二、国外发展现状

2.1 技术路线：从插件依赖到浏览器原生

国外 Web 端仿真技术的演进，可概括为一条"去插件化"的主线，大致经历四个阶段：

第一阶段（1995—2010）：插件时代。 VRML 及其继任者 X3D 尝试建立 Web 三维标准，Java Applet、Adobe Flash、Cult3D、Unity Web Player 等插件方案各据一方。这一阶段的共同缺陷是渲染效率低、兼容性差、必须安装插件，且存在安全隐患。随着主流浏览器陆续移除 NPAPI 插件支持、Flash 于 2020 年底终止服务，该路线整体退出历史舞台——这一事件为后来的技术选型留下了深刻教训：依赖专有运行时的教学资源具有系统性失效风险。

第二阶段（2011—2017）：WebGL 奠基。 Khronos Group 于 2011 年发布 WebGL 1.0 规范（基于 OpenGL ES 2.0），首次将 GPU 硬件加速能力以标准化方式开放给浏览器，无需任何插件。2017 年发布的 WebGL 2.0（基于 OpenGL ES 3.0）补齐了多重渲染目标、变换反馈、实例化渲染等现代特性。同期，WebAssembly 于 2017 年推出 MVP 版本、2019 年 12 月成为 W3C 正式推荐标准，使 C/C++/Rust 编写的既有仿真代码可经 Emscripten 编译后在浏览器中以接近原生的速度运行。

第三阶段（2017—2023）：库生态繁荣与引擎入场。 Three.js（2010 年由 Ricardo Cabello 发起）与 Babylon.js（2013 年由微软工程师发起）成为 WebGL 之上的事实标准封装层，将三维场景构建的技术门槛大幅降低。Three.js 目前 npm 周下载量约 270 万次，是 Web 三维领域使用最广的开源库。与此同时，Unity 提供 WebGL 构建目标、Unreal Engine 推出 Pixel Streaming 像素流方案，重型引擎以"编译到 Web"或"云端渲染 + 视频流"两种方式进入浏览器场景。

第四阶段（2023 至今）：WebGPU 基线迁移。 WebGPU 作为面向现代 GPU 架构（Vulkan/Metal/DirectX 12）重新设计的图形与通用计算 API，于 2023 年 4 月随 Chrome 113 首次默认启用。至 2025 年 11 月，Chrome/Edge（v113+）、Safari（26.0，随 macOS Tahoe 26 及 iOS/iPadOS/visionOS 26）、Firefox（Windows 平台 141，Apple Silicon macOS 平台 145）均已默认开启 WebGPU；2026 年 3 月，WebGPU 进入 W3C 候选推荐（Candidate Recommendation）阶段。Three.js 自 r171 起提供生产可用的 WebGPU 后端，Babylon.js 自 5.0 起支持。

然而，"全主流浏览器支持"这一表述需谨慎解读。截至 2026 年，WebGPU 全球浏览器覆盖率约在 70%—84% 区间，且存在显著的结构性缺口：Linux 平台在 Chrome/Edge 中仍需手动开启实验标志；Firefox 在 Linux、Android、Intel 架构 Mac 上尚未支持；Safari 需要 macOS Tahoe 26 或 iOS 26 以上系统；Chrome on Android 仅支持 Android 12+ 且限于 Qualcomm 与 ARM GPU；Android WebView 与 iOS WKWebView 默认不提供 WebGPU。更值得关注的是驱动层的可靠性问题——业界报告显示，约 45% 的在役设备不支持顶点着色器中的 storage buffer，部分显卡驱动在特定计算负载下存在崩溃或静默渲染错误，而这些问题不会体现在任何浏览器支持率统计中。

对轻量化路线的启示是明确的：WebGL 2.0 在可预见的未来仍是兼容性底线，WebGPU 是机会性的性能快路径。 面向课堂教学场景、尤其是终端配置参差的场景，技术选型应当以"稳定优先"而非"先进优先"，通过 navigator.gpu 特性探测实现优雅降级，而非直接采用最新标准。

技术路线要素小结：

2.2 代表性平台与项目

（一）PhET Interactive Simulations——轻量化路线的标杆范式

美国科罗拉多大学博尔德分校的 PhET 项目由诺贝尔物理学奖得主 Carl Wieman 于 2002 年创立，是全球规模最大、影响最广的交互式仿真开放资源库。其可核查的现状数据构成对轻量化路线可行性与有效性的最有力支撑：

在教学有效性方面，一项对 31 项准实验研究（全部使用 PhET）的文献综述（Banda & Nzabanimana, 2021）报告，实验组的学习增益较对照组高出约 37%。PhET 的设计方法论核心是"隐性支架"（Implicit Scaffolding）——通过界面的可供性、约束、线索与反馈将教学引导嵌入交互本身，而非以显式指令告知学生"下一步做什么"，从而在保持学生探究自主性的同时保障认知路径的有效性。

PhET 的经验提供了三点关键判断：其一，结构简洁、聚焦单一知识点、参数可调的小型仿真，在概念理解层面的教学有效性并不低于复杂系统仿真，而在可及性与使用频次上具有压倒性优势；其二，离线可用性是普惠价值的前提，PhET 在低资源地区的广泛应用直接得益于其可下载特性；其三，规模化的轻资源供给需要稳定的机构化维护主体——PhET 二十余年的持续运营依托大学建制与慈善资助，这与项目周期制的建设模式有本质差异。

（二）Easy JavaScript Simulations（EjsS）与 Open Source Physics——单文件导出的直接先例

由西班牙 Francisco Esquembre 主持开发的 EjsS 是 Open Source Physics 生态的核心建模工具，其显著特征是可将建模结果直接导出为独立的单个 HTML 文件，无需服务器即可运行与分发。EjsS 的目标用户明确定位为"有学科知识但无编程背景的教师"，通过可视化的模型—视图配置界面降低生产门槛。这一设计理念与本文所讨论的轻量化路线高度同构，可视为该路线在生成式 AI 出现之前的重要先例。其局限在于工具本身仍有学习曲线，且生成代码的可定制性受工具框架约束。

（三）机构化资源库与开放框架

· Go-Lab / Golabz（欧盟）：整合在线实验室与探究式学习空间（Inquiry Learning Spaces），提供教师自主组装实验活动的中间层，代表了欧洲"探究式学习 + 在线实验"的整合思路。

· Concord Consortium：以 Molecular Workbench、CODAP 等项目长期深耕基于模型的科学学习与数据探究工具，全部开源。

· H5P（挪威）：开源交互内容框架，提供 50 余种内容类型，可深度嵌入 Moodle、Canvas 等 LMS。H5P 的关键价值在于在"零编程"与"可交互"之间建立了标准化的中间层，但其内容类型库以测评与展示型为主，物理建模能力有限。

· GeoGebra、Desmos、oPhysics、Falstad 电路模拟器：一批以单页 Web 应用形式存在的学科工具，其中不乏可通过单一 URL 或单个页面完成完整教学交互的典型案例。

· MERLOT、OER Commons：开放教育资源的聚合与同行评审平台，为轻资源的发现与质量筛选提供机制。

（四）重型 Web 化路线的对照

Labster（丹麦，2011 年创立）代表了另一条路径——基于 Unity 构建高保真虚拟实验室，通过 WebGL 或云渲染在浏览器交付，覆盖生物、化学、医学等领域。其特点是保真度高、教学设计完整、商业化程度成熟，但同时也意味着高带宽依赖、订阅制付费、无法离线。Labster 与 PhET 的并存，恰好说明国外生态中"轻—重"分层的清晰性：二者服务不同的教学场景，并未相互取代。

2.3 应用领域的成熟度

无障碍设计是国外实践中一个易被国内忽视的成熟维度。PhET 在其 HTML5 仿真中系统实施了键盘全导航、屏幕阅读器交互式描述（Interactive Description）、声音化（Sonification）与自定义配色等特性，对标 WCAG 2.1 标准。这既是法规合规要求，也构成了资源普惠价值的组成部分。

2.4 开发范式的新变量：生成式 AI 与"氛围编程"

2024 年以来，国外教育技术研究领域出现了一个明确的新议题——领域专家（教师）借助生成式 AI 直接生产可交互教学软件，即所谓"vibe coding"（氛围编程）。相关实证研究已初步成形：

· Chow 与 Ng（2025，*Medical Science Educator*）报告，卫生专业教育者在无开发人员支持的条件下，通过 AI 辅助的氛围编程在一周内完成两个临床培训工具的可用原型，并指出技术摩擦的降低使教育者得以将注意力集中于学习设计本身。

· *Medical Teacher*（2025）刊发的"From technology adopters to creators"提出了教育者角色从"技术采纳者"向"技术创造者"迁移的判断。

· 一项发表于 *AI*（2026）的研究报告了 BlandPharm ECG Viewer 案例：由单一教育者使用生成式 AI 在数日内构建心电图判读应用，在华盛顿大学 WWAMI 区域医学教育项目中开展了实验点与五个对照点的准实验评估，并使用 uMARS 量表测量学生感知。值得注意的是，该研究刻意避免使用结构化提示词模板，以检验模型在最小提示工程条件下的意图理解能力。

· *Education Sciences*（2026）报告了管理教育中利用生成式 AI 生成 HTML 与 JavaScript 代码构建数字仿真模型、完成基于仿真的课程重构的案例，并提出了结构化的开发框架。

· 一项遵循 PRISMA-ScR 指南的范围综述以 TPACK 模型分析该现象，指出技术知识（TK）的内涵正从"编程语法掌握"转向"提示词结构化与迭代对话能力"，并识别出"临床医生—开发者"这一新角色，其中学科内容知识（CK）承担着审计机制的关键职能——用于验证生成结果的专业准确性、防止模型幻觉进入教学资源。

与此同时，风险侧的研究同样在推进。已有研究记录了非专家用户在缺乏充分审查的情况下采纳 AI 生成输出而导致不良后果的案例；有学者提出负责任的氛围编程架构应围绕生成结果的透明性、迭代审查的问责性、工具获取的公平性三项原则构建。

综合判断：国外在该议题上的研究呈现"实践先行、评估跟进、伦理框架同步建构"的特征，但现有研究主体集中于医学教育与管理教育，样本量小、多为单机构案例，尚未形成跨学科的、可复制的工程方法论体系——尤其缺乏针对"教师生产教学仿真软件"这一特定场景的提示词范式、质量控制机制与失效模式总结。