一臺好的AI學習機背后，比拼的是大模型能力和優質內容。

文｜周路平

編｜游勇

相比于大模型在其他終端產品的嘗試，學習機被公認為AI在教育領域的最佳載體。

數據顯示，蘋果的iPad在中國市場的銷量為800多萬臺，而國內學習機的銷量將在今年突破700萬臺大關，市場規模突破1000億元。這也意味著，在通用型的消費電子產品之外，還沒有哪個行業產品能像學習平板一樣這么熱銷。

千億學習機市場的背后，不僅藏著優質教育普惠和個性化學習的美好愿景，也承載著教育科技企業的AI重任。

5月7日，好未來旗下學而思發布了三款AI學習機新品——P、S和T系列。在這些新品背后，好未來圍繞好AI和好內容兩大方向進行了升級。

今年初，橫空出世的DeepSeek，憑借其出色的思維鏈效果和成本控制能力，激發了教育行業從業者對大模型在教育場景落地應用的極大熱情。但相比于簡單接入DeepSeek，行業頭部企業正在探索多模態和全局AI的應用前景

01

AI學習機刮起多模態旋風

具備AI能力的學習機，早已不是新鮮事物。比如語音對話、拍照答題以及基于知識圖譜去推薦同類題型等AI應用這幾年已司空見慣。

但在大模型加持下的AI學習機，帶來了質的提升。比如以最常見的解題答疑為例，過往都是直接給出答案或者給出一段講解視頻。

學而思的智能學伴小思AI則展現出另一個更貼近實際教學的畫面：當孩子遇到難題時，AI會先確定知識點鼓勵孩子自主解題，然后進行分步驟解析，最后引導追問，出幾個同類型的題目，確認是否真實掌握。每一個步驟，AI都會及時做出反饋。

好未來披露過一個數據，在學而思學習機上，2024年“小思”被累計喚醒2.3億次。每一次喚醒的背后，都有AI能力在支撐。

“以前沒有大模型，只能做到一個題目對應一個知識點，但有了大模型之后，可以做到每一個步驟都能有對應的知識點，而且對孩子學習的判斷和推薦也更加精準。”好未來CTO田密說，“孩子跟AI老師的對話，真的像和一位真人名師的對話一樣?！?/p>

之前的拍照搜題軟件飽受詬病，其中很關鍵的一點是，這些搜題軟件大多是直接給出答案，當然也會列出文字的解題步驟，但其核心并非引導學生一步步思考。

而這一次，學而思學習機AI旗艦產品T系列也在產品形態上往AI更進了一步，將攝像頭區域做成了一體化設計——智慧島Pro。這里不僅集成了攝像頭模組，也扮演著耳朵、嘴巴和臉的角色，比如拍一拍智慧島Pro，可以喚醒小思，滑動頂部還可以切換到不同的學習模式。

“我們試著往學習陪伴機器人的方向又走了一步?！睂W而思學習機AI產品負責人李通告訴數智前線。智慧島的設計，不僅讓AI能說能看會思考，更關鍵的是讓AI有了多模態的能力，以前的語音助手局限于語音層面，沒有把語音和圖像融合，也無法實現數字世界和物理世界的交互。

這種產品設計背后，能看到好未來正在往AI多模態交互上邁出了重要一步。

孩子只需拍拍學習機頂部的智慧島Pro就能召喚出AI小思智能學伴。整個過程除了能用自然語言直接對話，也可以用手指指出桌面的內容，或者在屏幕上用手寫筆圈出內容。攝像頭不僅能識別各種物體和畫面內容，甚至可以感知孩子的情緒變化。

“現在這個節點往后看，多模態交互是當下AI行業在聚焦突破的重要技術方向。”上述人士說，現在的學而思T4/T4 Pro不僅有耳朵和嘴巴，也有眼睛和大腦。除了能聽會說，也能看到孩子的作業和學習狀態，根據現實的東西與孩子交互。

比如學而思正在開發的多模態伴讀，孩子可以把繪本或者教材，放在學習機的智慧眼下面，可以指著書本的內容來提問，比如這一頁主要講了什么，幫我翻譯這句話等。

不過，多模態背后需要克服很多難題。一方面，多模態需要識別的場景非常多樣，比如一張試卷，有文字、圖形，還有手寫字跡，甚至孩子在拍試卷時，可能帶陰影、折疊、角度不正，都需要做大量的矯正對齊。這些都增加了多模態大模型的難度。

這次學而思學習機重點推出的新功能“小思AI1對1”就是非常典型的場景，這一功能最快將于6月與用戶見面。它背后需要考慮不同學科和題型，而且同一題型也需要考慮孩子是低年級還是高年級，孩子是第一次學，還是在復習階段，不同學情講法都會不一樣。

同時，講題不僅有文本輸出，在實際的教學過程里面，經常是一邊寫一邊講，需要做很多工程化的努力。而且整個交互過程，學習機上所有的傳感器都會打開，對性能也有很大考驗。

“基本上我們算法上的，工程上的，包括產品交互設計的問題，在這個場景里面都會集中顯現?！崩钔ㄌ寡裕瑤缀跛蠥I教育能遇到的技術難題，在多模態講題這個場景上都會遇到，“我們現在也還在優化中”。

如今，多模態已經成為行業發展的共識。比如精準學發布了融合文本、語音及情緒的實時多模態教育垂直模型“心流知鏡”，小猿AI也通過給學習機加裝智能底座的方式，實現與物理世界的交互。

02

當題庫不再是壁壘，AI學習機該比拼什么？

以前，題庫是各家學習平板和AI應用的核心壁壘，題庫的多寡決定了產品的效果。從各家披露的數據能看到，題庫的數量已經數以十億計，精講視頻的數量數以千萬計。這些海量優質的內容成為區別于普通平板的最鮮明特征。

以答題解疑這個學習中非常高頻和剛需的場景為例，在大模型的范式出現之前，行業的做法是建設海量題庫，用戶拍一道題，系統會從題庫里找到原題，并給出標準答案。

市場上也曾涌現出一批以拍照搜題為核心賣點的產品，比如作業幫、猿輔導當年都是以拍照搜題起家。

但題庫本身是一個建設成本很高的工作，因為學生拍題的隨機性非常強，而且每個學期都有新題，還有新課標的改革，需要不斷豐富題庫才能實現更好的答題效果。

“大模型在逐步瓦解傳統題庫帶來的競爭壁壘。”學而思學習機AI產品負責人李通告訴數智前線。

傳統AI的識別和計算能力都無法支撐全題型批改和解析，比如有的數學大題，仍然需要學生根據題庫里提前錄入的解析來自行批改和學習。

但DeepSeek推理大模型的橫空出世，被普遍認為在AI+教育的深度融合上向前邁進了一大步。

推理大模型憑借強大的強化學習能力，不僅能解出題庫里沒有的題目，還能呈現出解題的思路，AI不再是一個黑盒。知其然，也知其所以然。相當于，學生通過解一道題，就能掌握一個題型。這些能力在以前無法實現。

比如在作業批改的場景，以前沒有大模型時，只能通過正則匹配做一些簡單題型的批改，但有了大模型之后，可以支持所有題型的批改，包括基于多模態模型的圖題批改，極大降低了老師和家長的工作量。

目前，“自研行業大模型+DeepSeek”已經成為了教育科技企業共同的解法。比如學而思學習機的AI能力背后依托的是好未來自研的九章大模型和當下最火熱的推理模型DeepSeek。

兩個模型會根據不同任務和場景進行調用，通用場景譬如百科問答、AI會話，調用的是DeepSeek；與教育場景深度關聯的功能，如拍照搜題、答疑、精準學等，仍然依賴融入了大量教育領域知識的九章大模型

大模型的能力成了學習機賽道上比拼的關鍵。

作為在教育科技領域深耕多年的好未來在AI上已布局多時。早在2017年，好未來就成立了AI lab，專注于計算機視覺、智能語音、自然語言處理和數據挖掘等前沿技術在教育行業的應用及創新。

2019年，好未來承建了“智慧教育國家新一代人工智能開放創新平臺”，擔負起了教育行業探索AI應用的國家使命。2024年，好未來又與北師大聯合承接了北京市的教育大模型項目。好未來在教育科技領域的投入和優勢，得到了國家層面的認可。

2023年，好未來正式推出了自主研發的“九章大模型”，成為國內首個獲批牌照的教育大模型，在全科解題、批改、講題到精準練多個學習場景中的測評結果基本都排在行業第一。比如K12的數學文字題，學而思可以做到97%以上的正確率，已經逼近人類的解題極限。

如今，好未來圍繞教育場景，累計了包括圖像、語音、數據挖掘、自然語言處理等多項AI能力，自建自研了存儲、標注、訓練、線上服務等多個AI平臺和基礎設施，打造了覆蓋“教、學、測、練、評”各教學環節的教育場景應用AI解決方案，包括智能批改、AI課堂、學情數據可視化、智能學習機等一系列軟硬件產品。

除了在底層技術上布局，好未來也已經將相關AI技術融入到了各大產品線中。

比如好未來既有專門為大模型研發的APP“九章答疑”（現已更名為“九章愛學”APP），支持多輪對話和蘇格拉底式講解；也有在原有軟硬件產品上嵌入AI功能，最典型的就是學而思學習機。

除了給內部產品線使用，九章大模型也通過API和智能體接口的方式對外輸出，目前上線到百度千帆大模型平臺微軟全球大模型API市場，而九章大模型的智能體也已上線到聯想AI PC等新產品。

但相比于簡單地接入通用大模型，擁有海量數據和行業知識是教育大模型區別于通用大模型的關鍵所在。算力可以花錢補齊，算法可以在開源模型的基礎上迭代，而真正拉開差距的是數據和行業知識的積累

好未來二十多年的教研和技術積累，給大模型的應用開發沉淀了大量的優質內容，包括獨家版權的試題、講義、教輔、課程，以及知識圖譜、學習規劃等。

比如學而思學習機就內置了10億+超大題庫、2.5億分鐘互動講解視頻、2萬+數學教輔講解。而過去一年，好未來又更新了400萬分鐘課程（總課程時長已達1600萬分鐘）、85萬套試卷和7億道題目。

在好的內容之外，好未來為了訓練大模型，也在教育領域的數據上做了很多的努力和投入。比如好未來組織優秀的教研老師標注高質量的數據集，目前用于SFT和RLHF的題目數據，都是人工反復審核，確保步驟清晰、邏輯連貫，確保模型學到正確的解題方法。

除了真實人工標注的數據，好未來也在用AI合成數據，比如通過AI程序生成了大量數值計算和符號計算的訓練數據，彌補人工標注數據的不足，保證了訓練數據的豐富度和多樣性。

不難發現，從線下店、家庭到校園，好未來的業務覆蓋了學習的全場景，這些場景產生了海量的優質教育學習數據，加上沉淀的題庫和知識圖譜等，讓好未來可以訓練出業界最好的教育大模型。而基于大模型和優質內容打造的學而思智能學習系統又反哺應用到了上述學習場景中，從而形成業務和技術的良性循環，“我想這是好未來能做好一個AI學習機最大的信心和底氣。”田密說。

03

AI+教育的難題和星辰大海

洛圖科技的數據顯示，2024年，國內學習機的年銷量接近600萬臺，增速25.5%。并且預計今年繼續保持20%以上的增速，銷量將超過700萬臺，市場規模將超千億元。

學習機已不是一個小眾的硬件品類。過去幾年，不少人都認為學習機是智商稅，和普通平板沒什么區別，但現在這樣的聲音越來越少。而AI的出色表現和輔導作業時的焦慮，擊中了很多家長的痛點。

涌入這個賽道的玩家也越來越多，除了互聯網科技大廠，好未來這類以教研內容見長的教育科技企業也基本已入場。

根據好未來最新發布的財報數據，2025財年，好未來的營收同比實現42.06%的增長。而這個成績背后，AI學習設備已經成為其主要的增長引擎之一。據弗若斯特沙利文的調研結果，學而思學習機在去年獲得了中國高端學習平板銷量及銷售額第一的成績。

不過，業內普遍認為，大模型在教育行業的應用目前還在初期，未來還有很長的路要走。

比如討論最多的大模型的幻覺和安全合規問題。當前，大模型經常會出現超綱內容或者一題多解的情況，而由于教育行業的嚴肅性，確保低容錯率是教育類AI產品成功落地的關鍵挑戰。

好未來透露，九章愛學APP里80%以上的題目，都有過預先的解答，對于那些復雜或未遇到的問題，如果AI無法解答，會由真人教師進行確認，以確保答案的正確性。而好未來目前也在通過RAG技術，來降低容錯率。

其次，大模型進入教育場景，背后需要大量的定制化工作。數據是大模型在行業應用的關鍵，但教育行業存在大量的非結構化數據和行業知識，比如優秀教師的講題方法和經驗，很難以數據的形式存儲下來，也就沒法輸入給大模型。

好未來花了大量時間和精力，把優秀教師集中到一起，讓他們以大模型能夠理解的語言和格式，將如何講好一道題、上好一堂課的過程重新輸出，這些行業knowhow都需要大量的定制。這也是AI教育能夠建立壁壘的關鍵所在。

還有一個現實是，現在的學習機市場，基本沿用的是“學習機+AI”的思路，開發了數量眾多的AI工具。所以，消費者也能看到，目前市場上的很多AI學習機產品往往在強調AI應用的數量。

這種單點的AI應用和AI工具，雖然也有很高的活躍度，但孩子的學情數據沒有聚合到一起，難以形成數據飛輪

好未來今年一個很大的變化是，不再單純強調AI工具的數量，而是強調系統級的AI能力。以前這些學情數據散落在各個獨立的應用里，未來孩子在學習機里的任何學習場景下，看了一堂課，練了一道題，這些學習行為都會統一回流，然后映射到知識圖譜上。

猿輔導副總裁王向東在接受媒體采訪時也表示，原有學習機的路徑和目標都規劃好了，人配合它往前走。但現在轉變為“在持續交互中，根據不斷輸入的數據，動態調整學習路徑和目標”。

當AI的能力泛化到全局場景時，對實現個性化學習帶來很大的幫助，這些效果已經開始顯現。比如本次發布的學而思學習機做了一個作業過濾的功能，可以只看不會的內容，題目對應的知識點會在旁邊展示，同時過濾掉已經掌握的知識點，大大提升了學習效率。

好未來希望往孩子的私有數據上走，形成數據飛輪，實現為每個老師配備一個AI助教，為每個孩子配備一個AI學伴的愿景。比如好未來今年做了個學而思筆記的產品，用戶在學習機里任何一個學習場景下形成的數據，都可以以知識卡片的形式存儲到筆記里，最終形成一個數據閉環。

“這個是我們今年一個比較重要的方向。”數智前線獲悉，學而思學習機已經在陸續打通這些能力，預計在今年8月份，會打通30個左右的產品和工具，最終實現全局學習

業內認為，AI教師會像智能駕駛技術的發展一樣，在實現L3級別的智能駕駛之前，汽車行業也經歷了自動泊車、變道、高速巡航等場景的應用。

目前，好未來計劃將AI的能力逐步拆分到各個關鍵環節，比如“隨時問”APP（現已更名為小思AI）專注于解答和輔導，作文批改應用專注于文本評估，以及口語練習應用用于語言訓練。

這也意味著，AI教師也會先在特定場景中幫助教師解決重復性工作，最終可能發展成一個全面的教育伙伴。

好消息是，大模型的成本正在指數級下降，在行業應用落地的速度明顯加快。而AI學習機這類軟硬一體化的產品，也正在受到越來越多家長和學生的歡迎，他們更傾向于為具備AI功能的硬件付費，而非單純的軟件。

與此同時，政策端也在加速這一進程。教育部在今年3月份透露，很快將發布《人工智能教育白皮書》，將從技術賦能、倫理治理、體系重構三大維度，系統性規劃AI技術如何重塑教育。

如今，AI+教育已經是個確定性方向。對于好未來這些資深教育玩家而言，未來除了算力層面的投入，也考驗著如何更好地將教育內容和行業數據用于模型的訓練。而從AI學習機這一硬件品類而言，隨著全局數據的打通，未來用戶需要的或許不是單點的AI應用，而是系統級能力的提升。