作者：楊曉鶴

最近，在短視頻等內(nèi)容平臺(tái)上，最火的創(chuàng)業(yè)明星又是馬斯克。

這次不是因?yàn)榛ㄟ呅侣劅岫扰噬撬亩说蕉舜竽Ｐ停屘厮估淖詣?dòng)駕駛終于擺脫了算法規(guī)則下，需要窮盡Corner case的模式，仿佛為車機(jī)安裝了感知到?jīng)Q策的大腦。

這是第一性原理的勝利，在馬斯克眼中，自動(dòng)駕駛不能依賴激光雷達(dá)等昂貴的“拐杖”方案，而是應(yīng)該使用直接且便宜的視覺感知方案。所以特斯拉一直往這個(gè)方向探尋，導(dǎo)致其能創(chuàng)造端到端這一顛覆性技術(shù)成果。

而在教育界，第一性原理同樣被一家杭州AI企業(yè)推崇。這家公司名叫精準(zhǔn)學(xué)，最近剛剛獲得阿里近2億元投資，逐漸成為AI教育的關(guān)注點(diǎn)。精準(zhǔn)學(xué)創(chuàng)始人楊仁斌曾是阿里“最年輕的技術(shù)總監(jiān)”，創(chuàng)業(yè)理想是利用AI實(shí)現(xiàn)“真人版一對(duì)一輔導(dǎo)教學(xué)”。

在大家眼中，家長(zhǎng)和教師輔導(dǎo)孩子一對(duì)一寫作業(yè)，是最難解的場(chǎng)景，每個(gè)家長(zhǎng)都因此崩潰過。楊仁斌曾在此前采訪中說，傳統(tǒng)的一對(duì)一教學(xué)模式，一線城市每小時(shí)收費(fèi)高達(dá)400~800元，“家長(zhǎng)都知道一對(duì)一效果好，但全世界付得起這個(gè)錢的家庭比例很低。”

而端到端語音大模型成為這一問題的最大突破點(diǎn)。精準(zhǔn)學(xué)宣布，公司已在AI語音交互技術(shù)上取得領(lǐng)先性的突破，成功訓(xùn)練了中國(guó)首個(gè)語音端到端大模型“心流知鏡-s(V02)”，可直接實(shí)現(xiàn)語音輸入-語音輸出的交互，使其更適配輔學(xué)場(chǎng)景，使大模型達(dá)到“真人老師”級(jí)別的自然對(duì)話交流體驗(yàn)。

“心流知鏡-s(V02)” 使用端到端語音結(jié)構(gòu)，避免了級(jí)聯(lián)ASR+LLM+TTS方式額外延遲，同時(shí)也更好的改善純文本模型損失的情感節(jié)奏等豐富信息，接近人類的語音交互體驗(yàn)。

至此，AI硬件也成為實(shí)時(shí)互動(dòng)的萬能教師。這樣的教育大模型機(jī)器，正成為一個(gè)爆發(fā)的市場(chǎng)。

數(shù)據(jù)也可以佐證，據(jù)艾媒咨詢統(tǒng)計(jì)，2023年，中國(guó)教育智能硬件市場(chǎng)規(guī)模達(dá)到807億元，增速接近30%。中國(guó)商務(wù)部數(shù)據(jù)顯示，AI學(xué)習(xí)機(jī)的銷售額在今年上半年增長(zhǎng)了136.6%。

這一賽道的頭部廠商包括科大訊飛、百度、學(xué)而思等，但市場(chǎng)并非只屬于巨頭。 精準(zhǔn)學(xué)合伙人張寧表示，“端到端語音大模型正成為AI教育的主要入門門檻。 ”。 精準(zhǔn)學(xué)率先推出端到端語音大模型，成為AI教育界的重要?jiǎng)?chuàng)新成果。

接近千億的市場(chǎng)，大模型學(xué)習(xí)機(jī)能再造一家小米公司嗎？

第一性原理正顛覆教育界

“你如果對(duì)著AI學(xué)習(xí)機(jī)讀Apple，可能你的發(fā)音不準(zhǔn)確，但發(fā)音近似，轉(zhuǎn)到ASR里面的結(jié)果就是對(duì)的。但你把語音的信息，降維到文字之后，有些所謂的言外之意就消失了。”

張寧對(duì)AI鯨選社表示，此前行業(yè)在試圖模擬老師的時(shí)候，無法解決信息傳遞準(zhǔn)確的問題，人的言外之意、情緒以及講話的重音之類的情況，基本都被忽略掉了。

這是在傳統(tǒng)AI時(shí)代，很難解決的問題。因?yàn)閭鹘y(tǒng)AI學(xué)習(xí)的過程，是依靠拍照算法識(shí)別，機(jī)器學(xué)習(xí)解析，語音反饋等環(huán)節(jié)，中間要經(jīng)歷CV、OCR、TTS等多個(gè)系統(tǒng)，內(nèi)容在多個(gè)AI系統(tǒng)傳遞中，注定有折損。所以當(dāng)時(shí)的很多AI學(xué)習(xí)機(jī)效果并不好。

精準(zhǔn)學(xué)對(duì)這一問題有很深的感悟，在2022年的時(shí)候，精準(zhǔn)學(xué)嘗試做了一款小學(xué)語文作業(yè)批改的AI產(chǎn)品，當(dāng)時(shí)用了macbert等等模型組合，整合了很多方式的各類NLP單任務(wù)AI模型。但依靠這些技術(shù)推出的產(chǎn)品，即使是小學(xué)的語文題目，比如病句批改、語法糾錯(cuò)、閱讀理解、300字作文等場(chǎng)景下，很多死角問題解決得還是勉勉強(qiáng)強(qiáng)。

當(dāng)時(shí)那個(gè)產(chǎn)品沒有在市場(chǎng)上推廣，只找了1000個(gè)用戶去做了一下測(cè)試。然后2022年底GPT橫空出世后。精準(zhǔn)學(xué)用GPT大模型迭代測(cè)試了這款產(chǎn)品，“一下子把所有的這些任務(wù)，全都碾壓性的解決掉了。”

對(duì)當(dāng)時(shí)的精準(zhǔn)學(xué)是一個(gè)很深刻的觸動(dòng)，張寧形容，“被歷史車輪一下子碾過去的感受。”張寧說道，不是當(dāng)時(shí)產(chǎn)品做得不好，而是相比大模型的生成式AI，技術(shù)迭代太大了。

“我們僅用一周時(shí)間就決定，All in AGI ”，直接做語音大模型，并以此做出深度互動(dòng)的AI Native產(chǎn)品。

如今市場(chǎng)上，大模型學(xué)習(xí)機(jī)已經(jīng)并不鮮見。科大訊飛、網(wǎng)易有道都推出了自己的AI學(xué)習(xí)機(jī)產(chǎn)品。值得一提的是，精準(zhǔn)學(xué)國(guó)內(nèi)首發(fā)端到端語音大模型，并且或是全球首個(gè)開源的端到端語音大模型，并且這一成果將馬上應(yīng)用于新的學(xué)習(xí)機(jī)產(chǎn)品。

精準(zhǔn)學(xué)一直在教育科技賽道，這要求其必須具備深度的AI教學(xué)能力、及時(shí)的語音對(duì)話反饋能力，還要有完備的軟硬件結(jié)合能力。

具體來說，在解決前文提到的Apple發(fā)音問題上，必須在輸入到輸出的多模態(tài)大模型系統(tǒng)中，依靠中間的大模型解決所有的問題，而不是劃分出多個(gè)AI系統(tǒng)解決。

這一目標(biāo)下，精準(zhǔn)學(xué)推出了“心流知鏡-s(V02)”。“我知道大概國(guó)內(nèi)有七八家團(tuán)隊(duì)在做相同的事情，但我們?cè)谛袠I(yè)中快速做出來了”，張寧介紹道。

這不僅是創(chuàng)業(yè)公司動(dòng)作更敏捷的原因，還有對(duì)教育市場(chǎng)的理解。目前在互聯(lián)網(wǎng)教培市場(chǎng)，有拍照閱卷、教師排班等助教市場(chǎng)，也有一對(duì)一輔導(dǎo)等自學(xué)市場(chǎng)，后者市場(chǎng)在教培新政后，對(duì)AI的能力需求越來越大。AI需要像真人一樣的輔導(dǎo)能力，才能被市場(chǎng)接納。

精準(zhǔn)學(xué)在AI擬人教師方面，已經(jīng)有兩年多的產(chǎn)品經(jīng)驗(yàn)，借助端到端的語音大模型，實(shí)現(xiàn)堪比真人教師的交互效果。張寧認(rèn)為，他們所在的業(yè)務(wù)場(chǎng)景，決定他們對(duì)新技術(shù)更加渴求。

端到端語音大模型是壁壘

AI教育界開始被精準(zhǔn)學(xué)的成果驚喜。

在特斯拉用端到端，將自動(dòng)駕駛帶入新時(shí)代后，精準(zhǔn)學(xué)公司也在AI語音交互技術(shù)上取得突破，成功訓(xùn)練了中國(guó)首個(gè)語音端到端大模型“心流知鏡-s(V02)”。

張寧介紹，精準(zhǔn)學(xué)是基于通義千問開源的Qwen2-MoE-57B訓(xùn)練，打造的融合文本、語音及情緒的實(shí)時(shí)多模態(tài)教育垂直模型。“心流知鏡-s(V02)”的最大優(yōu)勢(shì)，是避免了級(jí)聯(lián)ASR+LLM+TTS方式額外延遲，同時(shí)也更好地改善純文本模型損失的情感節(jié)奏等豐富信息，接近人類的語音交互體驗(yàn)。

實(shí)現(xiàn)語音輸入-語音輸出的實(shí)時(shí)交互后，更適配AI輔學(xué)場(chǎng)景，使大模型達(dá)到“真人老師”級(jí)別的自然對(duì)話交流體驗(yàn)。

這為精準(zhǔn)學(xué)的AI輔學(xué)機(jī)Bong系列帶來了3方面的優(yōu)勢(shì)：

第一是信息壓縮和交互延遲大幅降低，與AI實(shí)時(shí)對(duì)話成為可能。

端到端帶來的變革，是去掉ASR和TTS那些單獨(dú)的模型處理步驟，直接輸出語音結(jié)果。這不僅讓語氣和語感等內(nèi)容也被AI理解，信息得到全面的處理，也讓AI輸入到輸出，從以前的延遲數(shù)秒降到幾百毫秒內(nèi)，人類在幾百毫秒內(nèi)是感知不出差別的。

第二是AI硬件具備了學(xué)習(xí)能力，無論是增強(qiáng)記憶還是學(xué)習(xí)方法等特色內(nèi)容。

張寧講到，為什么這個(gè)世界上人會(huì)去買錯(cuò)題本和學(xué)霸筆記，他要買的其實(shí)不是那個(gè)本子，他要買的是學(xué)習(xí)能力最優(yōu)秀的學(xué)生，他的學(xué)習(xí)方法或者是能力。精準(zhǔn)學(xué)一直探索的精準(zhǔn)學(xué)習(xí)法，實(shí)際上就在堅(jiān)持這一理念，在大模型的幫助下，AI的記憶能力和模仿能力都大大增強(qiáng)，幫助每一個(gè)孩子用科學(xué)精準(zhǔn)的學(xué)習(xí)方法，針對(duì)性AI輔助教學(xué)，成為可能。

第三是對(duì)垂直場(chǎng)景的解決能力更強(qiáng)，通用大模型弱點(diǎn)被克服。

通用大模型在教育場(chǎng)景中遇到的問題，是很多專屬知識(shí)并不了解。“通用大模型，念個(gè)電子書，念一個(gè)什么電視劇臺(tái)詞就很好，然后或者讓他唱個(gè)歌，模仿個(gè)名人都沒有問題”，張寧說道。

但一遇到那種帶數(shù)學(xué)符號(hào)或者帶分?jǐn)?shù)線，根號(hào)之類的題目，通用大模型很難正常讀出來。而“心流知鏡-s(V02)” 用16萬小時(shí)的教學(xué)語音訓(xùn)練，在很多知識(shí)教學(xué)方面更擅長(zhǎng)。

目前市面上，AI學(xué)習(xí)機(jī)琳瑯滿目，價(jià)格動(dòng)輒2999元到5999元。而真正搭載大模型學(xué)習(xí)機(jī)的少之又少，首發(fā)搭載端到端語音教育垂直大模型的學(xué)習(xí)機(jī)，使其落地上述全部AI優(yōu)勢(shì)，正是精準(zhǔn)學(xué)的努力目標(biāo)。

實(shí)現(xiàn)真正的「AI名師1對(duì)1 」，市場(chǎng)也會(huì)因此而格局生變。

成為AI教育界的小米嗎？

當(dāng)下的精準(zhǔn)學(xué)，正成為踩中時(shí)代風(fēng)口的一家公司。

背后原因，是在墨水屏的學(xué)習(xí)機(jī)熱度過后，市場(chǎng)正迎來對(duì)大模型學(xué)習(xí)機(jī)的熱度。五千元左右一臺(tái)，每年市場(chǎng)需求在2000萬臺(tái)，千億AI學(xué)習(xí)機(jī)市場(chǎng)會(huì)誕生新的“小米”嗎？

從目前看來，這個(gè)市場(chǎng)很難被大廠和初創(chuàng)公司占領(lǐng)，在張寧看來，今天重新建一個(gè)教學(xué)機(jī)構(gòu)，然后積累十萬小時(shí)數(shù)據(jù)，再開個(gè)新的AI公司，這條路徑走下來已經(jīng)沒有時(shí)間冗余。

精準(zhǔn)學(xué)在過去的6年創(chuàng)業(yè)時(shí)間中，與「好未來學(xué)而思」等教育大廠一直戰(zhàn)略合作，技術(shù)系統(tǒng)累計(jì)被全國(guó)數(shù)千教育培訓(xùn)學(xué)校引入和使用，積累了16萬小時(shí)的教學(xué)數(shù)據(jù)和諸多AI教育成果。

另外，傳統(tǒng)的教培機(jī)構(gòu)也難以轉(zhuǎn)型，他們最缺乏的是技術(shù)整合能力。 精準(zhǔn)學(xué)過去一直為高思等知名教培機(jī)構(gòu)提供AI個(gè)性化練習(xí)服務(wù)，是教育行業(yè)更懂技術(shù)的角色，因此能快速推出教育大模型。

而對(duì)于互聯(lián)網(wǎng)教培機(jī)構(gòu)來說，很多已經(jīng)融資上百億，誰對(duì)AI大模型等技術(shù)更敏感，動(dòng)作更迅捷，誰就更有機(jī)會(huì)成功。

精準(zhǔn)學(xué)創(chuàng)始人楊仁斌，過去參與過阿里云“飛天”項(xiàng)目，進(jìn)入過阿里集團(tuán)戰(zhàn)略部。在阿里經(jīng)歷了“All in無線”的時(shí)代，幫助淘寶實(shí)現(xiàn)了移動(dòng)化轉(zhuǎn)型。在AI時(shí)代，精準(zhǔn)學(xué)更有決心也更有底氣面向大模型時(shí)代轉(zhuǎn)型。加快收斂和縮短訓(xùn)練大模型的時(shí)間，更早一步推出自有的垂直大模型。

教育界更懂AI、AI界更有垂直數(shù)據(jù)、教培市場(chǎng)里更懂產(chǎn)品，構(gòu)成了精準(zhǔn)學(xué)的“鐵三角”。而精準(zhǔn)學(xué)的理想，就是通過搭載端到端語音大模型的AI Native學(xué)習(xí)機(jī)，讓AI輔導(dǎo)更加普惠化。

這會(huì)讓精準(zhǔn)學(xué)的AI輔學(xué)機(jī)有諸多優(yōu)勢(shì)，首先是能夠把經(jīng)典例題講清楚，而不是一味追求講題數(shù)量，這是大模型帶來的生成式內(nèi)容優(yōu)勢(shì)，不再是此前的固定的輸出模式，生成AI內(nèi)容能回答孩子提出的不同問題。

然后是，實(shí)時(shí)調(diào)整學(xué)習(xí)內(nèi)容和難度，引導(dǎo)學(xué)生進(jìn)入最佳的學(xué)習(xí)狀態(tài)；

一直以來，教學(xué)形式還是學(xué)校45分鐘的課程，很多老師能夠聲情并茂地講課。而現(xiàn)在，AI通過模擬人類的情緒和語氣，營(yíng)造極強(qiáng)的真實(shí)感和臨場(chǎng)感。Bong系列AI學(xué)習(xí)機(jī)已經(jīng)實(shí)現(xiàn)20多種個(gè)性化教學(xué)風(fēng)格，模仿各類名師的講解方式，學(xué)生對(duì)著機(jī)器學(xué)習(xí)不再枯燥無趣。

對(duì)于當(dāng)下，AI學(xué)習(xí)機(jī)是否已經(jīng)到了iPhone 4時(shí)代，張寧認(rèn)為目前顛覆性技術(shù)剛剛呈現(xiàn)，技術(shù)迭代和產(chǎn)品融合都需要時(shí)間，但AI學(xué)習(xí)機(jī)已經(jīng)距離 iPhone 4時(shí)代已經(jīng)不遠(yuǎn)了 。

在張寧看來，現(xiàn)在大概每五年，AI算力上兩個(gè)數(shù)量級(jí)沒什么問題，那就算它一個(gè)數(shù)量級(jí)也有十倍的差別，這樣成本也在指數(shù)級(jí)往下降。AI能力同時(shí)在成倍的能力上漲，AI模擬真人輔導(dǎo)教學(xué)的效果也會(huì)越來越好。

家長(zhǎng)從手把手輔導(dǎo)中解脫，放重心在學(xué)習(xí)效果監(jiān)督上。屆時(shí)，AI就真正成為孩子的學(xué)習(xí)好伙伴。

AI鯨選社創(chuàng)建了行業(yè)高質(zhì)量的『AIGC社群』，500位高質(zhì)量行業(yè)人士已經(jīng)入群，聚集上市公司CEO、所有互聯(lián)網(wǎng)大廠、創(chuàng)業(yè)者以及投資者、媒體人等。我們組建了高端技術(shù)產(chǎn)品交流群、AI熱點(diǎn)交流群、創(chuàng)投趨勢(shì)交流群，歡迎AGI行業(yè)人士入群。添加vx:xhyshow，注明真實(shí)身份。

一張價(jià)值50元的人臉，AI攻防戰(zhàn)火熱朝天

等不來GPT-5，智能體是AGI捷徑嗎