课堂之后 · 04 / 06 · Physical AI & Education

谁买得起一个永不疲倦的导师?

同一台设备,可以带来截然不同的教育机会。公平要算完整的一本账。

概念插图:不同学习条件下的教育机会
概念插图 · 未来教学情景,非真实产品或课堂案例。

真正的教育平等,不是每个孩子面前都摆着一台机器,而是每个孩子都能获得有效的学习机会。

设想两个孩子使用同一型号的教学机器人。一个可以在家中每天练习,有安静空间、合适材料,遇到问题还有成年人帮助;另一个只能在学校排队使用,设备故障后要等维修,放学便无法继续。

产品参数相同,得到的教育并不相同。

这是一个比较情景,不是实测案例。它提醒我们:讨论 Physical AI 是否让教育更公平,不能只看机器人报价是否下降。

上一篇讨论怎样重建成为专家的练习。这一篇追问:当练习可以更多地由机器辅助,机会会流向谁?

缺口很大,但不是机器人销量的预测

UNESCO 在 2026 年世界教师日发布的数据显示,要在 2030 年实现学前、小学和中学的普及教育目标,全球教师招聘需求约为 5,000 万人,包含扩充师资与替补离职教师;其中约 58% 的需求来自替补,并非全部属于教师人数净增长。来源:UNESCO,2026 年 10 月

这个数字说明服务供给面临压力。它不是今天有五千万间教室完全没有教师,更不能直接换算成五千万台机器人订单。它包含不同学段、地区与未来招聘需求,也涉及留任和工作条件。

技术的现实机会,是帮助已有教师把时间用在更需要人的地方,并补充原本缺失的练习与反馈。能补多少,必须按场景计算。

一台能反复示范基础操作的设备,可能缓解某种实训瓶颈;它未必能承担整班管理、复杂评估和家庭沟通。把这些差异藏起来,低价的教育方案就可能变成低配的教育。

READ THE MECHANISM · 图解 01

设备相同,机会未必相同

拥有设备购买或分配了一台机器
获得服务材料、空间、维护、教师与使用时间
形成能力合适任务、有效反馈与持续练习
教育机会取决于完整支持条件;不是价格与学习效果的因果模型。

机器不疲倦,服务仍会中断

“永不疲倦的导师”是一个有吸引力的承诺,却不是运行事实。实体设备需要维护、充电、材料补充和安全管理;软件需要适合课程与语言,现场还需要能够处理异常的人。

因此,我会把采购问题从“这台机器人多少钱”改成:为了让学生真正完成一次有反馈的练习,学校要持续提供什么?

UNESCO 的 2023 年全球教育监测报告曾汇总:全球约 40% 的小学、50% 的初中和 65% 的高中接入互联网。这是该报告中的历史基线,不是 2026 年即时覆盖率。它说明教育技术的起点本就不一致;对依赖联网的系统尤其如此。来源:2023 GEM Report

离线运行可以降低连接依赖,却不能免除设备、课程适配和维护成本。真正的普惠设计,应在缺少高质量网络、专门技术人员或安静空间的条件下,也有可用的服务方案。

把价格除以真正交付的学习机会

看一个纯粹用于说明的年度算例,金额均为美元,并非市场报价。

假设某项训练服务全年总成本为 15,000 美元,已经计入当年的设备成本分摊、维护、软件、材料和相关人员投入。若它交付 1,000 个符合预定条件的受指导练习小时,每小时成本是 15 美元;若故障、排课和人员不足使交付量只有 500 小时,每小时成本便是 30 美元。

同一台设备,同一笔年度支出,可及服务的单位成本翻了一倍。

这里的“符合条件”可以规定为:学生实际参与、课程适配、反馈可用、必要的安全监督到位。但练习小时仍然不等于学习增益。它只能揭示设备是否得到有效使用,不能证明学生学会了。

下一步还要比较:相对于没有这项服务的可行方案,学生的独立表现、知识保持或技能迁移是否改善?增加一名助教、延长实验室开放时间、使用普通训练器材,可能在某些场景下更有效。机器人应当赢得这个比较,而不是因为新颖免于比较。

READ THE MECHANISM · 图解 02

把成本算完整

设备与运行采购、耗材、电力、维修
教学与支持教师准备、安全监督、无障碍支持
机会与退出排队时间、停机安排、服务终止后的替代
采购比较应覆盖整个服务周期。概念性成本清单,不含虚构报价。

公平不只有拥有权,还包括使用权

把设备集中在公共实训中心,供多所学校共享,是一种值得测试的安排。它可能提高利用率,也可能把交通和排队的成本转移给学生。

学校内的小型共享设施、移动教学服务、课后开放时段,各有适用条件。评价时要把谁能预约、谁能到场、是否需要额外付费、发生故障谁优先获得替补,都放进账本。

尤其要防止一种看似平均的分配:每所学校一台,却没有足够的维护预算;每个学生一个账号,却没有足够的使用时间。

我的建议是按完整服务配置资源。设备和软件之外,还包括教师培训、必要材料、持续维护、课程适配与可申诉的使用规则。资金有限时,可以先覆盖最清楚、最短缺的训练任务,而不是一次购买一个声称什么都能教的系统。

最危险的差距,可能藏在同一个产品里面

低价版本和高价版本未必只有速度差异。未来的差距也可能体现在反馈深度、可用课程、人工支持以及是否能够退出数据采集。这是需要防范的产品设计风险,不能当作所有现有产品的既成事实。

如果支付能力决定学生能否得到及时纠错,那么表面上的“人人都有 AI”,仍可能扩大差距。反过来,经过验证的共享服务也可能让原本没有导师的学生第一次获得持续练习。

两种结果都有可能。决定方向的是资金、产品设计和学校组织方式,而不是“AI 天生普惠”或“机器必然加剧不平等”这两句口号。

所以,一次教育采购至少应公开三件事:谁实际获得了多少服务;完整成本由谁承担;不同背景学生的学习表现是否改善。不能用全体平均值遮住最需要帮助的人,也不能把参与率当作学习效果。

教育的未来,不应是富裕家庭购买成长,其他人获得自动回复。

当机器人从偶尔使用的设备变成日常陪练,价格之外还有另一张账:它如何影响孩子的信任与依恋,谁可以决定它说什么、记录什么。下一篇,我们从教育机会走向这份关系背后的权力。

本文的两个孩子及成本算例均为说明性情景;15,000、1,000、500、15 和 30 不代表产品报价或实测结果。教师需求与学校联网数据保留各自年份和统计范围。