雷军宣布造车那场发布会，我印象很深的一段不是车，是他在回答“小米凭什么”时，先说了句“我们有钱”，然后才说掏多少钱出来、用多少年、亏得起。这个顺序现在回头看特别有意思——先盘家底，再定打法。

这两年教育信息化圈子也到了要盘家底的时候。钱紧了是事实，我在《教育信息化没有寒冬，只有一场安静的筛选》里写过，那不是寒冬，是预算在重新集中。但真正在底下改地形的，是另一件事：对话式 AI 已经不再是“一个会聊天的工具”，它正在变成一层新的操作系统。

这件事对普通互联网行业意味着流量重新分配，对教育信息化意味着另一层更狠的东西——我们这行卖了十几年的“系统”“平台”“入口”，可能要被重新定义一遍。

一、下一个 AI 风口不是即将到来，是已经落地

先把我最近比较确定的一个判断摆在这里：曾经那个“你问我答”的对话式 AI，正在演变成一套新的互联网操作系统。这句话不是修辞。

（一）从“人找 App”到“人下指令，Agent 自己调度”

过去二十年，人和数字世界打交道的基本姿势没变过：人记住自己要什么，人找到对应的 App，人打开它，人一步步操作。所有的产品设计、所有的数据埋点、所有的应用商店排名，都是围绕这个姿势长出来的。

现在这个姿势开始换。人只说一句“帮我处理完这件事”，剩下的由 Agent 去拆任务、选工具、调应用、按顺序执行、最后把结果交回来。人不再需要知道这件事该开哪个 App。

这个变化的分量在于：App 从“目的地”变成了“被调用的服务”。它还在跑，但用户不再主动走向它。

图 1　人和数字世界的交互姿势正在换挡，App 从目的地变成被调用的服务

（二）网页流量会持续走低，App 的主动打开量也会下滑

这个推论不太舒服，但逻辑上很难反驳。当一件事可以由 Agent 在后台串完，用户为什么要自己去点开五个应用？

网页是最先被影响的。过去网页承担的是“信息陈列 + 人工筛选”，人自己翻、自己比、自己决定。Agent 时代，这一层活被代理了，人看到的只有一个结论。内容还在，位置没了。

App 会慢一点，但方向一样。真正危险的不是卸载，是“装了但不再主动打开”——它还在手机里，只是从“每天点开三次”变成“被别的程序调用三次”。这个指标在绝大多数公司的报表里还看不到，等看到的时候已经晚了。

（三）广告主买不到注意力了，投放要接进 Agent 的调用链路

顺着往下推一层：广告这门生意，本质是在买人类的注意力和决策窗口。人不再逛货架，注意力就无从买起。

那钱往哪去？往调用链路去。未来的投放不是“让更多人看到”，而是“让 Agent 在需要这类服务时更容易想到我、更愿意调我、调完效果更好”。衡量单位会从曝光和点击，变成被识别率、被选中率、调用成功率、完成率。

对 To B、To G 行业来说，这一条反而更值得琢磨。教育信息化的采购决策从来不是冲动消费，它是一长串论证、比选、试用、验收。未来做这些调研的，很可能是 Agent。你的产品资料、接口文档、案例数据，如果不能被引擎读懂和引用，连进入比选名单的机会都没有。

（四）开发者不必死磕应用商店，接入智能体协议就能被直接调用

过去一个开发者想让自己的服务被人用上，路径很窄：做一个入口，挤上应用商店的榜，买量，做留存。这条路上，入口本身就是最大的成本。

Agent 时代多了一条路：不争入口，只把自己做成“可被稳定调用的一项能力”。谁调度你不重要，被调度多少次才重要。

这条对教育信息化行业几乎是量身定做的。我们这行绝大多数产品，本来就不是给大众用的，是嵌在区域平台、学校流程里的一个环节。它们天然不需要自己的入口，需要的是被上一级系统干净地调起来。

（五）从 GEO 到 AEO：别只盯着问答里的品牌露出

这里有个很实际的误区，值得单独拎出来说。

现在很多公司开始做 GEO（生成式引擎优化），核心目标是“用户在 AI 问答里问到这个品类时，我的品牌能被提到”。这有价值，但它是浅层价值——被提到不等于被使用。答得再好，Agent 调不动你的服务，用户下一秒就被导去了别家能直接办成事的地方。

真正的核心叫 AEO，Agent Engine Optimization。它的目标不是“被说出来”，是“被识别、被选中、被直接调用并完成交付”。

一句话概括：GEO 争的是“被看见”，AEO 争的是“被使用”。在教育信息化这种决策链条长、强调落地验收的行业，后者才是命门。

（六）一个以 Agent 为核心的生态正在成型

把这个生态的三重身份说清楚：它是新的流量入口，是新的广告渠道，也是新的应用分发主场。三者长在同一层上，这在过去是分立的。

说“站在下一个移动互联网时代的前夜”，我觉得不算夸张。移动互联网那一轮，被重塑的是人和信息的连接方式；这一轮被重塑的是人和行动的连接方式。后者影响更靠后、更靠里，也更难掉头。

二、WorkBuddy 开放平台这件事，信号比内容重要

9 月 2 日腾讯 WorkBuddy 开放平台上线，首批引入超百家生态伙伴。我把它的三个动作拆开看，重点不在“又多了个平台”，在它把未来竞争的核心位置指出来了。

（一）一次接入，多端流转：入口在触点上，不在 App 上

它围绕“听、看、记、聊、协”五类触点，接入了智能眼镜、录音卡片、耳机、键鼠、PC 平板、穿戴、手机等十余个品类、超过 30 个品牌，首发的 9 款联名硬件里有 Plaud、Rokid、影石、科大讯飞、安克等。

值得注意的说法是：厂商不需要自建 AI，也不必改变产品形态，一次接入就打通硬件、App、PC、Web 多端。眼镜负责采集，Agent 负责理解、规划与执行。

这句话翻译到教育场景就是：采集端和执行端会越来越碎，理解和调度会越来越集中。教室里的录播、操场上的体测、办公室里的批阅机、老师手机上的消息，这些触点不可能被一家厂商全占了；但谁来把它们串成一条能办成事的链路，是可以争的。

（二）Buddy 应用：行业知识和场景，比再训一个模型值钱

第二个动作是「Buddy 应用」。伙伴基于 Agent 底座，结合自己的行业知识和经验积累，构建品牌化 AI 工作台。不用自研 AI，把场景、业务上下文、工具能力和品牌接进来就行。目前覆盖金融、SaaS、法律、医疗、教育、公益、设计等 20 多个领域，由 30 多个伙伴共建——教育这条线上，腾讯 SSV 是其中之一。

我把这条单独拎出来，是因为它戳中了很多教育信息化公司的焦虑：模型不是我们的，那我们还做什么？

答案就在这一段里。未来核心不是“谁有模型”，是“谁能把模型接进具体场景，并且让它在场景里稳定把事办完”。模型是水电气，场景和上下文才是厂房。

（三）技能、专家、连接器：能力被拆成可调用的单元

第三个动作是把 Skill（技能）、Expert（专家）、Connector（连接器）三类能力开放出去，调标准 API 就能拿到完整 Agent 能力；Connector 支持 MCP 与 CLI 两种方案；支付和分发通路也在建。

这件事的行业含义是：软件正在从“一个完整的产品”拆解为“一组可以被单独调用的能力”。过去的交付物是一套系统，未来的交付物可能是一份能力清单加一组接口。

我在《教育可信数据空间：当基座里“一切皆插件”，核心到底是什么》里问过同一个问题——应用是插件，物联是插件，消息、组织、AI 能力全可以往基座上挂，那挂着这些插件的内核到底是什么？WorkBuddy 这次的动作给了一个更具体的答案方向：内核是调度层和协议层，不是功能层。

（四）对教育信息化的三条直接启示

第一，别再执着于做“统一的那个入口”。区域平台的入口是行政给的，不是技术打下来的。真正值得占的是被调用的位置。

第二，产品要先能证明自己“可被自动化调用”。接口有没有、文档全不全、会不会因为一次升级就变、出错时返回什么，这些以前是技术细节，以后是生存条件。

第三，行业知识和场景经验重新变贵了。前几年大模型狂奔的时候，这部分被普遍看轻；现在平台自己都在找伙伴共建，说明它知道这部分自己补不齐。

三、回到教育信息化：真正值钱的只有两样

把上面那些宏大的东西落到基础教育，我认为能沉淀下来的资产只有两样：数据，和深度应用场景。其他都是可以复制的。

（一）数据：不是“有多少”，是“Agent 能不能拿到、敢不敢给”

先说一个反复出现的误解。很多区域谈数据优势，说的是数据量——多少张表、多少亿条、多少个主题库。这个口径在 Agent 时代基本失效了。

对 Agent 来说，一堆拿不到、不敢用、口径打架的数据，等于没有。真正决定数据价值的，是三个更硬的问题：

• 能不能被及时取到。接口在不在，权限怎么开，取一次要多久。Agent 等不起人工审批三天。
• 敢不敢给它用。涉及未成年人，分级分类、脱敏、审计、可追溯这些必须前置。这也是我在《教育可信数据空间：我们谈了太多技术，谈得太少“这数据到底归谁”》里反复强调的——敢不敢跨域流通、能不能确权、值不值得持续运转，比技术本身更关键。
• 口径一不一致。我在《学校的流程越来越多》里写过克拉玛依的做法：先立《元数据规范标准》《业务标准》《技术标准》，对标国标新增 15 项元数据，严格“一数一源、实时更新”。这活不性感，但它是根。没有统一标准，打通只是把混乱从 A 系统搬到 B 系统。

上海长宁区把数据分成标准化数据、开放性接口数据、仓库数据三类，也是同一个思路：标准化数据是地基，接口数据是管道，仓库数据是加工产物。三者齐全才叫贯通。

所以数据的价值，最后不在量，在可调用性。这也是教育信息化厂商少有的、外行短期抄不走的东西——那些口径、映射、历史脏数据的处理经验，是拿项目一个个磨出来的。

（二）深度场景之一：作业

作业是基础教育里最高频、最耗时、也最容易做出确定价值的一环。我把它单独拆开，是因为它几乎完美符合 Agent 该干的事：高频、规则相对清晰、跨系统、结果可验证。

注意最后一列。AI 接不走的那一列，恰恰是教师职业价值所在，也恰恰是产品最容易翻车的地方——很多产品就是死在把这一列也硬接过去。

科大讯飞在作业这个点上走得比较实。星火智能批阅机的定位不是“判对错”，是“能力诊断”：理科支持几何证明、复杂作图、一题多解的分步骤批改，数学按三级错因体系在学生原卷上标注错因；文科做分层的能力评价，支持新高考开放题型的批阅。这条路的聪明之处在于，它把 AI 压进了一个老师和家长都能立刻感知的动作里——一张卷子放进去，几秒钟出来，还带诊断报告。

（三）深度场景之二：便捷的管理工具

第二个场景是管理。它不如作业那么性感，但它决定了一个产品能不能长期留在学校。

我在旧文里反复说过一个判断标准：不要只看它增加了什么，要看把它撤走，学校会失去什么。撤走以后老师没感觉、学生没感觉、工作照常推进的，那它就是可有可无的。撤走以后一项工作重新变慢、一批数据重新消失、一线重新回到大量人工的，它才算真刚需。

管理类工具是这个标准最容易验证的地方。调代课、用章、请假、课后服务排课、资助资格核对、数据上报——这些事每天都在发生，一天不做就堵。四川天府六小的例子我一直记得：先在钉钉上搭文印申请，手机一键提交、自动流转审批，几分钟搞定；再上调代课系统，一点提交，全校总课表、班级课表、教师课表实时同步；后面用低代码深度定制了成绩分析和 307 门课后服务课程的管理。它赢在没堆技术，只解决真实痛点。

把这些场景做成可被 Agent 调度的能力，是我目前能看到的最扎实的路径。比如“分析这个班最近几周缺勤为什么突然增多”——它要翻考勤、课表、请假、成绩，跨四个系统，规则写不死，正是 Agent 该上的地方。

（四）挑场景不能靠感觉，用一张评分卡先筛一遍

《学校的流程越来越多》那篇里我给过一张价值评分卡，这里再放一次，因为它在 Agent 时代反而更好用了。三个维度，各 5 分，总分不低于 12 分的优先做。

还有一条原则值得贴在墙上：确定性问题，优先用确定性技术。制度明确、路径稳定、责任清晰、需要严格审计的流程，BPM 和规则引擎往往比 Agent 更合适。Agent 擅长的只有那一类——目标明确，但执行路径没法提前写死。

这一点在未成年人场景尤其不能含糊。OpenEduCat 在教育智能体上的选择是“Agentic, Not Autonomous”：智能体起草、组装、标记，人来做判断和拍板，每一步进审计日志。这不只是产品哲学，也是踩在监管线上——欧盟《人工智能法案》把教育领域自主做出的重大决策列为高风险，带人工审核的顾问式系统恰好在阈值之下。

四、别人是怎么走的：几条已经跑出来的路线

盘家底之前，先看同行。

（一）腾讯 SSV：不卖系统，做“平台 + 实验室 + 基金会”

腾讯可持续社会价值事业部数字教育实验室的路子，我觉得最值得琢磨的是它的组织形态，不是产品。

它依托“平台 + 实验室 + 基金会”的协同架构做教育，具体落点有几条：联合清华大学共创的 AI 通识课程，借助“企鹅支教”平台在全国 7 个省、117 个区县、498 所乡村学校落地；企鹅科学课已在全国 4700 余所学校开展；“数字支教”把优质资源往欠发达地区延伸；教学支持上围绕备课、课件生成、作业批改、学情分析做智能辅助工具。2025 年 3 月，未来教室小程序还结合腾讯元宝与 DeepSeek 技术推出了“科创教育智能体”，做跨学科教案一键生成，并面向全国科技教师开展 AI 技术公益培训。截至 2025 年底，“触梦计划”累计支持 1842 所乡村学校开展教学活动，建成 148 间未来教室与未来运动场。

它不怎么跟教育信息化厂商抢项目，它做底座、做内容、做师资、做连接，然后把伙伴接进来。这次 WorkBuddy 开放平台，腾讯 SSV 作为教育领域的共建伙伴之一出现，逻辑是通的——它本来就不需要自己做那个“被采购的系统”。

（二）科大讯飞：把 AI 压进一个具体动作里

讯飞的路线是另一个极端：重、深、软硬一体。

底座端，它强调的是自主可控通用大模型加教育专属大模型，并联合中国教育科学研究院，与 12 个区域的 50 多位教研员、400 多位优秀教师做人机共创，用于基础模型的强化学习。这套东西换来的不是参数好看，是评测成绩：2025 年互联网教育国家工程研究中心的国内教育大模型测评中，讯飞星火在辅助教学、辅助学习等 6 大场景领先；2026 年高考答题评测，星火 X2 以物理类 708 分、历史类 700 分在 8 款参评大模型中位列第一。

产品端，它在几个具体动作上做得很重。讯飞同窗 AI 黑板已在全国 33 个省级行政区、1400 多个区县常态化应用，能无感知实录课堂、自动生成结构化微课切片，还有“百景虚拟人”做跨学科思辨；星火教师助手覆盖全国 100 万名教师；AI 课堂实录分析系统落地 700 多个区县，通过结构化采集互动、板书、提问数据，让教学改进从经验走向循证；星光教师超级智能体覆盖备课、教研、学情分析、家校沟通和事务管理，连表单填报、数据汇总这类重复事务也接过去。

这里最该被同行抄走的不是产品，是方法：它始终在真实场景里取数据、做验证、再反哺模型。聂小林的说法是“在实践中迭代，让 AI 与教育共生发展”。这跟我在深圳做完 FDE 路演后那篇里写的判断是一致的——企业真正缺的不是模型，是能把模型带进真实世界、把复杂问题做成可验证结果的人。

（三）腾讯扣叮、希沃、低代码平台：各有各的入口选择

腾讯扣叮走的是课程、工具、赛事三位一体。它覆盖 33 个省市区、签约学校 10000 多所，2025 年推出的“快叮岛”用网页端形态降低门槛，还主动把赛事办到宁夏、甘肃、西藏、新疆，给欠发达地区学生同规则、同评价的实践平台。它的思路是先用内容和赛事建立师生使用习惯，再谈平台。

希沃（视源股份）这类硬件厂商的处境更典型。教学一体机、班牌市占率领先，仍然被行业景气拖着走——2024 年一季度净利约 1.78 亿元，同比下降约 37%。它手里最有价值的其实不是屏，是屏上每天发生的教学行为数据，以及已经铺进教室的渠道。这块资产怎么从“卖设备”转成“被调度的能力”，是它这一轮真正的考题。

钉钉、企微这类低代码平台走的是另一条：把自己做成学校搭应用的地方。天府六小那种“老师自己搭个文印申请”的模式，本质是把建设权下放给一线。这条路在 Agent 时代有个天然优势——它上面长出来的每一个表单、每一条流程，天生就是结构化的能力单元，更容易被调度。

五、如果平台要做入口，可以参考 DeepSeek 那条 harness 的思路

有个参考我觉得对做平台入口的人很有用，就是 DeepSeek 这条技术路线里被反复强调的 harness——包裹在模型外面的那一层工程。工具集怎么组织、上下文怎么裁剪和压缩、权限边界怎么划、执行失败怎么回滚、效果怎么被持续评测。模型在中间，harness 在外面。

（一）模型会趋同，harness 不会

这轮大模型竞争走到今天，一个越来越明显的事实是：模型能力在趋同，且在快速商品化。今天领先半个身位，几个月就追平。真正拉开差距的，是外面那层工程——同样的模型，套上不同的 harness，表现能差出一个量级。

这话放到教育平台一模一样。今天你接 DeepSeek、明天我接通义、后天他接星火，底座可以随时换。换不掉的，是你把这些模型接进学校业务时搭的那一整套东西。

（二）教育平台的 harness 应该长什么样

我理解至少要包含六层。这六层，其实就是我们过去说的“数字基座”在 Agent 时代的重述。

图 2　模型是中间那一层，随时可换；外面这五层才是平台真正的身家

逐层说一句：

1. 入口层：未必是你的，但进来之后调的是谁，可以争

先承认一个现实，入口未必属于平台。学校可能从微信进来，从区域门户进来，从任意一个智能体进来。与其抢这一层，不如确保人进来之后，被调起来的是你的能力。

2. 调度层：新的护城河

谁能把一个模糊指令拆成可执行的步骤，谁就掌握了分发权。这一层过去在教育信息化里几乎是空白，因为过去不需要——人自己会拆。

3. 权限与合规层：教育行业的硬门槛

未成年人数据的分级分类、脱敏、审计、可追溯，做不到位，上面几层全白搭。这也是可信数据空间该长的位置：基座之上的延伸层，不是平行的第二套系统。

4. 上下文层：最容易被低估的一层

同样的模型，知不知道这个班的学情、这所学校的校情、这个区今年的政策口径，输出质量差得很远。这层沉淀是外人短时间拿不走的，也是教育行业少数天然具备的壁垒。

5. 能力层：把产品拆成单元，而不是一整坨

能被单独调用的才叫能力，只能整包使用的只能叫系统。这一层要求厂商对自己动刀，把自己拆开。

6. 模型层：水电气

该接谁接谁，别在它上面做文章。这一层的正确态度是保持可替换，别把公司命运绑在任何一家模型上。

再补一句，评测回路必须从头就有。没有持续评测，Agent 能力只会越用越飘，而教育容不得飘。

六、雷军说“我们有钱”，教育信息化厂家该说什么

回到开头的那个梗。

雷军那个回答的力量不在数字，在顺序——先把手里真有的东西说清楚，再谈要干什么、花多少、亏得起多少。很多教育信息化公司的问题恰恰是这个顺序反了：先说要做什么平台、做什么生态、做什么入口，回头一看，手里能支撑这个目标的东西一件也没有。

（一）这三个答案，说出来要心虚

1. 我们有关系

关系在过去重要，现在仍然是门票。但它只解决进入与信任，不代替预算来源，不代替采购程序，也不代替产品交付。旧文里我写过，关系从来不是护城河，被长期需要才是。

2. 我们有大模型

接一个大模型这件事，今天没有任何门槛。你说你有，隔壁也有，客户心里清楚得很。

3. 我们功能最全

功能全最容易验证，也最容易被复制。而且在学校的真实场景里，功能越多往往越是负担，老师要学的就越多，学校的管理成本也越高。厂商看到的是功能增加了，老师感受到的却是工作又多了一项。

（二）真正能站住的三个答案

我的看法是，教育信息化厂家能说出口并且经得起追问的，只有三样。

1. 我们有别人拿不到、或者拿到了也理不清的数据

注意不是数据量大，是难拿、难理、且持续在更新。作业数据、课堂行为数据、区域学业质量数据，这些东西的价值不在存着，在于被反复调用之后还能保持口径一致。

2. 我们有别人走不进去的深度场景

作业、排课、资助、上报、督导、心理筛查，挑一到两个做到别人替代不了。判断标准还是那句：撤走你，学校是变轻了还是变重了。

3. 我们有把模型接进学校业务的那层工程能力

也就是前面说的 harness：调度、权限、上下文、能力封装、评测。这一层没有捷径，只能靠项目一个个磨出来，也正因为如此，它才是护城河。

（三）三条可走的路，对照着选

这三条不是互斥的，但同一时间只能先押一条。雷军敢说亏得起，是因为小米的手机业务在持续供血。教育信息化厂家要押，先想清楚自己的血从哪来。

（四）给同行的四句实话

1. 别再问应用为什么没人打开，要问服务有没有被调起来

这两个问题的答案，指向完全不同的产品路线。前者让人继续优化界面和推送，后者让人去补接口、补文档、补稳定性。

2. 把 AEO 当成一件正经事做起来

能力描述、接口文档、返回结构、鉴权方式、成功率，这些过去写在技术文档里没人看的东西，以后就是市场物料。目标很朴素：让 Agent 找得到你，调得通你，愿意反复调你。

3. 确定性问题继续用确定性技术

别为了贴上 AI 的标签，把本来跑得好好的审批流改成智能体。这句话我在流程那篇里说过一次，这里再说一遍，因为教育经不起这种折腾。

4. 回到那个最简单也最狠的问题

撤走你，学校会失去什么。答不上来，前面所有的事都是空的。

七、写在最后

我在这个行业待了这些年，见过太多“政策一热就一拥而上”的场面。人工智能教育热的时候是这样，智慧黑板热的时候是这样，AI 体育热的时候还是这样。这一轮 Agent 的浪潮，看上去也差不多。

但这一次有点不一样。前面那些热潮，改变的是学校买什么；这一轮改变的，是学校买的东西将来以什么方式被使用。前者是产品迭代，后者是位置重排。

能被 Agent 调起来的产品，会活得很舒服——它可能连界面都不需要多好看。调不起来的，功能再全、演示再炫，也只是挂在平台上的一个图标。

所以别急着喊生态，也别急着做入口。先盘家底：数据有几斤、场景有多深、工程能力能撑起几层。雷军那个回答的顺序，值得抄一遍。