當大模型“吞噬”垂類應用，教育AI如何成為例外？

搶灘教育 AI，猿輔導這次賭對了嗎?

AI 正以迅猛的速度追趕人類智力。當大模型在越來越多垂直領域上持續進步，創業公司們還有生存空間嗎？

AI 應用創業公司最近一次感到恐慌，來自 GPT-4o 文生圖功能的更新，其生成的吉卜力風格圖片刷爆社交媒體，效果超過 Midjourney、Stable Diffusion、Gemini 等對手。“複雜工程化註定會被模型碾碎”，資深產品設計師 “歸藏” 說，“如今都被一個簡單對話介面所取代。”

在猿輔導集團副總裁王向東看來，大模型吞噬垂類應用的事情，在教育行業不會發生。

他認為文生圖的需求簡單、標準化，而教育需求極度複雜且非標。中小學生的需求包括作業檢查、知識講解、錯題總結、心理陪伴等，且每個學生的學習進度不同、知識薄弱點不同，大模型更擅長的做題，只是教育中的很小一部分。

一個直接的例子是：當你把一份小學五年級學生字跡歪扭、多個錯誤的試卷拍照給大模型時，大模型很難完全識別出學生的字跡，也就難以準確判斷對錯，更無法用循循善誘的方式給學生講題，培養學生的批判思維、勇於創新的能力。

通用大模型難以滿足教育的複雜需求，給了教育 AI 落地的機會。今年 3 月國外知名投資機構 A16Z 釋出了全球最賺錢的前 50 個 AI 應用收入，數學解題、語言學習的應用貢獻了前 50 總收入的 8%。

這些學習類 AI 的底層依然是通用大模型，但它們找到了剛需場景，提供了比通用大模型更好的解決方案。當底層模型趨同時，安全專業的服務、對垂直場景的深度理解，才是留存使用者的關鍵。

猿輔導在 2014 年就設立業內第一個 AI Lab，並在此基礎上做出了猿題庫、小猿口算、小猿搜題等產品。2021 年線上學科培訓業務被剝離後，公司以此為基座孵化了海豚 AI 學、小猿學練機等產品。

4 月 15 日，猿輔導釋出了首個專為中小學生打造的教育 AI 小猿 AI，並在此基礎上釋出教育應用小猿 AI APP 與小猿 AI 學習機。

小猿 AI 結合了 DeepSeek 的推理能力、自研猿力大模型的教育能力，不是簡單給學生答案，而是希望實現 “類人一對一”，將類似真人老師的診斷、教學、練習落地，幫助學生掌握知識薄弱點、提升能力，並陪伴學生成長。

中小學生需要什麼樣的專業教育 AI？

中小學生課後的學習場景主要是三個：預習、複習、練習，家長最大的痛點是無法全程參與——沒空找預習資料、沒空檢查作業，即使家長抽出空來，講解到最後也可能 “雞飛狗跳”。

此前拍照搜題軟體可以檢查作業，線上大班課可以講課、輔導，但學生還是會面臨無法定位錯因、講解過程中聽不懂無法及時獲得解答、學習全流程無法順暢銜接等問題。

人與人的互動才能建築靈魂，一對一家教是理想的解決方案。但優秀名師永遠是稀缺資源，真人老師的一對一教授也難以滲透到學生學習的每個環節。

“大模型第一次給了我們機會，可以給所有學生反饋。” 猿輔導集團副總裁、CTO 楊元祖說。

專業教育 AI 在大模型的支援下，提供了一種接近真人教師教學的解決方案：如果把小猿 AI 比作一棟房子，底層澆築的是非公開、高質量的教育資料，鋼筋是自研 “猿力大模型” 與 Deepseek，頂樑柱是特級教師思維鏈，房中的傢俱是真實的教育場景應用，這幾層相互聯絡，又相互促進，共同推動個性化學習向真人老師一對一進化。

小猿 AI 底層架構

為了讓小猿 AI 像特級教師一樣進行個性化的輔導，培養孩子的思考力和創造力，猿輔導集團根據布魯姆教育目標理論對大模型進行了複雜調教。

內部將調教分為五個等級：基礎模式（IOP)、思維鏈（CoT）、專家角色（Ep）、SC(自我一致）、ToT（思維樹），針對不同的教育目標，對相應 AI 提示策略進行個性化適配，並嘗試以此激發學生創造力、提升邏輯思維和批判性思維。

傳統的基礎模式（IOP) 會在使用者提問後直接給出答案，而猿輔導則會根據不同的年齡，不同的學習階段進行答案的匹配，使孩子能更好的理解和吸收知識。

例如在百科問答中，學生問 “為什麼天上的雲會有不同形狀？”6 歲孩子，會得到生活化的回答；而 15 歲孩子得到的回答，則會結合地理、物理知識給予講解大氣動力學和熱學等原理。

這些複雜的工程化調教，短期內不會因為大模型的一次迭代就被碾碎，核心原因是教育公司掌握了大量的非公開資料。

首先是最關鍵的學情資料。猿輔導集團的 300+ 億條學習大資料和行為大資料，讓小猿 AI 能足夠了解學生的學習目標、能力、狀態、習慣。

在此基礎上，小猿 AI 建立起了一套 “診斷、學習、練習” 的閉環邏輯，不是一上來就給學生講題，而是像真人教師一樣先根據學生的錯題進行診斷，判斷出來知識薄弱點和能力欠缺之後再進行針對性的講解，匹配適宜的學習、練習，而通用大模型並不會根據這樣的邏輯設計答案。

其次是資源庫，包括超過 500 萬小時教學影片、15 億題目、100 萬套試卷、10000 個知識點等，這部分資料不僅是積累，也需要不斷根據教研情況更新。

在此基礎上，小猿 AI 摸索出了一套保證答題專業性的方法：先設定好終點，再讓 AI 透過推理到達。當學生向小猿 AI 提問時，小猿 AI 會先準備好正確答案，再根據答案進行推理。這些答案 90% 都可以由 AI 提供，只有 10% 需要人工輔助解決。

最後是權威資源庫，包括教材、教輔、圖書版權資源。小猿 AI 以這些內容作為資料集，規避了大模型互動中的幻覺問題。例如學生在繪本閱讀場景中，大模型的回答範圍限定在繪本內容本身，這就避免了出現 “林黛玉倒拔垂楊柳” 這樣的杜撰說法。

除了準確性和專業性之外，教育 AI 的安全性也尤其重要。通用大模型的擬人化回應，已經讓不少家長開始用大模型帶娃，但未經調教的通用大模型很難根據使用者身份針對性回應。

例如當一位 12 歲的女孩向大模型透露想要傷害自己的想法時，通用大模型只能做普適性回答，且並不會結合此前聊天的記憶；小猿 AI 則可以根據女孩五年級的使用者身份，配合過往聊天記錄，從家長或是老師的角度給出引導。

非公開資料積累、對教育需求的深刻理解，讓教育 AI 短期內很難被通用大模型顛覆。猿輔導將小猿 AI 落地到軟體應用小猿 AI APP 中，希望提供一個普惠的大規模應用選項。

然而，仍有一些學習需求尚未被滿足。例如小猿 AI APP 在針對薄弱知識點給出練習題後，家長還需要另外打印出來練習；手機攝像頭也很難即時觀察學生狀況，且學生總容易被手機內的其他內容吸引，這就需要另一個硬體滿足以上需求。

讓學習機有 “眼睛”“耳朵”“嘴巴” 和 “手”

王向東認為，一對一老師在現實中會調動眼睛、耳朵和嘴巴觀察學生、持續互動，要做到 “類人一對一” 輔導的效果，也應該讓學習機有 “眼睛”“耳朵”“嘴巴” 和 “手”。

當學生在學習或練習時，學習機要用攝像頭觀察孩子過程中停頓了多久、思考時是否皺眉；當學生提問時，學習機要精準識別學生是否有畏難情緒；當準確瞭解孩子之後，學習機能用語言進行交流，透過手勢、動作給予鼓勵。

這背後既需要大模型在語音、影像識別上的多模態能力，也需要考慮到學生的護眼需求。

2024 年學習機全行業銷量近 600 萬，是少數仍在逆勢增長的電子消費品，當競爭對手們以 2-3 款的速度更新著學習機時，猿輔導從 2021 年 2 月啟動硬體專案到去年底，一共只發布了兩款學練機。

儘管 2023 年 AI 學習機就已立項，但王向東並沒有著急推出新品，在他看來，效果比速度更重要。

AI 學習機並非新概念，2021 年科大訊飛就釋出了 AI 學習機 T10，此後百度、網易有道、作業幫、猿輔導等多家廠商都發布了主打 AI 概念的學習機或學練機，這些學習機採用的都是自適應技術，根據學生在學習機上的題目練習，判斷學生的錯誤和漏洞，並根據學生的漏洞推薦練習。

這樣的學習機有兩大問題：一是錯因判斷仍不夠精準。另一問題是講解過程缺乏互動，針對學生做錯的題目，學習機只會推送影片或文字講解，所有學生看到的針對特定題目的講解都一樣，並不與自己在某個步驟的知識薄弱點掛鉤。這讓許多學生對上一代學習機的感知是：“有用，但用處不多。”

猿輔導在一次市場調研中也發現，影響學生家長購買學習機的前三個因素是內容資源、護眼程度和價格，AI 並不在最重要的考慮範圍內。

王向東認為，只有解決這兩大問題，推出新的學習機才有意義。

原本王向東的計劃是逐步調優小模型，但怎麼最佳化也都是 “80 分提升到 82 分” 的程度，直到 DeepSeek 的接入，“一下子拉到了 90 分”。

上一代學習機的錯因匹配大多使用的是 NLP (自然語言處理) 推薦引擎，大致原理是團隊先設定了多個錯因，用學生錯題中的錯因去和原有錯因匹配，匹配出來後再給學生推薦錯因對應的知識點訓練，小學數學的匹配準確率在 70%-80%。

DeepSeek 出現後，猿力大模型結合 Deepseek，小學數學錯因匹配準確率提升到了 90%。

在小猿 AI 學習機講解過程中，學生也可以隨時停下提問，學習機就像一位真人老師那樣，用教育學的 “N+1” 方式一步步引導學生：先同步學生知道的 “N”，再給學生加一點新知，每個人獲得的講解過程都是個性化的。

除了解決上一代學習機的兩大痛點之外，小猿 AI 學習機也提供了些新的解決方案。

小猿 AI 學習機是第一個實現 “Al 全流程輔助學習” 的智慧硬體。使用者拍照或文字上傳作業後，小猿可以對學習任務進行智慧分析與拆解，智慧制定分學科學習任務規劃，並定位相應學習場景和學習內容。這一流程下，孩子能一鍵進入學習狀態，避免了查詢學習功能和學習內容對學習狀態的干擾，整個學習過程更順暢和專注。