알림 목록

分析区域：釜山广域市16个区县，以及釜山教育厅管辖的小学、初中、高中和职业高中。
核心领域：人工智能、数字教育、海洋人工智能、职业高中、教师能力、校际差距、本地产业就业、人才留存。
议程：釜山的人工智能、海洋和职业教育是否超越了设施和项目本身，真正提升了学生的能力、促进了本地产业就业、实现了长期留存以及在釜山的人才留存？
黄金时期类型：教育AX机遇+区域人才转化风险
评估 当前周期： 2026-2029年
参考日期： 2026年8月28日
版本：区域AX黄金时期情报v3.2
最终评估改进标准： 人工智能教育基础设施的扩展、与职业教育的衔接、海洋人工智能以及长期人才留存情况未经核实
 

釜山教育厅在原德川女子中学旧址上开设了软件与人工智能教育中心，该中心为四层建筑，总建筑面积达7225平方米，目前设有元宇宙实验室、XR空间和数字教育设施。2026年，该中心扩展了人工智能与数字技术应用领先学校项目、釜山教育人工智能导师BeAT项目以及全校一体化登录系统PENZ。自2026年9月起，该中心还设立了一个基金会，允许小学一年级至高中三年级的学生使用单一账号访问教育云和人工智能服务。（釜山教育厅软件与人工智能教育中心，PENZ）

釜山拥有完善的职业教育基础设施。该市设有38所职业高中，其中包括4所名师高中和32所专业高中。2024届毕业生在釜山的就业率为57.6%，位居全国第五，比上一年的56.8%提高了0.8个百分点。这充分证明职业教育对当地产业的劳动力供应做出了贡献。（釜山教育厅）

然而，57.6% 代表釜山的就业率，但与海洋、人工智能、半导体、金融和智能物流等行业的就业率并不相符。从业人员的行业、职位、薪资、公司规模和三年任职率均与公开披露的业绩结果无关。本地就业与未来产业人才的留存之间仍然存在差距。

海洋人工智能教育已进入政策议程，计划在2026年前建立海洋人工智能教育中心，并开展连接小学、初中和高中的海洋人工智能和物理人工智能训练营。然而，该教育中心仍处于规划阶段，学生在海洋数据分析、自主导航和智能船舶项目方面的学习成果，以及在当地海洋企业的就业情况，尚未得到验证。（釜山教育厅，釜山广域委员会）

如果学校课程仍然局限于体验式学习、夏令营和设施使用，而釜山港口、海洋人工智能、金融科技和功率半导体等行业的技术和岗位在2026年至2029年间却迅速发展，那么即使学生使用人工智能，他们也无法获得解决釜山相关行业问题的能力。 尽管釜山的教育体系拥有人工智能教育基础设施和职业教育体系，但尚未最终确定其是否真正为海洋、人工智能和未来产业培养了人才。

釜山教育厅运营着SW·AI教育枢纽中心、AI·数字应用领先学校、AI辅导平台BeAT、PENZ综合账户以及教师培训项目。该架构旨在将AI教育从少数俱乐部和特定学校扩展到所有学校均可使用的通用基础设施。

然而，目前尚未找到公开数据，对不同学校采用相同标准比较人工智能课程时长、学生项目水平、教师指导能力以及生成式人工智能应用技能的情况进行对比。基础设施可及性和学生能力方面的差异也未被区分。

如果未来两到三年内仅账户和平台使用量增长，人工智能的应用可能会普及，但各学校在问题定义、数据分析和模型验证能力方面的差距依然存在。 在釜山教育领域，人工智能应用的基础已经扩大，但学生能力的基础仍未得到评估。

2026年，釜山教育厅在所有学校建立了统一的登录和付费人工智能服务环境，并创建了学生和教师长期使用同一账户的机制。人工智能工具的使用方式从依赖个人账户和家庭支付能力转变为由教育厅提供的通用基础设施。

然而，使用人工智能服务并不等同于收集和验证数据，或者确定模型的误差、偏差和局限性。目前尚未有研究证实，衡量学生个人及时完成任务、数据分析、算法理解和结果验证能力的通用标准。

随着生成式人工智能在2026年至2029年间的广泛应用，缺乏验证能力的学生将被动接受结果，而具备验证能力的学生则掌控结果，这种差距将进一步扩大。尽管 釜山的人工智能教育已进入工具应用阶段，但人工智能判断能力的普及尚未得到证实。

釜山的未来产业正在拓展，涵盖港口自动化、无人船舶、海洋卫星、金融科技、功率半导体、生物技术和老龄化技术。尽管具体技术各有不同，但数据解读、人工智能应用、传感器、软件、安全和伦理已成为共同的就业基础。

职业教育的重点也从单一技能和证书转向复杂的系统操作和问题解决项目。即使是机械、电气、船舶和物流等专业的学生，​​将人工智能和数据处理割裂开来，也拉大了与实际工业工作职责的差距。

目前尚无釜山职业高中按院系划分的AI融合学时、产学研合作项目以及学生个人实践项目组合的对比数据。未来两到三年内，如果行业招聘的是融合型人才，而学校仍然按照传统院系培养毕业生，那么就业率和岗位匹配度将会脱节。

釜山未来产业人才培养的缺口不在于缺乏相关专业，而在于现有专业与人工智能之间缺乏明显的融合。

釜山的未来产业正在拓展，涵盖港口自动化、无人船舶、海洋卫星、金融科技、功率半导体、生物技术和老龄化技术。尽管具体技术各有不同，但数据解读、人工智能应用、传感器、软件、安全和伦理已成为共同的就业基础。

职业教育的重点也从单一技能和证书转向复杂的系统操作和问题解决项目。即使是机械、电气、船舶和物流等专业的学生，​​将人工智能和数据处理割裂开来，也拉大了与实际工业工作职责的差距。

目前尚无釜山职业高中按院系划分的AI融合学时、产学研合作项目以及学生个人实践项目组合的对比数据。未来两到三年内，如果行业招聘的是融合型人才，而学校仍然按照传统院系培养毕业生，那么就业率和岗位匹配度将会脱节。

釜山未来产业人才培养的缺口不在于缺乏相关专业，而在于现有专业与人工智能之间缺乏明显的融合。

釜山教育厅在其2026年教育发展方向中，纳入了建立海洋人工智能教育中心，旨在让学生体验海洋科学与产业；并于2026年8月举办了与小学、初中和高中合作的海洋与物理人工智能夏令营。这些举措表明，釜山正试图将这座海洋城市的产业资源与教育主题相结合。

然而，海洋人工智能教育中心目前仍处于规划阶段，尚未展现出实际运营能力，营地参与人数、项目成果、能力提升情况以及后续职业发展路径等信息均未公开。体验式教育与常规课程之间，以及职业发展路径与实际就业之间都存在脱节。

如果海洋人工智能的学习仅限于两到三年的营地和设施体验，学生虽然能分别接触海洋和人工智能，但无法培养处理船舶、港口和海洋环境相关数据的综合能力。尽管 釜山已将海洋人工智能教育提上日程，但其课程设置和人才培养体系仍不完善。

2024年，釜山职业高中毕业生本地就业比例为57.6%，位居全国第五。2025年，教育厅将与国家和地区核心产业接轨的职业高中数量从四所增加到五所。职业高中与地方产业的衔接程度已达到一定水平。

然而，该地区企业所在行业、职位职能、薪资水平和就业类型与毕业生专业之间的匹配度并未公开。即使毕业生在该地区就业，如果被安排从事简单的生产或服务工作，也与为未来产业培养人才有所区别。

如果2026年至2029年间，由于自动化导致入门级重复性工作减少，即使当地目前的就业率保持不变，就业岗位的可持续性也可能减弱。 釜山职业高中虽然与当地就业有联系，但其与未来产业就业的联系仍有待证实。

釜山设有四所名校，包括釜山西南名校、釜山汽车名校、釜山机械工程名校和釜山海事名校，以及32所专业高中。2026年，釜山以培养人工智能融合技术人才为主题，对38所职业高中进行了就业能力提升培训。

尽管各行各业正朝着超越学术界限的方向发展，例如自主导航、智能港口、功率半导体和人工智能金融，但由于涉及院系审批、教师配置和设备更换等一系列流程，学校系统的重组进展缓慢。产业技术周期与课程改革周期之间存在时间滞后。

目前，追踪各院系毕业生需求预测与实际招聘人数差距，以及已撤销或重组院系绩效的公开数据有限。随着两到三年时间的累积，学生在校期间所掌握的技能和设备，到毕业时往往已落后于企业招聘标准。

虽然釜山的职业教育已经认识到未来产业的发展，但没有证据表明课程改革的步伐与产业改革的步伐相匹配。

SW·AI教育枢纽中心占地7225平方米，拥有元宇宙、XR和AI教育环境，AI导师和数字平台已推广至各学校。釜山教育领域AI设施和服务的普及程度迅速提高。

然而，目前尚无确凿证据表明，学生在使用设施前后，其信息学科成绩、数据素养、项目完成情况以及职业选择等方面的变化存在显著差异。使用频率与能力提升之间的关联也尚未明确。

尽管2026年至2029年间设施维护和内容更换成本仍将持续产生，但除非衡量学生的参与程度，否则无法确定该项目是否真正缩小了差距。 以釜山的AI教育为例，投入已得到验证，但学生的学习成果仍有待确认。

釜山教育厅拥有专门的人工智能部门、教育研究信息中心、软件/人工智能教育枢纽中心、重点学校、综合账户和教师培训体系，人工智能教育的组织架构和运营平台已基本建成。

然而，目前尚无开放的系统将学生能力基准、各学校人工智能教育课时、教师教学水平以及参与本地产业项目的程度等因素联系起来。釜山市议会也对人工智能教育项目缺乏统一的监管体系以及各机构间可能存在的重叠问题表示担忧。

未来两到三年，随着项目在各院校间扩展，这种差距将会扩大，多个项目将集中在一所学校，而其他学校则仅仅提供实践机会。尽管 釜山教育已经建立了组织架构和项目，但整个系统的绩效评估框架尚未形成。

釜山未来学校、AI Tutor BeAT 和 PENZ 等机构旨在将人工智能教育推广至所有学校。2026 年，还向小学教师和学生分发了补充信息教育材料。

然而，领先学校教学模式在普通学校的实际采纳率、各学校教师培训完成率以及学生使用情况和覆盖范围均未得到核实。平台推广和教学创新扩散也未加以区分。

如果顶尖学校和普通学校在项目经验方面的差距在两到三年内不断累积，即使学生使用相同的账号，他们的AI能力也会因学校而异。 釜山的AI教育中，技术普及已进入全面推广阶段，但课堂质量的普及程度仍有待评估。

2026年，釜山教育厅对包括老城区和釜山西部地区小型学校在内的56所学校进行了重点监测。实地调查证实，这些学校普遍存在教师、教育福利工作者和辅导员短缺，以及体验式活动开展受限等问题。这表明，地区间教育差距的根源在于人力资源和项目实施能力，而非设施。

人工智能教育的结构决定了教学深度会因教师能力、外部专家和家庭环境的不同而有所差异。即使使用同一平台，如果教师无法设计项目，学生的体验也仅限于简单的操作。

如果釜山西部和老城区学校的人力短缺状况持续两到三年，海洋人工智能、物理人工智能等高难度项目将集中在少数几所学校开展。目前 尚无证据表明人工智能在釜山教育领域的普及缩小了区域间的差距，新的能力差距风险依然存在。

12-1. 北区SW·AI教育枢纽中心——设施与学生成果分离

位于釜山北区原德川女子中学旧址的SW·AI教育中心占地7225平方米，配备了元宇宙实验室、XR技术和数字教育空间。该中心现已投入运营，使釜山学生即使在校外也能接触到先进的人工智能教育环境。

然而，按地区和学校划分的用户数量、重复参与率、项目完成情况以及大学录取和职业道路的变化等数据并未得到综合披露。中心设施的可及性与教育成果之间仍然存在差距。

如果短期体验的比例在2到3年内较高，且参与重复性项目受到限制，那么大型设施就会被固定为访问型教育空间。 北区SW·AI教育枢纽中心已被确定为基础设施枢纽，但尚未被确定为学生能力积累中心。

12-2.釜山38所职业高中——本地就业与长期定居分离

釜山38所职业高中2024届毕业生本地就业率为57.6%，并将人工智能融合技术人才培养列为2026年职业教育议程。学校与本地企业之间的就业渠道已在一定程度上存在。

然而，该地区就业人员的1年和3年留任率、工资增长情况、专业匹配度以及未来行业就业比例等数据尚未得到证实。就业时的本地留任率和长期职业发展情况是分开考虑的。

如果入门级岗位在两到三年内实现自动化，且毕业生晋升路径未能建立，那么该地区的员工流动和调动将会增加。 虽然釜山职业高中在本地就业方面拥有强大的资源，但能否长期留住人才仍有待观察。

釜山教育厅正在为经验丰富的教师开展人工智能和数字化教学能力强化培训，并在教师培训信息中心开设了人工智能和信息教育课程。教师培训的内容正从基础工具的使用扩展到学科课堂的实际应用。

然而，目前尚无数据衡量每位教师的人工智能课程实施次数、学生项目指导能力以及数据、伦理和验证教育的完成情况。培训完成情况与课程实际变化之间的关联也未公开。

未来两到三年内，人工智能工具和课程将快速更新换代，一次性培训所获得的知识很快就会过时，而每所学校是否配备专业的人工智能教师将决定学生的学习体验。虽然釜山教师人工智能培训的基础已经具备，但其在课堂层面的实际应用能力仍有待评估。

2026年，釜山扩大了人工智能一体化客户群，并与领先院校建立了合作关系，同时推动成立了海洋人工智能教育中心。同期，釜山港口自动化、自主船舶人工智能数据平台、金融科技和功率半导体等产业的技术和人才招聘标准也迅速敲定，预计将于2029年完成。

然而，目前尚无证据表明学校的人工智能能力与未来行业的就业需求之间存在关联。学生毕业的时间与行业技术标准最终确立所需的时间之间存在差距。

如果2026年的中学生在进入高中、大学和就业市场时缺乏人工智能基础知识和工业项目经验，后续的再培训成本和就业市场准入差距将会扩大。如果企业对本地教育能力缺乏信心，也会从外部招聘经验丰富的员工。

釜山教育的不可逆转之处不在于设施引进的延迟，而在于一代学生只有在经历了产业转型初期就业市场后才能完成他们的能力培养。

AX 响应评估：如果每所学校的 AI 使用量和项目数量与学生能力、行业项目、工作角色和任期无关，那么根据设施和就业率高估釜山教育对未来行业的准备程度。

当前评估：人工智能教育基础设施的扩展 · 与职业教育的衔接 · 海洋人工智能与长期人才保留（未经证实）

2 年评估：确定人工智能教育是否从体验式学习转向学生共同能力的时间间隔。

3 年评估：在此期间，行业招聘标准与学校课程之间的时间滞后可能会成为毕业生竞争力方面的一个难题。

学生评估：人工智能服务的使用范围扩大了，但数据、模型和验证能力仍未得到评估。

职业教育评估：本地就业比例较高，但未来行业工作职能和长期就业情况尚不明确。

差距评估：尽管该平台已推广到所有学校，但学校、地区和教师之间的课堂质量仍然存在差距。

不可逆性的判定：一代学生错过早期行业招聘市场后，重新进入该行业的成本迅速增加

总体评价：釜山教育已经开始培养未来产业人才，但目前尚无足够的证据表明它正在为这些产业培养人才。

1. 按学校划分的人工智能和信息教育实际课时
2. 学生对人工智能服务的使用情况和重复使用率
3. 数据素养、模型理解和结果验证的覆盖范围
4. 生成式人工智能的伦理、版权和偏见检测能力
5. 各学校人工智能项目的数量和完成情况
6. 普通学校中领先学校模式的采用率
7. 按地区/县划分的学生人工智能能力差距
8. 学校教师和专业人员数量集中在老城区中心和釜山西部地区
9. 教师人工智能培训完成率和课堂实施率
10. SW·AI教育中心按学校使用情况划分
11. 反复参与枢纽中心活动以及学生职业道路的变化
12. 海洋人工智能教育中心流程、开放和课程
13. 海洋与物理人工智能训练营的学生成果及后续活动
14. 釜山卫星、港口和船舶数据利用项目
15. 职业高中各系人工智能融合课程课时安排
16. 职业高中毕业生的本地就业率
17. 专业匹配率与正式员工比例
18. 未来行业就业人员及平均工资
19. 在区内就业后的1年和3年留任率
20. 职业高中毕业生跨区转学率
21. 釜山企业实地培训和联合教育参与率
22. 工业项目招聘转化率
23. 高校、企业、学校联合办学课程的重复开课率
24. 釜山本地毕业生就业率与釜山未来产业投资的关系

海洋人工智能训练营、人工智能融合职业教育以及未来行业体验，这些都让学校获得了行业知名度。然而，如果学生分析的是真实的海洋和港口数据，而企业又不评估分析​​结果，那么行业名称和产业能力就会脱节。

职业高中的本地就业率高达57.6%，这一数据也反映了釜山地区的区域联系。虽然在釜山就业体现了区域间的联系，但这并不能说明自动化后工作岗位是否得以保留，也不能说明工资和技能水平是否有所提高。

教育与当地产业的联系并非建立在课程结束之时，而是在当地企业采购毕业生技能之时。如果企业项目、实地培训、招聘和长期就业之间缺乏衔接，学校面向未来产业的教育就仅仅停留在职业经历层面。

釜山的教育是否能为未来产业做好准备，评判标准不是海洋和人工智能专业的数量，而是釜山企业反复聘用接受过这些教育的毕业生的具体工作岗位和薪资水平。