谷歌教育報告的核心趨勢：如何借助 Gemini 重塑備課與學習？

2025 年 11 月，谷歌在教育相關產品上的更新節奏明顯加快。Gemini 3 正式亮相，被稱為「邁向 AGI 的關鍵一步」；LearnLM 完整注入 Gemini 系列，讓大模型第一次帶著「學習科學」的底層結構運作；視覺生成模型 Nano Banana Pro 升級，讓抽象知識、復雜結構和跨語言概念第一次能以可控質量被生成；而 Google Classroom、Gemini for Education、NotebookLM 等教學工具，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迭代。但在谷歌發布《人工智能與學習的未來》這份面向教育領域的研究文檔之后，它們之間的脈絡開始清晰：谷歌的目標并非讓 AI 簡單「進入課堂」，而是推動 AI 進一步介入學習的底層結構。

報告提出一個極為直接的判斷，學習質量出現全球性下滑趨勢，而教育系統本身已經難以依照傳統方式自我修復。恰恰是在這樣一個斷裂愈發清晰的背景下，AI 作為「重建學習機制」的可能性開始被嚴肅討論。

學習系統的承載力正在被持續考驗，而技術的發展正貼近這些薄弱環節。谷歌的系列更新，看上去像產品迭代，實則是在教育的深層結構中探尋新的著力點。接下來的關鍵，是理解這些著力點如何改變學習發生的方式。

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

報告指出，盡管世界小學入學率達到 90%，教育的「覆蓋率故事」早已講完，但學習質量卻出現明顯倒退。比如 PISA 2022 給出的結果讓各國難以輕松面對，數學平均分下降 15 分，閱讀下降 10 分，這是罕見的全球性退步。學習力的滑坡比任何技術革命都來得更快、更直接，也更難逆轉。

而教育資源的不均衡則進一步放大了這種退步。數據顯示，世界上絕大多數地區的年輕人，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形成長期結構性鴻溝。

更現實的問題還在系統內部。教師流失、經費不足、疫情留下的學習缺口、沖突導致的教育中斷、學生出勤率動搖、青少年心理問題蔓延……這些問題匯流在一起，形成一種復雜而難以修復的結構性壓力。報告預計，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。

與此同時，學生端的心理與行為變化同樣明顯。出勤率下降、學習焦慮上升、對知識的深入理解能力被削弱等現象，在多國調查中不斷出現。

這些因素共同構成了一幅令人焦慮的圖景：教育系統并非「局部出了問題」，而是出現了「全面承載力下降」的趨勢。谷歌在報告中對這種「結構性失衡」做出了非常明確的判斷，學習不再缺少工具，而是缺少能夠讓學習真正發生的條件。

也正因為如此，技術不再只是「加分項」。在系統難以穩定運作的背景下，AI 被推向了一個全新的位置：不是替代學校，而是補上學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鏈。從學習機制的底層邏輯開始發力，環環相扣，最終指向的是對學習方式本身的重新塑造。

首先被改變的是學習科學的落地方式。主動參與、深度練習、間隔重復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模、時間壓力與精力邊界，很難為每個孩子靈活調整教學。如今，AI 能捕捉學生在回答、猶豫、錯誤和探索中的細微軌跡，再根據這些動態信號調整講解策略、提示方式與內容呈現，讓那些長期停留在理論層面的學習原則，真正開始具備了落地為系統機制的條件。

緊接著被推動的是個性化學習。長期以來，它更多是一種理想，而非可以規模化實現的機制。一對一輔導之所以有效，在于教學能始終貼著學生的理解節奏不斷調整。而現在，AI 能在極低成本下復制類似的對齊能力：講快還是講慢、解釋要粗還是要細、下一步是加難度還是回基礎，都可以根據學生實時表現即時調整。支持強弱的差距正在縮小，而「合適的節奏」不再是少數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習門檻，抽象概念往往在表達階段就把一部分人擋在外面。AI 重寫內容的能力彌補了這一結構性缺口：同一個概念可以被轉換成視覺圖譜、生活類比、故事情境、公式推演，甚至多模態混合表達，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習場景中，這種轉換讓「內容可及」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，學習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，都可以通過內容自動轉語音、自動配字幕、自動轉圖像、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，讓學習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。教師的專業價值從來不在于批改作業或反復制作課件，而在于理解學生、設計路徑、引導思維。但過去，教師的大量時間被行政性瑣事和重復勞動吞噬?，F在，AI 能生成課件框架、調整練習難度、根據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生身上。技術不是要替代教師，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」的學習系統，而是一個「更像學習本來該有的樣子」的系統。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發生的，卻是那些看似再普通不過的教學瞬間。一個教育工作者帶著四年級孩子用 Nano Banana Pro 備課和輔導的過程，本質上既是一份「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，而是每次都從學習目標出發來寫提示詞。帶孩子學《出塞》時，她先在提示里說明「這是給四年級學生用來理解‘秦時明月漢時關’意境的圖片」，再補充需要出現的長城、關口、遠山和明月，以及整體要有蒼涼的水墨風。生成出來的畫面因此緊扣詩意，而不是一張泛泛的風景圖。

孩子看到圖時，會立刻把畫面與自己暑假在嘉峪關的經歷連起來，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的理解路徑，恰恰印證了那一點，真正被調動起來的，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」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」，整張圖既保留了嚴肅的結構，又有兒童能共情的表達。孩子讀圖的過程，其實是在憑視覺線索和語言標簽，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習目標、認知起點與情境需求預先寫入提示詞；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，而理解能否真正發生，仍取決于教育者如何設計這道入口，并在圖像之上繼續開展對話、提問與梳理。

但技術介入越深入，風險的輪廓也越清晰。報告談到「元認知懶惰」，當學習習慣變成依賴提示、依賴生成、依賴解釋，深度學習能否維持？這一點在真實使用中也開始被感知到：學習「變快」的同時，理解是否也「變淺」？

一篇關于 AI 輔助 STEM 學習的案例研究指出，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。 學習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強調的另一點：AI 不能成為學生思考的替代者，而只能成為思考的引導者。但要做到這一點，AI 本身必須被訓練成一位會反問、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。

技術越強大，對學習本質的考驗也越尖銳。

谷歌在報告中列出的挑戰沒有被包裝成輕松的愿景，而是坦白談論幻覺、偏差、作弊風險、數據隱私、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。資源較好的地區和家庭更早擁有 AI 輔助學習，孩子更容易進入快速理解和定制化內容的軌道。反之，資源匱乏的學習者可能再次落后。這種差距并不是技術造成的，而是技術放大已有的結構分化。

這種對技術局限的清醒認知，在谷歌展示的 8 所學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」，而是在強調教師、研究、制度的參與。同樣，Nano Banana Pro 的技術突破雖令人驚艷，但其使用指南也提醒，模型若只作為「出圖工具」而非「教學工具」，就可能流于形式。

同時，那些最具學習動力的學生往往能從 AI 中受益最多，這意味著學習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習力，它只能幫助已經愿意向前的人走得更快。

谷歌提出的應對路徑保持著謹慎的現實感。通過輕量化技術設計降低硬件門檻，借助教育者工具免費開放政策覆蓋資源薄弱地區，更以多語言適配和"隨時打斷提問"等交互優化，讓不同背景的學習者都能獲得適配的引導。LearnLM 的定位也不是做「答案機」，而是成為學習中的「引導結構」。

這背后透露出一條底線：技術必須服從學習，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，而是教育系統、家長與學習者需要如何重新定位學習的過程。

學習是否必須保持難度？是否應該保留「掙扎」這一關鍵體驗？當 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，但它們構成了當下教育和技術交匯處最真實的張力。

在系統性危機與結構性風險的雙重壓力下，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「學習基礎設施」。

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

中間層的變化發生在工具鏈層面。谷歌沒有建立一個全新的教與學平臺，而是把 AI 埋進教師和學生每天都會打開的 Search、YouTube、Docs、Slides、Classroom 與 NotebookLM 中。技術以極其貼近工作流的方式出現：教師不用額外學習一個新系統，也不需要改變原有教案結構，它就已經在那里，愿意協助、愿意補位。這種「滲透式」進入，是谷歌最典型的產品方式，也是教育最容易吸收的技術路徑。

更直觀的變化在內容層面。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。古詩不必只靠想象，機器可以生成恰到好處的意境；復雜技術不必只靠拆解課件，可以用模型生成剖面圖、結構圖；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」的方式，從而改變「理解被激活」的入口。

當然，這一切遠未構成答案。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：如果學習是一種社會基礎設施，那么 AI 可能成為構成它的材料之一，而不是懸浮在系統外的外掛工具。

谷歌在報告最后寫道：「未來最重要的突破不會是技術性的，而是社會性的。」這句話提醒我們不要把所有希望寄托在模型能力上，也不要把所有風險推給技術本身。AI 能推動學習，但能否推動成長，本質上依賴于社會如何制定邊界、教育如何重構結構、學習者如何面對技術。

技術走到今天，已經不再是一種外部工具，而是在進入學習最核心的地帶。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，而故事的結局，還遠沒有被寫下。

報告原文：

Google 在 2025 年 11 月發布的報告 「人工智能與學習的未來」

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，探討教育的下一個周期。我們將再次匯聚行業思考者、行動者與創新者，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??