从PLATO到中国“人工智能+教育”，一场持续七十年的国家能力竞赛
导语：真正改变一个国家的，未必是一家公司
2026年4月10日，教育部、国家发展改革委、科技部、工业和信息化部、国家数据局联合发布《“人工智能+教育”行动计划》。
这条消息没有制造太大声量。
它不像大模型发布会，没有参数、跑分、演示视频和估值想象；也不像人形机器人，能把未来感直接摆在镜头前。对多数人来说，它不过意味着学校以后多开几门AI课。
如果只是这样，它不需要五个部门共同推动。
这份文件真正要处理的，不是一门课程，而是一条链：AI怎样进入基础教育、职业教育、高等教育、科研、教师备课、终身学习、教育数据和产业训练。它把教育问题放进了科技、产业、数据和宏观规划的共同框架里。教育部《“人工智能+教育”行动计划》
这就是它比一款明星模型更值得重视的原因。
模型决定某个阶段的技术上限，教育体系决定一个国家有多少人能理解、使用、改进这种技术，并把它变成工厂、医院、实验室和普通生活里的真实能力。
七十年前，美国也经历过类似转折。那时引发焦虑的不是AI，而是一颗苏联卫星；被寄予希望的也不是一家科技公司，而是一套今天很多人已经遗忘的计算机教学系统。
它叫PLATO。
今天，中国启动的当然不是PLATO的复制品。但从国家能力看，2026年或许确实是一个新的“PLATO时刻”：竞争焦点正在从谁拥有最强机器，转向谁能让最多的人借助机器持续学习。
第一部分 一颗卫星之后，美国发现教育也是国家竞争
1957年10月4日，苏联发射Sputnik 1。
那颗直径58厘米的金属球，带来的不是一次单纯的太空震动，而是美国对自身教育体系的怀疑。卫星能上天，说明苏联背后有火箭、材料、通信、计算和工程教育体系。太空竞赛从来不只发生在发射场，也发生在课堂。
1960年，伊利诺伊大学Donald Bitzer团队启动PLATO，英文全称为Programmed Logic for Automatic Teaching Operations。它最初的问题很朴素：计算机能不能帮助教学？
把PLATO写成Sputnik的直接产物并不严谨。可确认的是，它诞生在同一个时代背景里：美国正在扩大数学、科学和工程人才供给，计算机也开始从少数专家的运算工具，变成可能服务普通学习者的教育工具。
PLATO最初只是一套计算机辅助教学系统。学生在终端前答题，系统记录、反馈、调整课程。后来，PLATO逐渐接入大型机网络，到PLATO IV时代，等离子屏幕、触摸输入、图形界面和联网终端，让“人通过屏幕学习并互动”第一次接近现代互联网的形态。
更重要的变化发生在课程之外。
学生和开发者在PLATO里创造了Notes论坛、Talkomatic聊天室、私人消息、电子邮件、多人游戏和早期角色扮演游戏。伊利诺伊大学数字博物馆将PLATO称为在线论坛、留言板、邮件、即时聊天、多人游戏和社交网络的先驱；到1985年，商业化运营PLATO的Control Data Corporation已在全球100多个校园部署系统。伊利诺伊大学PLATO档案
PLATO没有直接“生出”Google、Facebook、Reddit或Steam。现代互联网还有ARPANET、个人计算机、分组交换、万维网和商业网络等多条源流。把互联网归功于一套教学系统，是漂亮但过度简化的叙事。
但PLATO确实提前证明了一件事：当大量人通过计算机共同学习时，他们不会只交换教材，还会形成社群、工具、游戏、身份和协作关系。
教育网络一旦拥有足够多节点，就可能长出超越教育本身的数字社会。
这才是PLATO真正的价值。它不是单纯提高教学效率，而是让美国提前看见：计算机可以改变一个国家生产知识、组织人才和形成文化的方式。
第二部分 中国没有一台叫PLATO的机器，却铺开了一张更大的网
如果沿着这个标准寻找，中国有没有自己的PLATO？
有，但它不是一台机器，也不是一个软件。
它更像一组长期叠加的国家工程：1994年启动建设的中国教育和科研计算机网CERNET，1999年国务院批转的《面向21世纪教育振兴行动计划》，此后的高校现代远程教育试点、农村中小学现代远程教育工程，以及后来不断扩展的数字图书馆、在线精品课程和国家智慧教育平台。
这些项目不属于同一个名称，也不能被简单算作同一工程的成果。但从功能看，它们做的是同一件事：修网络，铺终端，送知识。
CERNET是第一层。它由国家支持、教育部管理，1994年开始建设，是中国第一个全国性教育科研计算机网络，承担高校联网、科研协作、.edu.cn域名和下一代互联网试验等功能。CERNET官方介绍
但中国当时面对的瓶颈，与美国PLATO时代并不相同。
美国的问题是怎样培养更多尖端科学和工程人才；中国的问题首先是怎样让辽阔国土上的学生获得基本而稳定的优质教育资源。20世纪90年代末，中国城乡之间、沿海与内陆之间、中心城市与山区牧区之间，师资、校舍、图书和实验条件差距很大。对许多农村学校来说，最紧缺的不是触摸屏，而是一堂完整、稳定、可反复使用的好课。
所以，中国教育数字化没有从最先进终端开始，而是从覆盖开始。
没有宽带，就用卫星；缺少计算机，就先用电视和光盘；教师无法抵达，就先让课程抵达。
这条路看起来不够酷，却符合当时中国的资源约束。PLATO追问的是计算机能把教学推到多远，中国远程教育追问的是技术能让多少人先进入知识网络。
一个探索先锋体验，一个解决基本覆盖。两者的共同点是，都把教育当成国家能力建设，而不只是学校内部事务。
第三部分 111亿元，让知识第一次大规模跨过地理
2003年前后，农村中小学现代远程教育工程全面展开。
截至2007年底，中央和地方累计投入111亿元，其中中央投入50亿元，覆盖中西部约36万所农村中小学；工程配备教学光盘播放设备40.2万套、卫星教学收视系统27.9万套，并建设大量计算机教室。教育部工程资料
这些数字今天看起来并不炫目。光盘、卫星接收、电视屏幕，也很难与今天的AI课堂相比。
但在当时，它们解决的是一个极其现实的问题：好教师无法在短时间内均匀分布到每一所学校，但一堂好课可以被复制、传输和反复使用。
这不是教育公平的终点。屏幕无法替代教师的观察、提问、反馈和陪伴；设备进入学校，也不等于课程真正被吸收。地方维护能力、教师培训、家庭环境、实验条件，仍然会拉开学习差距。
但它第一次改变了知识的空间属性。
过去，优质课程常常是地方资源，附着在城市、名校和名师身上。远程教育之后，课程开始成为可传输的公共资源。它没有把北京、上海的学校完整搬进大山，却让偏远地区的孩子第一次稳定接触到更大范围的知识供给。
二十年后，这条路线从“把课送过去”升级为“把平台建起来”。
截至2025年底，国家智慧教育公共服务平台用户总量超过1.78亿，汇集14万余条中小学优质资源、1.25万余门职业教育精品课程和14.5万门高等教育优质课程。平台已覆盖基础教育、职业教育、高等教育和终身教育，不再只是偏远地区的补偿性工具，而成为国家级教育入口。教育部2026年数据
这组数据的意义，不在于证明中国教育公平已经完成，而在于说明一个趋势：孩子获得知识的入口，越来越不完全由出生地点决定。
在一个人口规模巨大的国家，这不是边缘改善，而是基础设施变化。
第四部分 世界工厂背后，还有一层看不见的知识基础设施
中国人很少记得“现代远程教育工程”这个名字，却每天使用它所在那条历史线的结果。
校园网、数字图书馆、学信网、中国知网、国家智慧教育平台、中国大学MOOC、在线精品课程、网络教学系统，它们分属不同主体，不应被说成某一个工程的直接产物。
但从功能看，它们共同构成了一层知识基础设施：网络负责连接，数据库负责保存和检索，平台负责分发，身份系统负责认证，课程系统负责教学，评价系统负责记录。
中国知网是其中最典型、也最有争议的案例。
CNKI的英文全称是China National Knowledge Infrastructure，即中国知识基础设施工程。它一方面让中文学术文献检索成为大学训练的日常动作，另一方面也暴露了知识平台化之后的制度矛盾。2022年，知网因滥用市场支配地位被处以8760万元罚款；2023年，又因违法处理个人信息被国家网信办处以5000万元罚款。知网反垄断处罚决定书、国家网信办处罚通报
这说明，知识基础设施的核心问题不只是“有没有”，还包括“谁控制、谁付费、谁能进入、数据归谁”。当一个平台成为公共知识入口，它的效率、垄断、隐私和公平就会同时进入公共讨论。
把视野放大，中国制造业崛起背后也有类似逻辑。
很多人解释中国制造，喜欢讲低成本劳动力、土地、外资、出口市场和产业政策。这些都重要，但它们还需要一块底板：大规模基础教育、高等教育、职业教育和工程训练形成的人才供给。
九年义务教育扩大基础能力，高校扩招增加专业人才供给，211和985工程建设研究型大学，职业院校培养技术技能人才，CERNET连接科研机构，远程教育扩大知识覆盖，工程教育认证推动培养标准与产业需求衔接，产教融合把学校与企业重新接上。
这些制度并没有制造一个完美体系。专业设置滞后、学历通胀、区域差距、职业教育吸引力不足，都是现实问题。但长期看，它们降低了企业获得工程师、技术员、熟练工和应用型人才的成本。
一辆新能源汽车背后，不只有电池和电机，还有材料、控制、软件、模具、焊接、测试、供应链和售后；一条高铁背后，也不只有总工程师，而是多层次协作队伍。
复杂工业体系需要的不是少数天才，而是足够厚的人才地基。
所以，中国教育数字化的产业意义，不是它直接造出了某个产业冠军，而是它让知识、课程、论文、认证和人才流动变得更低成本、更大规模、更可组织。
它改变的是产业能力的底层供给。
第五部分 2026年的“新PLATO时刻”，考验的不是模型，而是培养未来的能力
这正是2026年《“人工智能+教育”行动计划》的关键位置。
过去二十多年，中国教育数字化主要解决“知识怎样送到更多地方”。AI时代的新问题是：知识已经可以送到，下一步怎样让学习更个性化、教师更高效、科研更智能、职业教育更贴近产业变化？
五部门联合发布，逻辑也在这里。
教育部负责人才培养和教学体系，科技部门连接科研创新，工业和信息化部门连接技术产业化，数据部门处理数据基础和治理，发展改革部门负责宏观资源配置。教育在这里不再只是学校事务，而是教育、科技、人才与产业循环的接口。
如果说PLATO回答的是“计算机怎样帮助学生学习”，中国今天要回答的则是“人工智能怎样帮助一个超大规模社会持续升级能力”。
这件事不能被理解为一轮设备采购。
如果学校只是购买大模型账号、建设重复平台、生成更多格式漂亮的课件，它可能制造预算，却不会制造能力。AI教育真正有价值的地方，不是让学生少写作业，也不是让教师多交材料，而是把标准化劳动交给机器，把人的时间还给提问、判断、实验、讨论和创造。
未来竞争的稀缺能力也会因此变化。
工业化教育擅长记忆、复现、标准答案和统一评价；AI正在快速降低检索、文本生成、基础编程和常规分析的成本。越是机器能够低成本完成的任务，越不应该继续成为教育的中心。真正变贵的能力，是定义问题、判断证据、跨学科协作、理解产业现场、校验机器输出，并对技术后果负责。
当然，AI也可能制造新的不平等。
同样拥有一个模型，会提问、会验证、有学科基础的学生可能进步更快；缺少教师引导的学生，可能把流畅答案误当成知识。AI能减轻教师负担，也可能制造新的行政留痕。如果平台考核的是使用次数、活跃度和生成材料数量，技术就会从教学工具变成形式主义工具。教育大模型还会涉及学生数据、教学数据和科研资源，数据如何授权、模型如何纠错、未成年人隐私如何保护，都会决定它是公共基础设施，还是新的封闭平台。
所以，评价这份计划，不能只看采购了多少算力、部署了多少模型。
更重要的指标是：教师是否获得更多时间理解学生，偏远地区是否得到更可靠的教学支持，职业教育是否更快响应产业需求，学生是否形成更强的独立判断，教育数据是否在安全和公共利益边界内流动。
PLATO最有生命力的部分，并不是管理者预先设计好的课程，而是学生和开发者在系统里创造出的社区、工具和文化。中国“人工智能+教育”若要成为真正的新PLATO，也不能只把学生当成模型使用者，而要让他们成为问题提出者、工具改造者和知识创造者。
模型会更新，榜单会变化，公司会更替。
但一个国家持续培养未来的能力，不会过时。
一份普通文件可能比一款AI模型更重要，不是因为文件天然比技术更强，而是因为技术只提供可能，制度决定这种可能覆盖多少人、持续多久、转化成什么能力。
七十年前，PLATO让美国提前看见计算机如何改变学习和网络社会。今天，中国真正要建设的，也不只是一套更聪明的课堂系统，而是一种让十四亿人持续学习、让产业持续升级、让社会共同驾驭人工智能的能力。
国家竞争最终比拼的，或许从来不是谁暂时拥有最强模型。
而是谁能在模型不断过时之后，仍然持续培养下一代人。