所有服务依赖外网与云端服务 采用混合云或本地化分布式部署，保障课堂业务连续性 卓越服务 智慧校园 混合云部署模式：适用于小量智慧部署的机构，通过核心一体机本身的弹性计算机制，形成智能微型弹性计算集群，为业 务打造可靠性较高的基础架构。 教室一体机：直接通过外网与卓智教育云平台进行服务对接，由云平台提供基础服务框架，核心一体机提供业务数据缓 存、自动教室录播、教室设备接入、物联智能控制等本地化服务。 教室一 混合云部署架构 采用混合云或本地化分布式部署，保障课堂业务连续性 卓越服务 智慧校园 教室一 体机 教室一 体机 教室一 体机 教室一 体机 教室一 体机 校内智能微型弹性计算集群 核心一体机 卓智教育云平台 本地化分布式部署架构 本地化分布式部署模式：适用于超过 5 台云魔方部署 的机构，在智能弹性计算集群的基础上，通过配备智 慧核心提供稳定的本地化性能与服务，形成主要业务 务 服务本地化，不依赖于云平台的高性能、高可靠的分 布式架构。 核心一体机：通过将云端主要服务本地部署，从而在 大规模部署后，极大程度减少外部资源开销，并提供 高度协作管理，可在无外网的情况下实现业务连续性 保障，智慧核心与卓智教育云平台仅同步机构运营数 据，保障云平台与本地平台状态同步。智慧核心未来 还将提供宽泛的拓展能力，可在后续持续有偿提供大 数据分析模块、智慧管理模块、智慧全景模块与分布

将复杂的知识化作童言童语 , 回应学 生的每 , Deepseek 本地化后 , 可以通过个性化知识库进行训练 , 成为很好的管理助手。如 : 今年 2 月 , 深圳市 福田区推出基于 Deepseek 开发的 70 名 "AI 公务员 , 这些 Al 公务员可以在 互联网应用 优势 ：打开即用 ，方便快捷 劣势 ：缺乏本单位内部知识 ， 无法 回答本地化专业问题； 存在数据安 全风险。 借助 DeepSeek 开源和硬件成本低的特点 ，可本地部署 ，实现本地知识库的搭建和学习 将 DeepSeek 本地化部署 ， 并部署本地知识库 ， 可将本单位各类政策文件、 报告总结、 规划方案等 管理 资料 ， 以及教案、 本地知识库 优势 ：更 “ 内行” ，更专业 ，数据安全 劣势： 需要专门硬件环境（ GPU ） , 技 术安装部署难度较大； 需要搭建 本地 知识库并加以训练。 深化本地化部署 + 本地知识库 应用 本地化部署： 在家中做饭 用户对 “食材”（数据） 和 “烹饪 过程”（模型运行） 拥有完 全控制 权 ，数据无需外传。 虽然初期需要购置 “厨具”（硬件） 并学习

育平台。部省联动的设计，确保了国家顶层战略能够 精准落地。各省级平台既是国家优质资源的下载通道， 也是本地特色教育资源、创新应用模式的上传平台。 它们承接国家平台的通用能力，同时结合本区域的教 育特色、学情和发展需求进行本地化适配与创新，形 成了既有统一标准又能百花齐放的生动局面。 通过纵横交错的联结，整个平台体系形成了一个巨大 的、动态的教育资源与服务网络，将数以亿计的师生、 学校和社会学习者紧密连接在一起，真正实现了应联 示了其AI教育发展的另一条主线：构建本地化的产学 研用一体化生态。 北京市的采购和应用，将不再是简单的向市场购买成 熟产品，而是倾向于扶持和整合区域内的技术、研究 和应用资源。 合作大于竞争 对于企业而言，特别是外地企业，试图以单一产品打 入北京市场将变得困难。更有效的策略是寻求合作与 融入。例如，硬件厂商可以寻求将其设备与北大等高 校的AI模型进行适配和集成；应用软件公司可以基于 本地化的教育大模型进行二次开发，提供更贴合北京 音频处理器和智能降噪算法，实现了远距离清晰拾音， 并有效滤除了环境噪声。 产品在显示层面，不仅通过了TÜV莱茵眼部舒适度认 证，更采用了专为教室设计的2.2空中声道，确保了视 听体验的健康与沉浸感。 内置算力的本地化AI处理引擎 产品的核心技术亮点在于其内置了高达32Tops的AI本 地算力模块，并支持希沃自研的、经过海量专业教学 数据训练的教育大模型的端侧部署。 能够作为一个独立的边缘计算节点，在设备本地即可

上传与多渠道汇聚全国优质教育教学资源 与 本地化优质资源。同时通过云 + 网一体化提供跨区域、跨校级资源利用共享与管理。 优质录播课程 优质名师优课 全国优质教育资源共享 区域优质教学资源上传 资源平台 精品课资源 教学备课 授课互动 自学辅导 ,.,,, 应用支撑 反馈优化 资源反馈 使用分析 时效分析 ,.,,, 本地化优质资源共享 2.2.5 智慧教学资源平 类、分析反馈等功能。 试卷库 提供作业存储，创建作业模板，具备作业的复制、提交、 编辑、删除操作。 联通集团通过多年的项目积累和技术沉淀，整合多种教学方式和手段，对新疆地区等多所学校的教学本地化资源进行整合梳理， 集成学校已有的教学资源和正在生成的教学资源数据，通过智慧教学资源平台进行资源分享，实现优质资源共享、双语微课、在 线名师讲堂的建设目标。 2.2.5 智慧教学资源平 台 微、慕课平台

终端、PC 应用 第 21 页/共 56 页 智慧教育信息化云平台整体解决方案 终端。 4.2. 平台部署设计 教育信息化云平台是一个以云计算形式部署的平台，需要 适应集中式部署，节点本地化、分布式应用的部署需要，以满 足跨地域分布式应用的需要。对于平台的部署，将其部署模式 设计如下： 平台部署设计 第 22 页/共 56 页 智慧教育信息化云平台整体解决方案 4.3. 平台组成 智慧教育信息化云平台整体解决方案 也只能操作被授权的数据； 4) 提供日志管理功能，可以查看各操作者的系统使用记录。 4.4.11. 平台部署 1) 本平台将采取集中部署、节点数据本地化、分布式应用 的部署模式，在网络子节点当地建设应用数据中心，保障平台 访问效率； 2) 应用服务器采用负载均衡方式部署，实现网络访问的均 衡； 3) 数据库服务器采用双机热备方式部署，保障用户服务不

作为自他用户确定资源浏览的重要参考，也 是系统做自动推荐的重要依据。  积分激励：系统支持有权限的用户上传资源， 以丰富资源库。有了积分激励，用户会更有 积极性来完成上传资源的工作。  资源共享：依靠教育教师的专业性、本地化 特色更好的为学生提供多样化的教育资源。  统计学校资源 建设情况。 资源统计 功能说明（资源一体化——资源管理系统）  对学校教师上 传资源进行审 核。 资源审核 功能说明（资源一体化——资源管理系统）

关于 AI 的规定 道德必须设计 由和为人类 利益相关者 ； 倡导者 为并参与 对话, 发展 或局部的进一步迭代 或机构监管 框架或准则 促进道德 设计、验证、 采用、部署和 AI 的应用。 上的本地化全局视图 AI 的社会影响 ： 整体 回顾 AI 的社会影响 关于个人人权和 发展 ， 经济活动 ， 社会正义与行星 幸福 ； 翻译全球 查看当地对 调查人工智能对社会的影响。 突出的道德差距 用户指导: aiedap. or. kr The AI CFT旨在指导国家或机构层面的 教师人工智能能力框架的设计。其结构 和规范旨在根据国家、地区或组织中教 师的数字准备程度和现有技能水平进行 本地化和定制。 这些本地化框架的制定需要采取整体性的 方法，涉及多个阶段。首先是从全面评估 学生和教师可利用的AI工具以及教师当前 的AI能力中位水平出发。随后是对政府或 机构计划为所有教师开发的AI能力定义与 现有教师培训和支持项目中所提出的能力 “关于AI的教学”涵盖了指导 学生了解AI基础知识的能力，包括基本数字技能、计算思维、数学技能以及AI应用，这些能力 主要源自AI4K12框架和“AI教育中的五大理念”（欧盟，2023）。 这些本地化框架应与现有的数字能力/通 用专业技能保持一致进行设计。 5.3 制定和采用本地教师人工智能 能力框架 48 方框 4: 教师人工智能培训和支持方案的例子 教师的人工智能能力框架

统一数据平台建设 35 郎丰利 © 睿利而行 © 统一数据平台建设 36 郎丰利 © 睿利而行 © 统一数据平台建设 37 郎丰利 © 睿利而行 © 统一通讯平台建设 信息传递 组织机构本地化 实名制注册 电话会议 视频会议 远程协作 群组交流 网络电话 38 郎丰利 © 睿利而行 © 统一通讯平台建设 39 郎丰利 © 睿利而行 © 统一通讯平台建设 40 郎丰利

其能够处理复杂抽象任务的能力超越传 统模型的简单叠加预期。2025 年，DeepSeek 大模型横空出世，在获得高性能的同时极大地降低了模型训练 和推理的算力需求，为高校构建大模型提供了一体机本地化部署新的选择。 尽管平均化是长期趋势，当前算力资源仍高度集中于大型高校和研究机构，中小型高校面临算力获取困境。 49,50 这种不平衡状态进一步加剧了教育资源的马太效应，使技术创新红利难以真正普惠。此外，大模型应用面临着 师”服务。这种将知识点融入多模态交互环境的能力，极大地提升了学习的趣味性和直观性。通用大模型由于 缺少教学过程深度绑定，难以构建真正符合教学逻辑和学习目标的互动环境。 6. 数据安全与本地化合规处理能力 教育大模型必须严格遵循数据隐私法规，支持本地化部署，确保数据安全。它还须具备细粒度的数据访问控制 和审计机制，确保数据使用过程透明可控。同时，教育大模型应能够在不依赖外部平台的情况下完成模型优化 和个性化服务 ，要求算力具备高吞吐量与快速处理能 力；多模态教学资源如动态课件、视频、虚拟实验等生成与分析，涉及文本、图像、视频等数据，要求算力具 备强大的并行能力。在评价场景中，算力需求主要是高精度推理与本地化处理能力。如学生作业批改、实验评 分等任务，依赖高效推理算力，并保障数据的安全性和实时性。为此，常采用边缘计算部署方式，在本地完成 数据处理，同时适配多种评价算法以满足不同场景的需求。 在管理场景中，算力需求强调批量数据处理与长期

行业应用领域。 ⚫ 目前 VR 实训多采用本地 化部署方式，使用 PCVR 进行部署，每个头显连接 一台高性能 PC ，导致成 本较高。使用管理不便， 内容应用的更新维护和终 端管理不方便；本地化部 署导致使用局限性较大， 只能在固定场所使用。 问题 5G+ ⚫ 5G 网络的峰值理论传 输速度可达每秒数十 Gb ，时延 1ms ，将在 很大程度上解决眩晕 感、分辨率低等问题。