AI大模型战火烧向学习机

张慧娟

AI大模型有望渗透B端和C端教育场景

在C端市场，用于教育领域的智能硬件一直是一个不温不火的品类，直到近年来，学习机异军突起，在形式各异的教育智能硬件中，一举成为最热门的类别之一。

根据IDC数据，从2021年第四季度～2022年第二季度，中国学习平板电脑市场累计出货量近400万台，相比上年同期增长18%。据悉，科大讯飞董事长刘庆峰今年1月在内部会上透露，2022年科大讯飞AI学习机营收增长53%，新增专卖店实现100%增长，线下销量同比增长130%。

学习机的高速发展也并令人感到不意外，其集齐了“政策+技术+需求+市场催化”几重因素。疫情防控期间的“停课不停学”下缩减的校外培训机构，短期内都抬升了学习机的市场需求。再加上AI技术的加持，真正让学习机体现出了它不同于以往学习平板电脑或其他功能单一的智能硬件的能力。

以上几重因素叠加下，学习机在2022年呈现暴发式增长。

不过，从以往其他智能硬件的发展来看，短期刺激、替代性的动力难以持久，只有长期性、趋势性的动力机制出现，才能形成长期的迭代和发展。根据艾瑞咨询《中国教育行业市场需求洞察报告——青少年儿童篇》报告，前沿数字科技在教育领域的应用价值明显，教育智能硬件的发展需重点关注品类拓新、与素质教育的结合以及前沿科技的应用。

在AI已成为不可逆转的潮流的今天，如何在教育领域运用AI、如何有价值地导入AI，成为从业者一直在思考的问题。

比尔·盖茨最近提出，未来5～10年AI驱动的软件将实现人类教学和学习方式的彻底颠覆，并且认为AI将在18个月内实现阅读、写作和数学的辅导教学。

一部分人表示看好AI大模型在学习机上的应用。从两方面来看，在C端，它有望成为学生的智能“老师”。因为学习中有大量作文批改、英语对话等非客观题的场景，具备理解能力的大语言模型有望在一定程度上进行辅助教学。

至于在B端，有望实现通过AI提升效率。比如，考试考场、教考阅卷、在线教学等，属于相对标准化的场景，适合通过AI技术赋能，解决效率与准确率难以兼顾的问题。并且，标准化考场建设、智慧教育为代表的信息化建设等，同样是重点方向。

AI大模型战火烧向学习机

科大讯飞搭载星火大模型的第一个应用场景就是学习机，这也是该公司深耕多年的赛道。搭载星火大模型后，其学习机主要实现2种功能的提升：第一，实现自动化中英文作文批阅：由于批阅工作一直占用老师大量时间，且主观性较强、无法实现千人千面的个性化教学，搭载星火大模型的AI学习机，可以针对中英文作文的语法、句子、修辞方式等进行批改，实现类人的阅卷模式：第二，实现英语口语自然对话：搭载星火大模型后，学习机可以实现多轮自然的英语口语对话，帮助学生口语能力的提升。

除了科大讯飞，学而思近期宣布数学大模型MathGPT自研取得阶段性成果，且年内有望推出基于该自研大模型的产品级应用。学而思希望通过MathGPT弥补和攻克大语言模型的3个问题：第一，题目要解对，现有的GPT结果经常出现错误：第二，解题步骤要稳定、清晰，现在GPT的解题步骤每次都不一样，而且生成内容经常很冗余；第三，解题要讲得有趣、个性化，现在GPT的解释过于“学术”和机械，对孩子的学习体验很不友好。据悉，学而思学习机近期也会上线一款“AI助手”，涵盖作文助手、口语助手、阅读助手、数学助手等相关功能，

据介绍，这些教育领域的大模型仍将持续迭代升级。主要方向有：首先是突破开放式问答（即实时问答），而不是简单的搜索，通过类搜索插件抓取知识，以更人性化的方式呈现结果；其次，多轮对话能力、多模态的交互能力；此外，多层次、跨语种语言的理解，实现更细粒度的单词、语法查询，对句子含义更好的理解、情感分析，以及多题型、可解析的数学能力等，通过在上述主要方向做出提升，完成未来更复杂场景下的任务处理。

在这一轮“百模大战”中，只有将大模型能力和垂直场景结合，才能凸显出竞争优势。从教育场景的需求来看，具有个性化、高頻互动的特点，且相比线下教辅机构，学习机成本大幅降低，如果它能真正通过AI大模型的应用，实现用户体验的进一步提升、探索更多应用场景，则有望加快落地节奏。

至于谁能真正赢得这场竞争？离不开以往在教育领域的积累和产品迭代的经验，只有掌握了教育这个垂直领域大量数据，并且已经形成了一定的用户基础，才有望将“大模型+数据+产品需求”形成完整闭环，推动规模应用。

轻量化大模型有望带动边缘AI发展

在科大讯飞宣布星火认知大模型用于其AI学习机约一周后，还有一个标志性的事件——谷歌发布了PaLM 2模型，轻量化版本可运行于移动端。

作为驱动AI机器人Bard的模型升级版，PaLM 2可使用Fortran等20多种编程语言，100多种口头语言进行数学、软件开发、语言翻译推理和自然语言生成，在部分语言能力基准测试上超过GPT-4。

PaLM2有4种不同参数规模的版本，其中最轻量版本Gecko可在移动设备端运行，提供每秒处理20个token的能力，这将有望带动边缘AI的发展。

据了解，大模型之前在边端的应用主要通过API接口调用，模型本身的训练和推理仍在云端进行，对边缘侧、终端以及芯片更新没有太大需求。轻量化模型可以降低边缘侧模型部署成本，使AI模型离线应用成为可能，从而提供定制化、低时延、高安全性与隐私性的下游应用，开拓AI模型在边缘侧推理的场景。

民生证券分析师认为，轻量化大语言模型能够带动边缘AI计算成长，加速边缘硬件市场的更新迭代。在轻量级AI模型助力下，智能硬件的能力边界将不断拓宽，成为新的AI流量人口，AI智能硬件厂商则有望借助AI模型提升硬件价值，开启新一轮创新周期。

写在最后

各类AI大模型的破土而出，使得产业都在期待一轮真正的科技创新，能够给生产、生活带来更高的效率、更好的体验，从而带来从底层技术到上层应用的全新机会。

有从业者指出，AI大模型这一波潮流，与以往智能手机、可穿戴设备等应用相比，最大的不同在于这次不是终端硬件开启变革，而是软件先行定义一切，再催生算力硬件需求和后续各类终端的变革。那么从这个层面来看，AI大模型一定会从想象空间大、有应用刚需且数据积累相对完善的领域开始，学习机确实具备了这些因子。