" 孩子看到了未来，就能把握好现在。"

作者｜刘景丰

头部大模型，正盯上教育赛道。

10 月初，OpenAI 在披露青少年版 ChatGPT 最新进展时，公布了一个新产品—— College Planner ( 大学申请规划工具 ) ，将服务范围从日常学习延伸至大学申请。

OpenAI 披露的信息显示，每周有数十万美国青少年自发用 ChatGPT 做选校、查截止日、整理助学金材料等。某种意义上，College Planner 是被需求推出来的产品。

要说 AI 在教育上的应用，早已不新鲜。早期是 AI 搜题、智能答疑、个性化作业辅导，帮学生解决一道道难题；近几年则延伸到长期成长服务，靠数据帮学生做生涯探索、升学研判与志愿规划。AI 也就从一个单点工具，变成了贯穿学习与成长的助手。

「甲子光年」认为，在 AI 越来越引发 " 代替思考 " 的担忧下，生涯规划这类服务更可能成为 AI 在教育应用上的突破口。尤其在 AI 引发人们职业焦虑之后，如何从教育源头就做好生涯规划变得越来越重要。

今年 6 月，在高考结束之际，腾讯旗下元宝、阿里旗下千问以及百度文心等 AI 大模型均推出高考报志愿服务，一度引发热议。艾媒咨询预测，今年 AI 志愿工具用户规模将突破 9200 万人次，约 78.4% 考生用 AI 查院校、生成志愿方案，超六成家长把 AI 推荐作为填报核心参考依据。

AI 报志愿，正成为一个小众、但刚需的市场。

眼下，这一赛道不仅有大厂在关注，扎根教育服务的企业同样在布局。11 月 4 日，在 "2026 年世界互联网大会乌镇峰会 " 上，海亮科服旗下 e 生涯发布旗下生涯大模型 OpenSpan。与此同时，在 " 互联网之光 " 博览会上，海亮科服的展台也展出了 OpenSpan 生涯大模型，并引来众多参会者前来咨询体验。此前一天，"e 生涯全周期成长服务平台 " 还入选 2026 世界互联网大会 " 新光 " 产品。

当 " 专业选手 " 入场，AI 重构升学规划的序幕已缓缓拉开。

1.AI冲击下的生涯规划革命

AI 越智能，就有越多工作和职业面临被取代的风险。这是当下人人都在焦虑的事情。

过去，只有流水线工人、基础文员这类重复性岗位风险高；现在，基础文案、初级设计、初级代码开发、基础剪辑等大量白领、知识型岗位、甚至一些数学研究员，也开始感受到压力。

未来该怎么选职业，变得越来越重要。

在职业焦虑背后，AI 冲击只是一个导火索，更深层的问题，是过去的教育中缺少对职业生涯规划的重视，造成许多学生在能力培养和职业选择上错位。

《光明日报》曾对全国 10 个省市 86 所普通高中学校近 25000 名高中生做过调研，发现在高中生五大类发展需求中，生涯发展需求排第二位（仅次于品德），高于心理、学业、生活指导等。

生涯发展的重要性，体现在其对学生的职业指导上。中国青少年研究中心相关人员曾在 2024 年的调查研究中称，在国内高中生中，只有四成多（46.3%）学生对未来职业有明确目标，而剩下过半数高中生没有考虑过职业规划。相比之下，美国、韩国等有六成以上高中生对未来职业有明确规划。这份调研还披露了另外一个数字，28.8% 的中国高中生不了解自己的能力与特长，缺少自我认知，很难把兴趣、能力和职业方向建立关联，进而在未来职业选择中埋下隐患。

这些研究结果表明，中国的教育亟须加强学生发展指导。

为此，近年来国家相继出台多类政策，从顶层引导教育加强高中学生发展指导。2019 年，国务院办公厅印发《关于新时代推进普通高中育人方式改革的指导意见》，明确提出各地要制定学生发展指导意见，指导学校建立学生发展指导制度，加强对学生理想、心理、生涯规划等方面指导，帮助学生树立正确理想信念，正确认识自我，提高选修课程、选考科目、报考专业和未来发展方向的自主选择能力；2023 年，教育部等十八部门《关于加强新时代中小学科学教育工作的意见》再次强化了中学生的职业发展规划教育，引导学生结合兴趣特长、国家战略需求确立发展方向，打通科学教育和生涯探索之间的联系。

过去，生涯规划基本等同于 " 报志愿 "。考生买两本砖头一样厚的《招生计划》和《报考指南》，拿尺子逐条比对往年分数线，整理出院校和专业清单，再由规划师凭经验给方案，尽量躲开滑档和调剂。

这套模式用了十几年，毛病也一直都在。比如信息搜集费时费力，而且数据还常常滞后；此外，方案好不好，全看顾问个人的经验积累，并且也主要根据分数来匹配，很少去看学生的兴趣、能力和以后的职业规划。还有一层容易被忽略的是城乡信息差，全国 60% 的高中生在县域高中就读，而他们很难拿到像样的指导，志愿错配、专业和职业脱节的情况也就更常见。

说到底就一句话：信息匹配难。

而这恰恰是 AI 大模型擅长的。大模型可以把报志愿时的单点信息服务，升级成一个能读懂偏好、能做多方案反事实推演的动态决策 Agent，进而解决传统志愿工具 " 信息零散、缺少未来视角 " 的短板，天然适配 AI 时代职业快速迭代、需要动态规划的现实。

互联网大厂的动作最为敏锐。今年 6 月初，高考还没开考，腾讯就推出了高考咨询师 Agent" 元宝高考通 "，依托混元大模型和掌上高考的官方数据库，让考生在对话里完成志愿填报。6 月 10 日，千问和文心也同时上线了高考志愿 Agent。千问打出 " 全周期 " 的概念，输出定制化志愿报告，把志愿填报从 " 一问一答 " 升级成 " 全案交付 "；而文心注重双重校验，引入资深志愿咨询师对报告做审核认证。

大厂的优势是流量、模型和数据，打法也很清晰：抓住高考报志愿这个最集中、最刚需的节点，做成一款爆款工具。不过节点工具有一个天然的局限，就是一年热一次。热度一过，用户就散了。选科、学业、专业认知这些更长线的问题，它却很少碰。

与报志愿的 " 一年热一次 " 相对，另一头是学科学习。作业帮、科大讯飞、学而思、小猿等厂商把大模型装进 AI 学习机进行 AI 答疑，围绕 " 提分 " 贴身竞争。这一头高频、刚需，学生每天刷题、答疑、订正错题，AI 由此成为教育领域渗透率最高、被高频调用的场景；但也正因为贴着日常提分，它解决的是 " 把题做对 "，很少触及选科、专业、职业这些更长线的命题。

而在这两头之外，还有一批垂类的教育科技公司，它们盯的是中长期规划：从中学选科一路覆盖到高考选专业和大学就业方向，产品形态既有生涯 AI 助手，也有专门的规划智能体。这些方向是对的，但多数产品底层还是接了通用大模型的接口，再叠一层自家的数据库和测评题。这样的模型，本质上只是 " 集成 " ——它的回答很容易泛，也难以沉淀出属于自己的专业判断。

于是市场上出现了一块明显的空位：大厂有模型，但只做节点；小厂有场景，但缺底座。真正把长期积累的生涯规划经验训练进模型、从底层就为这件事而生的产品，却少有人做。

OpenSpan，就是在这样的背景下应运而生。

11 月 4 日，OpenSpan 大模型在 2026 年世界互联网大会乌镇峰会上正式推出。

过去，生涯规划只是少数学生才能接触到的增值服务。而如今依托 AI 大模型，原本分散在个人从业者、中小机构、独立咨询师手里的生涯实践经验被聚合沉淀，以一个专业 APP 和垂类大模型的方式走向每一位有需要的学生。

2. 从 " 静态 " 报志愿，到 " 动态 " 生涯规划

在千问、文心等通用模型切入志愿服务后，为什么还需要一个生涯规划的垂直模型？

「甲子光年」就同一个志愿填报需求交给通用大模型和 e 生涯后，得到了不同的结果：通用大模型会根据分数强调不同学校的录取线和专业方向，并就诉求给出一份参考策略，但建议更偏通识性，院校和专业的选择仍要自己判断；而 e 生涯首先要求用户完成性别、省份、选科等基础信息的填写，甚至包含过往学习课程，随后通过层层问答给出较为详细的志愿填报方案，包括院校和专业的具体方向。

「甲子光年」就此咨询一位生涯规划顾问，他也有同样的体会。今年 6 月他用了通用大模型来辅助给考生分析志愿填报。他的感觉是：通用大模型要投入精力去调试的东西非常多，" 它对学生前置信息的了解和抓取不足，不了解学生的家境、家庭情况、父母之间有没有矛盾、父母是什么心态，这些都决定了它不可能做到非常精准地判断。"

解决这个问题的方法，就是长周期记录数据。

海亮科服副总裁邵嶷解释道，报志愿不是在一个节点上做选择题，而是基于擅长学科、兴趣爱好、家庭情况、院校招生、职业方向等信息，综合得出的一份详细规划。

图注：OpenSpan 自主决策全景图

" 我们更希望，通过我们的 AI，让学生在整个求学全过程中的每个时间节点，都可以不断强化个人意识，引导学生在成长过程中找到适配自身的人生发展道路，而非在最终节点提供一次性的志愿填报方案。" 邵嶷表示。

因此，海亮科服非常看重数据的价值。" 统计学非常强调面板数据和周期数据。面板数据看当下时间节点上是什么状态，周期数据看不同时间节点有什么变化，而我们的任务是建立变化之间的因果关系。" 海亮科服生涯科技总经理唐瑄说。

他举了个例子。高一数学的第一章节讲导数、函数，函数里的一一映射，会跟他未来做人工智能工作有什么联系？中间未必是直线贯通，要经过很多环节——函数学得好，说明有理科基础，可能有物理天赋……层层影响，最终反映在专业和职业的选择上。

用户甚至可以先定下未来的职业方向和就业意向，再倒推当下及未来一段时间该侧重哪些学习、怎么选科、报什么兴趣班、要不要参加超常规选拔项目。正如唐瑄在发布会上所说："孩子看到了未来，就能把握好现在。"

" 我们希望，通过对一个学生所有数据的因果串联和分析，让他在成长过程中发现自己的人生道路，进而帮助学生进行生涯规划、持续关注和引导。" 唐瑄表示。

这个思路很清晰，但做起来并不容易。

最重要的一点，是长周期的数据积累。在研发 e 生涯产品之前，海亮科服 e 生涯团队已经面向学校和家庭开展了多年生涯规划服务实践。这些实践的经验与案例沉淀，成为生涯模型最重要的数据来源。

为使 OpenSpan 的生涯规划能力更精准，团队对数据库内的学生数据做了网格化画像：对不同年级、不同学习层次、不同特长的学生，分出约 200 个类型的学生网格画像。这样，不同类型的学生都有对应的快速对照网格，网格内有海亮内部沉淀的学生案例，以及针对这些类型场景学生的真人规划师的核心咨询策略、家长关注点、规划师引导等。

这样，就形成模型的基础能力。" 然后我们再把更多个性化、更完整的数据案例逐步加进去，形成一个可以边用起来的循环。" 唐瑄说。

在此基础上，平台打造了自动分析与规划能力，能在学生升学关键节点主动推送适配的规划方案，不必等用户来提问。

这些动作叠加起来，才算真正构筑起生涯规划垂直模型的专业度，而这正是其有别于通用大模型志愿服务的基础。

在由专业生涯规划师在画像收集完整性、意图理解、规划推理与结论合理性等维度的打分并加权后，OpenSpan 在用户画像、推理等维度上的表现明显优于通用大模型。

3. 让生涯规划可信任、可执行

如果只靠专业度提升，撑不起垂直模型真正的护城河。

" 规划这事儿，本质上要取得一个很重要的东西——信任。" 唐瑄说。

生涯规划关乎人生最重要的几次成长选择，通用大模型却很难为给出的建议负责——毕竟它只是一个工具，一旦滑档、报错专业，承担代价的还是个人。这也是人们对 AI 报志愿最主要的担忧。

垂直模型则绕不开这一点。

OpenSpan 的信任感首先建立在交互上。" 更精确的模型来自于更精确的输入。当你稍微改变一个变量，后面的路径呈现就要完全变化。这时候你觉得交互是精准的，就更愿意给模型提供新的数据，模型也会给出更好的结果。" 海亮科服生涯科技副总经理兼大模型研究院院长叶礼清说。

其次，模型后台要让每条规划建议都有可解释、可溯源的思维链支撑，同时配上专业真人规划师兜底，以降低用户的决策风险与试错成本。

第三，也是最难的一环：建立一套行业公认的生涯规划评价体系。在医疗行业，有医院分级体系、有医生职称体系，这理论上会保证诊断结果的可信度。而在生涯规划领域，规划师的能力没有衡量标准，口碑只能靠过往案例。

因此，OpenSpan 要解决的不只是模型在任务中的信任问题，还有行业认可度与科学评价体系的问题。

为此，在获得 e 生涯 APP 用户主动授权的前提下，e 生涯为每一个学生建立了动态更新的学生成长档案。这份档案将伴随孩子成长节奏和目标，形成规律、定期更新，并横跨学生学习素养、兴趣特长、职业方向和适配升学路径和目标等内容，为个性化规划提供关键支撑。此外，e 生涯还在纵向上打通基础教育全部学段，形成小学兴趣发掘、初中特长培养、高中多元升学的成长陪伴支撑体系。

这才是垂直模型与通用模型最根本的不同。

最后，规划做完，还得让建议落得了地。

为了打通从生涯规划到执行的环节，e 生涯平台给 AI 规划师配了生态资源池，其中既有课外课程机构、第三方升学咨询服务、留学与国际教育机构、素养教育机构以及职业教育机构等。" 这些机构是经过一套标准审核筛选出来的生态机构，目的是承接 AI 规划师给的建议。" 唐瑄告诉「甲子光年」。

这也是教育服务市场的商业价值所在。

据教育部统计，目前全国义务教育与普通高中在校生合计约 1.87 亿人，其中普通高中 3039.5 万人。艾媒咨询数据显示，2025 年仅高考志愿填报的付费市场就已达 10.9 亿元。而如果放大到整个教育服务市场看，博研咨询研报显示，2025 年中国教育服务行业市场规模已达 12847 亿元，同比增长率为 7.3%。

这些数字背后，是 " 双减 " 持续深化、职业教育改革提速、素质教育需求结构性抬升多重变量的共同作用——市场化教育服务板块因此显出较强的需求与内生增长动力。

当下，随着大模型加速往产业走，海亮科服的生涯大模型在 AI 商业化上的探索，也为更多模型攒下可落地的经验。e 生涯正计划推出订阅制产品，覆盖用户全周期生涯规划需求，并用 "AI 规划师 + 真人规划师 "，打通增值服务。

这也使得 e 生涯跳出纯工具化内卷，在垂直教育赛道里找到可持续的付费支点。

这些改变指向同一件事：把学生的升学，从 " 要考多少分 " 变成 " 想成为什么样的人 "。

教育的真正目的，就是让孩子拥有更好的人生选择。当 AI 不再替学生思考，而是帮他们更好地想清楚自己想成为什么样的人，这或许才是当下 AI 在教育上最需要做的事。

（封面图来源：pexels，其余配图均为企业提供）

END.