原文來源：腦極體

圖片來源：由無界 AI生成

記得ChatGPT剛剛推出的時候，我見到的第一個應(yīng)用案例是這樣的：

一位IT工程師朋友發(fā)朋友圈，說要帶孩子出去郊游,，但老師布置了作文,。于是他干脆讓ChatGPT寫了一篇替孩子交差，不僅沒被發(fā)現(xiàn),，還得了高分,。

這個方式當(dāng)然不太可取，但告訴了我們一個道理：只要為了孩子,，為了教育,，家長是非常愿意探索AI技術(shù)的。大模型想要落地應(yīng)用,，教育絕對是不可多得的機會,。

這個判斷也被OpenAI所證實。今年8月,，OpenAI首次發(fā)布特定行業(yè)的ChatGPT使用指南,。這份指南就是面向教育行業(yè)，指導(dǎo)教師ChatGPT的工作原理,、提示詞使用以及解釋局限性,，幫助教師用AI技術(shù)輔導(dǎo)學(xué)生學(xué)習(xí)。

OpenAI創(chuàng)始人奧特曼也認為,，他本人特別看好的AI應(yīng)用領(lǐng)域有兩個,。一個是醫(yī)學(xué)顧問，另一個就是AI個性化教育輔導(dǎo),。

能做題,、能對話、能寫作,、能進行知識搜索與整理的大模型,，似乎天然與在線教育場景有著緊密的磁力。

那么,，在大模型商業(yè)化元年的2023,，大模型是否為相對低迷的教育市場帶來了新的故事？目前這一領(lǐng)域的產(chǎn)業(yè)格局怎樣,？面向2024,，持續(xù)發(fā)展的機會與難點分別是什么？

我們來一次性解決這些問題,。

目前的市場格局

2021年以來,，隨著多部門陸續(xù)印發(fā)關(guān)于支持、規(guī)范在線教育行業(yè)的發(fā)展政策,，以及“雙減”的目標被明確,，原本火熱的在線教育行業(yè)迎來了重整頓,、重合規(guī)的新階段。野蠻發(fā)展的在線教育多年以來首次出現(xiàn)了市場規(guī)?？s減,。

在此后的發(fā)展中，在線教育普遍更重視科技層面的能力,，相對淡化原本的師資,、分數(shù)、規(guī)?；雀偁?。在這樣的背景下，AI教育就成為在線教育的“過河之橋”,。尤其當(dāng)大模型技術(shù)在2022年爆火之后,，“大模型+教育”這個新風(fēng)口瞬間打開，迎來了各家廠商的重點關(guān)注,?；仡櫿麄€2023年，中國市場已經(jīng)涌現(xiàn)出了第一批這個風(fēng)口的探索者,。

今年5月,，科大訊飛發(fā)布了星火認知大模型1.0。認知大模型基于星火大模型架構(gòu),，可以實現(xiàn)AI批改作業(yè),、AI口語對話等能力。隨后,，科大訊飛在大模型+教育領(lǐng)域進行了多次升級,，布局包含了模型側(cè)的軟件能力，以及學(xué)習(xí)機的硬件提升,，還有G端,、B端市場的解決方案。

7月,，網(wǎng)易有道推出了“子曰”教育大模型,，隨后發(fā)布了一系列搭載“子曰”教育大模型的應(yīng)用。其中有口語教練Hi Echo,、LLM翻譯,、AI作文指導(dǎo)、語法精講,、AIBox、文檔問答等,。11月4日,，網(wǎng)易有道“子曰”教育大模型通過了相關(guān)備案,。

同一批通過備案的，還有好未來旗下的學(xué)而思大模型MathGPT,。隨后,，MathGPT從內(nèi)測階段轉(zhuǎn)為全面對外開放，在學(xué)習(xí)機中上線了包括AI對話學(xué),、AI講題助手,、中英文寫作助手等功能。

稍早之前,，還有作業(yè)幫發(fā)布了銀河大模型,，希望將大模型能力覆蓋到多個學(xué)科以及學(xué)段當(dāng)中。

至此,，我們可以看到,，參與到大模型+教育探索中的企業(yè)雖然不多，但已經(jīng)囊括了在線教育的主要參與者,。其中包括傳統(tǒng)教輔機構(gòu)轉(zhuǎn)型數(shù)字化,、在線化，也包括積極布局教育領(lǐng)域的互聯(lián)網(wǎng)公司,、AI公司,，同時還有專注于在線教育的平臺。

多家公司的布局中,，也讓我們看到了大模型+教育,，較此前的AI教育、在線教育究竟有什么不同,。這個賽道中的新故事,，發(fā)生在以下幾個方面。

機遇一：大模型落地硬件

大模型的特點是數(shù)據(jù)量龐大,，所需算力規(guī)模龐大，因此在云端調(diào)用大模型有著對網(wǎng)絡(luò)環(huán)境,、服務(wù)器能力的一系列考驗,。相較于讓孩子在教育輔導(dǎo)中等待，家長會更傾向選擇能夠流暢使用,、不卡頓的專用硬件,。與此同時，教育硬件專用也可以讓家長把控孩子的學(xué)習(xí)進度,、調(diào)用目的,，避免受其他因素干擾。

這樣的邏輯,，讓大模型與專屬硬件的結(jié)合必要性,，比以往的在線教育,、AI教育更高。大模型需要專用硬件的算力支持,，同時大模型也能提升學(xué)習(xí)機等教育硬件的使用價值,。二者天然的結(jié)合關(guān)系，構(gòu)成了大模型+教育賽道的第一個機會點,。

在這個領(lǐng)域,，很多大模型+教育類的玩家都有布局,。比如科大訊飛在發(fā)布訊飛星火認知大模型V3.0時，同步發(fā)布了英語AI答疑輔學(xué)功能,。這一功能就率先落地在訊飛AI學(xué)習(xí)機中,。目前來看，科大訊飛已經(jīng)在AI學(xué)習(xí)機上布局了英語口語陪練,、中英作文批改,、數(shù)學(xué)互動輔學(xué)、百科自由問答,、親子教育助手,、智能編程助手、創(chuàng)意繪畫伙伴,、英語答疑輔學(xué)8款基于大模型的教輔功能,，可以說已經(jīng)基本打通了大模型與專屬教育硬件之間的通道。

同樣地,，學(xué)而思等廠商也在學(xué)習(xí)機一側(cè)發(fā)力,。雖然目前市場還沒有明確共識，但大模型+學(xué)習(xí)機這個概念,，或許將在不久后得到非常強勁的商業(yè)關(guān)注,。

機遇二口語練習(xí)

如果有人問，想要試試大模型+教育學(xué)習(xí),，哪個能力最為推薦,？至少在今天答案應(yīng)該是統(tǒng)一的，那就是練習(xí)口語,。

口語練習(xí)一直是傳統(tǒng)教育中的弱勢項目,，它非常依賴書本之外的發(fā)聲、語感,、對話邏輯等能力,。好的口語教師非常難得，而無論是線下還是線上,，口語外教都良莠不齊,，真?zhèn)文?。這種情況下，用大模型練口語,，無論在學(xué)生還是白領(lǐng)群體中都得到了廣泛“安利”。

大模型相比于傳統(tǒng)的TTS軟件發(fā)音更準,、語感更好,，并且可以生成大量內(nèi)容，實現(xiàn)AI與練習(xí)者持續(xù)對話,。甚至還可以模擬不同的場景與語境,，幫助練習(xí)者進行有目的練習(xí)、應(yīng)試練習(xí),。

在口語練習(xí)這一點上,，大模型+教育確實比傳統(tǒng)的AI教育有了極大的進步。很多調(diào)用開源大模型的口語練習(xí)APP井噴式發(fā)展,。而大模型+教育領(lǐng)先的頭部玩家,，自然也不會放過這個機會。

目前來看,，擁有自研大模型的幾家教育企業(yè)都在布局口語練習(xí)這個節(jié)點,。比如網(wǎng)易有道旗下的子曰大模型。今年10月,，搭載子曰大模型的“口語私教”Hi Echo推出了獨立App和微信小程序,，已經(jīng)有獨立發(fā)展的態(tài)勢?？拼笥嶏w的星火認知大模型,，也著重打造了英語口語陪練能力。

在這個領(lǐng)域,，選擇自研教育大模型的企業(yè),，主要問題是需要面對通用大模型的競爭?；蛟S只有依靠教育領(lǐng)域的多場景,、多功能優(yōu)勢，才可以抵消在口語對話這個單點上的持平,，甚至劣勢,。

機遇三：個性化AI輔導(dǎo)

“傳統(tǒng)的在線教育是你去理解程序，大模型+教育是AI理解你和你的孩子,?！?/p>

相信不久之后，這樣的推廣話術(shù)會在大模型+教育的普及過程中被反復(fù)使用,。相比于傳統(tǒng)在線教育缺乏互動,、缺乏個性化的問題,，大模型帶來的改變是一定程度上實現(xiàn)基于AI的個性化教育訂制。

這種可能性的存在,，也是OpenAI重視ChatGPT在教育領(lǐng)域應(yīng)用的核心原因,。目前階段，基于大模型的個性化輔導(dǎo)還在探索中,。主要落地方案是在學(xué)習(xí)者與AI對話的過程中,，發(fā)現(xiàn)學(xué)習(xí)者的知識盲區(qū)、知識錯誤以及邏輯漏洞,，再讓大模型調(diào)取解決方案,，比如給出針對性的測試題目、重點講解錯誤知識點等,。這種應(yīng)用形態(tài),，實現(xiàn)了一定程度上通過大模型來模擬真人教師的輔導(dǎo)效果。

當(dāng)然,，想要實現(xiàn)以假亂真的個性化輔導(dǎo)還需假以時日,，但這種能力毫無疑問是大模型+教育風(fēng)口中最具想象力與未來潛力的一環(huán)，并且已經(jīng)有了一些探索,。比如學(xué)而思就在學(xué)習(xí)機中部署了AI對話學(xué)功能,。這一應(yīng)用基于MathGPT的解題和講題能力，可以通過學(xué)生與AI的對話交流,，分析出學(xué)生在解題中的知識薄弱點,，從而針對性進行解答。

大模型不僅懂知識,、懂答題,，還能夠懂學(xué)生。這是一條大模型+教育的長期賽道,。

機遇四：把在線教育帶入主觀題

大模型為在線教育帶來的改變還有一點,。那就是此前很多難以通過在線搜索、AI工具來完成的教學(xué)任務(wù),，現(xiàn)在可以通過大模型來完成,，比如中英文寫作、論述題解答,、復(fù)雜數(shù)學(xué)題解析,。這一類具有非標準化、非固定化特征的“主觀題”,，恰好是發(fā)揮大模型泛化能力的舞臺,。

于是我們可以看到，各家紛紛上線了AI講題助手、AI寫作助手等功能,。這些功能的價值在于將在線教育的邊界進行了拓展,，開始更多參與到主觀性、邏輯性,、創(chuàng)造性的教學(xué)當(dāng)中,。

但這個領(lǐng)域也引發(fā)了大模型+教育類應(yīng)用的爭議。其一是大模型的內(nèi)容生成具有模式化,、套路化的問題,。如果學(xué)生長期使用這類功能，是否意味著對獨立思考與個性化創(chuàng)作能力的扼殺,？另一個問題是大模型的主觀題回答正確率還有待提升，經(jīng)常出現(xiàn)過程錯誤結(jié)果正確,，過程與結(jié)果之間沒有邏輯關(guān)聯(lián)等現(xiàn)象,。熱愛“胡說八道”的大模型會不會誤導(dǎo)學(xué)生，這也是一個問題,。

未來發(fā)展與潛藏問題

如果說2023年大模型+教育賽道解決了有和無的問題,。那么在2024年，就需要解決能否發(fā)展壯大,，能否實現(xiàn)商業(yè)化閉環(huán)的問題,。

面向未來，大模型+教育類的企業(yè),，最重要的是走通三條路：

1.技術(shù)升級之路,，在教育垂類實現(xiàn)大模型的“智能涌現(xiàn)”。

大模型的核心價值在于泛化性,，因此將通用大模型打造為教育產(chǎn)品事實上是完全可行的,。那么自研教育類大模型的技術(shù)出路，就是要在教育這個垂直領(lǐng)域證明大模型的泛化能力,，完成通用模型無法替代的價值,。比如一個模型打通多種教育場景，實現(xiàn)AI“有記憶教輔”,。再比如可追溯,、可自證權(quán)威性的大模型+教育功能。

2.市場規(guī)模之路,，完成大模型+教育的商業(yè)化普及,。

目前階段，大模型+教育更多還是作為學(xué)習(xí)機等產(chǎn)品的新賣點,，其本身的商業(yè)化空間不夠堅實,，需要探索更多商業(yè)化方案。根據(jù)以往經(jīng)驗，能夠在特定領(lǐng)域制造一次大模型+教育的熱點事件,，證明大模型較比其他教育產(chǎn)品的超前性,，并在家長群體之間快速發(fā)酵，可能是最為有效的方案,。

3.商業(yè)模式之路,，大模型+教育走向教師與學(xué)校市場。

以學(xué)習(xí)機,、APP為代表的大模型應(yīng)用,，更多集中在學(xué)生、家長市場,。但事實上,，大模型還可以在智慧校園、教師助手等領(lǐng)域落地,，從而拓展大模型在教育領(lǐng)域的商業(yè)模式寬度,。比如很多教師需要完成的教案設(shè)計、作業(yè)布置,、公文寫作工作,，都可以由大模型來完成。將這些能力進行整合封裝,，形成面向?qū)W校的整體解決方案,，也是未來的可探索路徑。

當(dāng)然,，大模型+教育雖然前景光明,，但也面臨著諸多難題。比如AI教育此前被普遍污名化,、濫用化的問題在現(xiàn)階段依舊沒有解決,。很多家長無法區(qū)分AI教育的真?zhèn)危卣摿私獯竽Ｐ?教育的細節(jié),。大模型+教育的玩家,，必須用過硬的教育應(yīng)用，而非概念上的包裝宣傳去打動客戶群體,。

另一方面,，大模型+教育的商業(yè)化能力還值得懷疑。大模型本身的成本投入,，短期可以從支撐股價等因素來獲得回饋,，但長期的業(yè)務(wù)回饋還有待探索。此外,，大模型答題不準,、胡編亂造等問題依舊沒有得到完善治理，能夠在這個領(lǐng)域發(fā)力，或許將成為相關(guān)企業(yè)差異化競爭力的來源,。

而跳出大模型+教育這個產(chǎn)業(yè)圈層,，站在局外審視大模型與教育的結(jié)合，或許會發(fā)現(xiàn)更多有趣的未來線索,。

比如說,，今年上半年有一份調(diào)查報告指出，有89%的受訪美國學(xué)生都在用ChatGPT來完成作業(yè),。ChatGPT一時間在全球教育界人人喊打,。在國內(nèi)也是一樣，越來越多的各年齡段學(xué)生學(xué)會了利用AI大模型考試作弊,、代寫作業(yè),。

不久前聽說，甚至有家長為了防止孩子用AI寫作業(yè),，專門用帶AI識別能力的攝像頭來檢測孩子用手機的目的,，可以說是用魔法對抗魔法了。如何避免孩子用大模型作弊,、偷懶，似乎又是教育領(lǐng)域的另一個故事了,。

而向著大模型+教育的更深處,。或許我們還是要問,，如果從客觀題到主觀題,，大模型都能夠完全掌握，隨時提供答案,。那么這些知識,，真的還有被反復(fù)教育的必要嗎？