应OpenAI联合创始人山姆·奥特曼之邀，萨尔曼·可汗成为世界上首批GPT-4测试者。在深度体验了人工智能与教育的全方位融合之后，他形成了自己的独特思考。
作为麻省理工学院数学学士、电气工程与计算机科学学士及硕士，哈佛商学院工商管理硕士，萨尔曼·可汗创办的免费学生在线教育平台“可汗学院”，广为人知。
有人说，人工智能会降低人类教师的重要性表达了看法，但萨尔曼·可汗表示，实际上，情况可能正好相反。“每一次的技术变革背后，非但没有取代教师，反而其实都在对他们提出更高的要求。随着人工智能在教育行业的日益普及，教育工作者们需要去掌握更多东西。”
教育行业需要怎样的人工智能？教育工作者需要扮演什么新角色？普通人将如何面对人工智能所挟裹而来的新时代？以下是中信出版社新近出版的获得微软比尔·盖茨、OpenAI奥特曼等人推荐的他的新书中有关此的观点：
2022年末，ChatGPT 的出现，让全球教育行业陷入了一种前所未有的恐慌当中。学生们拿着 ChatGPT“大杀四方”，用它查资料、写论文，传统的教育模式瞬间被颠覆。
很快，学校开始了反制。2023年出洛杉矶联合学区成为首个禁用该工具的学区，随后，美国的最大学区纽约市公立学校因害怕学生用 ChatGPT 写论文和做家庭作业，也曾短暂禁用过 ChatGPT。紧接着，28所英国大学宣布禁止在论文和课程作业中使用ChatGPT，否则将被视为学术不端。
这股浪潮不仅席卷了学校，也席卷了教育机构们。他们的模式开始遭到投资者的质疑——当学生已经可以使用 ChatGPT 获取知识时，他们还需要教育机构吗？
美国教育科技公司 Chegg 率先遭受重创。2023 年 4 月，该公司在财报中披露，人工智能可能对用户增长率和留存率造成负面影响，构成潜在业务风险。此消息引发投资者恐慌，导致 Chegg 股价从巅峰时期的 113 美元暴跌至 2.79 美元，至今尚未有回升的迹象。
尽管争论尚未结束，但教育行业已经以超乎所有人想象的速度接纳了人工智能。2023 年 3月，可汗学院推出了人工智能助手 Khanmigo，正式将生成式人工智能引入可汗学院。目前，Khanmigo 已被美国 50 多个学区的 55000 多名教师和学生用于日常的教学活动当中。
2023 年 6月，韩国教育部门宣布从2025年开始，在中小学课堂引入人工智能教科书，以逐渐取代传统的纸质课本。这套人工智能教科可更好地因材施教，为学习进度和能力不同的学生提供定制化的学习资料。
千百年来，教育工作者都明白，最佳学习方式便是一对一教学，即按照学生自身的时间和学习速度来辅导。现在的问题是，当人工智能给了我们个性化教育的可能性，我们如何将人工智能塑造为一优秀的导师呢?
一位优秀的导师会真正关心学生，能与学生同频，能提出明确的学习目标，对学生成绩进行评估并给予精准的反馈，直到学生最终掌握学习内容，也就是所谓的“精熟学习”。
但在传统学习中，大多数学校采用的模式是——教师以固定的速度向学生传授知识，然后每几周进行一次测验。学生在测试中拿到了 80 分，但教师并没时间去弥补他们在考试中体现出的 20 分漏洞，便按部就班地直接进入下一课题。这一过程会持续数年，直到知识漏洞不断累积，导致学生不再能掌握下一阶段的课程。
打好基础，之后的学习速度会更快。但在传统的学校系统中，每一个学生对知识掌握的程度和学习速度都是不一样的。如果没有技术支持，很难做到这一点。
当然，生成式人工智能本身存在的问题并不能被忽视。我们已经知道，目前的生成式人工智能有时会虚构事实，甚至会生成带有偏见的内容。在这样的局面之下，人工智能大模型应该在教育中扮演什么样的角色就显得尤为重要。
我们应该为人工智能设置哪些边界，如何纠正偏见和错误、规避负面信息、防止信息泄漏的问题，哪些课堂上可以使用人工智能，学生可以在哪些作业里可以使用人工智能，使用的程度应该是怎么样的，这些规则都需要去确立。
很多教育工作者发现，这些生成式人工智能工具让学生变得更加熟练和高效。过去，写作文被认为是帮助学生掌握批判性思维、分析和写作技巧的关键，而人工智能为学生提供了同等甚至更好的机会，让他们能够参与话题讨论，收集和分析信息，表达自己的观点和论据。
使用人工智能并不一定意味着“作弊”， 50 年前，使用拼写检查器和语法检查器在老师看来可能是作弊工具，但现在像 Grammarly 这样的校对工具不仅能纠正你的基本语法错误，还能改写整个段落，使之更清晰、更有说服力。大多数老师都不认为这是作弊工具。
这其实和曾经互联网进入教育系统的时候一样，要去拥抱新技术，但也要确立使用的边界。
很多人认为，人工智能会降低人类教师的重要性。实际上，情况可能正好相反。每一次的技术变革背后，非但没有取代教师，反而其实都在对他们提出更高的要求。随着人工智能在教育行业的日益普及，教育工作者们需要去掌握更多东西。
在互联网上广为流传的表情包写着:“你不会被人工智能取代，但你也许会被使用人工智能的人取代”。这个说法并不是没有道理，换句话说，让人工智能真正进入课堂，将成为下面一个阶段教育工作者们的课题。
事实上，人工智能实际上可以使教学成为一个更具可持续性的职业。想象一下，当地学区突然发现了数亿美元，并利用这笔资金为每位教师提供三位聪明的助教，为他们的课堂提供支持。这些助教将帮助制订课程计划和标准，批改论文，撰写进度报告，与教师一起即兴授课并为学生提供支持。地球上的每个教师都会抓住这个机会。
这些助教不仅不会威胁到教学工作，反而能使教学工作变得更可持续、更愉快。不幸的是，社会没有足够的资源给每个教师配备三个人类助教。然而，我们现在能够为教育工作者提供具有同等能力的人工智能。
在某些方面，人工智能所能完成的将超越人类助教。这些人工智能助教全天候待命，并与教室里的每个学生进行一对一辅导。更重要的是，他们可以完成教学中涉及的所有繁重工作——编写规则、向学生提供论文反馈以及为家长起草学生课业进展报告。
除了长久以来主张的个性化学习，许多教师都渴望让学生做到主动学习，但他们很快就发现，在一个 30 人的班级里，这些理想是很难实现的。少数能够做到这一点的教师是因为他们花了无数时间来调整教学计划和创建个性化问题集。生成式人工智能助教可以通过更全面地回答细致入微的问题来为学生提供支持。
从教师的角度来看，人工智能带来的最大改变可能是它可以在几分钟内帮助制订课程计划。在此基础上，教师可以进一步完善教学计划，或者要求人工智能通过快速调查开始课程，使教学计划更加精彩。
沃顿商学院的伊桑 · 莫里克坦言，由于有了生成式人工智能，教师们现在必须做三个调整：
第一个调整是，教师必须对学生有更高的期望。一些教师正在改变他们布置作业的方式，比如让学生在课堂上写作以防止作弊。另一些则会让学生使用生成式人工智能来完成更复杂的项目。
第二个调整可能有点违反直觉。莫里克要求他的学生使用生成式人工智能来审查和评判他们的作品，并提供可操作的反馈。学生在提交作业之前必须先做一次预演。如果学生能想象到项目会如何失败，项目就能更好地成功，这让学生在莫里克看到他们的作品之前就能反思并解决这些问题。
至于第三个教学调整是最大的一个——翻转所有的课堂。当有了 ChatGPT 这样的工具，可能单纯的讲课就没有多大意义了。如果孩子们能够按照自己的时间和节奏学习，那么课堂时间就可以用于苏格拉底式对话、合作完成作业和为学生作业提供支持。
许多人担心人工智能会导致大规模裁员，而人工智能驱动的新工具能比人类更快、更便宜、更高效地完成工作。一些公司已经暂停招聘他们认为人工智能将在未来几年取代的岗位。2023 年， IBM宣布将在五年内暂停或放缓 30% 的后台招聘，以应对最终可能由人工智能完成的工作。
未来的工作将以不同的方式展开，后台或中台的工作将消失，非直接面对客户的工作也将消失，这些工作包括编制预算、管理数据、完成办公室维修和整理记录等。
通过这些信息，我们可以看到未来的发展方向。在人工智能充斥的市场中，工作将会是什么样子?我们该如何让学习者做好准备?
使用人工智能的作家和撰稿人的工作效率可能会提高三到五倍；平面设计师将能够通过调整一系列基于文本的提示，制作出 50 种不同的徽标。软件工程师也将如此，他们正在使用人工智能助手来调试和编写他们的大部分代码。鉴于生产力的提高，我们还需要那么多文案人员、平面设计师和工程师吗?
这将是一个喜忧参半的局面。因为我们正处于这样一个技术逻辑拐点，它让我们能够利用生成式人工智能做更多的事情，所以对工程师的需求，尤其是对那些生产力高出 5~10 倍的工程师的需求，只会有增无减。能够生存下来的文案和技术撰稿人也将是那些深度依赖人工智能来提高工作效率的人，但除了这些人之外，余下 90% 的人将不得不另谋出路。
好消息是，生成式人工智能将需要新的类型的工作。当今最热门的工作之一是提示语撰写人或提示工程师。在ChatGPT 诞生前，没有人知道这些工作是什么。事实证明，思想开放、富有创造力的文案撰稿人可以很好地胜任其中的一些职位。随着越来越多的企业开始研究如何应用这项技术，新的机遇将会不断涌现。
就像教师利用人工智能来帮助他们完成更多机械、烦琐的工作一样，从人力资源到管理等各个岗位都将开始让人工智能负责制作招聘信或会议报告。从表面上看，这很不错，也很有帮助，但也有可能造成难以想象的后果。
这不仅仅是个人工作的问题，人工智能引发的自然选择也将在企业层面发生。如果我们有两家公司，一家规模更小、更精简、自动化程度更高，另一家规模更大、速度更慢、更依赖人力。
随着时间的推移，小公司将能够以更低的价格提供同等或更好的产品，并开始从大公司那里获得更多的市场份额，最终导致大公司工作岗位的流失。这是我们在许多行业看到的共同趋势，随着自动化和技术的飞速发展，这种趋势还将继续。
人工智能对每个行业、每个人、每份工作的影响都会不同。当开发出能够理解语言、识别模式和解决问题的人工智能，以及能够诊断疾病、进行股市交易、谱曲、打官司、理解情绪、分析遗传密码、处理保险理赔、喷洒杀虫剂、进行工程设计和撰写文章的人工智能时，不难相信，更多的变化即将到来。
人工智能可能已经改变了一切，但现代教育的历史也不过 200 年的时间。成功的策略不是抵制，而是适应。
文章来源：元界微信公众号
9 个月前
KI-Marktplatz.com：德国AI平台公司业务介绍 AI-Marktplace（也称为KI-Marktplatz）是一家德国AI平台公司，总部位于德国（与帕德博恩大学和弗劳恩霍夫研究所等机构紧密合作），专注于为工程领域的产品开发者和团队提供定制化的AI解决方案。该平台于2020年代初推出（由联邦经济和能源部BMWk资助的“AI作为生态系统驱动者”竞赛项目），旨在通过生成式AI（GenAI）加速工业创新，帮助企业从产品构想到市场推出的全过程实现效率提升、开发时间缩短和成本降低。公司将前沿研究与实用工程经验相结合，强调无缝集成AI到现有IT系统中，避免业务中断。 业务模式 AI-Marktplatz.com 采用数字市场平台模式，连接AI解决方案提供商、专家和用户。核心是通过咨询、实施和合作伙伴生态变现： 收入来源：定制咨询服务、PoC（概念验证）开发、部署支持，以及市场交易（如AI模型和技术授权）。 价值主张：端到端支持，从用例识别到规模化部署，通常在4周内从idea到PoC，帮助企业自动化例行任务、标准化设计并提升创新潜力。 主要服务 平台的服务分为三个阶段，覆盖工程全生命周期： 用例识别（Use Case Identification）：系统分析过程痛点，提供AI专家访问和个性化推荐，帮助企业识别KI应用机会（如需求工程中提升50%生产力）。 用例实施（Use Case Implementation）：快速开发和测试PoC，验证AI益处并降低风险，聚焦于机械、电子、软件和系统建模。 用例 rollout（Use Case Rollout）：无缝扩展和集成AI解决方案到现有系统中，支持产品生命周期管理（PLM），如变体管理和追溯性搜索。 其他扩展服务包括： AI在需求工程中的应用（生成规格文档）。 聊天助手辅助系统工程。 生成式AI在机械设计（标准化零件）、电子（SPS代码生成）和软件开发中的集成。 目标受众 主要针对工业工程团队和产品开发者，包括制造业、汽车、机械和电子行业企业（如Claas、Hella Gutmann、Diebold Nixdorf）。适合希望通过AI自动化设计、减少制造成本并加速市场引入的中型企业。 关键平台功能 AI市场：汇集AI模型、技术、基础设施和用例库，支持云端（如领先云提供商）或本地部署。 技术栈：基于客户需求选择基础模型、GenAI框架（如最新生成技术），并集成IDS（International Data Spaces）参考架构，确保数据安全和主权。 创新支持：访问研究网络，保持趋势前沿；覆盖领域包括系统建模、学科特定开发和PLM优化。 独特卖点：工业级AI集成（非通用工具），强调安全、效率和可扩展性；通过网络连接研究（如帕德博恩大学HNI）和行业实践。 合作伙伴与独特优势 合作伙伴：与研究机构（如帕德博恩大学HNI、弗劳恩霍夫IEM、ITS-OWL）和行业协会（如prostep ivip、KI Bundesverband、International Data Spaces Association）紧密合作。实际案例包括Westaflex、Übermetrics Technologies等企业的AI集成。 背书：获得acatech成员Prof. Dr.-Ing. Jürgen Gausemeier、KI Bundesverband的Vanessa Cann等专家认可，突出平台的可靠性和创新性。 独特优势：结合学术研究与企业实践，提供“即插即用”AI解决方案；强调数据主权（通过IDS），适合对隐私敏感的德国工业。 整体使命 KI-Marktplatz.com 的使命是为产品开发者提供工业适用的AI工具，解锁生成式AI在工程中的潜力。通过加速开发、提升产能和降低风险，帮助企业更快地将创新推向市场，最终推动德国工业的数字化转型。
1 年前
德国在人工智能研究领域处于领先地位，这里介绍三门具有前瞻性的大学课程。
9 天前
西门子Xcelerator开放式数字商业平台作为正式发布生态合作伙伴"繁星计划"，旨在发挥平台网络效应，与生态伙伴共享知识与技术资源，共创面向客户的解决方案，共赢数字化与低碳化新机遇。
14 天前
AI 研发已从单点 Prompt 优化迭代至Harness 工程底座 + Loop 自治闭环 + SDD 标准化规范的三位一体体系，通过重构人机协作模式，解决大模型落地不稳定、难规模化的痛点，实现企业级 AI 从原型试用走向工程化、自动化、体系化落地。
19 天前
WorkBuddy有望拿下国内独立桌面自动化办公智能体细分第一。但受企业协同生态、移动端能力等短板限制，无法成为全域企业及全球办公AI赛道第一名，将与钉钉悟空、WPS AI形成差异化竞争格局。
26 天前
OpenClaw工具与生态完整生命周期判断 本文尝试分短期、中期、长期三段，结合项目现状、风险、护城河客观测算OpenClaw这款智能体工具或者相似工具的发展趋势。 一、短期生命力（1～3年，2026–2029）：完全安全、高速增长，是黄金运营窗口期 支撑理由 赛道刚需独一无二，差异化壁垒极强 OpenClaw是极少数本地系统级执行、模型无关、纯自托管的终端Agent运行框架，定位“能操作电脑文件、软件、桌面的AI助手”，区别于LangGraph/CrewAI这类后端开发框架、AutoGPT纯实验型智能体。普通办公、个人自动化、小微企业没有替代同类成熟开源工具，C端+中小企业需求持续释放。 社区与生态飞轮已经跑通 GitHub 30万+星标、近千名全球持续贡献者，日均数百条PR/Issue迭代，更新频率行业第一；创始人Peter全职维护，大厂（英伟达、Kimi、MiniMax）主动适配接入； ClawHub官方技能仓库沉淀数千标准化Skill，国内衍生生态（xia345、各类中文技能站、私有化二次改版）持续扩容，形成标准锁定； MIT宽松开源协议，允许企业二次改造、搭建托管服务，大量服务商入局完善配套生态（部署、安全加固、私有化定制）。 行业周期红利：本地终端Agent处于普及早期 2026被行业定义为桌面Agent落地元年，云端大模型成本持续下行、本地Ollama离线模型普及，完美匹配OpenClaw“本地优先”架构；未来3年，个人自动化、企业内网办公自动化需求只会扩张。 短期仅有的可控风险 Token调用成本偏高、频繁更新易出现版本兼容bug、本地高权限带来安全隐患； 以上问题官方正在持续迭代修复，企业级备份、权限沙箱、日志审计功能已逐步补齐，属于可优化痛点，不会动摇存续根基。 结论：未来1–3年是生态最繁荣、流量最大、变现最顺畅的阶段。 二、中期生命力（3～7年，2029–2033）：稳定存续，但竞争加剧、增速放缓 存续核心逻辑 标准化生态具备长期锁定效应 SKILL.md、ClawHub统一技能规范、openclaw CLI命令行已经形成行业事实标准。就算出现竞品，开发者、存量数万套技能、企业定制项目迁移成本极高，生态不会短时间崩塌，会维持稳定使用人群。 分层商业模式支撑项目持续维护 原生项目开源免费，但周边商业化闭环成型：企业私有化部署服务、安全审计、托管云服务、垂直行业技能付费、模型渠道分销，持续产生现金流反哺社区开发，不会出现“没人维护停更”的局面。 使用人群分层留存 C端极客、办公自动化爱好者会长期使用； 中小企业内网自动化、数据处理场景高度依赖本地执行Agent，大厂SaaS Agent无法满足内网隐私需求； 开发者持续基于OpenClaw做二次分支、私有化改版，衍生生态会持续分流、延续整个“龙虾生态”的热度。 中期衰减变量（会降低增速，但不会淘汰项目） 微软、苹果、国产操作系统推出原生系统级AI助手，抢占普通小白用户； 新轻量化终端Agent开源框架分流开发者； 各国监管对本地高权限AI自动化工具出台更严格合规要求，提高企业落地门槛； 结论：3–7年不会消亡，但行业从爆发期进入存量竞争，流量红利收窄，平台需要深耕私有化、企业定制、垂直细分赛道才能持续盈利。 三、长期生命力（7年以上，2033之后）：分两种极端走向 走向1：长期持续存活（概率60%），变成基础设施级工具 如果行业发展符合以下趋势，OpenClaw会像现在的Python、Git一样长期存续： 终端自主Agent成为电脑标配生产力工具，本地执行、离线隐私是永久刚需； OpenClaw持续完成企业级、合规化改造，成为政企内网自动化标准选型； 社区形成基金会/商业公司承接维护，摆脱单一创始人依赖，实现长久开源运营。 走向2：逐步边缘化、被新一代架构替代（概率40%） 触发条件： 操作系统底层内置标准化Agent执行层，统一API，第三方独立运行框架失去生存空间； 多模态、具身智能技术迭代，全新架构完全替代“技能+本地脚本执行”模式； 全球监管全面限制本地高权限自主AI工具，商用落地基本锁死，仅小众极客圈子留存。 即便被边缘化，存量存量技能、配套站点、私有部署项目仍会维持5–10年长尾生命周期，不会瞬间彻底消失。 四、关键风险：会大幅缩短生命周期的致命隐患 安全重大事故 若出现大规模Skill供应链投毒、批量本地数据泄露事件，企业端市场会快速萎缩，仅保留个人玩家生态；官方正在完善自动病毒扫描、技能审核机制，风险持续降低。 创始人断更、无承接主体 当前项目由Peter单人主导，若后续精力转移、无商业公司接手维护，迭代速度断崖式下滑，竞争力快速落后竞品；目前已有多家AI服务商、模型厂商深度合作，存在接手预期。 算力成本长期居高不下 如果大模型API按量价格无法大幅下降，普通用户长期使用成本过高，会劝退大众用户，仅留存企业付费群体。 国内政策监管收紧 国内针对本地自主自动化工具出台限制，国内衍生生态、配套导航平台流量大幅下滑，但海外生态不受影响。 五、综合最终总结 0–3年（黄金期）：放心投入建站、填充内容、运营变现，生态高速扩张，流量红利充足； 3–7年（平稳期）：生态稳定存在，竞争变多，需要走差异化（私有化、离线、海外双语）路线维持竞争力； 7年以上（分化期）：要么成为长期基础设施永续存在，要么逐步小众长尾，即便衰退也有数年缓冲时间； 整体安全底线：至少拥有5年以上稳定商业运营周期，足够覆盖站点开发、回本、盈利完整周期；中长期只要避开通用综合赛道，主打本地离线私有化细分，生命周期会进一步拉长。
2 个月前
马斯克旗下 xAI 静默上线 Grok 4.3，API 价格下调约 60%，引发行业连锁降价，大模型商业化进入 “低价普惠” 阶段。
3 个月前
AiPPT: 一句话、一分钟、一键搞定
