AI 进入课堂，早已不是新鲜事。腾讯研究院在相关文章中提到，中国 K-12 阶段的 AI 备课覆盖率已经超过 30%，头部公办学校接近 100%，新教师的备课时间下降了 60% 以上。
围绕这一变化，讨论长期集中在同一个问题上：老师会不会被 AI 取代？文章给出的判断是，全球 8500 万教师的岗位并没有因为 AI 减少，真正被重新定义的，是“什么是好老师”。
从 30 分到 70 分，AI 能很快做到
文章先描述了一个课堂中的典型动作：学生有了一个自己的想法，然后打开 AI。
深圳明湾学校的老师把这一瞬间概括为“30-70-90 分挑战”。学生自己的想法值 30 分，AI 可以立刻把它推到 70 分；但原本应当由学生自己挣来的、从 70 分走到 90 分的那 20 分，也可能在这一刻被直接抹掉。
文中举了一个夏令营的例子。几个孩子想做一个能和自己养的植物产生情感共鸣的小装置，他们借助 AI 生成了第一版方案，方案完整、成型也很快，但随后他们就对这个项目失去了兴趣。
在这个场景里，没有谁被替代。AI 只是把从 30 分到 70 分的工作迅速做完，而且做得很好。问题在于，在这个过程中，谁来提醒孩子，其中只有 30 分真正属于他们自己。
文章认为，教师并没有被 AI 取代，但教师最有价值的工作之一已经发生变化。过去，这份价值更多体现在“把知识讲清楚”；现在，更重要的任务变成了判断什么时候应该把思考机会留给学生。
同样是 AI，有没有“护栏”会改变结果
这篇文章援引了宾夕法尼亚大学沃顿商学院研究者在土耳其开展的一项随机对照实验。实验覆盖近 1000 名高中生，学生被分成三组完成数学练习：一组不用 AI，作为对照组；一组使用标准 ChatGPT 界面；另一组使用由教师设计“护栏”的版本，让 AI 只提供线索、不直接给答案。
在练习阶段，两个 AI 组表现都明显好于对照组。其中，标准组成绩比对照组高出 48%，护栏组则高出 127%。
但在随后收走 AI、进行同一份闭卷考试时，结果出现逆转。标准组的成绩比对照组低了 17%，护栏组则和对照组大体持平。
研究者据此提出，学生可能把 AI 当成了“拐杖”。练习时题目确实做出来了，却没有真正学会解题。研究还发现，使用 AI 的学生会对自己的学习能力产生过度乐观的判断，这种情况在优等生中同样存在。
文章借此强调，同样的模型、同样的学生、同样的题目，最终学习效果是否受益，很大程度上取决于有没有人预先按照教学规律设计 AI 的应答方式。
AI 擅长标准化产出，教师守住判断与影响
在教师转型的话题里，文章先承认了一点：AI 确实很能干。
以深圳明德实验学校为例，AI 已经进入教学中的多个细节。学校在集体备课中实行“一课三备”，AI 会自动汇总全体教师的研讨发言；课堂录像可以交给大模型分析时间分配、学生抬头率、提问质量和教师走动热力图；教师上传的课件累计约 8.7 万份，审核后进入校本资源库，供新教师和帮扶学校直接调用。连过去被认为复杂的全校成绩分析报告，借助 AI 也只用了 20 分钟完成。
文章还提到，“因材施教”第一次有了更具体的落点。过去，一个老师很难为一个班准备三套作业；现在输入“广东省中考凸透镜成像”，AI 就能按“基础巩固→实验探究→作图”进行分层，前 20 名做全部，中间 20 名做前两部分，后 20 名只做第一部分。这类作业颗粒度，以前很难做到。
成本门槛也在下降。文中援引研究称，相比 2023 年，AI 推理成本已下降 97% 到 99%。
但文章的核心判断很明确：AI 拿走的是可以标准化的产出，拿不走的是判断力、身体在场，以及人对人的影响。
“集体教师效能”排在影响学习成绩因素首位
为了说明教师不可替代的部分，文章引用了教育学者 John Hattie 的研究。Hattie 综合上千项元分析后，对影响学生成绩的不同因素进行了排序。排在首位的并不是技术，也不是课程或教材，而是“集体教师效能”，也就是一所学校的老师共同相信“我们能影响学生成就”。
这一指标的效应量为 1.57，超过家庭社会经济地位的三倍。
深圳明湾学校常务校长方泰德用一个很直接的比喻解释这种“成年人的信念”：如果不让学生的大脑努力运转，就像让运动员站在自动扶梯上，却硬说他们在锻炼，那只是自欺欺人。
“好老师”的新判据，不只是谁更会写提示词
文章随后把问题推进到“好老师”的新判据。
腾讯研究院与中国教育科学研究院曾在联合研究中提出一个教师 AI 素养三层框架。
- 第一层，是知道 AI 靠不靠得住，能判断答案是否正确，也知道它会一本正经地编造，并能向学生说明这一点。
- 第二层，是能指挥 AI 干活，让 AI 参与备课、批改、出题和学情分析，由 AI 出初稿，教师负责审稿。
- 第三层，是能用 AI 重新设计一门课，重新决定课程怎么推进、不同学生走哪条路径，以及评价方式如何设置，而不是只让 AI 把旧教案重新排版。
文章指出，真正的问题不在于这个分层本身，而在于培训现实。大多数教师培训停留在前两层，第三层几乎还是空白。市场上大多数“AI 赋能教师”课程，主要也在教第二层的内容，比如怎么写提示词、怎么在十分钟内产出课件。
而在调研中，作者看到的第三层至少有四个侧面：动机上要先想清楚课该怎么上，能力上要从使用工具走向制造工具，权力上要愿意把提问权让渡给学生，视野上则要把德育和心理纳入课程结构。
文章认为，这些要求的难度依次提高，但它们都不是纯粹的技术问题。
被省下来的时间，会把教师差距继续拉大
AI 节省出来的时间，在文章看来是一处岔路口。
同样是用 AI 在 10 分钟内完成一份课件，接下来多出来的两个小时，不同教师会做出完全不同的选择：有人会去找那些从来不举手的孩子聊聊天，也有人会继续再做五份课件。
“拐杖”效应也不只发生在学生身上。文章援引经合组织《2026 数字教育展望》中的综述称，一些研究提到一个现象，叫“元认知懒惰”。当学生向人类专家求助时，往往会走完“诊断问题→求助→评估帮助→迭代→实施”的完整链条；面对聊天机器人时，不少人会直接索要答案并直接照用，跳过诊断、评估和迭代三个环节。
文章说，老师也会掉进同样的坑：AI 生成的题目不审就发，AI 写的评语不改就送出。工具是省力了，但判断也可能一并丢掉。
在调研中，作者还观察到一个现象，并将其称为“超级教师”。AI 使少数优秀教师的影响半径显著扩张，一位顶级教师的教学设计、讲评思路和诊断方法，可以借助 AI 被复用到远超以往数量的学生身上。由此形成一把剪刀差：平均水平教师面临的替代风险在上升，而“超级教师”的稀缺性也在变得更强。
文章同时指出，被称作“超级教师”的始终只是少数。每一所学校真正的地基，仍然是大量默默无闻、把一届届学生认真送走的普通老师。AI 不应成为压在他们头上的刀，而应是一把递到手里的梯子，让更多认真尽责的好老师被更多孩子看见。
经济学研究给“好老师”标过价
对于“好老师”究竟值多少钱，文章引用了哈佛大学 Raj Chetty 等学者的研究。研究追踪了超过 100 万名儿童的学区与税务记录，结果发现，被分配给高增值教师的学生更有可能上大学，成年后收入也更高。
量化结论是：如果把一位增值水平处于末位 5% 的教师，换成一位平均水平教师，这个班级学生终身收入的现值将增加约 25 万美元。
文章判断，AI 的到来只会让这种差距传导得更快、覆盖得更远。但差距并不是 AI 造成的，AI 只是把原本不容易看见的选择，变成了更容易看见的结果。它给每位老师发放了相同数量的时间红利，却没有规定这笔红利该怎么使用。
同样在工具层面，文章还提到，美国教育科技领域累计投入约 290 亿美元，到了 2025 年，该领域风险投资已跌至十年最低，能够稳定盈利的公司“两只手数得过来”。原因很多，其中一条关键原因是，学区把工具买回去了，但老师不用。
文章对此的结论很直接：工具从来不是变量，人才是。
布鲁姆 40 年前的问题，在 AI 时代有了新版本
文章最后回到教育学中的一个经典问题。
1984 年，芝加哥大学教育学家 Benjamin Bloom 发表论文，提出著名的“两个标准差问题”。在他博士生做的一组对照实验中，研究比较了常规班级授课、掌握学习和一对一辅导三种条件。结果显示，接受一对一辅导的普通学生，最终成绩比常规班级平均水平高出约两个标准差，超过常规班级中 98% 的学生。
Bloom 因而提出那个被追问 40 年的问题：一对一辅导成本太高，无法在大多数社会中大规模承担，研究者和教师能否设计出某种教学条件，让大多数学生在集体教学中也达到类似一对一辅导的成就水平。
文章认为，今天 AI 第一次让“每个孩子一个辅导者”在成本上变得可能；但宾夕法尼亚大学的实验又补上了一个前提：便宜的一对一辅导，并不自动等于有效的一对一辅导。
因此，Bloom 的问题在今天有了新版本：人们已经不缺辅导者，缺的是知道辅导应该怎么做的人。
这个人，仍然是老师。
文章以一句话收束全文：机器把从 30 分到 70 分的路铺平了，而决定一个孩子究竟能走到哪里的最后 20 分，仍然需要一个人站在旁边，判断何时该出手，何时该退后。
参考来源与署名
本文内容来自微信公众号「腾讯研究院」（ID：cyberlawrc），作者为腾讯研究院研究员张鸿茹、腾讯研究院资深专家王鹏、腾讯研究院研究员吕嘉怡。文中引用了腾讯研究院、中国教育科学研究院、宾夕法尼亚大学沃顿商学院、John Hattie、Raj Chetty 以及 Benjamin Bloom 等研究与论文。