AI 高等教育日报 — 2026-06-26

聚焦 AI 赋能学习、赋能高校数字化转型、AI 教育、教学相关方向，每日筛选 6-8 条值得关注的动态

今日主题

AI 高等教育正经历"检测困境+劳动力转型+学习消费迁移"三重冲击。 央视曝光论文 AI 率检测"62%→94%不降反升"的荒诞现实，揭示"用 AI 查 AI 率"的根本性技术缺陷——基于概率的分类无法确定性判定文本来源，中文语义丰富性更加剧误判。RAISE US 以 5 亿美元启动美国最大规模 AI 力再培训联盟，Anthropic/OpenAI/Amazon/Microsoft 联合出资，两党州长共同背书，目标是 3-4 年内投入 5 亿→10 亿帮助工人适应 AI 经济转型。DataCamp 数据显示 Claude 自主学习需求是 ChatGPT 的 3 倍，AI 学习消费正在从"通用聊天"转向"专业智能体"——学习者的需求不再只是"如何与 AI 对话"，而是"如何让 AI 替我干活"。OpenAI 内部报告揭示非开发者（律师/财务/招聘）Codex 使用增长 137-189 倍，AI Coding 从"开发者工具"变成"全行业默认生产基础设施"——高校所有专业都需要"AI 智能体素养"，不只是 CS。GPT-5.6 被要求改为受控预览版，逐客户审批准入，最强模型与可获得模型鸿沟进一步扩大——AI 教育准入权正在被政治化。华盛顿邮报调查显示 GPT-5.5 在 80% 政治问题上仅呈现左派论据，AI 偏见对教育公平的冲击首次被系统性量化。Anthropic 指控阿里巴巴非法蒸馏 Claude 能力，OpenRouter ZDR 流量占比近半——AI 教育数据主权从"可选"升级为"刚需"。

1. 央视曝光论文 AI 率检测困境：62%→94%不降反升，“用 AI 查 AI 率"根本性缺陷暴露

6 月 25 日，央视网发布专题报道《“用 AI 查 AI 率"靠谱吗？毕业论文检测怎样更科学？》，揭露当前高校 AIGC 检测的系统性困境：

• 62%→94%不降反升：有毕业生论文初始 AI 率 62%（远超学校 15% 红线），尝试用大模型改写后检测升至 94%——改得越"像人写”，AI 率反而越高
• 检测原理基于概率而非确定性：首都师范大学副院长蔡海龙指出，AI 检测本质是基于概率的分类，“用 AI 查 AI 无法明确判定"文本来源
• 中文语义加剧误判：中文语意丰富易致歧义，AI 检测系统对人类语句产生大量误判
• 检测报告缺乏解释性：只有整段红色标注，没有解释为何被认定为 AI 生成，学生不清楚修改方向
• “降 AI 率"付费服务乱象：社交媒体上以"降 AI 率"为名的付费服务随处可见，干扰毕业生
• 专家建议"人机共判"模式：建立透明可回溯的 AI 使用标注制度，实行"人工评议为主、AI 检测为辅”

值得关注： 这是对中国高校 AIGC 检测治理最直接的公开质疑——央视作为国家级媒体首次系统性揭示"用 AI 查 AI 率"的技术悖论。① “62%→94%不降反升"是检测困境的极端案例：用 AI 修改文本使 AI 率反而上升，说明检测工具对"经过 AI 处理的文本"与"AI 直接生成的文本"无法区分——检测的不是"AI 写的”，而是"AI 处理过的”，两者完全不同但检测工具无法区分。② “基于概率而非确定性判断"是根本性缺陷：蔡海龙明确指出 AI 检测本质是分类而非判定，这意味着"15% AI 率红线"政策建立在不可靠的技术基础上——就像用体温计测体温但体温计有系统性误差，却仍用它来决定是否隔离。③ “中文语义丰富易致歧义"说明 AIGC 检测工具的本地化缺陷：当前检测工具主要基于英文语料训练的逻辑（困惑度+突发性），中文的语法灵活性（省略主语、意合句法、多义词）使检测准确率更低——高校不应直接搬用英文 AIGC 检测标准。④ “人机共判"建议与天津大学"行为底线清单"形成互补：央视专家建议"人工评议为主+AI 检测为辅"与天津大学"所有成果须标注 AI 使用"是同一治理逻辑的两面——前者是判后机制，后者是判前机制。⑤ 对高校的实践启示：① 暂停或降低"15% AI 率红线"的刚性执行，改为弹性参考标准；② 建立"AI 使用标注制度"作为检测替代方案；③ 开发中文语料本地化的 AIGC 检测算法；④ 在论文答辩环节增加"AI 使用说明"陈述要求，让学生主动说明使用了哪些 AI 工具、在哪些环节、如何使用——透明度比检测率更重要。

🔗 央视网 | IT之家

2. RAISE US 5 亿美元 AI 劳动力再培训联盟成立：Anthropic/OpenAI/Amazon/Microsoft 联合出资，两党州长共同背书

6 月 25 日，美国两党联合成立非营利组织 RAISE US，由前商务部长 Gina Raimondo（民主党）和前印第安纳州长 Eric Holcomb（共和党）共同主持：

• 初始资金 5 亿美元，目标 3-4 年内投入，总筹资目标 10 亿美元
• 创始合伙人：Anthropic、OpenAI、Amazon、Microsoft、Bank of America、General Motors、Eli Lilly
• 参与州长：马里兰州 Wes Moore（民主党新星）、阿肯色州 Sarah Huckabee Sanders（MAGA 核心盟友）、犹他州 Spencer Cox（共和党）、康涅狄格州 Ned Lamont（民主党）
• 顾问委员会：AFL-CIO 主席 Liz Shuler、Blackstone CEO Stephen Schwarzman、Laurene Powell Jobs、前众议长 Paul Ryan 等
• 首年试点方向：① 扩展青年"服务年"机会（医疗/教育领域）；② 更新失业保险制度帮助裁员工人用 AI 创业；③ 各州定制化 AI 再培训方案
• 内部政策实验室不接受企业资金，独立研究 AI 对劳动力的影响
• Anthropic 同时启动 Claude Corps 计划：1.5 亿美元投资，在非营利组织部署 1000 名 AI fellows

值得关注： 这是全球最大规模的 AI 劳动力再培训联合行动——5 亿→10 亿资金+两党背书+7 家科技巨头+4 位州长+AFL-CIO 主席，“企业出资+政府落地+工会监督"的三方模式首次成型。① “目前只有 AI 技术战略，没有人员战略"的表述直击核心：RAISE US 的成立逻辑是——美国在 AI 技术上投入了数千亿美元，但在"人怎么适应"上几乎零投入，这是一个系统性失衡。② “失业保险改革帮助工人用 AI 创业"是创新方向：传统失业保险是"被动补偿”，RAISE US 提出的是"主动转型”——被 AI 替代的工人不是领救济金等待再就业，而是用 AI 工具自己创业——这对高校"创业教育"课程有直接启发：AI 时代的创业教育不应只是"教商业模式”，还应教"如何用 AI 智能体替代人力实现一人公司”。③ 两党州长共同背书说明 AI 劳动力问题已超越政治分歧：Wes Moore（民主党新星）和 Sarah Huckabee Sanders（特朗普核心盟友）同时参与——AI 对就业的冲击不是左派或右派的议题，而是全社会的结构性挑战。④ AFL-CIO 主席加入顾问委员会是关键信号：美国最大工会联盟不再"反对 AI”，而是"参与 AI 再培训设计”——从对抗转向协作，这与 Oracle 裁员 21000 人（昨日 AIedu）形成鲜明对比。⑤ **Anthropic 同时启动 Claude Corps（1.5 亿+1000 fellows）**说明 AI 公司正在从"卖 API"转向"建人才培养生态”——Anthropic 的策略是让 1000 名 early-career fellows 进入非营利组织使用 Claude，既是产品推广也是社会责任，高校应关注这类"企业资助的 AI fellows 项目"作为学生就业新通道。

🔗 POLITICO | Rockefeller Foundation | EdTech Innovation Hub

3. DataCamp 数据：Claude 搜索量超越"AI"成最高词，自主学习需求是 ChatGPT 的 3 倍——AI 学习消费从"通用聊天"转向"专业智能体"

6 月 25 日，TechCrunch 报道在线教育平台 DataCamp 的最新数据，揭示 AI 学习消费的结构性变化：

• “Claude"已成为 DataCamp 网站搜索量最高词，超过"AI"本身
• 自主学习消费者中对 Claude 课程的需求是 ChatGPT 的 3 倍
• 过去 30 天 Claude 课程需求激增 18 倍
• Anthropic 付费用户数和收入增长约 75%（自 2026年1月以来）
• ChatGPT 在用户规模和收入上仍全面领先

值得关注： 这组数据揭示了AI 学习消费正在发生的结构性迁移——学习者不再追求"如何与 AI 对话"的通用技能，而是追求"如何让 Claude 替我干活"的专业智能体技能。① “Claude 搜索量超过 AI"是消费信号：学习者的搜索行为从抽象概念（“AI”）转向具体产品（“Claude”），说明 AI 学习从"了解趋势"变成"使用工具”——高校 AI 通识课需要从"讲 AI 历史/概念"转向"教具体 AI 工具使用”。② “Claude 课程需求是 ChatGPT 的 3 倍"说明学习者偏好智能体而非聊天机器人：Claude 的核心优势是 Claude Code/Cowork 的"任务委托"能力（让 AI 执行长程任务），ChatGPT 的核心仍是"对话问答”——学习者正在从"问 AI"转向"让 AI 干活"，这与豆包专业版的"办公任务模式"（昨日 AIedu）方向一致。③ “过去 30 天激增 18 倍"是爆发式增长：一个月内需求增长 18 倍说明这不是缓慢趋势而是突变事件——可能是 Claude Code 2.x 版本发布 + Claude Cowork 产品上线触发的新需求。④ 对高校 AI 赋能学习的启示：当学习者主动搜索"Claude"而非"AI"时，高校应该意识到——学生不需要"AI 通识课”，需要的是"AI 智能体实操课"；不需要"如何与 AI 对话"，需要的是"如何把任务委托给 AI 智能体并验证结果"——AI 赋能学习的教学重心正在从对话技能转向委托技能。

🔗 TechCrunch

4. OpenAI 内部报告：非开发者 Codex 使用增长 137-189 倍，律师/财务/招聘跨过"智能体过半拐点"——AI Coding 从开发者工具变成全行业默认基础设施

6 月 25 日，OpenAI 发布内部报告《How agents are transforming work》，首次公开 Codex 在 OpenAI 内部的全面使用数据：

• Codex 占 OpenAI 内部 99.8% 输出 token，取代 ChatGPT 成为主要工作工具
• 80.6% 个体用户发起预计等效人类工作时间超 30 分钟的请求，70.2% 超 1 小时，25.6% 超 8 小时
• 非开发者增长 137-189 倍（个体 137x、组织 189x、OpenAI 内部 12x）
• Legal、Finance、Recruiting 在 2026 年 4 月跨过"Codex 使用过半拐点"——平均每位律师或招聘人员超 85% 输出 token 来自 Codex
• 1/4 的商务部门 Codex 工作属于工程/编程类——智能体让非技术人员跨越任务边界做"原来需要技术支持的工作"
• Codex 移动端正式 GA：手机启动任务+后台执行+移动审查，AI Coding 不再需要坐在电脑前

值得关注： 这是对高校"AI 素养=编程素养"假设的结构性否定。① “律师 85% token 来自 Codex"说明 AI Coding 不是 CS 专业的专属技能——法律系学生、金融系学生、人力资源系学生都在大量使用 AI 智能体完成专业工作。这意味着高校所有专业都需要"AI 智能体素养"教育，不只是计算机系。② “1/4 商务部门 Codex 工作属编程类"揭示跨边界执行能力：非技术人员用 AI 智能体完成原本需要工程师支持的自动化/数据转换/工具开发/调试/结构化分析——AI 智能体正在把"编程能力"变成"委托能力”：你不需要会编程，你只需要会委托 AI 编程并验证结果。③ “80.6% 用户发起超 30 分钟任务"说明智能体使用已从"即时问答"转向"长程委托”——高校 AI 课程需要教学生"如何设计并监控一个 30 分钟以上的 AI 智能体任务”，而不是"如何写一条好的提示词获得即时回答"。④ “Codex 移动端 GA"降低了使用门槛：手机随时随地审查 AI 智能体的工作——AI 工具从"坐在电脑前使用"变成"随时随地监控”，这对高校移动化教学环境建设有启发。⑤ 与 RAISE US 形成互补：RAISE US 解决"被替代的工人如何再培训"，OpenAI 数据说明"未被替代的工人如何升级"——两件事同时发生，高校需要同时准备两种课程路径。

🔗 OpenAI

5. GPT-5.6 被要求改为受控预览版：AI 监管从"出口管制"升级到"发布管制"——教育准入权正在被政治化

6 月 25 日，The Information 报道美国政府因安全顾虑要求 OpenAI 暂缓 GPT-5.6 的广泛发布，改为推出受控预览版：

• 逐客户审批准入：OpenAI 先向小部分合作伙伴提供早期访问，由政府逐客户审批
• 核心担忧：模型在自动化高技能网络工作上的能力——既能帮防御者发现漏洞，也可能被攻击者用于加速漏洞利用
• CEO Sam Altman 已确认审批流程
• 这是"发布管制"而非"出口管制"：此前监管只限制模型"出口到外国"，现在首次限制模型"在美国国内的广泛发布"

值得关注： 这是对AI 教育准入权最直接的政治干预信号。① “发布管制"意味着最强模型的获得不再只受国界限制，还受审批限制——此前"最强模型≠可获得模型"的分裂仅限于出口管制（外国用户不可用），现在延伸到发布管制（本国用户也不可自由用）——高校研究者可能需要逐个审批才能使用最强模型做教学/科研。② “逐客户审批"对高校的影响：大学作为"客户”，需要向政府申请审批才能获得 GPT-5.6 的使用权——这就像核材料许可，但对象是 AI 模型。高校图书馆/IT 部门需要新增"AI 模型准入审批"职能。③ 与 Fable 5/Mythos 被禁的逻辑一致：Anthropic 的网络安全模型被全球关闭，OpenAI 的通用模型被逐客户审批——两条路径指向同一个结论：AI Coding 已被认定为武器级能力，教育场景的准入权正在被收窄。④ 对开源模型教育的反向推动：GPT-5.6 受控→Ornith-1.0 MIT 开源 SWE-Bench 82.4——当闭源最强模型越来越难以获得，开源模型成为教育场景的唯一安全通道，与 Lambert"禁止开源将是一个错误"的论断形成呼应。⑤ 高校应立即评估现有 AI 工具依赖链的"准入风险”：哪些课程依赖闭源模型？如果模型被管制，教学是否有替代方案？

🔗 The Information | ic.work 解读

6. 华盛顿邮报调查：AI 聊天机器人政治立场系统性偏左，GPT-5.5 80% 仅呈现左派论据——AI 偏见对教育公平的冲击首次被量化

6 月 25 日，华盛顿邮报发布调查报告，系统量化主流 AI 聊天机器人在政治问题上的立场偏见：

• GPT-5.5：80% 回答仅呈现左派论据
• DeepSeek V4 Pro：70% 左倾
• Claude Opus 4.8：43% 纯左、57% 给出双方观点
• Grok 4.3：左倾回答仍多于右倾
• 右翼平台 Gab 的 Arya：左倾回答是右倾的 12 倍
• Google Gemini 3.1 Pro 是例外：93% 同时呈现双方立场
• “反觉醒"AI 同样偏左：即使是专门设计为保守倾向的模型，回答也系统性偏左

值得关注： 这是首次系统性量化 AI 偏见对教育公平的潜在冲击——如果学生使用的 AI 学习工具在 80% 的问题上只呈现一种立场，这已经不是"技术偏见"而是"教育偏见”。① “80% 仅呈现左派论据"意味着学生在使用 GPT-5.5 学习政治/经济/社会议题时，只接触到一种观点——这不是"AI 有偏见"的抽象讨论，而是"学生正在被系统性信息偏食"的具体数据。② “反觉醒模型也偏左"说明偏见不是产品设计问题而是训练数据问题——即使刻意调整，模型仍从训练数据中继承了系统性偏左——这意味着偏见在模型架构层面根深蒂固，“对齐"修正的效果有限。③ “Gemini 3.1 Pro 93% 给出双方观点"是唯一例外——Google 的对齐策略是"不选立场，呈现双方”，而非"选择中立立场”。这对高校"AI 辅助学习"的工具选择有参考价值：如果学生需要在争议性议题上获得平衡信息，Gemini 3.1 Pro 可能是更安全的工具。④ 对高校 AI 伦理教学的启示：这组数据应成为"AI 偏见"课程的实证案例——学生不应只学习"AI 可能有偏见"的抽象概念，应学习"GPT-5.5 在 80% 政治问题上只呈现一种立场"的具体数据——偏见不是假设，是可量化的事实。⑤ 与 Stanford HAI 340 万招聘偏见实证（6/24 AIedu）形成"偏见双线”：招聘偏见（算法排斥 26% 黑人+15% 亚裔）+政治偏见（80% 左倾）= AI 偏见同时在就业和认知两个维度冲击教育公平。

🔗 The Decoder | 华盛顿邮报原文

7. Anthropic 指控阿里巴巴非法蒸馏 Claude + OpenRouter ZDR 流量占比近半：AI 教育数据主权从"可选"升级为"刚需”

6 月 25 日，两条与 AI 教育数据主权相关的重要动态同时出现：

（a）Anthropic 指控阿里巴巴非法蒸馏 Claude 能力。 Reuters 报道 Anthropic 指控阿里巴巴未经授权提取了 Claude AI 模型的核心能力。该指控基于 Anthropic 调查，认为阿里巴巴通过逆向工程或其他手段复制了 Claude 的核心技术。阿里巴巴尚未公开回应。

（b）OpenRouter 零数据留存（ZDR）实践。 OpenRouter 报告自 1 月以来新增 97 款 ZDR 模型，月度 token 量增长 4.3 倍，约占全部路由流量近半。ZDR 在账户级/护栏级/单次请求级三层面执行，企业用户可灵活选择控制粒度，避免锁定单一供应商。

值得关注： 这两条动态共同指向AI 教育数据主权从"可选隐私功能"升级为"刚需防护措施"。① “蒸馏防护"意味着 API 调用本身可能成为"数据泄露"通道——如果 Anthropic 的指控成立，说明通过大量调用 + 逆向工程可以"抽取"模型的核心行为模式，这意味着高校在使用闭源 AI 模型 API 时，学生/教师的交互数据可能被模型提供商"反向蒸馏”——你用模型的同时，模型也在"学习你"。② ZDR 流量占比近半说明市场已做出选择——近一半的 OpenRouter 流量选择"零数据留存"，说明企业和开发者不再信任"数据留存"模式。高校在选择 AI 工具时应优先考虑 ZDR 级别的隐私保护，确保师生交互数据不被模型提供商留存或用于再训练。③ “蒸馏防护+ZDR刚需"的组合对高校采购决策有直接影响：① 评估所有 AI 工具供应商的数据留存政策；② 优先选择支持 ZDR 的模型路由服务（如 OpenRouter）；③ 在教学场景中避免使用被指控蒸馏风险的供应商；④ 将"数据主权审计"纳入高校 IT 采购流程。④ “开源=教育主权基础设施"共识进一步强化：当闭源模型的信任基础动摇（蒸馏指控）+数据留存风险加大（ZDR刚需）+发布管制收窄准入（GPT-5.6受控），开源模型成为高校唯一可控、可审、可定制的安全通道——与 Lambert"禁止开源将是一个错误"和 IDC"中国安全厂商破局在于开源生态"的论断一致。

🔗 Reuters | OpenRouter ZDR

趋势洞察

1. “用 AI 查 AI 率"的技术悖论首次被国家级媒体系统性揭示：央视曝光 62%→94%不降反升+基于概率而非确定性+中文语义加剧误判——高校 AIGC 检测政策需要从"刚性红线"转向"弹性参考+标注制度+人机共判”。

2. 全球最大规模 AI 力再培训联盟成立：RAISE US 5 亿→10 亿+两党州长+7 家科技巨头+AFL-CIO 主席——“企业出资+政府落地+工会监督"三方模式成型，高校应关注"AI fellows 项目"作为学生就业新通道。

3. AI 学习消费从"通用聊天"转向"专业智能体”：DataCamp Claude 搜索量超"AI”+课程需求是 ChatGPT 3 倍+30 天激增 18 倍——学习者不再追求"如何与 AI 对话”，而是"如何让 AI 替我干活"，高校 AI 赋能学习重心从对话技能转向委托技能。

4. AI Coding 从开发者工具变成全行业默认基础设施：OpenAI 内部 Codex 占 99.8% token+非开发者 137-189 倍增长+律师 85% token 来自 Codex——高校所有专业都需要"AI 智能体素养"，不只是 CS。

5. AI 教育准入权正在被政治化：GPT-5.6 发布管制+Fable/Mythos 出口管制+蒸馏指控——最强模型越来越难以获得，高校需要评估 AI 工具依赖链的"准入风险"并准备开源替代方案。

6. AI 偏见对教育公平的冲击首次被量化：GPT-5.5 80% 左倾+DeepSeek 70%+反觉醒模型也偏左——偏见不是假设而是可量化事实，高校 AI 伦理教学需要从抽象概念转向实证案例。

7. AI 教育数据主权从"可选"升级为"刚需"：蒸馏指控+ZDR 流量占比近半+发布管制——闭源模型信任基础动摇+数据留存风险加大+准入收窄，开源模型成为高校唯一安全通道。

信息来源：AI HOT (aihot.virxact.com)、央视网、POLITICO、Rockefeller Foundation、TechCrunch、OpenAI、The Information、The Decoder/华盛顿邮报、Reuters、OpenRouter、IT之家等。

去重说明：本期 7 条信息均与昨日 AIedu_2026-06-25.md 的 7 条（SignalFire 工程岗韧性+洪定坤真实效率+豆包专业版+Loop Engineering+Notion/Cursor SDK+Google Research 思考即回忆+NatureBench）无重复。与今日 AIDaily_2026-06-26.md 的 7 条（GPT-5.6 发布管制+Anthropic 蒸馏指控+Ornith-1.0+Codex 内部报告+OpenRouter MCP+General Intuition+IBM 0.7nm）有部分事件重叠（GPT-5.6/Codex/蒸馏），但本期聚焦教育维度分析而非技术维度分析，视角完全不同。

持续追踪：① 央视报道后高校 AIGC 检测政策的调整动向（弹性标准+标注制度+人机共判）；② RAISE US 各州试点方案的具体设计（失业保险改革+AI 创业教育）；③ DataCamp Claude 课程需求增长在国内 AI 学习平台的镜像数据；④ OpenAI Codex 非开发者数据对高校各专业 AI 课程设计的推动；⑤ GPT-5.6 发布管制对高校 AI 工具采购和科研模型使用的影响；⑥ AI 偏见量化数据在国内高校 AI 伦理课程中的案例化应用；⑦ 蒸馏指控+ZDR 对高校 AI 工具数据主权审计流程的建立；⑧ 开源模型作为"教育主权基础设施"的制度化推进。