谷歌教育報告的核心趨勢：如何借助 Gemini 重塑備課與學(xué)習(xí)？

2025 年 11 月，谷歌在教育相關(guān)產(chǎn)品上的更新節(jié)奏明顯加快。Gemini 3 正式亮相，被稱為「邁向 AGI 的關(guān)鍵一步」；LearnLM 完整注入 Gemini 系列，讓大模型第一次帶著「學(xué)習(xí)科學(xué)」的底層結(jié)構(gòu)運作；視覺生成模型 Nano Banana Pro 升級，讓抽象知識、復(fù)雜結(jié)構(gòu)和跨語言概念第一次能以可控質(zhì)量被生成；而 Google Classroom、Gemini for Education、NotebookLM 等教學(xué)工具，也在同一周期里完成了大幅更新。

這些更新若放在過去，或許僅被視為科技公司的常規(guī)迭代。但在谷歌發(fā)布《人工智能與學(xué)習(xí)的未來》這份面向教育領(lǐng)域的研究文檔之后，它們之間的脈絡(luò)開始清晰：谷歌的目標(biāo)并非讓 AI 簡單「進入課堂」，而是推動 AI 進一步介入學(xué)習(xí)的底層結(jié)構(gòu)。

報告提出一個極為直接的判斷，學(xué)習(xí)質(zhì)量出現(xiàn)全球性下滑趨勢，而教育系統(tǒng)本身已經(jīng)難以依照傳統(tǒng)方式自我修復(fù)。恰恰是在這樣一個斷裂愈發(fā)清晰的背景下，AI 作為「重建學(xué)習(xí)機制」的可能性開始被嚴(yán)肅討論。

學(xué)習(xí)系統(tǒng)的承載力正在被持續(xù)考驗，而技術(shù)的發(fā)展正貼近這些薄弱環(huán)節(jié)。谷歌的系列更新，看上去像產(chǎn)品迭代，實則是在教育的深層結(jié)構(gòu)中探尋新的著力點。接下來的關(guān)鍵，是理解這些著力點如何改變學(xué)習(xí)發(fā)生的方式。

如果要理解谷歌為何選擇在 2025 年此刻發(fā)布教育報告，必須先看到一個常被忽略但早已存在的事實：全球教育系統(tǒng)處在一種緩慢但持續(xù)加深的壓力之下。

報告指出，盡管世界小學(xué)入學(xué)率達(dá)到 90%，教育的「覆蓋率故事」早已講完，但學(xué)習(xí)質(zhì)量卻出現(xiàn)明顯倒退。比如 PISA 2022 給出的結(jié)果讓各國難以輕松面對，數(shù)學(xué)平均分下降 15 分，閱讀下降 10 分，這是罕見的全球性退步。學(xué)習(xí)力的滑坡比任何技術(shù)革命都來得更快、更直接，也更難逆轉(zhuǎn)。

而教育資源的不均衡則進一步放大了這種退步。數(shù)據(jù)顯示，世界上絕大多數(shù)地區(qū)的年輕人，其人均可用資源（以 GDP 衡量）尚不足美國的 10%，資源差異在全球范圍內(nèi)形成長期結(jié)構(gòu)性鴻溝。

更現(xiàn)實的問題還在系統(tǒng)內(nèi)部。教師流失、經(jīng)費不足、疫情留下的學(xué)習(xí)缺口、沖突導(dǎo)致的教育中斷、學(xué)生出勤率動搖、青少年心理問題蔓延……這些問題匯流在一起，形成一種復(fù)雜而難以修復(fù)的結(jié)構(gòu)性壓力。報告預(yù)計，全球到 2030 年將需要新增 4400 萬名教師。這不只是缺口，而是一條難以完成的任務(wù)。

與此同時，學(xué)生端的心理與行為變化同樣明顯。出勤率下降、學(xué)習(xí)焦慮上升、對知識的深入理解能力被削弱等現(xiàn)象，在多國調(diào)查中不斷出現(xiàn)。

這些因素共同構(gòu)成了一幅令人焦慮的圖景：教育系統(tǒng)并非「局部出了問題」，而是出現(xiàn)了「全面承載力下降」的趨勢。谷歌在報告中對這種「結(jié)構(gòu)性失衡」做出了非常明確的判斷，學(xué)習(xí)不再缺少工具，而是缺少能夠讓學(xué)習(xí)真正發(fā)生的條件。

也正因為如此，技術(shù)不再只是「加分項」。在系統(tǒng)難以穩(wěn)定運作的背景下，AI 被推向了一個全新的位置：不是替代學(xué)校，而是補上學(xué)校無法再完成的部分。

谷歌在報告中提出的五大機遇，并非能力清單的簡單羅列，而更像是一條層層推進的重構(gòu)鏈。從學(xué)習(xí)機制的底層邏輯開始發(fā)力，環(huán)環(huán)相扣，最終指向的是對學(xué)習(xí)方式本身的重新塑造。

首先被改變的是學(xué)習(xí)科學(xué)的落地方式。主動參與、深度練習(xí)、間隔重復(fù)這些原則在教育研究里已被驗證多年，但真正落實到課堂時，教師往往會受限于班級規(guī)模、時間壓力與精力邊界，很難為每個孩子靈活調(diào)整教學(xué)。如今，AI 能捕捉學(xué)生在回答、猶豫、錯誤和探索中的細(xì)微軌跡，再根據(jù)這些動態(tài)信號調(diào)整講解策略、提示方式與內(nèi)容呈現(xiàn)，讓那些長期停留在理論層面的學(xué)習(xí)原則，真正開始具備了落地為系統(tǒng)機制的條件。

緊接著被推動的是個性化學(xué)習(xí)。長期以來，它更多是一種理想，而非可以規(guī)模化實現(xiàn)的機制。一對一輔導(dǎo)之所以有效，在于教學(xué)能始終貼著學(xué)生的理解節(jié)奏不斷調(diào)整。而現(xiàn)在，AI 能在極低成本下復(fù)制類似的對齊能力：講快還是講慢、解釋要粗還是要細(xì)、下一步是加難度還是回基礎(chǔ)，都可以根據(jù)學(xué)生實時表現(xiàn)即時調(diào)整。支持強弱的差距正在縮小，而「合適的節(jié)奏」不再是少數(shù)人才能擁有的奢侈品。

理解入口也隨之變得寬闊。語言曾是許多人跨不過去的學(xué)習(xí)門檻，抽象概念往往在表達(dá)階段就把一部分人擋在外面。AI 重寫內(nèi)容的能力彌補了這一結(jié)構(gòu)性缺口：同一個概念可以被轉(zhuǎn)換成視覺圖譜、生活類比、故事情境、公式推演，甚至多模態(tài)混合表達(dá)，讓不同思維方式的人都能找到屬于自己的理解路徑。在跨語言與跨文化的學(xué)習(xí)場景中，這種轉(zhuǎn)換讓「內(nèi)容可及」不再停留在政策口號里，而成為實際可能。

在更底層的維度上，學(xué)習(xí)障礙也不再像從前那樣難以跨越。語言理解受限、閱讀困難、注意力差異、甚至視覺障礙，都可以通過內(nèi)容自動轉(zhuǎn)語音、自動配字幕、自動轉(zhuǎn)圖像、甚至生成手語來被部分撫平。AI 生成的材料還能自動匹配不同的文化語境，讓學(xué)習(xí)資源對更多人變得真正可進入。

與此同時，教師的工作流也被重新排列。教師的專業(yè)價值從來不在于批改作業(yè)或反復(fù)制作課件，而在于理解學(xué)生、設(shè)計路徑、引導(dǎo)思維。但過去，教師的大量時間被行政性瑣事和重復(fù)勞動吞噬?，F(xiàn)在，AI 能生成課件框架、調(diào)整練習(xí)難度、根據(jù)班級水平自動生成不同版本的講解材料，讓教師把更多精力放回課堂和學(xué)生身上。技術(shù)不是要替代教師，而是把教師從無法回避的消耗性工作中解放出來。

這些方向匯聚到一起，形成的并不是一個「更快」的學(xué)習(xí)系統(tǒng)，而是一個「更像學(xué)習(xí)本來該有的樣子」的系統(tǒng)。AI 的價值不在于讓孩子得到更多答案，而是讓他們更容易抵達(dá)理解，更容易踏進原本跨不過去的那道門檻。

從報告能看到宏觀趨勢，而真正讓人感到變化已經(jīng)發(fā)生的，卻是那些看似再普通不過的教學(xué)瞬間。一個教育工作者帶著四年級孩子用 Nano Banana Pro 備課和輔導(dǎo)的過程，本質(zhì)上既是一份「生圖大模型使用指南」，也是一次提醒：理解往往起步于圖像、情境與感知，而非文字本身。

這位教育工作者并不是隨手輸一句「畫一張好看的圖」交給模型，而是每次都從學(xué)習(xí)目標(biāo)出發(fā)來寫提示詞。帶孩子學(xué)《出塞》時，她先在提示里說明「這是給四年級學(xué)生用來理解‘秦時明月漢時關(guān)’意境的圖片」，再補充需要出現(xiàn)的長城、關(guān)口、遠(yuǎn)山和明月，以及整體要有蒼涼的水墨風(fēng)。生成出來的畫面因此緊扣詩意，而不是一張泛泛的風(fēng)景圖。

孩子看到圖時，會立刻把畫面與自己暑假在嘉峪關(guān)的經(jīng)歷連起來，古詩不再只是抽象詞句，而變成可以被回憶、被感知的場景。這種從圖像和體驗出發(fā)的理解路徑，恰恰印證了那一點，真正被調(diào)動起來的，是感知先于文字、情境托舉意義。

圖片來自：AI 酷媽公眾號

做太陽系知識圖譜時，她同樣把「誰在學(xué)」放在「畫什么」前面，并在提示里寫清楚這是給九歲孩子看的科普圖，希望用他們能理解的方式去標(biāo)注行星，讓太陽變成「大 Boss」，讓木星變成「氣體巨無霸」，整張圖既保留了嚴(yán)肅的結(jié)構(gòu)，又有兒童能共情的表達(dá)。孩子讀圖的過程，其實是在憑視覺線索和語言標(biāo)簽，一點點重建自己對宇宙的想象，而不是對著課本默背行星順序。

從這些看似普通的操作中可以看出，正確使用 Nano Banana 的關(guān)鍵并不在于讓模型生成多精致的畫面，而在于是否愿意將學(xué)習(xí)目標(biāo)、認(rèn)知起點與情境需求預(yù)先寫入提示詞；也不在于圖像本身是否足夠炫目，而在于它能否成為孩子理解世界、進入知識的第一扇門。AI 提供的是一個被放大的視覺入口，而理解能否真正發(fā)生，仍取決于教育者如何設(shè)計這道入口，并在圖像之上繼續(xù)開展對話、提問與梳理。

但技術(shù)介入越深入，風(fēng)險的輪廓也越清晰。報告談到「元認(rèn)知懶惰」，當(dāng)學(xué)習(xí)習(xí)慣變成依賴提示、依賴生成、依賴解釋，深度學(xué)習(xí)能否維持？這一點在真實使用中也開始被感知到：學(xué)習(xí)「變快」的同時，理解是否也「變淺」？

一篇關(guān)于 AI 輔助 STEM 學(xué)習(xí)的案例研究指出，雖然 AI 工具能在概念理解和反思性思考中提供幫助，但也可能降低人對待問題的探索傾向。 學(xué)習(xí)的效率提高是一種表象，理解的深度下降則是一種可能的后果。

這便引向谷歌在報告中反復(fù)強調(diào)的另一點：AI 不能成為學(xué)生思考的替代者，而只能成為思考的引導(dǎo)者。但要做到這一點，AI 本身必須被訓(xùn)練成一位會反問、會追問、會揭示邏輯漏洞的伙伴，而不是一個提供立即答案的機器。

技術(shù)越強大，對學(xué)習(xí)本質(zhì)的考驗也越尖銳。

谷歌在報告中列出的挑戰(zhàn)沒有被包裝成輕松的愿景，而是坦白談?wù)摶糜X、偏差、作弊風(fēng)險、數(shù)據(jù)隱私、教育不平等，以及最難被討論的一點——公平獲取。

AI 工具的普及可能拉大差距，而不是縮小差距。資源較好的地區(qū)和家庭更早擁有 AI 輔助學(xué)習(xí)，孩子更容易進入快速理解和定制化內(nèi)容的軌道。反之，資源匱乏的學(xué)習(xí)者可能再次落后。這種差距并不是技術(shù)造成的，而是技術(shù)放大已有的結(jié)構(gòu)分化。

這種對技術(shù)局限的清醒認(rèn)知，在谷歌展示的 8 所學(xué)校實踐探索中同樣得到印證。他們并沒有簡單地宣稱「AI 解決了一切問題」，而是在強調(diào)教師、研究、制度的參與。同樣，Nano Banana Pro 的技術(shù)突破雖令人驚艷，但其使用指南也提醒，模型若只作為「出圖工具」而非「教學(xué)工具」，就可能流于形式。

同時，那些最具學(xué)習(xí)動力的學(xué)生往往能從 AI 中受益最多，這意味著學(xué)習(xí)動機本身變成了影響 AI 效果的隱性變量。工具并不能自動帶來學(xué)習(xí)力，它只能幫助已經(jīng)愿意向前的人走得更快。

谷歌提出的應(yīng)對路徑保持著謹(jǐn)慎的現(xiàn)實感。通過輕量化技術(shù)設(shè)計降低硬件門檻，借助教育者工具免費開放政策覆蓋資源薄弱地區(qū)，更以多語言適配和"隨時打斷提問"等交互優(yōu)化，讓不同背景的學(xué)習(xí)者都能獲得適配的引導(dǎo)。LearnLM 的定位也不是做「答案機」，而是成為學(xué)習(xí)中的「引導(dǎo)結(jié)構(gòu)」。

這背后透露出一條底線：技術(shù)必須服從學(xué)習(xí)，而不是反過來。

所以，真正需要重新思考的，不是 AI 在教育中該走多遠(yuǎn)，而是教育系統(tǒng)、家長與學(xué)習(xí)者需要如何重新定位學(xué)習(xí)的過程。

學(xué)習(xí)是否必須保持難度？是否應(yīng)該保留「掙扎」這一關(guān)鍵體驗？當(dāng) AI 幫我們理解世界，我們又將如何理解自己？這些問題沒有確定答案，但它們構(gòu)成了當(dāng)下教育和技術(shù)交匯處最真實的張力。

在系統(tǒng)性危機與結(jié)構(gòu)性風(fēng)險的雙重壓力下，谷歌選擇的路徑并不是推出一個「教育超級平臺」，而是搭建一套「學(xué)習(xí)基礎(chǔ)設(shè)施」。

最深處的變化來自模型本身。Gemini 與 LearnLM 的結(jié)合，讓大模型第一次開始「像一個教學(xué)系統(tǒng)」而不是「像一個回答機器」那樣運作。它能夠感知學(xué)生的停頓、理解的卡點、演算的邏輯，繼而調(diào)整解釋策略、提示方式和知識節(jié)奏。這意味著技術(shù)不再停留在傳遞信息，而是開始介入「如何讓理解發(fā)生」這一教育的根部。

中間層的變化發(fā)生在工具鏈層面。谷歌沒有建立一個全新的教與學(xué)平臺，而是把 AI 埋進教師和學(xué)生每天都會打開的 Search、YouTube、Docs、Slides、Classroom 與 NotebookLM 中。技術(shù)以極其貼近工作流的方式出現(xiàn)：教師不用額外學(xué)習(xí)一個新系統(tǒng)，也不需要改變原有教案結(jié)構(gòu)，它就已經(jīng)在那里，愿意協(xié)助、愿意補位。這種「滲透式」進入，是谷歌最典型的產(chǎn)品方式，也是教育最容易吸收的技術(shù)路徑。

更直觀的變化在內(nèi)容層面。Nano Banana Pro 等視覺生成能力使得抽象知識第一次擁有了靈活而可控的視覺形態(tài)。古詩不必只靠想象，機器可以生成恰到好處的意境；復(fù)雜技術(shù)不必只靠拆解課件，可以用模型生成剖面圖、結(jié)構(gòu)圖；兒童科普也不必依賴固定插圖，而能按年齡、難度、文化背景重新生成版本。谷歌不是在替教材作插圖，而是在改變「知識被呈現(xiàn)」的方式，從而改變「理解被激活」的入口。

當(dāng)然，這一切遠(yuǎn)未構(gòu)成答案。谷歌的實踐稱不上完美，在公平、深度、依賴、隱私等問題上仍有尚未完全解開的變量。然而，谷歌至少提供了一種新的視角：如果學(xué)習(xí)是一種社會基礎(chǔ)設(shè)施，那么 AI 可能成為構(gòu)成它的材料之一，而不是懸浮在系統(tǒng)外的外掛工具。

谷歌在報告最后寫道：「未來最重要的突破不會是技術(shù)性的，而是社會性的?！惯@句話提醒我們不要把所有希望寄托在模型能力上，也不要把所有風(fēng)險推給技術(shù)本身。AI 能推動學(xué)習(xí)，但能否推動成長，本質(zhì)上依賴于社會如何制定邊界、教育如何重構(gòu)結(jié)構(gòu)、學(xué)習(xí)者如何面對技術(shù)。

技術(shù)走到今天，已經(jīng)不再是一種外部工具，而是在進入學(xué)習(xí)最核心的地帶。它既可能帶來巨大躍遷，也可能埋下新的隱憂。而教育的未來，最終不會由 AI 決定，而會由我們選擇怎樣使用 AI 來決定。這是一場剛剛開始的重寫，而故事的結(jié)局，還遠(yuǎn)沒有被寫下。

報告原文：

Google 在 2025 年 11 月發(fā)布的報告 「人工智能與學(xué)習(xí)的未來」

https://services.google.com/fh/files/misc/future_of_learning.pdf

2025 年，多鯨蟹宴& EE 年會將在合肥再次啟程，以更深的洞察與更開放的姿態(tài)，探討教育的下一個周期。我們將再次匯聚行業(yè)思考者、行動者與創(chuàng)新者，在變動中，尋找教育的確定性。

12 月 19–20 日，教育的未來，在這里相遇。

掃碼立即報名??