有一次孩子突然问我：人是不是被写好的代码？

AI 能给孩子教育带来什么样的改变？

这是 AI 时代到来后，很多家长都会关心的一个问题。有的家长希望 AI 能帮自己辅导孩子功课，有的家长则希望孩子能从小培养和 AI 一起共生的能力。

在晓楠家里，家长和孩子都在适应一种新的日常。

晓楠两个孩子的成长轨迹，像是两条分岔路。大宝今年 17 岁，已经高三，自律、独立，从小就是所谓的 " 学霸 "；而二宝才 9 岁，上四年级，成绩并不拔尖，却是 "AI 时代的孩子 "。对晓楠来说，这两段不同的养育经历，恰好折射出 AI 介入教育后，家长角色、亲子关系以及教育方式的微妙转变。

在大宝读书的时候，晓楠焦虑的是他的学习。一方面，她希望孩子得到更有针对性的辅导，但同时，她又经常陷入一种无力感。大宝是自律型的孩子，自己把学习、生活都安排得井井有条。但母子俩探讨某些问题，比如她要求孩子去做一件事而孩子不认可时，大宝会跟晓楠掰扯很久，最后无法达成一致，还带着情绪不欢而散。

到二宝身上，同样的情景会出现不同的结果。晓楠发现，AI 有时会成为母子间沟通的润滑剂。意见相左时，晓楠会借助 AI，让 AI 和二宝解释，既节约时间也避免了不少情绪冲突。

这只是 AI 影响的一个侧面。二宝和 AI 的互动已有两三年时间，他学会了用 AI 来解数学题、搜索天文知识，甚至探讨哲学问题，总能给晓楠带来一些意外之喜。

" 有一次他突然问我，‘人是不是就是被写好的代码？那如果我能改变自己的人生，我会怎么活？’ "晓楠惊讶于二宝思考的深度，而这背后正是 AI 带给他的全新视角，也让她看见了教育的新可能：AI 除了解决具体题目的对错，也能悄然改变孩子的思维方式。

在这个小小家庭之外，AI 也在深入教育科技行业，一些更大的改变正在酝酿中。

AI 带来了新可能

在家庭教育里，如何与孩子沟通，让孩子理解家长的意图，是最重要的一个议题。

放在学习的场景中，这种沟通困难更加具象，也不断激化着亲子矛盾。方瑜的孩子今年 5 岁，正在上幼儿园，她经常在儿子放学后教他一点基础的数学和英语。但让方瑜困扰的是，怎么教都教不会，儿子总是心不在焉，为此她经常生气。

在社交平台上，辅导孩子作业的场景也总能引起一些家长的共鸣。有的家长要么怀疑自己的讲解水平，要么怀疑孩子的理解能力；有的家长懊恼自己没时间也没精力，一想到辅导孩子就唉声叹气、力不从心；也有家长抱怨孩子的作业越来越难。

移动互联网到来后，这种局面得到缓解。教育科技行业的拍搜产品，帮助家长在遇到不会做的题，或给孩子校对答案时，能迅速找到题目和解答，不用麻烦去翻教材、问老师。

根据艾瑞咨询发布的行业报告，当年拍搜迅速在中小学生和家长群体中普及，成为在线教育产品最重要的流量入口之一。它不仅是一个工具，还一度成为整个行业的 " 引擎 "，为后续的直播课、付费课程导流。

但随着使用场景的扩展与教学需求的深化，拍搜的局限也逐步显现。其核心机制依赖于 " 题库匹配 "，一旦题目没有被题库收录，系统就容易匹配失败或给出不恰当的解析；而且大多数拍搜只返回 " 标准答案＋解析 "，并不会分析学生的解题思路或错因，难以支持长期的能力培养。

2021 年，拍搜软件曾面临整体的管控与整改要求，相关部门对拍搜等工具的使用进行了规范，强调不能惰化学生思维能力、要促进思维与能力培养，而不只是答案交付。

另一个难题是，拍搜无法充当了解孩子学情、给出针对性指导的老师，也无法教会家长怎么给孩子讲解。在晓楠看来，" 人与人之间的交流是带有情绪的，一个眼神、动作、语言，可能让孩子感到不舒服了，哪怕我说的是对的，孩子从心理上也不会接受 "。但 AI 不同，它没有明显的情感，且知识库庞大；它会客观、理性地跟孩子沟通，用孩子能理解的逻辑解释问题。

教育科技行业也敏锐地捕捉到家长们未被解决的需求。学而思技术总监白锦峰意识到，家长们需要一款真正能批改作业、分析孩子学情的产品，这种想法在 AI 时代来临后变得更加坚定。

从 " 能用 " 到 " 好用 " 的漫漫长路

传统拍搜产品的方式是拍题识别，通过数据库比对，给出答案和解题思路，但并不会给孩子的回答做批改，告诉孩子哪里不对，要怎么做。要想用 AI 做批改，第一件事是让 AI 能识别孩子的答案，然后是让 AI 学会解题、讲题。

2022 年末，ChatGPT 发布后的很长一段时间里，学而思的技术团队一直在找突破点。但在当时，大模型无法处理复杂图片的识别，搞不清哪里是题干，哪里是答案，第一步就卡住了。

在拍照搜题、作业批改的场景里，OCR 是刚需，孩子的作业本上，有粘连在一起的数字，有涂涂改改后超出作答区域的答案，还有图上作答、画勾画圈 …… 在过去，这些都很难被识别，多模态模型的成熟带来了解决方案。

他们马不停蹄地开始 " 洗库 "，也就是题库数字化，这是训练模型的第一步，要把题库里已有的十亿级体量的题目，翻译成 AI 模型能够理解的语言。这需要大量的人手投入，让模型吃透这些知识，先学成一个 AI 老师，不依赖题库也能自行解题。

起步阶段，模型连 "1/2" 和 "0.5" 之间的区别都理解不了，题库答案写 "0.5"，模型看到孩子写 "1/2" 直接报错，题目批改的准确率达不到团队预期。

为了快速提高批改的准确率，刚开始的近两个月时间，丁灿和同事们聚在一起想办法，总忘记时间，一忙起来就到了深夜，经常处于焦虑状态，不断复盘。

2025 年 " 五一 " 前，以单个填空准确率为指标的 " 空准率 " 突破 90%，没人庆祝。因为他们知道，迭代进入深水区，真正的挑战才刚刚开始。" 熬 "，丁灿只用了一个字形容那段日子，" 越到后面，涨一个点都难 "。

最开始，这项工作主要由白锦峰团队推进，他们基于批改整体的框架做功能迭代和开发。慢慢地，他们发现，批改功能的工程链路太庞大了，他们又叫来了其他团队一起帮忙，为他们提供产品和数据支持。

硬件迭代不够灵活，软件迭代可以按周甚至按天。批改，必须跑得更快，必须围绕用户体验来迭代。

用户体验的核心是准确率，当有一道题判不对，家长就会怀疑全部答案对不对。因此，团队把衡量效果的核心指标，从 " 空准率 " 换成了 " 页准率 "。

" 空准率是大盘数据，页准率才是用户体验。" 批改产品经理郑凯旋解释。前者统计 "100 个空批对 95 个 "，后者要求 "10 页作业，至少 7 页全批对 "。听起来差别不大，实则天壤之别，对家长来说，后者才是 " 靠谱 "。郑凯旋说，" 如果需要家长自己逐题检查，那我们的批改就失去了意义。"

新指标一出，原先 95% 左右的空准率，对应页准率就不太理想，团队压力陡增。他们开始研究新的批改策略。与此同时，影响体验的除了准确率，还有使用时的效率。为了改善输出效率的用户体验，他们又改变了批改结果的输出方式，这成为了工程师张兵兵过去半年里最棘手的任务。

推动产品快速迭代的另一股力量来自于家长用户的反馈。团队建立了全渠道监控机制：一线门店的服务群，每天汇总家长吐槽；用户工单系统，专人一对一跟进高优先级问题；社交平台，定期爬取负向反馈，点对点突破；每隔一段时间发放用户调查问卷，进行系统性复盘。

比如，当一位用户在服务群反馈模型批改错误时，郑凯旋和同事们会引导这位用户添加企业微信，让用户和产品经理直接沟通，结合后台数据和批改情况，做针对性的专项服务和优化。

闭环正在形成，但远未完成。孩子拍完作业，系统能标出错题、做错因分析、记录薄弱知识点，已是巨大进步。但手写识别仍会错误识别粘连在一起的数字，长尾题型依然让模型 " 卡壳 "，批改耗时偶尔超过家长耐心阈值。

" 我们内部常说，用户不会看我们的准确率高了几个点。" 郑凯旋说，" 他们只看自己孩子的那一页作业，错一个，就是零分。"

至少目标是清晰的，他们知道自己在修一条路，路的尽头站着的不只是孩子和家长，还有他们自己，一群想用技术，改变点什么的人。

推动教育公平的一小步

受教育是不公平的。

除了是两个孩子的母亲，晓楠也是一名心理咨询师，参加过不少公益活动，在这个过程中也接触到不少县域和乡村的孩子。他们的求学困境显而易见——一个班四五十个学生，一位老师要兼顾三四个班，想深入了解、跟踪每个孩子的学习情况，但心有余而力不足。回到家里，这些孩子的父母很难有精力和知识储备辅导孩子，只能一遍遍唠叨 " 好好学习 "" 考出去 "。

张兵兵也深切地感受过这种矛盾。" 说起来惭愧，我是上了大学之后，我才感觉我的视野宽了一点。我是到学校之后我才知道，原来城市是这么繁华的一个地方。我以前可能连我们省会郑州都没有去过。"

他在河南一个小县城长大，读了十多年书后才知道自己为什么要读书；虽然学的是计算机专业，但报考的时候其实并不知道这个专业有什么作用。在他的眼里，北京的孩子和家乡的孩子，在教育资源上，至今都存在巨大的鸿沟。

这种差距，也长期困扰着整个教育行业。小红书博主 "AI+ 教育研究君 " 在教育行业从业十多年，他认为教培行业的出发点，从来都是为了弥补公共教育资源分配不均。

他回忆，过去经济条件好的家庭，确实能购买更多、更优质的培训服务，这是行业争议的来源。但互联网教育的兴起，正在逐步削弱这种差距。比如直播大班课，让偏远地区的孩子也能听到高学历背景、拥有多年教学经验的老师授课。虽然不如面对面交流那样生动，但相比录播视频，它依然更具沉浸感，能帮助学生突破地域和资源的限制。

如今，AI 教育正在延续并放大这种趋势，从学习机到 AI 学习软件，每一次技术迭代，都在推动优质教育资源的普及，努力缩小由经济和地域带来的差距，技术正在不断为教育公平创造新的可能。

从小的经历让张兵兵对自己现在做的事有种使命感——让优质的教育资源在哪儿都能看到，谁都能看到。

白锦峰坦言，批改只是起点。未来的目标，是让 AI 在一次批改中就能识别出每道题所对应的知识点，分析孩子在哪些地方薄弱，再结合知识图谱和题库的关联关系，推荐相关例题，甚至延展成组卷或作业。通过叠加孩子的历史学习数据，AI 能够逐步描绘出他的优势与短板，从而形成一条个性化的学习路径。

这条路，注定漫长。技术会迭代，需求会变化，批评声不会消失。但团队的信念很清晰：AI 批改之后，是更公平的教育，是更自由的成长，是更多孩子，无论出身何处，都能被看见、被理解、被点燃。