2026-10-24 来源:学邦技术
10 月 22 日,北京一场开发者大会。台上讲了一个比例:未来 60% 的应用在本地完成,30% 走云端协同,10% 交给云端大模型。台下坐了不少老师和校长,很多人拍了 PPT,但未必意识到这三个数字是给采购用的。
发布方是某头部人工智能公司。这次推的是端云一体的大模型,云端和端侧同步升级,端侧版本参数量在 40 亿级,训练用的是全国产算力。教育侧同步给了一套覆盖 AI 备课、AI 教研、家校沟通、事务助理的工作台,定位从单点辅助改成系统工作支持。
发布会上有句话被反复引用:大模型深入业务,既要具备处理复杂任务的能力,也要守住数据边界、降低使用成本。这句话里有两个词,数据边界、使用成本,正好对应校长要算的两笔账。
把 60/30/10 翻成三句人话。
60% 在本地,意思是不用付推理费,但要付设备钱。30% 云协同,意思是付一点推理费,换更强的能力。10% 上云,意思是付全额推理费,换最强的能力。
所以算力账本的第一页不是「模型多强」,是「哪个任务放在哪一层最便宜」。这个问题过去没人问,因为全都在云上,只有一个价。
| 层级 | 比例 | 跑什么任务 | 教育场景举例 | 数据是否出校 | 成本形态 |
|---|---|---|---|---|---|
| 端侧本地 | 60% | 识别、检索、统计、提醒 | 作业批改、错题归集、题库检索、出勤统计 | 不出校 | 设备折旧 |
| 云边协同 | 30% | 中等复杂度生成与评测 | 作文批改、口语评测、个性化推荐 | 部分出校 | 按调用量计费 |
| 云端大模型 | 10% | 复杂推理与长文本 | 跨学科项目设计、长文档分析、教研方案生成 | 出校 | 按 token 计费 |
这张表最有用的地方在最后一列。三种成本形态,对应三种预算科目:设备折旧进固定资产,调用费进运营成本,云端费用进项目成本。混在一起算,永远算不清。
注意 60% 那一行的最后一格:不出校。这是整个发布里最值钱的一句话,虽然它听起来最不像卖点。
40 亿参数的端侧模型,能做什么不能做什么,要有个大概判断。批改客观题、识别手写、做知识点匹配、生成短文本反馈,这些够用。写一篇八百字的作文点评、设计一个跨学科项目,不够用,还得上云。所以 60/30/10 不是随便分的,是按任务复杂度分的。
这也解释了端侧为什么先落地在批改和归集上:这两类任务量大、规则清楚、对生成质量要求不高,正好适合小模型在本地跑。
第一页是推理成本,第二页是设备折旧,第三页是数据合规。过去只算第一页,现在得从第三页往回算。
| 账本 | 计量单位 | 现在大致水平 | 12 个月后 | 谁承担 |
|---|---|---|---|---|
| 推理成本 | 每生每月调用费 | 3 至 8 元 | 2 至 4 元 | 机构,随用量走 |
| 设备折旧 | 每台每月摊销 | 2000 至 4000 元按 24 个月摊,每月 83 至 167 元 | 同价位配置更高 | 机构,一次性投入 |
| 数据合规 | 一次性加年度维护 | 一次性 3 万至 10 万元,年维护 1 万至 3 万元 | 成为采购硬门槛 | 机构,无法转嫁 |
第一页在降,第二页在涨,第三页从「可选」变成「必选」。这是三页账本的真实走向。
推理成本下降是确定的,模型效率每年都在提升。设备折旧是刚性的,买回来就开始贬值。数据合规最容易被忽略,因为它的账单不是现在付,是出事的时候付。
三笔账里,只有第一笔随学生数变化,后两笔是固定投入。这意味着小机构摊不动,大机构摊得动。规模优势在 AI 时代没有消失,只是换了个地方出现。
有个校长跟我算过一笔账:六十个学生,一套云端系统每人每年 200 元,一年 1.2 万元,看着不多。但加上一台本地服务器 3 万元按三年摊,再加等保测评 5 万元,第一年就是 9.2 万元。他说这钱不如花在老师身上。这话有道理,但如果机构有住宿、有大量学生档案,这笔钱省不掉。
这三个比例可以当一把尺子用。任何一套 AI 教育方案,问一句「我的数据有多少留在本地」,就能量出它站在哪个位置。
| 方案类型 | 数据出域程度 | 断网能不能用 | 单生年成本 | 适合谁 |
|---|---|---|---|---|
| 纯云端 | 全部出校,约 100% | 不能用 | 80 至 200 元 | 小机构,无住宿、无敏感档案 |
| 私有化部署 | 基本不出校,约 5% | 能用 | 600 至 1500 元 | 有住宿、有大量学生档案的机构 |
| 端云混合 | 约 40% 出校 | 部分能用 | 300 至 700 元 | 中大型机构、多校区 |
三行没有优劣,只有匹配。三十人的社区店上私有化,是浪费;三百人的住宿机构用纯云端,是把风险留在自己身上。
判断标准可以再简化一点:如果系统里有学生的家庭情况、心理记录、成绩排名这三类数据,就不要选「全部出校」的方案。这三类数据一旦泄露,赔偿是小事,牌照是大事。
选型现场最常见的三个问题:你们模型多少参数,跑分多少,支持多少种题型。这三个问题都重要,但都不是第一问。
该问的是这五个:学生姓名、成绩、家庭情况这三类字段,哪些会离开我的服务器;离开之后存在哪个地区;存多久;谁能导出;我解约后多久删除。五个问题要书面答复,不要口头承诺。
问的时候有个技巧:不要问「你们安全吗」,要问「现在把数据导出来给我看看」。能当场导出、导出记录可查的,管理通常清楚;支支吾吾说要走流程的,就得多问几句。
一句判断:跑分决定好不好用,数据边界决定能不能用。前者可以换供应商,后者换不了——数据出去了,收不回来。
还有一个常见误读:以为「用了大模型就一定更安全」,或者反过来,以为「本地部署就一定安全」。本地部署如果账号管理混乱,离职员工的号还能登录,安全性未必比云端高。安全不在部署方式,在权限和留痕。
再补一个:以为「本地部署就是买台服务器放机房」。服务器只是载体,真正的边界在账号权限、导出日志、备份策略这三件事上。这三件没做,服务器放在自己屋里也一样漏。
单点辅助是一个功能一个入口,老师用完就关。系统工作支持是备课、教研、家校沟通、事务助理在同一个工作台,数据在环节之间流动。
对机构的意义:买一个 AI 工具,省的是一个老师每天 30 分钟;买一套工作台,改的是一条流程。前者按人头算钱,后者按流程算钱。
举个具体场景。一个学生请假,单点辅助的系统里,老师要手动改考勤、手动调课、手动通知家长;工作台里,改一次考勤,课消、通知、补课建议一起动。省下的不只是 30 分钟,是三次操作之间的反复核对。
但流程改造有个前提:数据得在自己手里。数据在别人手里,流程就是别人的——供应商换一套计费方式,你的流程就得跟着改。
还有一层:流程改了,人的岗位就要跟着改。原来三个教务做排课、考勤、对账,上了工作台之后可能只需要一个半。这不是裁员问题,是把人挪去做家长沟通和续班。挪不动,工具就是白买。
第一件,端侧模型进入两年一换的硬件周期。机构采购要按 24 个月折旧算,不要按 5 年。这一条现在就该写进预算表,不然第三年你会发现设备跑不动新模型,而账上还没提完折旧。
第二件,AI 功能定价从按账号转向按调用量加按效果,年费制逐步被拆掉。时间窗 12 个月。触发信号是供应商开始问你「每月大概调用多少次」,而不是「多少个老师用」。
第三件,数据合规成为采购硬门槛。教育主管部门在评审、年检、进校合作时会问「数据存哪」,答不上来直接出局。时间窗 12 到 18 个月。这一条对规范机构是利好,因为它把「随便买个便宜系统」的路堵了。
| 走向 | 触发信号 | 现在该做什么 | 时间窗 |
|---|---|---|---|
| 端侧进入两年换机周期 | 新模型要求更高算力 | 设备按 24 个月折旧进预算 | 已在发生 |
| 按账号转向按调用量 | 供应商开始问调用次数 | 合同写清计量单位与封顶价 | 12 个月 |
| 数据合规成采购门槛 | 评审与年检要求说明存储位置 | 补齐数据清单与合同条款 | 12 至 18 个月 |
一,列一张数据清单。把系统里的字段拉出来,标两栏:必须留在我这、可以出去。这张表不用给别人,是给自己定边界用的。
二,改合同条款。加三条:数据存储位置、导出权限归属、解约后删除时限(建议 30 天内,并要求书面回执)。三条都不难谈,难的是你没想到要谈。
三,算一次三年账。学生数乘单生年成本乘 3 年,把三类方案摆在一起比,不要只比首年报价。首年便宜的方案,第三年往往最贵。
四,定折旧年限。设备 24 个月,软件 36 个月,写进预算表。这一栏空着,明年的账一定乱。
四件事里,第一件最容易被跳过。数据清单听着像技术部门的活,其实是校长该定的:哪些字段能给老师看,哪些只能给校长看,哪些连校长都不该存在系统里。这个决定做完,后面三件才有依据。
算力这件事,说到底不是技术问题,是「谁替你保管数据、你为此付多少钱」的问题。60/30/10 给了一个可用的框架,剩下的要自己填。
最后提一句 30% 那一层。云协同是最容易被销售模糊掉的部分——它既不是全本地,也不是全上云,合同里通常只写「部分功能需要联网」。这句话背后可能是 20%,也可能是 60%,一定要问出具体字段。
发布会讲的是模型,校长该听的是账。哪一层跑什么任务、数据出不出校、钱记在哪个科目,这三件事想清楚,买什么都不会太亏。
行业在往规范走,规范对管理精细的机构是好事。数据边界这件事,早做一年是成本,晚做一年是门槛。
关注「学邦技术」公众号,回复「手册」,即可领取本文对应的完整版管理资料(表格/制度/流程模板),持续获取教培运营干货。
点击公众号菜单「免费体验」,还可预约学邦教务教学管理系统演示——排课、考勤、课消、家校沟通、财务报表一站搞定,让教务老师从表格里解放出来。