一所小学，每周两节 AI 课，课后延时服务里还要再延伸一次。

一所中学，配了两名专职 AI 教师，按“小学启蒙—初中基础—高中进阶”分层排课。

另一所学校，用“1+N”协同备课，把全校老师拉进三个通道：通识基石、全校土壤、定点深耕。

这是成都双流区 30 所试点学校的三种解法。10 月 13 日，这个区把试点摊开来讲，全区研讨会来了约 150 名教师。

30 所，覆盖小学、九年一贯制、完全中学、十二年一贯制，全学段。

对校长来说，这条消息的价值不在“AI 又进校园了”，在于它把三个很具体的问题摆到了桌面上：谁来上、上多久、怎么不变成看视频。

一、先把三个问题摆出来

这三问不是评论者提的，是每一所要把 AI 课排进课表的学校都会撞上的。

第一问决定这门课有没有人。第二问决定这门课能教多深。第三问决定这门课值不值得留在课表上。

三个问题看起来分散，其实是一条线：这门课要从“开出来”走到“开得住”。

开出来靠一纸文件，开得住靠一套能交接的东西。

二、第一问：谁来上

AI 课的第一个坎不是设备，是人。

一所中学配两名专职教师，这是最理想的解法：有人专职备课、专职上课、专职答疑。但它也是最难复制的解法——全区推广，不可能每所学校都配两名专职。

所以要看清三层供给各自的位置。

• 专职教师，少数。能撑起系统课程和校本教研，但受编制和人数限制。
• 学科教师兼任，多数。信息科技、科学、数学老师转过来上，能覆盖通识课，专业深度不足。
• 外部服务，补位。机构、高校、企业提供项目课、社团课、师训，受进校频次与合规限制。

三层里，人数最多的是第二层。这决定了 AI 课在多数学校的真实形态：一位信息科技老师，带着一个班的班主任，用现成的课程包，每周上一节。

这也是校外机构最容易误判的地方：以为学校缺的是“上课的人”，其实学校缺的是“把兼任老师带出来的人”。

进校服务最稳的位置，不是替学校上课，是让学校的老师敢上第二节课。

替一节课，合同结束就结束。带一个老师，合同会跟着学期走。

这两件事的商业含义完全不同。前者按课时结算，做完就没了；后者按学期结算，做得好还会续。而且带老师这件事，天然要求你进教研组、进备课会、进听课评课——一旦进去，替换成本就高了。

三、第二问：上多久

课时结构决定课程形态。这一点在 AI 课上特别明显。

这个区的排法是：以信息科学课为主渠道，社团课、课后服务为辅；课时以每周 1 节或每两周 1 节为主，部分学校每周 2 节。

把这几种排法换算成一学期，差别就出来了。

（课时按一学期 20 周估算，实际以各校校历为准。）

10 到 20 节课，是一个很尴尬的区间：够把概念讲完，不够把一个项目做完。

一个能跑通的项目，至少要经历六步：提问题、找数据、试方案、失败、再试、展示。每一步都要一节课以上，还要留出设备调试和分组的时间。

所以校内 AI 课的定位，本来就只能是通识。这不是学校不想做深，是课时结构不支持。

这句话对机构的意义，比任何政策解读都大：学校的 AI 课越普及，越会把“深度项目”这块让出来。

因为它把“知道 AI 是什么”变成了免费供给，同时把“用 AI 做出一个东西”留在了校外。

一所小学每周两次、并在课后延时服务里延伸，这类学校是少数。多数学校能给到的，就是每周一节。机构要按“多数学校”的结构去想合作，不要按“样板校”的结构去报价。

四、第三问：怎么不变成“看视频”

AI 课最容易上成两种样子：老师放视频，学生看；学生玩工具，玩完就忘。

这个区给出的两条原则，正好对应这两个坑。

一条叫“AI 按需介入”，判断该不该用。另一条叫“学科情境”，决定怎么教。

第一条最容易被当成口号。落到实处，其实是四个判断。

四条里最硬的是第三条：结果能不能被验证。

那节示范课叫《动物数据小侦探——AI 识图的秘密》，结论是“图像数据越全面、特征信息越丰富，AI 识别准确率越高”。

这个结论看着像技术常识，其实是一句教学法。这节课的落点不是“AI 很聪明”，是“数据决定 AI 有多聪明”。

学生要能亲手做出这个结论，就必须自己喂图片、自己标错、自己看着准确率掉下去。

这个过程，看视频得不到。

AI 课的质量，不看用了多新的模型，看学生有没有一次“亲手把结果弄坏、再修好”的经历。

“学科情境”这条原则，管的是另一件事：AI 不能悬在空中教。

识图放到生物课的动物分类里，文本分析放到语文课的写作风格里，数据预测放到数学课的统计里。同一个工具，换个学科情境，教学价值完全不同。

这也解释了一件事：为什么“1+N”协同备课是有效的。信息科技老师懂工具，学科老师懂情境，两个人凑在一起，课才成立。

五、三问之后：学校真正缺的是一本手册

谁来上、上多久、怎么不上成看视频——三问指向同一件事：这门课需要一套可交付的东西。

不是教案，是手册。

教案是给一节课的，手册是给一个学期的。教案解决“这一节怎么讲”，手册解决“这门课怎么活下来”。

一所学校要把 AI 课开稳，至少要有一本这样的东西：谁上、上几节、每节用什么、设备怎么调、学生做到什么算过、出了故障找谁。

六章里，最容易被漏掉的是第四章和第六章。

评价方案漏了，这门课就没法向上面交代，也没法向家长展示。一学期下来，学校说不清学生学会了什么，这门课在课表上就站不稳。

安全合规漏了，一次数据事故就能让整门课停掉。学生用的是什么账号、数据传到哪儿、照片能不能发，这些事必须在开课前定好，不能等出事再补。

这也是机构能提供的最实在的东西：不是一门课，是一本能让这门课明年还开得下去的手册。

课程包卖一次，手册卖一个周期。差别在这儿。

六、学校的通识，机构的深度

把校内供给和校外机会放在一张表上，边界很清楚。

这张表说明一件事：学校的 AI 课越普及，机构的课越要往后走。

往前走的机构会很难受。因为“AI 是什么”“怎么和 AI 对话”“AI 能画图”这些内容，学校已经免费讲了，而且讲得不差。

往后走有三条路。

• 项目深度：一个学期做一个真问题。校园能耗、班级垃圾分类、图书馆借阅数据。
• 跨学科：AI 加生物做识图分类，AI 加地理做遥感判读，AI 加语文做文本风格分析。
• 成果外化：作品集、答辩、竞赛、社区发布。让学习有一个可以被看见的终点。

三条路的共同点是：都要时间，都要人，都要评价。

恰好是学校最缺、机构最能补的三样。

反过来，如果机构还在卖“AI 体验课”，卖点会越来越弱。孩子在学校已经玩过了，家长凭什么再付一次钱。

七、进校单最容易踩的三个坑

第一个坑，把课程包当交付。学校要的是“能上课”，不是“有课件”。课件给过去，老师打开一看，三十页 PPT，不知道怎么切成四十分钟。这种交付，第二学期就没有了。

第二个坑，只对接信息中心。信息中心管设备，教务处管课时，校长管钱。三头都要通，只通一头，事就卡在另外两头。

第三个坑，演示很惊艳，落地没人管。示范课是特例，常态课才是验收标准。你在一所学校上一节漂亮的课，不等于这所学校的老师下周能自己上。

三个坑的共同点，是把“进校”当成一次销售，而不是一段服务。

进校这件事，第一单靠演示，第二单靠老师。老师说你靠谱，你才靠谱。

八、接下来 6 到 12 个月

第一，试点区会变成样板区。周边区县来参观，问的第一个问题不会是“设备多少钱”，会是“老师怎么解决的”。

第二，专职教师会成为稀缺资源。谁能提供师训，谁就有进校的入场券。只卖设备的，会被挡在门外。

第三，校本手册会被要求留痕。教研记录、课时记录、评价记录、安全记录，四类材料要能随时拿出来。

第四，家长端的 AI 体验课继续失效。学校讲过的概念，不能再当卖点。体验课要么升级成项目课，要么退成引流品。

第五，项目课的排课需求会上来。跨周、分组、材料准备、设备占用，传统的按节排课撑不住。这是教务层面先崩，不是教学层面先崩。

九、三种规模怎么接

单体机构，做一门能出成果的项目课，做出三个学生作品。别做“AI 全科”，那是大机构的事。你的优势是能把一个项目带到很深。

区域连锁，选一个区，做一所学校的师训加手册，做满一个学期。有一所样板，才有第二所。这个模型的成本不在课程，在驻校的人。

大型机构，把课程、师训、手册、评价做成按学期交付的产品包。关键是换城市不掉效果——换一批老师，学生作品的水平不能差太多。

三种规模有一个共同前提：先有能力，再谈机会。

机会不在谁先讲，在谁能交。

AI 项目课排起来比普通班课麻烦：要跨周、要分组、要留材料准备时间，还要避开信息教室的占用。学邦教务教学管理系统的可视化排课能自动检测冲突，项目课可以跨周连排；课消按实际到课记，家长在微信端能看到每次课的动态；学员档案把作品提交和老师点评存进同一条记录，学期末导出就是一份过程性评价。手册写得再好，落不到排课和记录上，第二个学期还是会散。

写在最后

校内 AI 课解决“知道”，校外 AI 课才有机会解决“做到”。而把“做到”稳定复制下来的，从来不是某一位名师，是一本谁都能照着走的手册。

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。