AI 高等教育日报 — 2026-06-28

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 教育进入"平台对决+学科建制化"新阶段——ISTE 2026 今日开幕，Google 与 Microsoft 在 AI 教育领域展开"操作系统级"对决；DeepSeek 联合北大开源推理加速框架，高校从 AI"使用者"升级为基础设施"共建者"；首都师范大学全国首批 AI 教育本科专业启动招生，“AI+教育"从概念走向正式学科建制；美国企业 AI 账单失控引发 DeepSeek 切换潮，模型路由策略成为高校 AI 采购必修课；千问输入法和 HuggingFace vLLM 从两条线同时降低 AI 使用与部署门槛。与此同时，近 400 家美国报纸起诉 OpenAI/Microsoft，AI 训练数据版权争议升级为高校学术诚信教育提供新的法律参照系。

1. ISTE 2026 今日开幕 + Microsoft 发布 2026 AI 教育报告：AI 教育"双雄对决"正式开场

全球最大的教育技术盛会 ISTELive 26 今日（6 月 28 日）在美国奥兰多正式开幕（6/28-7/1），今年首次与 ASCD 年会合并举办。Microsoft 在开幕前夕（6 月 24 日）发布第三版年度 AI in Education Report，并一次性推出 23 项教育新功能，与 Google 上周发布的 AI 教育全家桶形成"双雄对决"格局。

Microsoft 报告关键数据（覆盖美/英/澳/巴西/日本/沙特 6 国 3,345 名受访者）：

• 92% 学生和教育领导者、88% 教师已使用 AI 处理学校相关事务，但仅 58% 学校已系统实施或扩展 AI
• 78% 领导者、76% 教师、65% 学生报告过去一年 AI 使用量增加
• 87% 教师和领导者、79% 学生认同"学会有效且负责任地使用 AI 对学生未来重要”
• 但 77% 学生和 53% 教师尚未接受过任何形式的 AI 培训——66% 教师和 52% 学生希望学校每月或每季度提供 AI 培训
• 学术诚信是 41% 学生和 42% 教师的首要担忧——“何时以及如何用 AI"缺乏课堂层面的可操作指南

Microsoft 新工具矩阵（均免费向 Microsoft 365 Education 用户提供）：

• Copilot Notebooks：将课堂资料转化为结构化互动学习指南，学生可自测复习——类似 Google Study Notebooks 但深度嵌入 Microsoft 365 生态
• Learning Zone：教师主导的实时课堂体验，教师可查看学生活动进度并控制课程节奏，无缝接入 Assignments 工作流
• Study and Learn Agent：基于学习科学研究的 AI 辅导，引导式概念学习+实时反馈，但不代替学生完成任务
• Unit Plans in Teach：几分钟内从想法生成对齐全球课程标准的完整教案
• Student AI Guidelines in Assignments：教师可为每次作业设定 AI 使用边界规则
• AI Literacy for Educators 认证：与 ISTE+ASCD 联合开发，对齐欧盟和 OECD AI 素养框架

值得关注：这是 AI 教育从"功能点缀"走向"全平台操作系统竞争"的标志性转折。 ① “92% 已使用 vs 58% 系统部署"的 34 个百分点缺口是当前 AI 教育的核心矛盾——师生已经用起来了，但学校的管理体系、培训体系、评估体系完全跟不上。这不是"推不推 AI"的问题，而是"如何将散落的个人使用收拢为系统能力”。② Google vs Microsoft 的 AI 教育对决已从"功能对比"升级为"生态锁定”：Google 依托 Classroom + Chromebook 的 K-12 统治地位，Microsoft 依托 Office 365 + Windows 的全学段覆盖——两者都试图让 AI 成为其教育生态的"操作系统层"而非"附加应用层"。对高校而言，选 AI 工具正在等同于选数字生态。③ “77% 未受训"是比"92% 已使用"更值得警觉的数字：在缺乏系统培训的情况下大规模使用 AI，意味着大量"错误使用模式"正在固化——学生用 AI 代写而非辅助，教师用 AI 评分而非理解。这不是"AI 不好”，而是"没有培训的 AI 使用比不使用更危险"。④ Microsoft 的"AI Literacy 认证"标志着 AI 教育正在建立全球互认的素养标准——对齐 OECD/EU 框架意味着这不是某个厂商的培训证书，而是正在成为类似于"计算机等级考试"的通用素养认证。⑤ ISTE+ASCD 合并举办是教育技术领域的一次结构性整合：技术工具（ISTE）和课程教学（ASCD）的合流，反映了"AI 教育不再只是技术问题，更是教学法问题"的共识。

🔗 Microsoft Education Blog | Microsoft AI in Education Report | ISTELive 26

2. DeepSeek 联合北大开源 DSpark 推理加速框架：高校从 AI"使用者"升级为基础设施"共建者"

6 月 27 日，DeepSeek 联合北京大学正式发布 DSpark 投机解码推理加速框架，论文及训练代码已在 GitHub DeepSpec 项目中以 MIT 协议全栈开源，DeepSeek 创始人梁文锋署名。

• 核心性能：在 DeepSeek-V4-Flash 和 V4-Pro 生产环境中，单用户生成速度比现有 MTP-1 基线分别提升 60-85% 和 57-78%
• 技术创新：半自回归架构（并行骨干+轻量级顺序模块）解决自回归生成延迟线性增长瓶颈；基于置信度的动态验证机制根据系统负载自适应调整，避免高并发无效计算
• 开源生态：MIT 协议全栈开源，支持阿里 Qwen、Google Gemma 等第三方模型适配
• 北大角色：北京大学作为联合发布方参与核心研究，标志着中国顶尖高校在 AI 基础设施前沿不再是旁观者

值得关注：DeepSeek+北大 DSpark 标志着高校在 AI 领域的角色正在发生结构性升级——从"AI 技术使用者"变为"AI 基础设施共同构建者"。 ① 此前"高校用 AI"的叙事是被动的：高校等科技公司发布工具或模型，然后"应用"到教学中。DeepSeek+北大联合发布底层推理框架打破了这一模式——高校不再只是"等模型然后教学生怎么用"，而是直接参与定义"模型怎么跑得更快、更便宜"。② MIT 协议全栈开源意味着高校 AI 课程可以零成本部署和改造：DSpark 不是"只发论文不开源"的学术成果，而是可直接集成到高校自建推理服务中的生产级工具。AI 编程课程、NLP 课程、大模型系统课程都可以基于 DSpark 搭建实验环境。③ “60-85% 加速"的教育意义不仅是"更快”，更是"更便宜"：推理速度提升意味着同样的 GPU 可以服务更多学生并发请求——对于预算有限的高校 AI 实验室，这是"变相扩容"。④ 梁文锋署名论文在北大联合发布，形成"企业+高校"的新型科研生产关系：DeepSeek 提供工程化能力和真实生产环境验证，北大提供学术深度和人才培养管道——这次合作可能是未来高校 AI 研究的主流模式。⑤ 与昨天 Ornith-1.0 开源形成连续叙事：Ornith 解决"用什么模型教编程"，DSpark 解决"模型跑得太慢怎么办"——AI 编程教育的开源基础设施正在从模型层向推理层延伸，全栈自主可控渐成现实。

🔗 AI产品库 | 新浪新闻 | MarkTechPost

3. 首都师范大学全国首批"人工智能教育"本科专业启动招生：AI+教育学科建制化里程碑

6 月 21 日，首都师范大学在 2026 年校园开放日暨高招咨询会上宣布，今年新增全国首批"人工智能教育"本科专业，面向全国招收 20 名本科生，设在教育学院，授予教育学学士学位。

• 培养目标：具备教育 AI 系统开发、模型训练与数据驱动决策能力的跨学科人才——“不是单纯学代码、编代码，关键是熟练掌握 AI 赋能课堂教学”（院长张爽）
• 课程特色：主打自主探究的"翻转式"学习，鼓励互动讨论和小组协作
• 联合培养：与其他高校、科技企业、中小学实验室开展联合实践
• 就业出口：中小学智慧课堂搭建、数字化课程开发、少年宫/博物馆科普智能项目、教育科技公司教学系统研发
• 升学通道：首师大已设立智能教育学自主博士点，该专业学生有机会走本博贯通
• 同期动作：首师大今年还增设文物保护与修复、材料化学、生物信息学、融合教育等 6 个专业，升级 3 个数智特色实验班，推出 15 个双学士学位项目

值得关注：这是"AI+教育"从政策倡导走向正式学科建制的里程碑事件。 ① “人工智能教育"作为独立本科专业获批，意味着国家对"AI+教育"人才缺口的判断已经从"可以通过现有专业改造"升级为"必须设立独立专业培养”。这是在教育部等五部门《“人工智能+教育"行动计划》发布后，最直接的学科建制层面的落地信号。② 授予教育学学位而非工学/理学学位，定位精准：这明确区分了"AI 教育"和"AI 技术"两类人才——前者是"会用 AI 做教育的人”，后者是"会做 AI 技术的人"。在当前 AI 人才讨论中，前者长期被忽视，大模型再强也需要"懂教育的 AI 人才"来将它转化为教学效果。③ 20 人的极小规模招生是"精品化试点"策略：这不是大众化扩张，而是先跑通"AI 教育人才培养模型"，为后续高校提供可复制的课程方案、培养标准和就业验证。④ “智能教育学博士点+本博贯通"构建了完整的人才培养链条：从本科到博士的 AI 教育人才培养体系已经成型，这意味着未来 3-5 年将有第一批"科班出身"的 AI 教育专业人才进入学校和教育科技公司。⑤ “中小学实验室联合实践"的就业定位具有前瞻性：不是培养"教育 AI 研究员”，而是培养能在真实教学场景中部署和优化 AI 工具的"AI 教育工程师”——这是当前最稀缺、但最有实际价值的人才类型。⑥ 与 9 所高校具身智能本科专业形成呼应：今年 9 月 9 所高校首批具身智能专业迎新，首师大 AI 教育专业从另一个方向补充了"AI+行业"本科专业的版图——AI 人才培养正在从"泛 AI 专业"走向"AI+特定领域"的精细化阶段。

🔗 央广网 | 新浪教育 | 腾讯新闻

4. 美国企业 AI 账单失控引发 DeepSeek 切换潮：模型路由策略成为高校 AI 采购必修课

6 月 27 日，IT 之家报道，美国企业正在经历 AI 账单失控潮，开始大规模转向 Token 最小化策略和模型路由。

• 典型案例：旧金山公司 Lindy 此前主要调用 Anthropic Claude 模型，每月 AI 账单超支甚至超过员工工资。CEO 弗洛·克里维ello 表示，本月初已将 100% 流量切换到 DeepSeek，预计未来几个月可节省数百万美元
• 行业趋势：企业开始采用"按任务匹配模型"的模型路由策略——不再将最贵的前沿模型用于所有场景，而是"简单任务用小模型、复杂任务用大模型、推理任务用推理模型"
• 投资回报率焦虑：部分客户已决定暂停 AI 投入，待证明投资回报率后再继续
• 技术工具：Weave 等公司已推出智能模型路由工具，通过 npx @workweave/router 一键部署，基于集群评分器为每个请求自动选择最佳模型，兼容 Anthropic/OpenAI/Gemini 原生 API + OpenRouter 接入 DeepSeek/Kimi/GLM/Qwen 等开源模型

值得关注：AI 成本问题正在从"技术细节"升级为"战略决策"——高校 AI 采购同样面临路线选择。 ① “每月 AI 账单超员工工资"是 AI 成本失控的临界信号：当一个 AI 工具的运营成本超过使用它的人的成本时，“AI 替代人降本"的逻辑就崩塌了。高校 AI 采购面临同样的风险——如果全校师生的 AI 工具订阅成本超过聘请教学助理的成本，财务部门必然叫停。② 模型路由策略正在成为"AI 成本管理"的标准答案：不是"不用前沿模型”，而是"不在简单任务上用前沿模型”。这对高校 AI 平台的架构设计有直接指导——不应采用"全校统一用最贵模型"的单一路线，而应内置模型路由层，根据课程需求（编程课 vs 通识课 vs 科研）自动匹配模型。③ Lindy 100% 切换到 DeepSeek 不是孤立案例，而是一个趋势的开端：从昨天 Anthropic 经济指数的"使用节律"到今天美国企业的"成本失控→切换开源"，两条线共同揭示——AI 工具正在从"前沿模型崇拜"走向"务实总拥有成本计算"。④ 对高校的直接启示：AI 采购需要从"选一个厂商"升级为"设计一个模型路由策略"——采购的不是"GPT-5.6 或 Claude Opus 4.8 的全校授权"，而是"一个根据课程需求、安全等级和预算约束自动选择最优模型的智能网关"。⑤ “暂停 AI 投入等 ROI"是一种理性决策而非倒退：部分企业的"先停再看"态度提醒高校——不是越快部署 AI 越好，缺乏效果评估框架的 AI 投入可能变成"为 AI 而 AI"的面子工程。

🔗 IT之家 | Weave Router (GitHub)

5. 阿里千问输入法 macOS 版上线：AI 赋能学习向"基础工具层"渗透

6 月 27 日，阿里千问输入法 macOS 版正式上线官网，定位为独立 App（非千问 App 内组件），iOS、Android、Windows 版将于近日发布。

• 核心功能：AI 语音输入最快 300 字/分，自动润色、去语气词、纠错、格式化整理，将口语转为工整文字
• 多语种覆盖：支持 9 种方言识别
• 纯净体验：无广告
• 历史脉络：今年 5 月千问已在千问 App 内推出语音输入法组件，本次 macOS 版是向独立输入端扩展

值得关注：AI 赋能学习正在从"专业软件层"渗透到"基础工具层”——输入法、浏览器、笔记应用正在成为 AI 的新载体。 ① 输入法不是"又一个 AI 工具"，而是"AI 嵌入日常学习行为的毛细血管"：学生写论文、记笔记、做作业、发消息——所有文本产出都经过输入法。当 AI 在输入法层面就开始了润色和格式化，意味着 AI 不再是"你需要主动打开的工具"，而是"在你打字时就不动声色地在工作"。这比任何"AI 写作助手"都更底层、更高频。② “口语→工整文字"的能力对高校学生特别有价值：课堂讨论录音、小组会议纪要、讲座笔记——过去将口语转为可用文字需要大量手动整理，千问输入法的实时转写+格式化可以大幅缩短"口语→可发布文本"的路径。③ 9 种方言支持对教育公平有特殊意义：方言识别不是"花哨功能”，而是让不会说标准普通话的学生也能用 AI——这在偏远地区高校和成人教育场景中尤其重要。④ 独立 App 定位暗示千问在构建"AI 基础设施层"：不是依附于千问聊天机器人，而是独立成为一个平台级输入工具——这个策略与 Google/Microsoft 的"AI 嵌入操作系统层"形成呼应，只是从输入法而非办公套件切入。⑤ 与昨天 ISTE 前夜 Google/Microsoft 的教育工具发布形成对比：西方巨头的 AI 教育路径是"从 LMS/办公套件向下渗透"，千问的路径是"从输入端向上生长"——两条路线最终会在"AI 嵌入学习全流程"处交汇。

🔗 IT之家

6. HuggingFace Jobs 一条命令启动 vLLM：AI 教育实验基础设施零门槛

6 月 26 日，HuggingFace 官方博客宣布，通过 hf jobs run 一条命令即可在 HF 基础设施上启动 vLLM 推理服务器，用于测试、评估或批量生成。

• 一行命令部署：hf jobs run 指定 vllm/vllm-openai 镜像、GPU flavor（如 a10g-large）、暴露端口 8000，服务器启动后即可通过 OpenAI 兼容 API 访问
• 成本：a10g-large 价格为 $1.50/小时，按分钟计费，可通过 hf jobs cancel 随时停止
• 教育适配：示例部署 Qwen/Qwen3-4B——4B 参数模型足以支持大部分教学实验场景
• 安全机制：每次请求需携带 HF token 作为 bearer token，仅限有读权限的用户

值得关注：AI 教育实验环境正在从"需要 IT 团队支持"降维为"学生一条命令搞定"。 ① 此前高校 AI 课程的实验环境部署是最大的"隐形门槛"：学生需要在本地配 CUDA、装 PyTorch、下载几十 GB 的模型权重——大量课时消耗在环境配置而非学习内容上。HF Jobs 将整个流程压缩为一条命令，且按分钟计费意味着一次实验课的成本仅需几美元。② OpenAI 兼容 API 意味着学生可以用熟悉的接口调用自选模型：不需要学新的 SDK——用 OpenAI Python 库改一行 base_url 即可。这大幅降低了课程中引入"模型对比实验"的门槛。③ $1.50/小时的定价策略让"每人一台 GPU"从奢望变为可行：传统高校 AI 实验室的 GPU 服务器通常几十人共享，排队等算力是常态。按需启动+按分钟计费让每个学生都可以拥有独立的实验环境——对教学效果的提升是数量级的。④ Qwen3-4B 的选择是用心之举：4B 参数足以做微调、推理、RAG、智能体等教学实验，但又不是"小题大做"的过度配置——在"够用"和"省钱"之间找到了教学场景的最优解。⑤ 这条新闻与 DSpark 形成"AI 教育实验基础设施"的完整闭环：DSpark 解决"模型跑得太慢"，HF Jobs 解决"环境搭得太麻烦"——两条线从不同方向降低 AI 教育的实验门槛。

🔗 HuggingFace Blog

7. 近 400 家美国报纸 + NYT 诉 OpenAI/Microsoft 版权案升级：AI 训练数据版权为高校学术诚信教育提供新参照系

6 月 26 日，代表近 400 家纸媒的出版商联盟向美国纽约南区联邦地区法院起诉微软和 OpenAI，指控其"系统性且秘密地"爬取新闻内容用于训练 AI 模型，侵犯版权并触犯《数字千年版权法》。同日，《纽约时报》提交修订诉状，新增指控微软为 OpenAI 建造了"专用于版权侵权的超级计算机"。

• 规模空前：近 400 家地方报纸联合起诉，是 AI 版权争议史上最大规模的集体诉讼
• NYT 新指控：援引最高法院 Cox 案新判例（帮助侵权标准），指控微软"主动鼓励"OpenAI 侵权，其文章在训练数据中被加权处理
• 出版商立场：AI 产品基于其内容创造数十亿美元价值，但出版商分文未得，称此举或成地方新闻业"丧钟"
• OpenAI 回应：训练数据基于公开可获取内容，符合合理使用原则；微软未置评

值得关注：AI 训练数据版权争议已从"法理辩论"进入"大规模诉讼实践"，为高校 AI 学术诚信教育提供了新的法律参照系。 ① “合理使用 vs 版权侵权"的边界正在被法院逐案划定：最高法院 Cox 案确立的"帮助侵权"新标准被 NYT 援引，意味着不仅是直接抓取内容的 AI 公司有责，提供算力基础设施的公司也可能被追责。这对高校的启示是：不仅学生用 AI 代写需要被约束，提供 AI 工具的学校平台也需要考虑"帮助侵权"的法律风险。② “地方新闻 AI 丧钟"的叙事对高校 AI 素养教育有直接意义：如果 AI 的"知识"来自未经授权的抓取，那学生在使用 AI 时如何判断信息来源的合法性和可靠性？这不仅是"会不会用 AI"的问题，更是"用的 AI 在伦理上是否站得住脚"的问题。③ 训练数据透明度应成为高校 AI 基础设施选型的新维度：此前选 AI 工具主要看"准不准、快不快、贵不贵”，但版权争议提示——“训练数据来自哪里、是否合法获取"也应成为采购标准。这对国内高校选用开源模型（训练数据可审计）vs 商业闭源模型（训练数据不可知）的决策有直接影响。④ 400 家报纸的集体行动释放了一个信号：内容创作者不再接受"你的 AI 基于我的内容赚了数十亿但我不分一毛"的现状。高校教材、论文、讲义同样是优质内容——如果出版社开始要求 AI 公司为训练数据付费，高校 AI 工具的使用成本可能面临新一轮上涨。⑤ 与学术诚信教育的连接：当 AI 的训练数据本身存在版权争议时，“学生用 AI 写论文是否抄袭"这个问题的答案变得更加复杂——抄袭的判断标准不仅取决于学生如何使用 AI，也取决于 AI 的训练数据是否合法获取。

🔗 IT之家 | Ars Technica

今日叙事总结

2026 年 6 月 28 日，AI 高等教育呈现"国际平台对决+国内学科建制+基础设施开源降本"三条主线并行推进：

• 国际平台对决：ISTE 2026 今日开幕，Google 与 Microsoft 在 AI 教育领域展开"操作系统级"竞争——Google 的"连接式 AI"和 Microsoft 的 23 项教育新功能分别从 LMS 和办公套件两个方向渗透教学全流程。但 92% 师生已用 AI 与 58% 学校系统部署之间的 34 个百分点缺口提醒所有人：工具已经很好了，管理和培训完全跟不上。

• 国内学科建制：首都师范大学全国首批"人工智能教育"本科专业启动招生（20 人），标志着"AI+教育"从政策倡导走向正式学科建制——授予教育学学位而非工学学位，精准定位"会用 AI 做教育的人”。同时 DeepSeek 联合北大开源 DSpark，证明中国顶尖高校正在从 AI"使用者"升级为基础设施"共建者”。

• 基础设施开源降本：美国企业 AI 账单失控→100% 切换 DeepSeek 的案例，与 HuggingFace vLLM 一条命令部署 + DSpark 60-85% 推理加速形成"降本三连击”——高校 AI 实验环境正在从"昂贵+复杂"变为"按需付费+一行命令"。千问输入法从另一个方向证明：AI 赋能学习正在从"需要专门打开的工具"渗透到"你打字时就在工作的基础层"。

与昨日的连续性：昨日主题是"教育操作系统化（Google ISTE）+人文教育 AI 化（赫库兰尼姆古卷）+学习行为数据化（Anthropic 节律）"。今日在此基础上增加三个新维度：Microsoft 的 AI 教育反击（ISTE 开幕日的"双雄对决"叙事）、AI+教育学科建制化的国内突破（首师大首批专业+北大 DSpark 共建）、AI 成本压力倒逼策略升级（模型路由+基础工具渗透）。从"Google 单方面发布"到"Google vs Microsoft 对决"，从"AI 教育理念"到"AI 教育专业招生"，从"前沿模型崇拜"到"务实总拥有成本计算"——三组对比勾勒出 AI 教育从理想走向现实的清晰轨迹。

持续追踪方向：① ISTE 2026 后续三天（6/29-7/1）的重点发布和趋势信号；② Microsoft 23 项教育新功能在高校 LMS 中的实际部署反馈；③ DeepSeek DSpark 在国内高校 AI 课程中的集成速度和教学效果；④ 首都师范大学 AI 教育专业首届 20 名学生的画像和课程反馈；⑤ 国内高校 AI 采购中模型路由策略的落地案例；⑥ 千问输入法全平台（iOS/Android/Windows）上线后的高校学生使用数据；⑦ AI 训练数据版权诉讼进展及其对高校 AI 工具选型的影响；⑧ HuggingFace Jobs 模式在国内高校 AI 实验课中的采用率。

数据来源：AI HOT (aihot.virxact.com) 48h 精选 + WebSearch 多关键词补充 | 筛选标准：AI 赋能学习、高校数字化转型、AI 教育、教学相关 | 已与 AIedu_2026-06-27.md 全部去重