2026年3月26日，国际顶级学术出版机构《天然》（Nature）在其 Nature Index China 特刊中，以两篇深度报道体系出现天立国际控股有限公司（01773.HK）在“AI+教导”范畴的摸索路径，特刊随正刊同步出版并上线官网。

报道以技巧特写与高层访谈为构造，从理念、技巧体系与应用范围三个层面展开，对中国K12教导体系中的教导AGI摸索进行完全描述。在全球基本教导范畴，可以或许被Nature体系性出现的案例并不多见，此次入选，意味着天立AI+教导摸索已获得国际学术与教导科技范畴的高度存眷与承认。

 

一、教导的构造性束缚与AI介入界线

Nature在报道中指出，传统教导经久受困于“范围化供给”与“个别差别”的张力，其本质在于认知过程难以被体系建模，而AI的演进正在打开新的解决空间。

天立提出的路径，是将教导从“内容传递问题”转化为“认知演变问题”。 AI的角色不被定义为替代教师，而是承担构造化、可反复的认知支撑义务，使教授教化过程从经验驱动走向数据与模型驱动。在这一框架下，教导被建模为个别认知、进修情况与策略之间的非线性体系，其演变成果表示为认知构造的形成与更新。环绕这一理念，天立国际基于集团二十余年教授教化与教研数据积聚，构建了以复杂体系理论为底层办法论的AI教导技巧体系，在大年夜量办事来自欠蓬勃地区学生的实践中，AI已不仅是效力对象，更正在成为弥合教导资本构造性差距的关键基本举措措施。

这一从理念、技巧到工程化落地的体系性路径，使天立成为国际学术界不雅察中国AI+教导演进的重要样本。

二、以认知建模为核心的教导AGI摸索

Nature重点存眷了天立正在推动的核心偏向——天立学科大年夜脑（Tianli Brain）。

 该体系以认知引擎与复杂体系理论为基本，构建面向教导场景的垂类AGI体系摸索路径，其关键冲破不在于传统意义上的"解题才能"，而在于对进修本质的建模才能——从"学生是否答对"走向"是否真正懂得"，从"常识点控制"走向"认知构造形成"，从"静态评估"走向"动态进修演变"。

体系架构采取“平台套件—学科模型—教导数据”三原生一体化设计，构建安然可托的教导AGI底座。团队融合深度语义建模与检索加强生成（RAG）技巧，并整合学生提问模式、复习策略变更及进修念头波动等"沉默数据"，实现对学生认知状况的多维度描述与动态猜测。

Nature将这一技巧路径指向更广泛的通用人工智能（AGI）命题——即以教导这一高复杂度场景为切入，对“认知懂得才能”的工程化实现进行前沿摸索。

三、从模型构思到范围落地

天立启鸣AI学伴作为已完成国度级立案的教导大年夜模型体系，今朝已在全国107所黉舍安排，累计办事师生跨越25万人次，在个性化进修路径筹划、智能教授教化诊断、进修过程追踪与反馈等场景中形成稳定才能。这一体系已在多个偏远地区实现常态化教授教化应用，为缺乏优质师资的黉舍供给了可持续的智能教授教化支撑。这意味着，天立不仅提出了AI教导的技巧构思，更实现了从理论建模、产品化开辟到范围化安排的关键跨越。

 四、教导公平与可持续成长

AI体系的后果不仅表如今效力晋升，更表如今资本分派构造的变更。

在云南彝良天立黉舍，AI体系供给的标准化语音练习与发音比较反馈功能明显晋升了本地英语进修质量。该校三逻辑学生先后被清华大年夜学和北京大年夜学登科，打破本地尘封117年的清北登科记载，被Nature作为“AI赋能教导公平”的代表性实践进行出现。

当认知支撑才能可以范围化复制时，优质教导资本的边际成本将明显降低。天立认为教导始终应以工本钱，AI的价值在于让优质教导跨越地区与资本的界线，这一偏向与结合国可持续成长目标第四项（SDG 4）的核心精力一致。

与多半逗留在实验阶段的AI教导项目不合，天立路径强调工程化与范围验证。

与此同时，天立教导AI体系正加快走向全球，在印尼、马来西亚等东南亚及全球南边国度推动落地应用，持续摸索人工智能与基本教导深度融合的可持续路径。

面向将来，天立将以教导AGI为核心摸索偏向，推动技巧研发与生态协同，致力于为全球基本教导智能化转型供给可验证、可复制的中国筹划。

原文链接：

https://www.nature.com/articles/d42473-026-00055-y

https://www.nature.com/articles/d42473-026-00056-x

雷峰网版权文章，未经授权禁止转载。详情见转载须知。