几天前，OpenAI 发布了最新一代 GPT-5，并将其推理和多模态能力率先应用在「学习模式」中，让 AI 导师的能力实现了质的跃升。不同于早期的题目解析工具，它能在学生学习的全程中即时解答、动态调整、持续跟进，被视为「陪伴式学习」技术的里程碑。
趋势正在加速。全球私人辅导市场预计到 2032 年将达到1320 亿美元，而生成式 AI 教育应用市场年复合增长率接近 40%。
但趋势只是开端。真正推动它落地的，是那些在不同市场摸索的创业者。他们有的来自 AI 技术圈，有的从教育行业深耕多年，有的则是亲历应试压力的普通人。他们用各自的切口、资源和理念，把「AI 导师」这个概念拉进了真实的课堂和家庭场景，也面对着各自的挑战与取舍。
印度：全球化能力试验
2024 年底，OpenAI 推出的「学习模式」在印度市场引发关注。这一模式的设计借鉴了教师、科学家和学习科学研究者的意见，能够通过简短的诊断交流评估学习者的先前知识，再以苏格拉底式提问、精准提示和知识检查，引导学生逐步推理，而非直接给出答案。
它会将解释分解成易于理解的序列，强调概念之间的联系，以管理认知负荷并促进元认知。学习者也可在引导式学习与直接答复之间切换，以应对临近考试的应急需求。
在功能上，它可媲美甚至超越许多真人导师，且运营成本远低于大城市高端家教。每月约 20 美元的 ChatGPT Plus 订阅费仅为印度一线城市部分家教时薪的一小部分。
然而，印度的现实条件构成了挑战：在一些农村家庭，几位成员共用一台移动设备，流量受限且电力供应不稳。这种依赖持续网络连接的 AI 导师，可能会加剧教育不平等。如果政府、电信运营商和教育科技公司不协调改善基础设施并补贴接入机会，那么，这样一来，最先受益的往往是那些本来就有条件获得优质教育资源的学生。
美国的「小切口+深度融合」
与印度的「全球化能力」试验不同，美国西雅图的初创公司 Wild Zebra 则选择了「小切口+深度融合」的策略，将目标锁定在 3-10 年级的数学与阅读理解，并从一开始就与学校生态紧密绑定。
总部位于西雅图的 Wild Zebra 由 Edan Shahar 和 Erik Selberg 于 2024 年创立。Shahar 曾创办旅游科技公司 Utrip，并担任教育科技公司 Test Innovators 的 CEO 近十年，还参与了以色列国家量子计算计划；Selberg 则是 MetaCrawler 搜索引擎的共同创建者，曾在 eBay、Grab 和微软担任领导职务，长期从事大规模 AI 基础设施和机器学习系统开发。
Wild Zebra 聚焦 3-10 年级的数学与阅读理解，而非一次性覆盖所有学科。其 AI 导师在每个提问前生成与学生兴趣相关的 AI 图片，提升注意力与参与度；课堂中结合教师反馈和评估数据，动态调整内容与节奏。
该系统已在四所学校试点，覆盖超过 6000 名学生，并与教育记录局（ERB）合作，利用匿名学生轨迹数据优化个性化学习路径。技术架构采用多模型方法，以确保准确性和隐私保护。
Wild Zebra 近期完成200 万美元融资，计划扩大与学校的合作，并推出家庭版本。Shahar 表示，他们的策略是「从小处着手，在一小部分领域真正做出令人惊叹的工作」，通过高度个性化和场景化引导赢得学生和教师的认可。
新加坡的「本土化应试」策略
相比之下，新加坡的 The Wise Otter 走的则是第三条路线。深度本土化、直击应试需求。
2024 年，前数据分析师 Jotham Goh 辞去工作转向 AI 研发，并于 2025 年 4 月推出AI 辅导平台 The Wise Otter，覆盖数学、英语、化学、物理和生物等科目。
Wise Otter 的最大特点是将新加坡本地的教学大纲、评分标准以及历年真题和教师范文训练进模型，使其在作文批改、数学推理、科学讲解等方面更贴近课堂要求。不同于通用 AI，它不会直接给出完整答案，而是像老师一样指出问题并提供修改建议。
该工具以 Telegram 机器人形式提供，学生可以输入问题或上传作业照片，获得分解步骤、理解提示或口语反馈。上线后，Goh 在 Reddit 学生群组推广，吸引了约每周 600 名活跃用户，其中不少是备考 O-level 的自修生。
16 岁的用户 Kaitlyn Ang 表示，由于请不起真人家教，她选择了 Wise Otter，并认为它在解释数学概念和提供英语写作反馈方面与老师相当。Goh 承认，Wise Otter 目前大约有 10% 的答案存在错误率，收入也不足以覆盖生活开支。不过，他表示自己有足够的积蓄维持未来数年的运营，并会持续优化产品。
三大要素决定竞争力
从这三地的实践来看，AI 导师的竞争力将取决于三大要素。
首先是个性化与学习科学的深度结合。OpenAI 的学习模式通过诊断和引导式提问降低认知负荷、促进元认知发展；Wild Zebra 用兴趣驱动和动态调节保持学生的学习动机；Wise Otter 则将课程大纲和考试标准嵌入算法，直接契合学习目标。这意味着，未来的 AI 导师不仅要会「讲题」，还要懂教育学、心理学和本地化教学法。
其次是教育生态的融合能力。AI 导师并非孤立工具，它需要嵌入学校课程、与教师配合、与家长沟通，甚至要和线下活动形成联动。Wild Zebra 的做法表明，当教师能实时看到学生的 AI 学习数据，并据此调整课堂节奏时，AI 导师的价值会被放大；反之，如果 AI 学习数据和课堂脱节，工具就容易被边缘化。
最后是公平与风险的平衡。AI 导师的普及，可能加剧已有的数字鸿沟——尤其是在网络、设备不足的地区，先进工具反而先惠及资源充足的群体。此外，AI 生成内容的准确性和价值观导向，也需要在设计和监管中被持续关注。The Wise Otter 的做法是用本地真题和教师示范训练模型，以减少答非所问或偏离大纲的风险，这对于进入任何应试型市场的 AI 导师来说，都有借鉴意义。
对于中国市场而言，这些经验提供了多重参考：在政策上，AI 导师的引入必须符合数据安全与教育公平的双重要求；在商业模式上，学校合作可能是规模化落地的关键突破口，而面向家庭市场的版本则需解决家长信任与付费意愿问题；在产品设计上，本土化适配将是核心竞争力。无论是契合「双减」后的课堂教学节奏，还是结合高考改革后的多元选拔要求，AI 导师都需要针对性地设计交互、内容和评估机制。
教育科技的浪潮里，从来不缺新工具，缺的是能在真实场景中站稳脚跟的解决方案。印度的「全球化能力试验」、美国的「小切口深耕」、新加坡的「本土化应试」，共同揭示了一个事实：AI 导师的未来，不只是算法和算力的比拼，而是教育理念、落地策略与生态融合的综合考验。
GPT-5 的到来，为 AI 导师打开了新的能力边界——更强的推理、更自然的交互、更丰富的多模态表现。但它能否真正帮助学生从「被教」走向「会学」，将取决于每一位推动者的选择。趋势已至，路径各异，留给后来者的时间窗口，正在快速收窄。
本文来自微信公众号“多鲸”（ID：DJEDUINNO），作者：思珞，36氪经授权发布。
