上海爱数信息技术股份有限公司 AISHU Technology Corp 数据驱动智慧校园建设 爱数围绕全域数据能力，打造多款数据管理平台，增强数字化韧性，以“数据”和 “ 知识”双擎驱动智慧校园建设，筑梦智慧教育新未来，为教育大计护航助力。 www.aishu.c n 无论时代如何发展 ，教育“传道、授业、解惑”的本质从未改变。 随着云计算、物联网、大数据和人工智能等技术的发展 ，教育的内涵在不断深化。教育 • 知识沉淀难度高 • 知识赋能无法达成 “ 数据”和“知识”双擎驱动智慧校园 数据是高校的“血液” ，是保障正常管理和服务运营效能提升的基础。高校中存在海量 的非结构化数据 ，且正以每年几十、几百 TB 级快速增长。对于高校如此庞大的数据量， 如何将其在安全合规的基础上进行协同共享 ，是高校数据资源能够高效利用的保障。 在这些数据资源中 ，积累着大量的知识 ，其中不乏教学资料、学术文献、科研报告、试 ，其中不乏教学资料、学术文献、科研报告、试 验数据、会议视频音频等。知识于高校而言 ，是最大的资源、也是最强的生产力 ，知识 是高校的智力 ，是高校保持旺盛生命力、保持可持续发展的能力源泉。 但当前 ，数据资源中的知识并未被高效利用 ，知识沉淀、传承与赋能仍无法达成。因而， 在“数据”和“知识”双引擎驱动下 ，将围绕高校数据资源的整合、协同共享与知识沉 淀进 行智慧校园建设。 智慧校园建设三要素

座不仅提供理论 指导，更注重提供实操模板与案例，强调无需依赖专门AI系统，普通教育和学术工作者也能便捷应用通用模型与开放工具实 现专业功能，具有广泛实用性和迁移价值。 二、教育和学术领域是一个知识密度极高的领域，也是受大语言模型技术影响较大的领域。本讲座共包括五个部分，逐层递 进、环环相扣，从技术概述到教学应用、学习辅助、科研支持再到管理赋能，通过教-学-研-管四个教育环节构建了 Dee 。 二、DeepSeek与AI认知 此部分从DeepSeek的历史开始，逐步讲解AI的演进及认知： 1. DeepSeek解密：详细介绍DeepSeek技术历程、核心优势及其算法在理解、推理、知识应用上的提升。解析V3、R1等模 型特性，旨在为听众构建对这一前沿技术价值的坚实理解基础。 2. AI技术演进与认知框架：梳理AI从规则系统到大模型的技术演进，探讨AI时代的认知升级与人才观变革。为教育者提供认 强的理解和生成能力，但是需要更多计算资源。 2. 硬件需求：参数越多，对内存（RAM）和显存 （VRAM）的需求就越高。 3. 运行速度：参数量大的模型，推理速度更慢，尤 其是资源不足的时候。 4. 知识密度百日定律：参数量每3.3个月降低一半。 1. 本地部署DeepSeek时，需根据硬件配置选择合 适模型版本。如1.5B模型适合资源受限设备， 671B模型需服务器集群支持。 2. 合理匹配参数量与硬件，可优化模型性能，提升

...15 1.3.1 设计灵活的教育 AI 模型.............................................................17 1.3.2 实现知识的有效传播..................................................................18 2. 用户需求分析............... 3.3.1 用户数据管理.............................................................................57 3.3.2 知识库构建.................................................................................59 4. 教育内容的整合. .......................................69 4.2 知识图谱构建......................................................................................70 4.2.1 学科知识点关联............................................

标。 报告从技术、社会与教育三个维度深入审视机遇与挑战：在技术层面，算力、数据与算法的突破孕育创新红利， 但面临安全、伦理、偏差与治理等现实约束；在社会层面，发展契机与潜在风险并存；在教育层面，知识去中 心化、学习个性化的进程中，需要同步重塑价值导向与能力结构。基于深入分析，报告提出推动高等教育走向 智能、高效、开放、可持续发展的总体目标，涵盖升级智慧教育环境建设、创新人才培养模式、促进跨学科和 面向未来，报告从五个方面提出发展愿景：构建智算生态体系赋能智慧教育环境，重塑高教专业体系优化人才 培养机制，变革知识生产范式重塑科研新样态，推动教育公平承担社会责任，着眼共同发展为世界高等教育提 供中国方案。同时，报告正视大模型应用中的算法偏差与“黑箱”问题、内容同质化风险、知识产权与数据权 益等挑战，强调强化教师与管理者人工智能素养，保护学生主体性与创造力，完善数据确权与合规流通机制， 推进绿色计算与可持续运营。 ········ 29 2.1.2 社会层面：发展契机与潜在风险并存 ··············································· 30 2.1.3 教育层面：知识平权化机遇与价值重塑挑战并存 ······································ 33 2.2 推动高等教育走向智能、高效、开放、可持续发展 ································

：一切问题都是模型问题 • 模型： 一个映射， 一个函数 科学范式 ◼ 从规则到数据：逐步破除我执（去人类中心主 义） 1. 第一代（规则系统）： 推理为核心 2. 第二代（知识工程）： 知识为核心 3. 第三代（数据模型）：学习为核心 ◼ 从机 器学习到深度学习 1. 任务：判别、预测，通过学习数据分布规律 2. 边界：有规律、可以数字化，属于经验科学 时达 到 • NLG+NLU ：语言理解、语言表达（包括温度和情商） • 人类语言、代码语言、 XX 语言 2. 知识能力：海量公开知识，言之有物， GPT-2 时达 到 • 顺带学习（基座模型）：文字中蕴含了知识 • 压缩：幻觉 • 遗忘：微调（迁移学习），尤其是 RLHF 用人工神经网络获取网络模型：深度学习 -Transformer 大语言模型的三层能力：语言能力 - 知识能力 - 推理能力 01 对 AI 技术的认知：大模型的能力边 界 nLLM 的三个能力的应用：选型标准 1. 语言处理场景：语言能力 • 文字处理：翻译、摘要、判别、生成等 • 人机界面：指令、信息、 prompt 2. 知识助手场景：语言能力 + 知识能力 • 知识压缩、知识提取、知识组织 • 智能问答 3.

作为全球参考，该工具指导国家人工智能能力框架的发展，影响教 师培训项目，并帮助设计评估标准。它还提供了教师构建人工智能 知识、应用伦理原则和支持其职业发展的策略。 教学方法，以及专业学习中的AI应用。这些能力被划分为三个进 阶层次：获取、深化和创造。 The AI能力框架针对这一缺口，通过定义教师在AI时 代必须掌握的知识、技能和价值观来解决这一问题。 该框架基于保护教师权益、增强人类自主性和推动可 持续性的原则进行开发，并详细列出了五个维度下的 通技术能力框架 ： 对决策者的指导 ， 以及最近的 教育和研究中的生成人工智能指南。 它基于来自广泛利益相关方的贡献，受益于联 合国教科文组织成员国在开发和实施人工智能学校课程方面的见解、国际工作组的专 业知识，以及四次国际咨询会议和多轮在线咨询的成果。 该框架通过倡导以人为本的方法，将人工智能能力与人权原则和人类责任原则相结合， 从而与联合国教科文组织的使命相契合。以此方式，它响应了2021年联合国教科文组织 为什么要建立 AI 能力 框架 ？ 这一教师人工智能能力框架（AI CFT） 旨在支持教师发展人工智能相关能力，使 他们能够以安全、有效和伦理的方式在其 教学实践中使用这些技术工具。该框架基 于以人为中心的知识方法论。 因此，教育中人工智能的使用需要谨慎考 虑，包括审视教师需要扮演的角色如何演 变以及他们需要具备哪些能力以实现伦理 且有效的AI应用。教师是教育中人工智能 的主要用户，他们被期望成为利用人工智

并能够像人类一样 分析问题 ，寻找思路 ， 并给出答案（解决方案） ； 它是一位 “过目不忘”的全能型老师 ，（通过 训 练） 掌握了人类各个方面的知识 ，免费解答你各种问题； 它还是一位 “好学上进”的学生 ， 能 够学 习人类的资料 ，进一步丰富自己的知识 ，更好解答。 DeepSeek 是的各种 AI 大模型中一个 ，他的基本原理与 chatGPT 、 GROK3 等一样。 认识 deepseek 服务器 ... ） 算力 算法 装软件（神经网络 ... ） 数据训练（网络信息、 文献、 资料） 数据 内容生成（ “词语接龙” ... ） 语言是知识的载体 ，也是人类沟通的桥梁 ，理解了人类语言 ，就能理解各类知识 ，能 跟人沟通。 因此自然语言处理是人工智能皇冠上的明珠 ，大语言模型就是基于深度学习技术 的自然语言处理工具 ，通过海量数据训练实现对人类语言的理解、生成和推理能力。 基于前期内容训练成果 ，根据用户输入的提示词 ，一个接一个地“算”下一个词（根据前面的词 生成后面的词） 。从而写出一段又一段符合你期望的文字。 生成式人工智能 (Generative AI) ：学习知识 + 生成新知识 了解生成式人工智能（ AI GC ） 的工作原 理 DeepSeek 的主要优势 1. 推理能力强大 DeepSeek 在推理能力上与国际领先的模型如 OpenAI 的 GPT-4 相媲美。

沟通的必备平台。 基 础 支 撑 统一规范性建设 基础网络环境建设 基础教育办公设备建设 平台运行基础 大数据和人工智能系统能力  2800TB+ 用户教学行为数据  60000+ 每个学生知识点评价  10000+ 用户教学与行为数据采集点  5000+ 每秒用户教学行为采集 主要的技术能力：  全终端设备支持： 包括个人智能设备和学校智能教学设备  云架构： 云服务架构 面向不同角色的全方位教育大数据分析体系和教学轨迹  开放平台：具备完善的开放接口 API ，满足各种应用  知识图谱：基于机器学习的知识图谱全年级跨学科  用户画像：基于机器学习的用户画像包含师生个人和组织画像  智能教育内容： 智能管理、解析和制作的教育资源内容  智能评价引擎： 包括课堂教学评价、知识点评价、题目作答评价、教学应用评价、易错题评价、题目难度评价、教学进度 评 台师生用户使用信息化应用的时 间总和 热点分布：通过热力图的形式直 观展示本区教育信息化建设的开 展情况。每一个热力点都代表一 所当地开展信息化服务的学校 智慧管理 2. 区域信息化成果 知识点掌握情况：展示本区学生 本学期掌握的知识点总和，是教 育信息化成果最直观的展示 “ 信息化成果”展示使用本区师生通过教育信息化应用减负增效的各类数据指标，是展示本区教育信息化建设成果、增 强区域师生应用信心的重要依据。

.........................................................................................72 4.3.1 知识掌握度分析.........................................................................73 4.3.2 学习行为分析..... DeepSeek 技术是一套基于深度学习和人工智能的先进技术解 决方案，旨在通过智能化的数据处理和分析，提升教育场景下的教 学效率和学习体验。其核心技术包括自然语言处理（NLP）、计算 机视觉（CV）、知识图谱构建以及个性化推荐算法，能够实现对教 育数据的多层次、多维度分析与应用。 在自然语言处理方面，DeepSeek 技术能够通过语义理解和上 下文分析，自动生成高质量的教学内容，例如智能出题、个性化作 外，计算机视觉还能应用于试卷扫描和自动评分，显著减少人工批 改的工作量和错误率。 知识图谱是 DeepSeek 技术的核心组成部分，通过对教育资源 的深度关联和挖掘，构建起多维度、跨学科的知识体系。该系统能 够将教材、课程视频、习题库等教育资源进行智能关联，形成动态 的知识网络，帮助学生更好地理解和掌握知识点。同时，知识图谱 还支持个性化学习路径推荐，根据学生的学习进度和兴趣，动态调 整学习内容和难度。

的核心驱动。其融合正从局部赋能走向系统重构，覆 盖教学全流程，数据分析更精细，真正实现减负增效， 支撑教师精准教学与因材施教。数据安全是智能教育 的底线。通过云-边-端协同体系，学校可建立校本知识 库，实现数据可控、可管、可用。 具体措施包括边缘计算与本地部署确保核心数据不出 校，通过分级、脱敏和权限控制防泄露；建立AI伦理 审查，持续监控算法偏见与隐私，用数据提升效率。 未来教室将突破物理限制，成为无处不在的智能学习 专业性和准确性。 AI Agent AI Agent指的是能够自主感知环境、进行规划决策并执行行动以达成特定目标的AI系统，被视 为实现更高阶AI应用的关键。 知识图谱 一种用图结构来表示实体及其相互关系的语义网络，用于组织和管理知识，可有效治理大模型 的幻觉问题。 数字孪生 为物理实体（如一间教室、一台发动机）创建的、可实时同步状态的动态虚拟模型，常用于虚 拟仿真与预测性维护。 边缘计算 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。 PBL 项目式学习，学生通过在一段时间内对真实、复杂的问题进行探究来获取知识和技能的教学方 法。 低蓝光认证 由TÜV莱茵等权威机构颁发的，证明显示设备能有效过滤有害蓝光，保护视力健康的认证。 1.3 版权说明及免责声明 1.4 专有名词对照 19 2025未来课堂AI智慧教室教学装备产业发展报告