教育部于 2026 年 1 月推出了 AGAP.AI 项目，承诺为全国教师提供 AI 驱动的辅导工具。分析师预计，到 2034 年，菲律宾教育科技市场规模将达到 145 亿美元，然而由于网络极其缓慢且电脑设备陈旧，大多数学校无法运行这些工具。
推广与市场炒作
AGAP.AI 将人工智能视为课堂助手，而非博人眼球的产品。Microsoft 提供诸如 Reading Progress 之类的服务，可实时评估学生的表现。时机似乎很成熟：蓬勃发展的市场表明学校已准备好使用复杂的软件，政策制定者也已开始通过 DepEd Order No. 003, s. 2026 来规范 AI 的使用，该指令设定了数据隐私规则、知情同意程序和审计要求。
但这种兴奋掩盖了一个结构性问题。教育部的数字化成熟度评估发现，网络连接差距和设备短缺是导致学习效果不佳的最大预测因素。在许多公立学校，网络每隔几分钟就会中断，而现有的硬件往往无法运行现代浏览器，也无法处理 AI API 产生的流量。高质量的 API 密钥也无法弥补网络停滞带来的损失。
基础设施差距
AI 导师需要与云端保持稳定的连接。当模型处理学生的答案时，它会将数据发送到服务器，接收响应并显示反馈——这一切都在几秒钟内完成。如果连接停滞，教学也会停滞。评估强调了两个反复出现的痛点：
- 互联网可靠性 – 许多农村和城乡结合部的学校经常面临断网。
- 设备老化 – 许多学校的电脑缺乏运行现代 Web 应用所需的 RAM 和 CPU 性能。
即使是最流畅的软件，如果硬件无法渲染，也会失效。资金充足的私立学校的教师可能会看到 AI 工具运行顺畅，而公立学校的同行则只能眼睁睁看着同样的应用程序卡死或崩溃。这种差距加剧了数字鸿沟，而市场预测本承诺要缩小这一鸿沟。
试图跟上步伐的政策
DepEd Order No. 003, s. 2026 试图通过要求明确的数据处理程序、家长知情同意流程以及算法决策审计机制，为 AI 创建一个安全的环境。该指令警告说，如果学校缺乏技术人员进行监控，AI 可能会变成一个“黑箱”。然而，规则手册假设底层系统（网络和设备）能够可靠运行。
教育部长 Sonny Angara 将 AI 定义为一种“伦理支持工具”，强调负责任的使用而非单纯的性能表现。这种观点很有道理，但仅靠伦理无法解决 AI 根本无法触达学生的问题。如果没有功能完备的基础设施，合规措施只能停留在理论层面。
可行的系统应具备哪些特征
了解菲律宾国情的规划者已经在提出实际的变通方案：
- 本地缓存 – 将常用的模型片段存储在学校的服务器上，以便在离线或极低带宽的情况下回答基本查询。
- 模块化 API – 将大型 AI 服务分解为较小的、可互换的组件，如果某个特定端点对网络负担过重，可以进行更换。
- 回退模式 – 当网络中断时，自动切换到轻量级的、基于规则的工具版本，以保持学习流程的连续性。
这些选择将重点从单一的、庞大的模型转向了能够容忍中断的韧性架构。
前方的道路
下一个决定性的问题是，DepEd 将构建一个国家级 AI 平台，还是让各区域办公室开发自己的模块化系统。单一平台可以实现数据保护标准化并简化培训，但它也会继承“短板效应”——如果国家系统无法适应偏远学校的带宽，那么每所学校都会受到影响。分散化的解决方案允许各地区根据当地情况定制缓存、API 选择和回退逻辑，但同时也面临数据治理碎片化的风险。
核心观点
除非底层网络和硬件能够跟上步伐，否则 AI 不会改变菲律宾的教育现状。市场 145 亿美元的预测令人印象深刻，而学校需要韧性架构（本地缓存、模块化 API 和回退机制）来支撑这一目标。最终的赢家将是那些针对弱连接环境进行设计的地区，而不是那些盲目追求最新模型的地区。