问题——教育领域正从“有应用”走向“好应用”，一轮由技术推动的结构性变革正发生；各地加快探索智能备课、智能辅导、学情诊断等场景，人工智能赋能教育呈现从点到面的扩展趋势。但调研显示，部分学校在资源建设与平台使用上仍较分散、碎片：同类系统重复采购、课程资源标准不统一、质量参差难辨，抬高了师生使用门槛，也影响跨校互通，优质资源难以形成规模化供给。更需要警惕的是，地区与城乡之间在基础设施和师资能力上的差异，可能继续拉大“数字鸿沟”，使技术红利难以覆盖薄弱地区和普通学校。 原因——一上，人工智能教育应用仍处快速发展阶段，迭代快、形态多，地方和学校在路径选择上容易各自推进，缺少统一的接口规范、数据标准和评价体系。另一上，教育资源具有公共属性，需要持续投入与长期运维，但现实中一些项目更重“建设”轻“运营”，教学适配、教师培训、数据安全和效果评估各上缺少系统安排。此外，市场供给活跃，而需求端的专业判断能力不足，导致“能用”和“好用”之间存差距；一些地区网络条件、终端设备和信息化管理能力相对薄弱，也限制了技术向课堂深层应用。 影响——如果不能尽快形成跨区域、跨学段、跨平台的协同机制，教育系统可能面临三上压力：其一，重复建设造成资源浪费，挤占本可用于课堂教学与教师发展的投入；其二，标准缺失使数据与资源难以流动，优质内容难以普惠，区域差距可能进一步固化；其三，缺乏科学评估容易让技术停留“展示层”“工具层”，难以真正提升教学质量与学习效率。同时，人工智能深入教育还带来隐私保护、算法偏差、内容安全等新课题，若制度和能力建设跟不上，将影响社会信任与应用的可持续性。 对策——围绕上述问题，刘小康提出，应在国家层面加强人工智能赋能教育资源的顶层设计与兼顾，制定统一的教育应用发展路线图和实施标准，明确技术接入、资源建设、师资培训、评价体系等关键环节的规范要求。具体而言：一是坚持共建共享、开源开放，以有组织方式推进教育资源与技术平台的集约化、标准化建设，减少重复投入，提升互联互通水平。二是以公共性、通识性、普惠性教学资源为试点，集中开发一批高质量、标准化的国家级人工智能教学资源，形成可复制、可推广的供给体系，并通过统一部署扩大覆盖面。三是加大对偏远地区、农村学校和薄弱学校的支持，推动优质资源下沉与能力提升同步推进，保障不同区域学生获得同等质量的数字化学习支持。四是健全资源使用监测与反馈机制，把教学效果、学习体验、教师负担等纳入评估闭环，推动工作重心从“建平台、上资源”转向“重课堂、重成效”。五是利用自适应学习等技术，为差异化学习提供全流程支持，在安全合规前提下提升教学精准度，更好服务“因材施教”。 前景——从“人工智能+教育”走向教育强国建设的新阶段，关键不在于应用数量，而在于公共供给体系是否完善、治理能力是否到位。随着统一标准逐步建立、优质资源集中供给、监测评估形成闭环，人工智能有望在促进教育公平、提升教育质量上释放更大潜力：既能通过规模化优质资源缩小区域差距，也能通过精准教学支持学生个体成长。可以预见，未来教育数字化的竞争不只是“工具之争”，更是“标准之争”“资源之争”“治理之争”。谁能把公共性、普惠性、可持续性放在首位，谁就更能把技术变量转化为教育高质量发展的增量。
人工智能正在推动教育变革，但其价值能否充分释放，关键在于能否真正做到普惠共享；推动资源从分散走向集约统一、从各自建设走向协同共享，是一项系统性转变。只有把人工智能该“关键变量”用到位，让每个学生都能获得同等的数字化学习支持，教育强国的愿景才能更扎实地落地，并为高质量人才培养提供更有力的支撑。