首个生涯大模型，开始操心你这辈子｜甲子光年

栏目：互联网 | 来源：甲子光年 | 2026-11-05 13:48

“孩子看到了未来，就能把握好现在。”

作者｜刘景丰

头部大模型，正盯上教育赛道。

10月初，OpenAI 在披露青少年版ChatGPT最新进展时，公布了一个新产品——College Planner (大学申请规划工具)，将服务范围从日常学习延伸至大学申请。

OpenAI披露的信息显示，每周有数十万美国青少年自发用ChatGPT做选校、查截止日、整理助学金材料等。某种意义上，College Planner是被需求推出来的产品。

要说AI在教育上的应用，早已不新鲜。早期是AI搜题、智能答疑、个性化作业辅导，帮学生解决一道道难题；近几年则延伸到长期成长服务，靠数据帮学生做生涯探索、升学研判与志愿规划。AI也就从一个单点工具，变成了贯穿学习与成长的助手。

「甲子光年」认为，在AI越来越引发“代替思考”的担忧下，生涯规划这类服务更可能成为AI在教育应用上的突破口。尤其在AI引发人们职业焦虑之后，如何从教育源头就做好生涯规划变得越来越重要。

今年6月，在高考结束之际，腾讯旗下元宝、阿里旗下千问以及百度文心等AI大模型均推出高考报志愿服务，一度引发热议。艾媒咨询预测，今年AI志愿工具用户规模将突破9200万人次，约78.4%考生用AI查院校、生成志愿方案，超六成家长把AI推荐作为填报核心参考依据。

AI报志愿，正成为一个小众、但刚需的市场。

眼下，这一赛道不仅有大厂在关注，扎根教育服务的企业同样在布局。11月4日，在“2026年世界互联网大会乌镇峰会”上，海亮科服旗下e生涯发布旗下生涯大模型OpenSpan。与此同时，在“互联网之光”博览会上，海亮科服的展台也展出了OpenSpan生涯大模型，并引来众多参会者前来咨询体验。此前一天，“e生涯全周期成长服务平台”还入选2026世界互联网大会“新光”产品。

当“专业选手”入场，AI重构升学规划的序幕已缓缓拉开。

1.AI冲击下的生涯规划革命

AI越智能，就有越多工作和职业面临被取代的风险。这是当下人人都在焦虑的事情。

过去，只有流水线工人、基础文员这类重复性岗位风险高；现在，基础文案、初级设计、初级代码开发、基础剪辑等大量白领、知识型岗位、甚至一些数学研究员，也开始感受到压力。

未来该怎么选职业，变得越来越重要。

在职业焦虑背后，AI冲击只是一个导火索，更深层的问题，是过去的教育中缺少对职业生涯规划的重视，造成许多学生在能力培养和职业选择上错位。

《光明日报》曾对全国10个省市86所普通高中学校近25000名高中生做过调研，发现在高中生五大类发展需求中，生涯发展需求排第二位（仅次于品德），高于心理、学业、生活指导等。

生涯发展的重要性，体现在其对学生的职业指导上。中国青少年研究中心相关人员曾在2024年的调查研究中称，在国内高中生中，只有四成多（46.3%）学生对未来职业有明确目标，而剩下过半数高中生没有考虑过职业规划。相比之下，美国、韩国等有六成以上高中生对未来职业有明确规划。这份调研还披露了另外一个数字，28.8%的中国高中生不了解自己的能力与特长，缺少自我认知，很难把兴趣、能力和职业方向建立关联，进而在未来职业选择中埋下隐患。

这些研究结果表明，中国的教育亟须加强学生发展指导。

为此，近年来国家相继出台多类政策，从顶层引导教育加强高中学生发展指导。2019年，国务院办公厅印发《关于新时代推进普通高中育人方式改革的指导意见》，明确提出各地要制定学生发展指导意见，指导学校建立学生发展指导制度，加强对学生理想、心理、生涯规划等方面指导，帮助学生树立正确理想信念，正确认识自我，提高选修课程、选考科目、报考专业和未来发展方向的自主选择能力；2023年，教育部等十八部门《关于加强新时代中小学科学教育工作的意见》再次强化了中学生的职业发展规划教育，引导学生结合兴趣特长、国家战略需求确立发展方向，打通科学教育和生涯探索之间的联系。

过去，生涯规划基本等同于“报志愿”。考生买两本砖头一样厚的《招生计划》和《报考指南》，拿尺子逐条比对往年分数线，整理出院校和专业清单，再由规划师凭经验给方案，尽量躲开滑档和调剂。

这套模式用了十几年，毛病也一直都在。比如信息搜集费时费力，而且数据还常常滞后；此外，方案好不好，全看顾问个人的经验积累，并且也主要根据分数来匹配，很少去看学生的兴趣、能力和以后的职业规划。还有一层容易被忽略的是城乡信息差，全国60%的高中生在县域高中就读，而他们很难拿到像样的指导，志愿错配、专业和职业脱节的情况也就更常见。

说到底就一句话：信息匹配难。

而这恰恰是AI大模型擅长的。大模型可以把报志愿时的单点信息服务，升级成一个能读懂偏好、能做多方案反事实推演的动态决策Agent，进而解决传统志愿工具“信息零散、缺少未来视角”的短板，天然适配AI时代职业快速迭代、需要动态规划的现实。

互联网大厂的动作最为敏锐。今年6月初，高考还没开考，腾讯就推出了高考咨询师Agent“元宝高考通”，依托混元大模型和掌上高考的官方数据库，让考生在对话里完成志愿填报。6月10日，千问和文心也同时上线了高考志愿Agent。千问打出“全周期”的概念，输出定制化志愿报告，把志愿填报从“一问一答”升级成“全案交付”；而文心注重双重校验，引入资深志愿咨询师对报告做审核认证。

大厂的优势是流量、模型和数据，打法也很清晰：抓住高考报志愿这个最集中、最刚需的节点，做成一款爆款工具。不过节点工具有一个天然的局限，就是一年热一次。热度一过，用户就散了。选科、学业、专业认知这些更长线的问题，它却很少碰。

与报志愿的“一年热一次”相对，另一头是学科学习。作业帮、科大讯飞、学而思、小猿等厂商把大模型装进AI学习机进行AI答疑，围绕“提分”贴身竞争。这一头高频、刚需，学生每天刷题、答疑、订正错题，AI由此成为教育领域渗透率最高、被高频调用的场景；但也正因为贴着日常提分，它解决的是“把题做对”，很少触及选科、专业、职业这些更长线的命题。

而在这两头之外，还有一批垂类的教育科技公司，它们盯的是中长期规划：从中学选科一路覆盖到高考选专业和大学就业方向，产品形态既有生涯AI助手，也有专门的规划智能体。这些方向是对的，但多数产品底层还是接了通用大模型的接口，再叠一层自家的数据库和测评题。这样的模型，本质上只是“集成”——它的回答很容易泛，也难以沉淀出属于自己的专业判断。

于是市场上出现了一块明显的空位：大厂有模型，但只做节点；小厂有场景，但缺底座。真正把长期积累的生涯规划经验训练进模型、从底层就为这件事而生的产品，却少有人做。

OpenSpan，就是在这样的背景下应运而生。

11月4日，OpenSpan大模型在2026年世界互联网大会乌镇峰会上正式推出。

过去，生涯规划只是少数学生才能接触到的增值服务。而如今依托AI大模型，原本分散在个人从业者、中小机构、独立咨询师手里的生涯实践经验被聚合沉淀，以一个专业APP和垂类大模型的方式走向每一位有需要的学生。

2.从“静态”报志愿，到“动态”生涯规划

在千问、文心等通用模型切入志愿服务后，为什么还需要一个生涯规划的垂直模型？

「甲子光年」就同一个志愿填报需求交给通用大模型和e生涯后，得到了不同的结果：通用大模型会根据分数强调不同学校的录取线和专业方向，并就诉求给出一份参考策略，但建议更偏通识性，院校和专业的选择仍要自己判断；而e生涯首先要求用户完成性别、省份、选科等基础信息的填写，甚至包含过往学习课程，随后通过层层问答给出较为详细的志愿填报方案，包括院校和专业的具体方向。

「甲子光年」就此咨询一位生涯规划顾问，他也有同样的体会。今年6月他用了通用大模型来辅助给考生分析志愿填报。他的感觉是：通用大模型要投入精力去调试的东西非常多，“它对学生前置信息的了解和抓取不足，不了解学生的家境、家庭情况、父母之间有没有矛盾、父母是什么心态，这些都决定了它不可能做到非常精准地判断。”

解决这个问题的方法，就是长周期记录数据。

海亮科服副总裁邵嶷解释道，报志愿不是在一个节点上做选择题，而是基于擅长学科、兴趣爱好、家庭情况、院校招生、职业方向等信息，综合得出的一份详细规划。

图注：OpenSpan自主决策全景图

“我们更希望，通过我们的AI，让学生在整个求学全过程中的每个时间节点，都可以不断强化个人意识，引导学生在成长过程中找到适配自身的人生发展道路，而非在最终节点提供一次性的志愿填报方案。”邵嶷表示。

因此，海亮科服非常看重数据的价值。“统计学非常强调面板数据和周期数据。面板数据看当下时间节点上是什么状态，周期数据看不同时间节点有什么变化，而我们的任务是建立变化之间的因果关系。”海亮科服生涯科技总经理唐瑄说。

他举了个例子。高一数学的第一章节讲导数、函数，函数里的一一映射，会跟他未来做人工智能工作有什么联系？中间未必是直线贯通，要经过很多环节——函数学得好，说明有理科基础，可能有物理天赋……层层影响，最终反映在专业和职业的选择上。

用户甚至可以先定下未来的职业方向和就业意向，再倒推当下及未来一段时间该侧重哪些学习、怎么选科、报什么兴趣班、要不要参加超常规选拔项目。正如唐瑄在发布会上所说：“孩子看到了未来，就能把握好现在。”

“我们希望，通过对一个学生所有数据的因果串联和分析，让他在成长过程中发现自己的人生道路，进而帮助学生进行生涯规划、持续关注和引导。”唐瑄表示。

这个思路很清晰，但做起来并不容易。

最重要的一点，是长周期的数据积累。在研发e生涯产品之前，海亮科服e生涯团队已经面向学校和家庭开展了多年生涯规划服务实践。这些实践的经验与案例沉淀，成为生涯模型最重要的数据来源。

为使OpenSpan的生涯规划能力更精准，团队对数据库内的学生数据做了网格化画像：对不同年级、不同学习层次、不同特长的学生，分出约200个类型的学生网格画像。这样，不同类型的学生都有对应的快速对照网格，网格内有海亮内部沉淀的学生案例，以及针对这些类型场景学生的真人规划师的核心咨询策略、家长关注点、规划师引导等。

这样，就形成模型的基础能力。“然后我们再把更多个性化、更完整的数据案例逐步加进去，形成一个可以边用起来的循环。”唐瑄说。

在此基础上，平台打造了自动分析与规划能力，能在学生升学关键节点主动推送适配的规划方案，不必等用户来提问。

这些动作叠加起来，才算真正构筑起生涯规划垂直模型的专业度，而这正是其有别于通用大模型志愿服务的基础。

在由专业生涯规划师在画像收集完整性、意图理解、规划推理与结论合理性等维度的打分并加权后，OpenSpan在用户画像、推理等维度上的表现明显优于通用大模型。

3.让生涯规划可信任、可执行

如果只靠专业度提升，撑不起垂直模型真正的护城河。

“规划这事儿，本质上要取得一个很重要的东西——信任。”唐瑄说。

生涯规划关乎人生最重要的几次成长选择，通用大模型却很难为给出的建议负责——毕竟它只是一个工具，一旦滑档、报错专业，承担代价的还是个人。这也是人们对AI报志愿最主要的担忧。

垂直模型则绕不开这一点。

OpenSpan的信任感首先建立在交互上。“更精确的模型来自于更精确的输入。当你稍微改变一个变量，后面的路径呈现就要完全变化。这时候你觉得交互是精准的，就更愿意给模型提供新的数据，模型也会给出更好的结果。”海亮科服生涯科技副总经理兼大模型研究院院长叶礼清说。

其次，模型后台要让每条规划建议都有可解释、可溯源的思维链支撑，同时配上专业真人规划师兜底，以降低用户的决策风险与试错成本。

第三，也是最难的一环：建立一套行业公认的生涯规划评价体系。在医疗行业，有医院分级体系、有医生职称体系，这理论上会保证诊断结果的可信度。而在生涯规划领域，规划师的能力没有衡量标准，口碑只能靠过往案例。

因此，OpenSpan要解决的不只是模型在任务中的信任问题，还有行业认可度与科学评价体系的问题。

为此，在获得e生涯APP用户主动授权的前提下，e生涯为每一个学生建立了动态更新的学生成长档案。这份档案将伴随孩子成长节奏和目标，形成规律、定期更新，并横跨学生学习素养、兴趣特长、职业方向和适配升学路径和目标等内容，为个性化规划提供关键支撑。此外，e生涯还在纵向上打通基础教育全部学段，形成小学兴趣发掘、初中特长培养、高中多元升学的成长陪伴支撑体系。