過去兩年,人工智能正加速走進校園。

從教師用大模型備課出題,到學生用AI查資料、寫作業,AI已經滲透進教學的日常環節。與此同時,學校對AI的期待也在發生變化——不僅希望AI"能用",更希望AI可管理、可信任、能長期融入教學體系。

這意味着,AI在校園裏的角色,正在從零散工具走向基礎能力。

在2026世界人工智能大會(WAIC)期間,"算電協同×Token工廠"東盟綠色智算與AI創新生態大會上,香港新家園協會教育服務及支援中心督導袁國明帶來《Token築基AI校本知識管理重塑港校課堂》主題分享,通過"啓智"WisEdu校本智能知識管理系統,把AI管理能力帶進香港校園的實踐,也是香港新家園協會攜手潤建股份在教育行業落地的最新樣本。

AI進校園的速度,快過學校治理AI的速度

袁國明在分享中提到一個例子:一本並不存在的書,大模型卻能給它寫出一篇結構完整、人物關係清楚的讀書報告。

對熟悉AI的人來説,這只是一次典型的模型幻覺。但放進香港校園的語境裏,這是一個更實際的問題:如果學生把這篇報告當功課交上去,老師怎麼確認書是不是真的存在?教師用一個模型備課,學生用另一個模型寫作業,學校要怎麼知道信息從哪來、內容靠不靠譜,出了錯又該誰負責?

這不是假設。不少香港學校裏,老師和學生已經各自用起了AI——老師可能用DeepSeek、Copilot備課,學生用豆包、Poe查資料、寫作業。工具、賬號、用法全是散的,學校既管不了內容來源,也管不了學生數據。

袁國明把香港AI教育的難處拆成兩層。一層是老師本身,AI迭代太快,資深老師的學習曲線跟不上;另一層是AI被用錯了地方——按他引用的一份調研數據(《人工智能(AI)在中小學教育的應用與發展》,團結香港基金,2026年1月),目前校內用AI主要是用在教學輔助(57%),而真正做課堂互動不足一成(9%),同時,用於學生學情評估的比例亦只有6%,當中課堂互動、學情評估和改善跟進恰恰是AI發揮最大效能、也是學校最需要的場景,可惜,尚需努力。學生則是另一種錯位:上手能力比老師強,但大多隻是拿AI查資料(35%)、趕作業(29%),AI本可以提升學生的創造力和問題解決能力,但幾乎沒有被用起來。

圍繞這個矛盾,潤建股份聯合新家園協會、中國教育出版網,把"啓智"WisEdu帶進了香港學校試用。目前落地三所學校,規模不大,但指向一個更大的問題:當AI從教師個人的輔助工具,變成學校的基礎能力,誰來提供支撐?

從"各自找工具",到"學校統一管"

過去學校做數字化,解決的是網絡、教材、教學平台這些問題。進入生成式AI階段,學校要面對一批新的治理對象:用什麼模型、接哪些知識、哪些數據能上傳、生成內容誰審核、出了錯怎麼追溯。

香港校園目前的AI工具高度碎片化——老師用一套系統,學生用另一套,一所學校裏同時跑着五六個不同的AI教學工具,校方很難統一管控。"啓智"WisEdu的思路是反過來做,希望能做到五大重點:①建構校本知識管理;②透過AI標準化管控;③傳承優秀教學經驗;④對接前沿教學政策;⑤聯通兩地教研資源。

最後,把智能備課、分層命題、智能作業、智能批改、學情分析放進同一套系統,師生共用,學校可以按課程和安全要求,統一決定接哪些模型、開哪些功能。

以上功能不算獨創,但在香港市場目前有一定稀缺性——多數本地AI教育平台功能是單一的,有的只做批改,有的只做教案,能一站式覆蓋這些功能的產品並不多見。三所試點學校反饋中,認可度最高的不只是某個具體功能,更是"統一、安全、一體化"這個底座本身。

今年香港教育局推出的"『智』啓學教"撥款計劃,要求學校在3個學科、兩個年級裏做AI教學試點,這套系統的落地節奏和政策要求基本同步:三所試用學校目前覆蓋中文、英文、數學、中國歷史,跟香港中小學核心科目高度重合。作業批改環節參照香港教育局TSA小三統考規範開發,後續計劃陸續參照更多官方考核標準。5月29日,新家園協會教育服務及支援中心和潤建股份在香港舉辦了一場產品發佈會,向全港校長展示了平台的落地效果。據反饋,學生對批改準確度認可度較高,教師認為出題貼合校內教學要求。

算力,是選擇的起點

新家園教育中心今年5月和潤建股份正式簽約。新家園目前有50多所夥伴學校,而全香港的學校總數大約有900多所——中間這個差距,決定了這次合作從一開始考慮的就是能不能撐起未來的規模化覆蓋。選合作伙伴時,袁國明考慮過不止一家,最後定下潤建股份,原因很直接:"我們必須找到算力有保證、有穩定、能提供長期技術支撐的企業共建系統,選擇潤建股份最大的原因,就是算力。"

潤建股份正在做的一件事,是把算力從機房裏的資源,變成學校能直接用的服務,載體是"五象雲谷Token工廠"。這套體系把承載算力、智能調度、效率優化、模型服務、計量計費打包在一起,從"算力從哪來"到"算力怎麼用"一次性打通,讓Token像水、電一樣,按需調用、按量計量。

對學校來説,不用自己去碰GPU部署、模型選型和調用調度——教師面對的是備課、批改這些具體功能,底層的算力像電網一樣在背後運轉,用了多少、花了多少錢也能算清楚。這套按量計費的機制,對應的正是規模化之後學校最容易卡住的兩個問題:調度誰來管,賬怎麼算。而這也是新家園願意把規模化覆蓋這個長期目標押在潤建股份身上的原因——不是看中某一個具體功能,而是看中這套"能像水電一樣穩定供應"的底層能力。

算力只是底座。潤建股份在算力之上還搭了一層從模型到應用的平台能力,覆蓋數據處理、模型訓練與微調、模型接入、智能體編排和雲邊部署,可以按不同業務場景組織模型和工具。放到"啓智"WisEdu這個系統裏,這層能力的作用是把學校資料、課程資源接進通用大模型,讓AI從"能生成內容"變成"能按學校要求完成教學任務"。潤建股份此前在大數據精準教學、題庫資源、智能組題、試卷識別和學情分析上也有積累——這類偏結構化題庫和考試數據的能力,和生成式AI結合起來,才能形成從備課、命題到批改、分析、教學調整的閉環,而不是停留在"能聊天"的層面。

再往前追,潤建股份長期做通信、能源和數字化基礎設施的建設運維,能力底色是讓複雜系統在不同地區、不同場景里長期穩定地跑,而不只是開發一套軟件。教育是這套工程化交付能力延伸出來的一條新業務線——這也是新家園選擇合作方時給出的另一個考量維度:項目上線之後誰來持續維護、迭代、修錯,比上線時功能有多少更重要。

慢一點,但可能走出自己的路

算力和渠道解決的是"能不能做",接下來要面對的是"怎麼做、多快能做"。袁國明不認為香港會複製內地那種統一標準、全港推行的路徑——不是不想,是辦學結構決定了做不到。內地可以集中批量推,一次落地一兩百所學校;香港約900多所學校分屬幾十個不同的辦學團體,要在全港推行標準化方案,因為各自有獨特的需要,得一個個團體去談,推進週期會明顯長於內地。但他把這個"慢"也看作一種優勢:香港辦學模式本身百花齊放,AI教育推進速度可能較慢,應用場景和落地模式的多樣性可能會更豐富。

這件事能往前走,靠的是兩種能力拼在了一起:新家園得到多個辦學團體的信任,知道怎麼把一個個團體談下來,也懂香港的課程標準和考核規範該怎麼落地;潤建股份拿出的,是把複雜底層能力做成"拿來就能用"的服務的經驗——這套按量計費、穩定交付的模式,先在通信網絡上跑通,又在能源網絡上跑通,這次要落的是AI算力,教育是選定的場景。

袁國明對現狀的判斷很直接:"很初步、很不成熟。"三所試點學校到全港學校之間,隔着談判、隔着政策適配、隔着還沒做出來的成本測算,這些都是接下來要一項項啃下來的事。但方向已經清楚了:AI進校園從來不難,難的是從散落各處的工具,變成一套學校能管、教師能信的日常系統——這正是這條新路徑要走的方向。

AI落地,開始比拼把算力送進場景的能力

從潤建五象雲谷Token工廠推動算力服務化,到"啓智"WisEdu在香港校園的落地,潤建股份正在打通從算力基礎設施到行業一線應用的完整鏈條。

在這次大會的"Token應用"環節,教育是"五大前沿實踐"中被單獨展示的一個場景,其餘幾場分別落在政務治理、企業服務、東盟法律和企業經營上——不同的行業,講的是同一套邏輯:算力先通過Token工廠變成可調用、可計量的服務,再一個個走進具體場景,解決具體問題。

當AI競爭從"誰擁有更多算力",走向"誰能把算力真正送進場景",產業競爭的重點,也開始從基礎設施建設,轉向行業理解、場景落地和持續運營能力。潤建股份正依託五象雲谷Token工廠,將算力、模型與行業知識連接起來,讓Token應用真正延伸向產業深處,服務業務、創造價值。