过去二十年教育数字化做了什么？把黑板搬上屏幕，把纸质作业存进数据库，把课堂录成视频。建成了信息高速公路，但很少有人追问：学习到底是怎么在脑子里发生的。
这个问题回答不了，教育AI的天花板就到这了。联合国教科文组织预测，到2030年全球中小学教师缺口将达4400万。现有的自适应题库和对话式大模型能推荐下一道题，但答不了更根本的问题——学生为什么这样想，接下来会在哪里卡住，什么干预能促成概念转变。
《世界模型驱动的教育AGI白皮书》给出了一条技术路线：构建"认知世界模型"，让AI在内部仿真学习者的认知动力学，推演不同教学干预的长期后果，自主规划最优路径。这份白皮书由天立启鸣AI研究院和AIII人工智能国际研究院联合发布，系统阐述了从认知仿真到教育智能体的范式跃迁。
图注：教育数字化三阶段——从信息化到数字化，再到认知智能化，瓶颈在于认知层
世界模型的三条技术路线
世界模型不是新概念。2018年Ha和Schmidhuber用变分自编码器加循环神经网络做了第一个框架，让AI在隐式状态空间里做决策规划。2022年LeCun提出JEPA架构，主张通过潜空间预测来突破大语言模型在物理常识上的瓶颈。
白皮书把当前世界模型分成三个流派，投射到教育场景各有用武之地。
生成式像素预测流派，以Sora和Cosmos为代表。这个流派擅长生成高保真画面，在教育场景里可以构建虚拟实验、再现历史情境、生成动态几何空间。把抽象知识变成可看可摸的东西。
潜空间状态预测流派，以JEPA为代表。它不在像素层面重建，而是在抽象的潜空间做预测，计算效率高很多。V-JEPA 2的实证数据显示，潜空间模型的规划速度比基于视频生成的模型快约15倍。这个流派跟教育最契合——学习者的知识图谱、迷思概念、认知负荷，本身就是不可直接观测的"潜状态"。
强化学习与规划流派，以MuZero和Dreamer为代表。擅长在隐式状态空间里做多步最优决策。放到教育里，就是以学习者当前的认知状态为起点，在内部推演不同教学干预序列的长期效果，从庞大策略空间中求解最优的个性化导学路径。
白皮书的主张是三个流派不是简单拼接，而是融合架构：潜空间预测做认知仿真核心，生成式像素预测做教学体验渲染，强化学习规划做干预决策中枢。
LAM闭环和四级成熟度
世界模型只是底座。白皮书提出了一套叫LAM的元框架——Learning-Assessment-Modeling，把知识追踪、认知诊断、智能导学、学习分析四个技术脉络统合在一个闭环里。工程上展开为观测、建模、规划、渲染、评估五个环节，把碎片化的AI应用串成完整链路。
图注：教育技术从传统软件到教育AGI的代际跃迁，核心能力从内容呈现到认知仿真
成熟度分四级。L1到L2是当前行业在做的——静态知识图谱加规则引擎，打通学情数据做个性化推荐。L2到L3是关键跃迁，核心是引入教育世界模型，启动大模型驱动的系统闭环，实现教学策略动态生成。L3到L4是终局形态——跨场景全域数据飞轮，系统级教育智能体的全局自治与终身陪伴。
白皮书坦言前路很长。认知状态不可直接观测、概念转变的非线性、教学干预的长期延迟反馈、认知数据隐私的伦理边界——这些问题构成了"深水区"。但他们判断，未来三年是基于教育世界模型的智能系统从概念验证走向规模化落地的关键窗口期。
数据和商业模式
商业化路径上，白皮书提出"智价比"概念——单位算力成本下的教育效能增益。教育场景独有的长上下文、深推理和多模态特征，使Token成本管理和模型推理优化成为产业化的核心命题。
图注：涌现式教育成熟度进阶路径——L1到L4的系统能力与人的角色演变
四个核心价值场景值得注意：个性化学习路径生成、认知诊断与精准教学、自适应评估与能力画像、多智能体协作学习环境。其中自适应评估的思路有意思——系统不只诊断当前认知状态，还通过认知动力学推演未来学习轨迹中的潜在风险，在风险暴露前就触发干预。把评估从滞后的结果反馈变成前置的风险预警。
源势AI观点
教育AGI的核心难题不在模型参数多大，而在认知状态的可建模性。世界模型从自动驾驶迁移到教育，逻辑上成立，但物理世界的状态可观测、可量化，认知世界的状态不可直接观测，验证难度完全不同。
我们在企业级Agent落地中见过类似问题——能源行业的AI研判准确率能做到98.7%，前提是设备状态和故障模式可定义、可标注。教育场景的"认知状态"没有这么干净。白皮书提出LAM闭环框架是对的，但闭环的前提是有足够高质量的过程数据做燃料。
Token成本是硬约束。教育场景的多轮交互、长上下文推理天然消耗大量Token。我们在Token聚合平台的实践中，智能路由可以把推理成本降低30%到50%，但教育AGI要解决的问题除了降本，还有算力成本与教育效能之间的"智价比"衡量。这个指标目前还没有统一的计量框架。
世界模型在教育领域的落地不会一步到位。大概率先在数学、编程等结构化强的单点学科跑通闭环，验证认知增益后再向多学科扩展。这也符合Agent工程的一般规律——先窄后宽，先受控后开放。
