣传、就业创业 等场景高校比例仅 10%左右。领导干部数字素养的差异、各高校可调用资源的不 同以及新技术应用的难易，可能是导致新技术发展不平衡不充分的因素。 2. 新技术应用的广度深度仍然不足 尽管新技术在各场景的应用比例持续升高，但 2024 年数据表明，新技术应 低于全部高校平均水平；其他高职院校在七个方面均低于全部高校平均水平。 从七个指标维度分析，四类高校在体制机制、网络安全保障方面发展状态数 据接近，在信息化支撑教学、新技术应用方面发展状态数据差异明显，在信息系 统与数据治理、基础设施、信息化支撑科研方面发展状态数据差异较大。 二、 体制机制 体制机制是网络安全与信息化工作长远发展的基础和保障。数据表明，超过 97%的高校由校级领导主管网络安全和信息化工作，接近 1/3 的高校由正校级领