大廠卷效率，教培卷名師，AI教育的“第三條路”在卷什么？

晚上8點半，北京順義區旺泉街道的一個普通社區里，初三學生李然（化名）趴在客廳茶幾前，平板電腦上正播放著一節數學直播課。屏幕里的老師講得條理分明，李然時不時點一下頭。媽媽從廚房探出頭問：“聽懂了嗎？”李然答：“懂了。”

半小時后，媽媽翻開他的作業本，第一道二次函數的變式題，已知條件抄錯了三個數字。

“我以前覺得他是不用功。” 媽媽后來對記者說，“后來發現，好像不是。”

2026年上半年，這種“好像不是”的困惑，記者在北京、天津、上海的多所學校和家庭中反復聽到。它指向一個被熱鬧的AI教育浪潮暫時遮蔽的問題：當一個孩子說“懂了”卻做不出來時，他究竟卡在了哪里？

AI教育熱潮之下，誰來管“學不懂”的孩子？

進入2026年以來，AI教育熱度一路上揚。

年初，字節把“豆包愛學”塞進了豆包App的核心入口；阿里千問幾乎同時上線“一鍵搜試卷”，全國名校試卷可一鍵下載，到3月又一口氣補齊“AI講教材”、整頁作業批改、錯題本自動整理、錯題重練等一整套功能。

4月，政策把節奏推上新高度。4月2日，教育部聯合五部門印發《“人工智能+教育”行動計劃》，明確到2030年形成人工智能與教育的深度融合格局。一周后的4月10日，教育部新聞發布會上，“人工智能+教育”被定調為下一階段教育數字化的核心抓手。

資本、政策、技術，屬于AI教育的三條線在2026年的春天交匯。記者發現，跑在最前面的兩股力量，路徑截然不同：一類是互聯網大廠，手握流量與基座模型，用AI將搜題、批改等環節智能化，追求極致的“工具效率”；另一類是傳統教培公司，帶著多年的教研積累，用AI將名師經驗結構化，追求規模化“教”的質量。

然而，當大廠在卷“解題速度”，教培在卷“名師密度”時，一個長期存在卻容易被忽視的盲區浮出水面：那些真正“學不懂”的孩子，誰來管？這恰恰成了AI教育賽道上，亟待被驗證的“第三條路”。

聽懂了卻做不對：被省略的“思維鏈條”

天津南開區某中學，數學教師王閱（化名）在班上做過一個實驗。她把一道二次函數題拆成五個邏輯步驟，讓學生逐項勾選“是否理解”。結果，能完整勾完五步的學生不到三分之一。

“很多學生卡在很靠前的地方，比如變量代換、坐標系的想象。” 王閱對記者說，“但一堂課只有45分鐘，我沒有辦法給每個孩子回溯到他個人的斷點。”

多數教師的應對方式非常簡單直接，就是“重復講解”。但王閱注意到一個現象：如果第一次的講法本身就跨不過那道認知的坎，重復一百遍，學生還是卡在那里，甚至會一點點失去信心。

問題不止于此。認知科學有一個基本判斷：人腦理解抽象事物，必須依附于已有的具體經驗。二次函數、電磁感應、原電池原理，這些看不見摸不著的東西，用語言再描述一遍，學生的大腦里很可能沒有任何東西能“掛住”它。

這也解釋了那個被反復誤讀的現象：在輔導作業時，孩子能夠聽懂老師和家長說的每一個字，卻依然不會做題。因為，他接收到的僅僅是符號，而不是這道題的真實意義。

更隱蔽的問題是思維過程的缺失。記者在旁聽了多節初中化學直播課后發現，不少課堂只傳遞“結論”，就是把公式抄在黑板上，結論直接給出，但這條公式是怎么推導出來的、遇到問題該怎么拆解，思維鏈條被省略了。學生記住的是結論，不是路徑。題目一變，他就看不懂，因為他從未真正“想”過這個知識，只是“記”過。

而所有這些問題之上，還有一個更前置的因素：學習的意愿。一個孩子能否學下去，往往不取決于講解有多清楚，而在于他能否獲得反饋、看到進步、積累成就感。尤其這一代青少年是AI時代的原住民，他們對內容的要求天然更高，游戲能輕松奪走他們的注意力，枯燥的講解只會讓他們關掉耳朵。

把知識“翻譯”成能看見的樣子：一節課十萬塊的賬本

一個能隨時給出標準答案的AI，可以解決這些問題嗎？

記者調研發現，目前市面上的主流解法都面臨著各自的瓶頸。大廠那種“秒出答案”的AI，調取的往往是寬泛的語料，很難根據某個孩子此刻的認知水平，把復雜概念講到他能理解的程度；而傳統教培雖然擅長“教”，但受限于師生比，名師的精力依然只能覆蓋頭部學生。

更值得警惕的是，大廠那種追求極致效率、直接給出正確答案的AI，看似高效，卻可能剝奪學生最該鍛煉的能力：如何靠自己走出困境。

把這些線索拼在一起，會得出一個與直覺相反卻日益成為共識的判斷：學生“聽不懂”，問題往往出在知識被傳遞的方式上。與其在“給答案”上繼續內卷，不如先解決另一個問題：我們究竟有沒有把知識，解讀到孩子能理解的樣子？這正是“第三條路”試圖回答的核心命題。

在國內，沿著這條路走得最久的是一家成立于2013年的教育科技公司：洋蔥學園。在長達13年的時間里，洋蔥幾乎都在堅持同一件事：引導學生實現真正的自主學習。

“自主學習不是讓學生自己看視頻。”洋蔥學園聯合創始人兼CEO楊臨風對記者解釋，“我們構建了一套完整的支撐體系，讓內容本身成為學生自學的‘腳手架’，再用AI技術加速知識的理解與吸收。”

洋蔥學園有一條硬性原則：不空降概念。任何一個數學定義、物理公式，都不能以結論的形式直接拋給學生，必須還原為一條可感知、可跟隨的認知路徑。這條路徑的底層，是思維鏈，每一節課程都沿著概念從哪來、如何拆解、如何推演、結論如何自然浮現展開，整個思考過程被一步步外化出來，學生能夠快速融入，跟著想一遍。

記者觀看了幾節洋蔥課程。二次函數不是一條靜止的曲線，而是一張可拖拽滑塊的動態圖，拋物線隨手指彎曲、平移，參數a、b、c的作用一目了然，三角函數是一個可拖拽旋轉的動態圓。聲波變成燈泡陣列逐次點亮的可視化實驗。粒子運動、近地軌道變化、幾何與代數的動態推演……那些原本抽象的內容，變成了學生能看見、能交互的形態。

楊臨風告訴記者，一節5到8分鐘的課程，內部制作周期長達兩個月，橫跨數十個環節，平均成本超過十萬元。十三年下來，洋蔥學園積累了超過10000節這樣的AI動畫互動課，并伴隨產生了5000億條真實學習行為數據。

當然，將知識‘翻譯’為動畫和互動，意味著極高的研發與制作成本。在AI生成內容（AIGC）日益成熟的今天，這種重資產的內容生產模式能否被AI進一步降本？這或許是洋蔥學園以及整個‘第三條道路’未來需要回答的商業命題。

不給答案的AI：一場“反直覺”的提效實驗

如果說大廠卷的是“算力與響應速度”，那么在這條“第三條路”上，AI卷的則是“認知匹配度”。

高質量的內容是自主學習的前提，但當一個學生在自學過程中遭遇思維阻塞，他還面臨著很多亟待解決的困境，比如不知道自己卡在了認知鏈條的哪一環，不清楚缺失的前置知識是什么，也不知道下一步該往哪個方向推進。

洋蔥學園的解法，是讓AI成為內容和數據之間的調度中樞，構建一套多智能體協同的AI智能學伴系統，根據每個學生對知識的掌握情況、認知能力、思維習慣和情緒狀態，提供差異化的學習內容、學習路徑和恰到好處的引導，成為孩子自主學習的伙伴。

楊臨風介紹，這套系統包含六個核心角色，覆蓋預習、聽課、答疑、規劃、情感陪伴等自主學習上的核心環節。

比如，當學生做題或者預習遇到問題時，“自學大師”通過學生拍題、拍教材等動作，可以精準定位他的知識漏洞，但是不直接給出答案，這一設計本身就在培養學生的自主探究能力；“私人助教”，是用來實時解決學生的思維卡點，消滅孩子在聽課時，因為“聽不懂”而產生的畏難與退縮情緒；“思維教練”，則是運用蘇格拉底提問法和布魯姆提問法，追問解題思路，引導學生走完整個推理鏈條。

“規劃導師”，會根據學生的實際情況定制個性化的學習計劃，從計劃的制定與執行中捕捉規劃意識；“自律伙伴”通過每日任務、PK試煉等場景中的堅持與調整，衡量抗挫能力與專注力。“情感樹洞”中的留言互動，也能從側面反映學生的學習心態，幫助學生緩解情緒負擔。

初三學生張振（化名）體驗了這套系統，當他卡在一道電學綜合題上，“自學大師” 功能中的AI物理老師“司空閃閃”沒有給他答案，而是連續進行了幾輪互動：“從哪一步開始覺得不通了？”，“如果把這個電阻換成導線，電流會怎么變？”，“你用的公式里，哪個量是你還沒確定的？” ……在不到五分鐘的時候，他自己把思路理清了。

“好像也不是很難，就是一開始沒找到入口。” 張振對自主學習這件事并不排斥，在看懂了一道題型后，還用30分鐘，把“司空閃閃”推薦的與這道電學題有關的5個知識點視頻，全部翻看了一遍。

在楊臨風看來，這樣的學習過程看似緩慢，但一個能清晰說出“哪里不懂”的學生，往往已經走在解決問題的路上。

記者了解到，在洋蔥學園AI智能學伴中，像“司空閃閃”這樣的AI老師大約有20個，比如頗受學生歡迎的數學老師張無限，地理老師秦岺……每個老師都承擔一門學科或者跨學科的實時講解，陪伴學生走出思維盲區。

“我們也有很多AI學伴，孩子們可以挑選自己喜歡的虛擬人物，向他們留言吐露心聲。每個虛擬人物都擁有獨特的性格和偏好，更重要的是，他們都充滿溫暖與治愈的力量，能夠給孩子帶來情緒上的慰藉和心理上的支撐。”楊臨風說。

被重構的45分鐘：AI走進學校課堂

這套邏輯，也從校外延伸到了校內。在對外經濟貿易大學附屬中學，記者看到了一堂被完全重構的45分鐘的AI未來課堂。

上課鈴響，數學老師邢濤沒有站上講臺開講，而是讓學生打開平板，先看一節洋蔥學園的AI動畫互動課。記者注意到，一個男生看到一半停下來，把進度條拖回去重看，他旁邊的女生，在看課的過程中點擊了三次屏幕上的AI私教，并敲出一行字：“我還是不懂這個知識點怎么辦”。

這些瞬間都被教師端的數據墻捕捉了：10分鐘里，學生與AI互動72次，全班有29名學生完成了自學，有67%的學生做錯了同一道簡答題。邢老師沒有從頭開始講解各個知識點，而是在課堂拋出一個問題，讓同學之間組成小隊，自由討論，待學生能夠給出一個統一的結果后，再在課堂上把錯題的核心知識點進行精細化的拆解。下課鈴響前，AI還根據每個學生當堂暴露的卡點，推送了差異化的鞏固練習。

校長牟成梅把AI比作“教師的另一雙眼睛”，傳統課堂上，老師對學生掌握情況的判斷依賴經驗和少數幾個舉手的學生，AI則讓每一個學生的卡點都變得可見。“以前總說因材施教，但一個老師面對四十個學生，怎么可能顧得過來？現在至少能看到了。看到問題，是解決問題的第一步。”

牟成梅還提到一個細節，AI給那些在課堂上不敢開口的孩子提供了一個低壓力的學習環境。這也意味著教師的核心任務正在變化，不再是把同樣的內容反復講很多遍，而是設計好問題、組織好課堂、引導學生有序使用AI工具。

楊臨風將這種新型教師稱為“人機復合型教師”，由AI來承接重復性的講授和答疑，教師把精力放回到“育人”上。原本被基礎性講解占用的時間得到釋放，教師由此能夠更多關注不同層次學生的差異化需求，讓分層教學真正落到實處。

“老師和學校最重要的事，是創設這樣的氛圍和引導方式，教學生一個好的自主學習習慣，配合AI時代好的資源和工具，學校完全有可能變成一個以學生為中心、自主學習的學校，而且成本并不高。”楊臨風對記者介紹，他們的AI未來課堂解決方案現在每年深度、有人在地服務的學校大概2000余所。

沒有超級平臺，只有更多“理解之路”

回到行業本身，2026年的AI教育，看點不在巨頭互搏，而在多條技術路徑第一次同時拿到了被市場驗證的機會。

不同的入局者，各自回答了不同的問題。大廠的技術路線，擅長解決“流程提效”，讓搜題更快、批改更準，解決的是學習外圍的效率問題；教培機構的教研路線，擅長解決“教學提質”，讓更多人接觸到高質量的講解，解決的是優質資源的供給問題；而以洋蔥學園為代表的“第三條道路”，則不卷效率，也不卷名師，而是聚焦于“知識內化”與“自主學習”，解決的是最底層的“認知斷點”問題。

這三條路徑不是誰取代誰的關系，而是各自承擔了學習鏈條上的不同環節。一個值得注意的現象是，教育行業與許多其他行業不同：公司之間很少呈現清晰的上下游分工，每家都有自己的方法論、產品閉環和服務能力。“這也意味著，教育這個看似龐大的市場，本質上是由許多邏輯各異的細分市場拼合而成的。”楊臨風這樣表示。

一個孩子在不同階段、不同學科、不同需求下，可能恰恰需要不同的組合。也正因此，AI時代的教育領域，未必會出現一個包攬所有需求的超級平臺，不同的細分市場，自然會為不同理念的產品留出各自的空間。

在2026年這個AI教育狂飆的年份，比起尋找一個包攬一切的超級平臺，行業或許更需要容忍并驗證多條“理解之路”。畢竟，教育的本質不是流水線上的標準件生產，而是為每一個卡殼的孩子，找到那根能讓他繼續往上爬的腳手架。

那才是這個行業真正值得在意的結果。