依据课程图谱和学习路径，动态 采集学生学习结果和方式数据，精准刻画学生学习画像和教师教学画像，诊断学 生学习问题和教师教学问题，为学生供给个性化学习路径和学习资源，为教师提 供有针对性的教学活动调整和优化建议，是智慧教学的重要方向。 41 以下是智慧教学的部分场景： ⚫ 智慧备课提升教师效率 备课是教学的重要环节。面对新形势下的教学目标、教学要求，以及以互联 网 网原住民为主的学生群体，照本宣科的方式显然不能满足智慧教学的要求。在智 慧教学技术推广之前，教师备课主要依赖备课老师个人的知识范围、阅读范围和 责任心，主要目标是把知识点讲全面，完整，没有足够精力顾及到教学内容的延 伸，以及和其它学科的交叉、课堂的互动性、生动性。借助智慧教学系统，可将 海量的教学资源，教材、试题、素材等作为备课的公共库，教师能随取随用，大 大降低老师们的备课负担，让备课老师专注于教材的研读，增强课堂的互动性， 种手段，学生能够随时提问，并将学习状态反馈给老师，而教师则可及时为其解 答，把握教学进度，让课堂交流不再受位置局限性的影响。 ⚫ 大数据助力“教学相长” 教与学是一个相互促进的过程。通过智慧教学系统，将教师的备课、授课及 作业反馈，将学生课前预习的困惑、课程中的互动以及课后作业的实际反馈等数 据进行即时收集，并通过大数据学习分析功能帮助确认师生教学的痛点和难点， 帮助教师更好的改进教学的内容和方式，将更多的教学经验进行沉淀成果化，实

价高，规模大。同时多个垂直品类深耕细分场景，价值同样不可替代。中国校内的硬件应用则更加基 础，教育大屏覆盖率接近饱和，但重点解决的是教师的教学展示问题，学生端的硬件设备覆盖率仍然 很低，学习行为数字化程度较低。 • 反观美国，校内的硬件应用占据主导地位，大部分教师和学生实现了平板或笔记本电脑的人手一端， 教学测评练各环节均可基于平板或笔记本电脑开展，数字化水平领先。校外的硬件应用则作为学习补 带宽达到100M的学校比例为99.92%。 学情数据的智能化分析与应用，决定教 育数字化落地的最终效果和价值。 多硬件终端可实现数据采集与人机交互， 是教育数字化战略落地的重要载体。截 至2020年底，全国学校统一配备教师 终端1060万台、学生终端1703万台。 信息化基础设施 教 育 智 能 硬 件 知识性 承载教育内容资源，搜集教育学情数据， 生成教育场景适用内容 个性化 通过AI技术进行智能化分析，针对学生 基础，教育大屏覆盖率接近饱和，但重点解决的是教师的教学展示问题，学生端的硬件设备覆盖率仍然很低，学习行为数字化程度 较低。反观美国，校内的硬件应用占据主导地位，大部分教师和学生实现了人手一端，教学测评练各环节均可基于平板或笔记本电 脑展开，数字化水平领先。校外的硬件应用则作为学习补充手段，以素质教育品类为主，强调寓教于乐和科技体验。 校内：应用更基础，重点发展教学环节 重点解决教师的教学展示问题，覆盖“教”的环节

新一线城市 一线城市 15% 45% 23% 17% 硕士及以上 大学本科 大学专科 高中及以下 44% 20% 13% 10% 9% 4% 普通职员 在校学生 在校教师 自由职业者 企业管理者 其他 5% 8% 9% 18% 18% 30% 31% 36% 41% 53% 公益活动 个人简历 学术总结 商业路演 学生作业 产品介绍 营销策划 一键生成演讲稿 在校教师：多个教学场景高频应用，场景化功能仍是价值洼地 3.2 智能PPT核心用户使用情况 各项功能付费意愿 TOP5 54% 20% 21% 4% 1% 每天均需制作三次以上 每天均需制作一到三次 每周至少一次 每月至少一次 每季度至少一次 “在校教师”使用智能PPT -使用频率 54%“在校教师”每天制作3次以上，而内容质量是当下阻碍“教师推荐使用智能PPT”的主要原因。 PT”的主要原因。 教师群体对协同创作、一键生成演讲稿、一键转化其他形式等更多场景化应用能力有较高诉求，是智能PPT应用于教学的价值洼地。 数据来源：2025年6月用户调研（N=1172），极光月狐数据研究院整理。 26.5% 32.3% 41.3% 不推荐（评分1-6） 中立（评分7-8） 推荐（评分9-10） “在校教师”对智能PPT 净推荐值 NPS=14.8% 不被推荐的原因

智慧教育创新发展，设立“智慧教育示范区”，开展国家虚拟仿真实验教学项 目等建设，实施人工智能助推教师队伍建设行动。构建“互联网+教育”支撑 服务平台，深入推进“三通两平台”建设。 2018.4 教育信息化2.0行动计划 通过实施教育信息化2.0行动计划，到2022年基本实现“三全两高一大”的发 展目标，即教学应用覆盖全体教师、学习应用覆盖全体适龄学生、数字校园建 设覆盖全体学校，信息化应用水平和师生信息素养普遍提高，建成“互联网+ 第三，对标高等教育强国建设战略任务，在遵循人的发展规律和高等教育规律前提下，锚定高等教育教学、科研、服务应用场景，跟进 新兴技术尤其是生成式人工智能技术的发展与应用，探索人工智能技术赋能高等教育模式变革路径，使高等教育新形态最大化促进教师 和学生全面发展，实现师生的生命质量提升，发展师生智慧。 高等教育数字化转型的实践进路： 2. 强化场景驱动，全过程推动数字技术与高等教育各要素深度融合 2025高等教育数字化研究报告 2025 学环境，用海量数据建学科知识图谱和学习 者画像，实现以学为中心的个性化教学。培 育智能型教师队伍，整合资源，打造 “双师 课堂”。以学生学习成效和发展为目标，结 合过程性与增值性评价，打造新型教育模式。 新一代人工智能的出现，原有的学科知识都 面临重新表征与编排，教师也面临被替代的 可能。为此，应加强教师对生成式人工智能 机理的学习和把握，转变传统的人才培养模 式，引导学生正确合理使用生成式人工智能

模型蒸馏是一种将大型复杂模型（教师模型）的知识迁移到小型高效模型（学生模型）的模型压缩技术 ，其 核心目标是在保持模型性能的同时 ，显著降低模型的计算复杂度和存储需求 ，使其在资源受限的环境中部 署。 模型蒸馏 知识迁移：利用教师模型的输出（如概率分布、中 间层 特征等）作为软标签，来指导学生模型的学习。 学生模型优化：利用软标签监督训练小模型，使其 学习 到教师模型的决策逻辑和特征表示，从而提升性 馏策略，对小模型进行监督微调 知识传递的深化：不同于传统蒸馏仅模仿输出结果， DeepSeek 要求学生模型学习教师模型的推理逻辑， 使 学生模型掌握完整的推理链条。 数据蒸馏与模型蒸馏的深度结合 链式思考推理迁移 教师模型训练：训练一个高性能的教师模型。 DeepSeek 蒸馏技术的关键创 新 教师模 型 DeepSeek-R1 模型蒸馏与行业应用

... 33 图41： 公司启鸣云校学生端操作系统 ........................................................ 34 图42： 公司启鸣云校教师端操作系统 ........................................................ 34 表1： 决策式 AI 及生成式 AI 的侧重点差异 ...... 请务必阅读正文之后的免责声明及其项下所有内容 证券研究报告 10 低师生比的方式，但这又将导致学生个性化培养的缺失。 AI 能以极低的边际成本替代人力、扩大个性化教育资源供给，有望为破解这一困 境提供新路径。以虚拟教师、AI 答疑大模型、AI 录播课、AI 教育监督管理平台 等为核心的 AI 教育产品，有望以边际成本趋近于零的方式为每个学生匹配教学 资源、降低人力依赖、提高教学管理效率，推动“大规模高质量因材施教”的个 养方案与高质量信息输出意味着以学习效果提高用户粘性。 在具体的实践中，AI 赋能教育聚焦成本优化与质量提升双重维度。成本优化端， 自动化生成课件、音视频及习题（如 Duolingo 训练模块等）显著降低教师重复劳 动；质量提升端，智能诊断（粉笔题库）与自适应课程（天立网课）实现精准化 教学。此外，大模型构建的知识库突破时空限制（如各类 AI 答疑大模型），智能 行为识别提升课堂管理效率（教学监督平台、教育机器人），个性化干预方案增

卢旺达快速实现人均自费就医金额降低 83%，医保覆盖增至 86%。 成的经济损失由 287.5 亿菲律宾比索降 至 232.5 亿。 非洲学生的 IT 技能。截至 2023 年，该 项目已成功培养非洲各地超 2 万名教师， 影响 240 多万青年。 10 国家数字化发展范式与路径 政务治理领域效率提升 线上政务平台提升业务处理效率，改善治理环境。 数字化帮助政府精准决策、主动施政。 政府数字资源公开共 1:43，而在农村地区， 这一比例高达 1:60 以上。教师短缺直接 影响了教学质量，尤其是对数学和科学 等关键学科的教学。在 2012 年的国家评 估中，只有 30% 的小学四年级学生能够 达到基本的数学和阅读标准。坦桑尼亚 政府需要提升教学质量，保障国家适龄 儿童获得必备的知识能力。 坦桑尼亚通过 BridgeIT 提供高质 量线上教学内容，并进行教师培训。 BridgeIT 是一个基于移动技术的教育解决 师和学生提供教育资源，同时为教师提供 数字化教学培训。BridgeIT 平台提供了多 样化的数字化教学工具，包括教学视频、 数字课件和互动学习工具，以帮助教师在 课堂上进行互动教学。同时，BridgeIT 组 20% 国家级考试 平均成绩提 高约 20% 织者定期向教师提供培训，以提升教师使 用数字化工具进行教学的技能，并提供课 程设计的指导。通过教学工具和课程设计 的共享，乡村地区的教师可以获得先进的

“ ” 性能优异的 教师 模型的知识转移到一个较小、较简单的 学生 模 型中，从而提高后者的性能。该方法特别适用于大模型在流水分类 系统中应用时，由于模型体积庞大和计算成本高，往往无法在实际 应用中直接运用。因此，知识蒸馏可用于构建轻量化、高效的模 型，使其能在资源有限的环境中运行。 知识蒸馏的过程通常分为以下几个步骤： 1. 教师模型的训练：首先，训练一个高性能的教师模型，该模型 2. 学生模型的设计：接下来，设计一个结构更简单、参数更少的 学生模型。这个学生模型应该具有足够的表示能力来捕捉教师 模型所学到的知识，但又要尽可能提高其速度和效率。 3. 知识的提取与转移：为了让学生模型学习到教师模型的知识， 采用以下几种方法： o 软标签：在训练过程中，教师模型将输出概率分布（软 标签），而不是独热编码的硬标签。软标签包含了关于 不同类别之间的关系信息，学生模型通过最小化其输出 特征匹配：除了使用软标签，还可以引入中间层特征的 匹配。通过使得学生模型的某些中间层特征与教师模型 的对应层特征尽可能接近，学生模型可以更好地捕捉到 教师模型内部的表示信息。 4. 训练过程：在知识蒸馏过程中使用交替的损失函数，结合任务 损失和知识蒸馏损失，使得学生模型在学习的时候同时考虑到 目标任务和从教师模型中学习到的知识。这样可以加速学习的 过程，并提升模型的最终性能。 通过知识蒸馏

前端营销支撑能力建设 • 提高线索获得能力 • 沉淀客户资源，实现客户精 细化管理 • 提高机会转化能力 中端交付能力建设 • 标准化交付流程，实现交付过 程的可控性，提高交付效率和 质量 • 教师及设备资源管理，最大化 资源利用效率 后端后勤和财务支撑能力建 设 • 准确的资源需求计划 • 及时的资源供给 • 为管理决策提供准确的财务数 据 打通前端合同和中 端交付 实现以合同为中心， 成本核算 成本分摊 成本分析 确定成本 对象 确 定 成 本 对 象 制 定 标 准 成 本 项 目 成 本 核 算 项 目 成 本 分 摊 成 本 分 析  项目  班级  课程  教师  教材  人工  项目费用报销  专项采购  项目物资领用  部门费用  分摊因子  分摊对象  分摊规则  分摊模型  “ 四算”分析  合同成本分析  项目成本分析 间的对应关系，实现成本的完整 穿透，进而能够以合同维度展现 和分析成本。 39 标准成本：制定各成本要素标准成本，可用于分析各成本要素 标准与实际差异，为未来降低成本以及成本控制提供改进方向。 讲师标准成本 教师 等级 类型 专业方向 课程名称 标准成本 张三 高 外聘 数通 虚拟 化技术 500/ 课时 李四 中 专职 传输 HDFS 400/ 课时 …… …… …… …… …… 教材标准成本

壁挂式识别主机 捕捉式高清相机 人脸录入注册机 闸机控制 其它联动 决策支撑系统 决策支撑系统 身份认证 访问控制 人脸图库挖掘 工作流管理 预警管理 黑名单管理 终端 终端 家长 家长 教师 教师 职能人员 职能人员 管理者 管理者 身份数据 访客数据 黑名单 人脸属性 访客数据 智能制造系统架构通过生命周期、系统层级和智能功能三个维度构建完成，主要解决智能制造标准体系结构和框架的建模