九月开学，很多学校的课表上多了一行字：人工智能通识课。一个月过去，课表还在，课却上得磕磕绊绊。

十月十七日，山东一档教育新闻做了落地调研，把难点归成三条：非专职教师讲底层逻辑有困难、设备价格不低、更新维护需要持续投入。

这三条常被并列着说，好像难度相当。其实不是。设备是钱的问题，维护是预算的问题，只有第一条是人的问题，而人的问题没有预算科目。

一所学校可以一次买几十套设备，也可以每年列一笔维保费。但它没办法在一个学期里，变出二十个能把人工智能嵌进四十分钟常规课的老师。

一、被说得最多的，往往是最容易解决的

设备贵、维护难是真问题，但它们是可结算的问题。贵，可以分批买、可以租、可以由区域共享摊薄；维护难，可以买服务、签维保、交给示范中心统一托管。凡是能折成金额的，都有解。

师资不是。师资的难点不在于“有没有人”，而在于“这个人得同时会两套东西”。

一套是学科。他得知道自己这门课在这个学段的知识结构、常见错误、评价方式。另一套是人工智能。他得知道模型能做什么、不能做什么、会在哪里胡说，什么时候该让学生自己算，什么时候可以让工具代劳。

这两套能力，过去分属两个岗位。会学科的在讲台前，会技术的在机房。现在要求合并到一个人身上，而且这个人不需要是专家，只需要“够用”。

二、“中间层”缺的不是专家，是翻译

把参与 AI 课的人分三层看，缺口一目了然。

顶层是专家。他们讲得清原理，但一学期来不了几次，也接不住一个学科组每周的备课。

底层是工具。这两年供给已经很充分，打开就能用，甚至自带课件和实验步骤。工具不缺，缺的是用工具的人。

中间层是绝大多数上课的人。他们本来是别的学科的任课老师，被安排兼一门 AI 课。他们不缺热情，缺的是把“技术语言”翻成“课堂语言”的那道工序。

这道工序很具体：一个概念要拆成几分钟的导入，一次实验要准备哪些材料，学生卡住时的第一句话该说什么，四十分钟里留多少时间给试错。这些不是技术问题，是教学法问题。

而现在的培训大多停在两头：要么讲理念，要么教操作。中间那段“怎么在一节常规课里落地”，恰恰最少被覆盖。

三、山东那份纲要，四个词考的都是中间层

二零二六年七月，《山东省中小学人工智能通识教育教学指导纲要》发布，定了四个词：面向全体、素养为先、学科融合、实践育人。

十六个字读起来像口号，落到课堂上全是约束条件。

“面向全体”意味着不能只挑十几个尖子做社团。一个班四十多人，能力差异极大，课程必须做出分层，否则一半人在等，一半人在发呆。

“素养为先”意味着不能上成编程课。会写几行代码不等于懂人工智能；能判断一个推荐结果为什么偏、能说清一份数据靠不靠谱，才是素养。

“学科融合”是最难的一条。它要求 AI 不是一门孤立的课，而是嵌进科学课的观测、数学课的数据、语文课的信息辨析。这直接抬高了非专职教师的要求——他得同时懂两边。

“实践育人”则要求有产出。一节课结束，学生得留下点什么：一份报告、一个模型、一次改进。没有产出的实践，很容易变成看演示。

四个词指向同一个结论：这一轮真正稀缺的，不是会讲 AI 的人，是会设计“AI 加学科”任务的人。

四、一节课的样本：老师只做一件事

济南高新区第一实验学校的一堂 AI 课，被当作样本反复提到。

学生分组检测泉水的酸碱度和浊度，用 AI 工具快速出结果，再比照国家饮用水标准，生成一份水质分析报告。课程规划、实验设计、代码调试，最初都由学生自己完成。老师做的事只有一件：在遇到问题时给方向。

这个“给方向”听着轻，其实极重。

学生用错了试剂，老师不能直接说答案，要说“你觉得哪一步可能让结果偏了”。学生拿到的数据和常识不符，老师不能说工具错了，要问“你喂给它的数据长什么样”。

这就要求老师提前预判：这个班会在哪一步卡住，卡住之后往哪个方向推一把。预判来自经验，经验来自磨课。磨课需要有人陪着磨，而陪磨的人，学校里通常没有。

所以那节课看起来是学生的课，背后是老师在课前被磨过。样本之所以是样本，不是因为设备好，是因为有人替这位老师做了课前那部分工作。

五、示范中心：一门被误读的生意

济南高新区的做法是，挖掘产业资源，与第三方合作建人工智能教育示范中心，把碎片化的课程体系化，以集约方式服务学生，三年服务近三万名。

很多人把它理解成“设备集中采购加课程配送”。这个理解偏了。

它真正在做的，是区域级的教研外包：把课程设计、设备运维、师资培训、听评课打包成一个可复用的中台，学校只出场地、出学生、出课时。

三年近三万名这个数字，说明需求不是试点性质的，是常态化的。一个区能撑起这样一个中心，意味着单校采购的逻辑已经跑不通——单校买不起这套中台，也用不满。

这张表的关键在最后两行。课程包的可替代性极高，今年这家明年那家。教研外包的可替代性低，因为它长在学校的教研节奏里。

六、“一课双评”：杠杆在评价，不在培训

高新区还有一个机制容易被忽略：优质课评比实行“一课双评”，既评学科，也评 AI 应用。

这个设计的巧妙之处在于，它没有另外办一场“AI 教学比赛”，而是把 AI 塞进了原有的评课体系里。

单独办比赛，只有少数人会参加，参加完就结束了。塞进常规评课，所有上公开课的老师都得面对，而且评的是他本来就要评的那节课。

评价是最硬的指挥棒。评什么，老师就练什么；不评什么，培训讲十遍也没人练。

更实际的一点是，双评会逼出“可观察的证据”。一节 AI 课好不好，不能靠感觉，得看学生有没有真的用工具解决了一个学科问题。这就把评价从“有没有用 AI”推到了“用得对不对”。

这套机制可以直接搬进机构。下表是按“一课双评”改的听评课表，内部磨课、进校带教都能用。

用的时候注意两点。第一，AI 应用维度不要超过总分的一半，否则老师会为了用而用。第二，学科目标必须写在最前面，工具是手段，不是目的。

七、对机构的三层含义

第一层，进校服务。卖课程包，你卖的是资源，比价的人一大堆；卖带教、磨课、评价，你卖的是人的时间，替代成本高。

具体形态可以是：一学期多少次入校带教、多少次集体备课、多少次听评课、给学校留一份什么样的教研成果。按学期、按学科组、按人次计价，都比按套卖设备稳。

第二层，家长端。孩子在学校已经上过 AI 课了，机构再拿“AI 体验”当卖点，基本失效。能卖的是孩子能做出什么：一个能跑起来的小项目、一份能被看懂的分析报告、一次真实的展示。

这也是为什么，家长端的 AI 课如果只教工具操作，续班会很差。工具每半年换一代，家长看不到积累。

第三层，内部。不管做不做 AI 课，“一课双评”的思路都能用：把新能力嵌进原有的听评课表，而不是另起一套考核。另起一套的结果，通常是两套都没人认真做。

八、三到六个月能看到的分化

到寒假前，大致能看出三件事。

一是示范中心这类区域中台会不会扩围。一个区跑通了，邻近区县大概率跟进，采购主体从校变成区，单校小单会变少。

二是学校对带教的付费意愿。设备预算通常是专项，师训预算通常很碎。能不能把带教做成可持续的服务，取决于能不能对接上教研经费而不是采购经费。

三是机构内部会不会真的长出中间层。判断标准很简单：有没有两三个老师，能独立设计一节四十分钟的跨学科 AI 课，并且能带着别人上。有，是能力；没有，还是项目。

进校服务也好，内部磨课也好，最后都会落到一件事上：这些课有没有被记录下来。哪个学科组、哪位老师、磨了几轮、评了几分、下一次改什么——散在聊天记录和纸表里，一学期后就找不回来了。一套教务教学管理系统能做的是把过程固定成档案：教研计划排进课表，听评课记录挂在老师名下，课后反馈直接推到家长端，下一轮带教调出来就能接着做。教研最怕的不是没想法，是每一轮都从零开始。

写在最后

AI 课的门槛，最后不会卡在预算表上，会卡在课表上——有没有一个人，能把那四十分钟接住。

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。