人工智能正在由单点工具进入课程、教学、评价、教师发展、学生服务、科研与教育治理。它能把更多资源转化为即时可获得的解释、练习、翻译和反馈，也可能在无形中替代学习者的必要思考，扩大数据监控、平台锁定和群体偏差。教育系统面对的核心问题已经从“是否使用AI”转向“怎样把AI组织为可验证、可治理、可持续的公共教育能力”。
　　本报告以联合国可持续发展目标4为共同尺度，使用截至2026年9月11日可核实的国际组织、政府、研究和项目原始资料，系统分析全球教育发展基线、国际与国家政策、学习理论、技术图谱、教育场景、32个典型案例、准备度和2035趋势。报告将宏观教育基线与微观学习机制连接，以证据性质、应用场景和实施条件组织比较，重点考察技术如何改善教育机会、支持教师专业判断，并使学习者形成能够独立运用的知识与能力。
　　全球教育仍面临基本可获得性与质量危机。UNESCO 2026年SDG 4监测估计，2024年约2.73亿儿童和青少年失学；全球小学、初中、高中按时完成率约为88%、78%和61%，低收入国家分别约为60%、37%和20%。小学结束时达到最低阅读与数学水平的估计约为58%和44%。到2030年全球仍需新增约4400万名教师。2025年全球约74%的人使用互联网，但非洲约36%，城乡、性别和年龄鸿沟仍然显著。AI教育政策若忽略这些条件，可能优先服务已经连接、已经具备教师和语言资源的人。
　　政策比较显示，UNESCO从2019年《北京共识》推进到生成式AI指南与学生、教师能力框架；UNICEF 2025年指南把儿童权利转化为十项要求；OECD 2026年《数字教育展望》强调教学意图决定生成式AI是否促进真实学习。欧盟将部分教育用途纳入高风险治理并更新教师伦理与AI素养框架；美国、英国、澳大利亚、新加坡、日本、韩国、印度、阿联酋、爱沙尼亚和乌拉圭形成课程、公共工具、数字教材、语言基础设施和全国计划等多样路径。中国以教育强国建设、国家教育数字化、智慧教育平台、中小学AI教育、教育大模型参考框架及2026年五部门行动计划形成全学段、全社会和跨部门布局。
　　理论部分提出AISLI“目标—任务—支持—证据—治理”框架。报告综合认知负荷、检索与间隔练习、掌握学习、形成性评价、自我调节学习、自我决定、社会建构、教师能动性、TPACK和UDL 3.0，主张AI应减少与目标无关的摩擦，同时保留检索、比较、推理、自我解释、关系和价值判断。个性化应连接共同课程和教师介入，脚手架应能够渐退，评价应同时包含即时表现、撤除工具后的独立能力、延迟保持和跨情境迁移。
　　技术图谱分为基础设施、数据与知识、模型能力、教育编排、交互终端、治理监测六层，覆盖语音视觉识别、机器翻译、知识图谱、RAG、学习者模型、知识追踪、推荐、智能辅导、大语言模型、多模态生成、智能体、自动评价、学习分析和行政自动化。每项能力均以教育任务、证据、风险、人工责任和退出路径进行映射。
　　32个案例跨越土耳其、美国、加纳、尼日利亚、乌拉圭、澳大利亚、芬兰、爱沙尼亚、韩国、阿联酋、新加坡、日本、法国、印度、英国和中国。报告保留正反证据：通用GPT可能提高练习表现却伤害撤除工具后的学习；教学护栏、课程化AI导师和教师—AI协作可改善特定结果；更多国家和机构案例目前主要证明部署、采用或服务能力，尚不足以证明长期学习效果。
　　报告最后形成十条研究结论：教育目标先于技术；任务表现不等于学习；教师能动性是质量条件；公共数字基础设施决定公平上限；包容必须从设计开始；AI素养应成为课程能力；证据等级决定表述强度；治理属于教育质量；采购必须可退出；持续评价与国际合作共同塑造可持续生态。
　　关键词：人工智能；教育；SDG 4；教育公平；学习科学；生成式人工智能；人工智能素养；教师能动性；教育治理；可持续发展