[EP45]25年年度复盘：加速正在被加速， 教育AI的四条生存线索
教育AI智造者
这是「教育AI制造者」播客的第45期，也是2025年的年度复盘专集。没有嘉宾，只有我和你——用一期独白，梳理这一年走过的16期节目，以及我从中提炼出的观察与判断。
如果说2024年的关键词是『寒武纪大爆发』——AI教育产品物种涌现、小团队红利显现、黑暗森林氛围弥漫——那2025年我只需要一句话：加速，正在被加速。
这一年，规模和资本真正入场了。Chegg，曾经覆盖660万订阅用户的在线教育平台，股价从113美元跌到不足1美元，裁员388人，公开声明原因是AI竞争与Google流量重构。与此同时，Google以三条产品线系统性布局教育赛道，Grammarly从语法工具转型为AI生产力平台。大型捕食者已经下场，生态位的争夺正在发生。
但这期复盘不只讲趋势。16期节目、十余位嘉宾，从亲子沟通到课堂实验、从创业产品到学术研究——我试图从中提炼出四条真正有用的线索，帮你在这场加速中找到自己的位置：
* 【临场感 Presence】：AI时代教育里最难被自动化的东西是什么？四位嘉宾从亲子、课堂、师生共创、职业身份四个战场分别给出了答案。
* 【真实付费痛点】：需求成立不等于商业成立。五个创业样本，告诉你谁在为什么买单，以及卡在哪里。
* 【技术范式】：不是所有东西都叫Agent。Workflow、并行LLM生产线、真正的智能体——三种形态的区别，以及Google下场对创业者意味着什么。
* 【制度与资本】：有用还不够，你得有效。进学校、拿采购、建证据链，规模化最硬的门槛是什么，以及怎么过。
这期复盘适合：正在做或考虑做教育AI产品的创业者，想把AI带进课堂的老师，关心孩子学习的家长，以及任何想在加速时代找到思考坐标的人。
AI能加速很多，但它不能替你成为一个更愿意看见别人的人。这是我这一年最深的体会，也是送给你的开场。
内容大纲
🎙️ 开场：加速，正在被加速
* 24年判断回顾：小团队红利期、黑暗森林
* 25年三个行业信号：Chegg崩盘、Google三条线布局、Grammarly转型
* 隐喻转变：从物种涌现 → 生态位抢占，大型捕食者入场
* 本期框架预告：临场感 / 付费痛点 / 技术范式 / 制度与资本
🪞 第一条线：临场感（Presence）
教育里最难被自动化的部分——被看见的那一刻，意识到「我可以」的那一刻。四个场景，四种守法。
* 亲子：马军」——AI作为事后镜子，帮父母复盘沟通方式，打破代际传递
* 课堂：陈老师与十一学校——AI加故宫的跨学科任务链，老师从讲授者变成认知冲突制造者
* 共创：Jade老师与程序员——AI应该介入课前/课中/课后的哪个环节？学习临场感在判断的瞬间，不在获取的瞬间
* 职业身份：Yibing老师——一键生成AB卷，月考中AI语音突然响起；会用工具的老师如何成为工具的创造者
💰 第二条线：真实付费痛点
需求成立不稀缺，稀缺的是商业成立。五个样本，五种卡点。
* 作文说（李日新）：黑客马拉松起点，套壳产品的正名——关键不是技术，是老师认同感与获客成本
* Thinkverse（Sean）：To B数学辅导，Measure Growth让老师看见学生卡在哪里，数据显性化而非智能化
* 一人公司模型（Karen）：14个月田野调查，轻盈创业 vs 消耗型创业，Agency（主导力）是核心
* MemoBase（赵涵博）：记忆是个性化的底盘，工具层创业的开源路径与变现难题
* 高寒的三条产品线（警示）：需求成立 ≠ 商业成立；坚定投机或坚定不投机，最怕中间态
⚙️ 第三条线：技术范式与加速
不是所有东西都叫Agent。三种技术形态，对应三种教育场景逻辑。
* Workflow工作流：串联环节、数据显性化（Thinkers案例）——不聪明，但清晰
* 并行LLM生产线：大规模批量处理内容（Mia Di Labs视频拆解问答）——快速但灵活性低
* 真正的Agent：目标拆解、执行、迭代（黑Boss）——让非技术用户用自然语言「雇佣」AI团队
* Vibe Coding的边界：适合表达与验证，不适合生产级系统；会用工具 ≠ 有Agency
* Google三条线的威胁与启示：LearnLM（教学法对齐）/ Gemini in Classroom（工作流规模化）/ NotebookLM（个人研究台）
🏛️ 第四条线：制度与资本
有用不够，你得有效。进学校比做产品难。
* John Gamba（宾大教育AI加速器）：研究是教育市场的入场券，试点要合理收费+指标清晰
* Google SAT Prep：为什么选SAT——可测量、有历史数据，这是证据链的战略起点
* Jason Green：教学法对齐才是核心——把设备发进学校不等于课堂改变；AI只是加速了糟糕的教学流程会固化不公平
* Professor Diamond：可负担性（Affordance）与DBR设计型研究——工具看不出怎么用，就不会被采用
* 规模化的四道硬门槛：证据链 / 采购合同 / 教师培训 / 治理合规
🎯 总结与2026年展望
* 四层框架一句话：临场感→值得做，付费痛点→能活下来，技术范式→交付得了，制度资本→规模得了
* 2026关键词：把人放回驾驶位——从生成到教学法一致性，从使用工具到创造工具
* 留给听众的三个问题：你场景里的临场感在哪里？你的价值有人付费吗？你用的是什么技术形态？
-----------------------关于伊伊子----------------------
伊伊子的小红书传送门
----------------------关于听友群-----------------------
如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊
请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！
--------------------相关词介绍-------------------
📌 核心概念词
1. 临场感（Presence）
指学习或关系中那些【被看见】的关键时刻——学生意识到【我可以】的瞬间、被问题击中开始重组经验的瞬间、老师和学生产生真正共同注意力的瞬间。这是教育中最难被自动化的部分，也是评判AI教育产品价值的核心维度。不同于"参与度"或"互动率"等可量化指标，临场感强调的是质性的、关系性的在场体验。
2. Agency（主导力）
指个体对自身行动和工具使用的主动掌控感。在本播客语境中特指：会用工具不等于有主导力——你还需要知道工具背后的逻辑，知道自己要什么，并能在工具出问题时做出判断。Agent在技术层面指"智能体"，而Agency作为教育理念则强调学习者/老师作为主体的能动性，是2026年的核心议题。
3. 教学法对齐（Pedagogically Aligned）
指AI产品或工具的设计逻辑，与有证据支撑的教育学原理保持一致。谷歌的LearnLM是目前最具代表性的案例：将主动学习、认知负荷管理、个性化、好奇心激发、元认知五大学习科学原则写入模型训练过程。教学法对齐意味着AI不只是"加速内容生成"，而是能以符合人类认知规律的方式支持学习发生。
4. 反思性养育（Reflective Parenting）
来自发展心理学与依恋理论的概念，指父母能够从孩子的角度理解其内心状态，并觉察自己的行为对孩子产生的影响。研究表明，父母的反思功能（Reflective Functioning）对儿童安全依恋关系的建立有显著影响。
5. 寒武纪大爆发（Cambrian Explosion）
借用5.4亿年前地球生命形态突然爆发式多样化的地质事件，比喻2024年AI教育产品的爆发式涌现。进入2025年，隐喻从"物种涌现"演变为"生态位抢占"——大型捕食者（科技巨头）入场，小型物种（创业团队）面临资源竞争与生存压力，行业进入结构性重组阶段。
📌 技术词汇
6. Workflow（工作流）
将多个处理环节串联起来，形成固定执行流程的产品架构。不涉及目标自主拆解，适合流程相对固定、可预期的教育场景，如：做题 → 诊断 → 推荐 → 反馈。优势：速度快、成本可控、结果可预期。劣势：灵活性低，难处理复杂动态场景。
7. 并行LLM生产线（Parallel LLM Pipeline）
大规模并发调用大语言模型进行内容处理的技术形态。典型案例：Mia Di Labs将长视频拆解为片段，并行调用LLM生成问题、答案、解析，再映射回时间轴。不同于Agent，无目标自主拆解与迭代循环；不同于简单Workflow，依赖大规模模型并发能力。适合"内容工厂型"教育产品。
8. Agent（智能体）
能够自主进行目标拆解、任务执行、结果检查、策略迭代的AI系统，有时还能模拟多角色团队分工。真正的Agent有别于套了"Agent"名称的Workflow产品。教育场景中的Agent，如黑Boss，能让非技术用户用自然语言"雇佣"AI团队，将教学想法转化为可运行的小产品。
9. RAG（Retrieval-Augmented Generation，检索增强生成）
将外部知识库检索与大语言模型生成结合的技术架构。用户提问时，系统先从知识库检索相关内容，再将检索结果与问题一并输入模型生成回答。在教育场景中，RAG可提升AI回答的准确性和可追溯性，减少"幻觉"问题，是个性化学习系统的重要底层技术。
10. Vibe Coding / 氛围式编程
用自然语言驱动AI生成代码，快速将想法变为可演示原型的开发方式。工具包括Cursor、V0、Bolt、Lovable等。核心价值在于表达与验证，而非生产级系统构建。教育创业者可用其快速制作课程演示材料、小工具原型，降低传播和销售门槛。高寒明确指出：对生产级产品改变有限，但对内容传播和销售是巨大红利。
11. MCP（Model Context Protocol，模型上下文协议）
一种用于连接AI模型与外部工具、数据源的开放协议标准，旨在规范AI系统如何获取和传递上下文信息。在教育AI产品中，MCP可帮助系统更稳定地集成不同数据来源（如学生学习记录、课程材料、评估数据），提升系统互操作性。
📌 商业与产品词汇
12. 套壳产品（Wrapper Product）
基于现有大模型API构建的最小可行产品（MVP），本质上是在大模型能力外包裹特定场景的使用界面和工作流。并非贬义词——关键价值在于将行业know-how（如老师的批改标准）转化为可定制的模板与流程。真正的竞争门槛不在技术，而在于能否获得用户信任、形成差异化的数据积累与场景理解。
13. To B / To C / To G
产品销售对象的分类：To B（面向企业/机构，如学校、学区）、To C（面向个人消费者，如学生、家长）、To G（面向政府/政策层）。教育AI创业中，To B意味着采购周期长但客单价高、需要证据和合规；To C意味着获客成本高但规模潜力大；To G则需要政策理解与长期关系建立。
14. 设计型研究（DBR, Design-Based Research）
教育领域一种强调在真实情境中持续迭代的研究方法。不同于一次性实验，DBR要求研究者与实践者共同参与设计、实施、评估、修正的循环过程。Professor Diamond将其定位为教育AI产品最现实的迭代方式：它不是装饰性的背书，而是产品团队的底层操作系统。
15. 可负担性（Affordance）
源自生态心理学家吉布森的概念，指环境或工具向使用者提供的行动可能性。在教育技术领域，指用户能直观感知到工具"可以用来做什么"的能力。Professor Diamond强调：可负担性是一种感知现象——即使工具很强大，如果老师看不出怎么用，它就不会被采用。这是教育AI产品设计中常被忽视的关键维度。
16. 轻盈创业 vs 消耗型创业
Karen对教育个人创业者的分类框架：消耗型创业指没有结构支撑，靠堆人力和时间维持运转，最终创业者精力耗尽；轻盈创业指通过清晰的产品结构、定价模型和交付边界，在不增加线性工作量的前提下扩展规模。关键词：Agency（主导力）对抗消耗。
