今天小編分享的科學經驗：大模型，教培機構要過窄門，歡迎閲讀。
一度 " 元氣大傷 " 的教培機構，也開始加入大模型的熱潮了。
教育 + 大模型，并不稀奇，自從 AI 大模型火爆之後，教育就被認為是大語言模型最容易落地的領網域。稀奇的是，和其他場内玩家相比，教培機構的優勢确實稱不上明顯。
目前，市面上在做教育大模型的廠商，大概可以分為三類：一類是大模型廠商，如百度 " 文心一言 " 大模型被接入旗下品牌的學習手機，科大訊飛推出了星火大模型及學習機產品；第二類是教育科技公司，如網易有道打造了 " 子曰 " 大模型，作業幫自研了銀河大模型，可汗學院、多鄰國、Coursera、猿輔導等也都紛紛将產品與大模型結合，推出了 AI 助手型口語教練。
另一類，就是受 " 雙減 " 影響的教培機構了，如新東方、好未來、學而思，也都披露了自家的大模型成果。
大模型在教培市場大有可為，與教培機構在大模型競争中拔得頭籌，這兩個結論顯然是不能劃等号的。
畢竟三類玩家中，教培機構可能是離教育最近的一個，但也是離大模型最遠的一個。技術、算力、資金、人才、互聯網產品營銷……教培機構都不可能比科技巨頭、互聯網企業玩的更溜。
那麼，教培機構做大模型，是不是一場必輸的遊戲呢？我們認為不是。
正像《馬太福音》中所説，" 你們要進窄門。因為引到滅亡，那門是寬的，路是大的，進去的人也多；引到永生，那門是窄的，路是小的，找着的人也少 "。
教培機構做大模型，應該換一個思考方向——鑽入 " 場景 " 的窄門，走巨頭大廠不願意投入的 " 小路 "，建立核心競争力。
理解這件事，我們從教培機構究竟為什麼要出發，開始説起。
原點，為什麼出發
你可能會問，有錢、有技術、有實力的公司有壁壘，搞大模型順理成章。開源大模型泛濫，普通公司搞大模型，簡直就是往紅海裏跳，教培機構剛剛從 " 雙減 " 陣痛中恢復了一點元氣，怎麼這麼想不開？
説句公道話，教培機構做大模型，邏輯是能夠自洽的。
第一個合理之處：大模型時代的教育，也需要教培。
有人説，大模型可以取代人類助教，智能導師比人類教師成本更低，這是确實存在的。但是，大模型僅僅是一個工具，并不能替代教師和教培機構的服務内容。
短期内，大模型還有很多技術難題沒有解決，比如幻覺，大模型 " 一本正經地胡説八道 "，輸出的都是錯誤的信息，很可能培養出 " 學渣 "；比如黑箱，大模型生成的内容可解釋性不高，思考過程不清晰的話，答案的可信度不高，讓 AI" 無人駕駛 " 來輔導孩子，學習效果不一定好。
長期來看，即使大模型進化到極高理解力、極高自動化程度、極低錯誤率，但教育產品和服務的本質還是學生，還是需要教培服務來更好地滿足 " 千人千面 " 的具體需求。
正如同濟大學校長、教授鄭慶華所説，過去是老師和學生的二元結構。今天，機器在很多領網域比老師幹得還好。因此，未來的教學模式，可能會拓展為老師、機器、學生三元結構。所以，教培機構與 AI 結合，還是有很多的可能性的。
第二個合理之處：教育領網域的大模型，精調少不了。
大模型自身的學習能力很強，GPT-4 在 SAT 等考試中都超過了 88% 以上的人類應試者。但就像高考狀元不一定都是好老師，大模型學得好不代表一定能教得好。教育大模型，需要在通用大模型的基礎上，加上自身數據進行精調，針對具體場景進行迭代優化，才可能（注意是可能）解決很多教育環節的具體問題。
舉個例子，實際應用中，教育大模型非常重要的一點就是合規，用于教學、備課等場景的大模型，對語言組織能力、邏輯推理能力要求更高，且容錯率低，一旦爆出不适當的内容就是教學事故，要提升大模型在此類任務中的安全可控，除了依靠高質量的标注數據，還需要專業教師的反饋、知識經驗，而擁有大量教師人才和教學經驗、數據的教培機構，顯然是更具備行業優勢。
第三個合理之處：短板不是真的短，長板卻是真的長。
大家都學過田忌賽馬的故事，在競賽中獲勝要用自己的長處去對付對手的短處。一眼看去，似乎教培機構在技術、人才、算力、資金等各方面，都比不上科技巨頭或互聯網公司，但有沒有可能，這些短板在實際中，都不算是什麼短板呢？
比如技術，教培機構确實在基礎模型上的積累不多，但作為垂直行業，教培機構其實也沒有必要全力投入自建底層模型，通過 API 雲端調用、與頭部廠商合作等方式，用相對較少的數據、算力資源和開發人員，就能建設出垂類的教育大模型。
多鄰國的生成式 AI 應用，都是基于 OpenAI 的大模型來研發的，其報告中也強調，要做好功能而非做大模型，專注于應用場景。由此可見，教培機構如果不在基礎模型賽道上跟科技巨頭正面硬扛，那麼所謂 " 短板 "，其實對于做垂類大模型，影響并沒有想象的大。
反而教培機構所擁有的數據、場景、行業 know-how 等 " 長板 "，在大模型具體落地應用時，能發揮非常關鍵，甚至關乎生死的作用。
舉個例子，教育和 AI 大模型，本質都是先苦後甜、漫長回報的慢生意，中間要經歷很長的摸索、研發、客户積累的過程，習慣了 " 大水漫灌 "、燒錢式增長的科技創業公司，反而可能因為太過激進、導致虧損，反倒是習慣了做慢生意的教培機構，有更多的耐心和教育大模型一同長跑，更有可能等到盈利的那一天。
所以，往深了看，教培機構做大模型的底層邏輯，其實是有其合理性的，也是有希望在激烈競争中獲得一席之地的。
終點，彼岸的風景
第二個問題，更貼近教學場景的教培機構，能給教育大模型帶來哪些不一樣的選擇呢？區别于其它教育大模型的差異化競争力，究竟在哪裏？
這就要來説説，目前教育領網域都在用大模型幹什麼。
軟體層面，大模型 + 教育的新應用可以説是 " 亂花漸欲迷人眼 "，不過可以統稱為 "AI 助教 "。就是讓大語言模型來完成大量人類教師的重復性工作，比如撰寫講課大綱、口語陪練、作業助手、互動式講題、課堂對話助手、知識點查詢、智能評卷等，減輕家長和教師的輔導壓力。
硬體層面，将上述軟體能力集成到學習機、學生手表、學生手機、平板電腦等產品上，結合拍攝、OCR、姿态傳感器等硬體能力，對終端算力、配置、互動等進行優化，比如要将大模型的規模壓縮，以便在端側部署。
目前來看，随着入局玩家的增多，無論是 "AI 老師 " 還是 AI 智能教育硬體，產品功能開始趨于同質化，逐漸呈現出白熱化的競争态勢。這時候，教培機構做大模型，或許可以從既有優勢中提取出一些差異化能力：
更專精。目前，"AI 老師 " 的同質化功能，主要集中在一些容錯率較高的場景，比如口語對話，開放式聊天對大模型的理解能力、邏輯能力等要求，是沒有那麼高的，而一些容錯率較低的場景，比如數學解題、結構分析等，就比較難了。這恰好是教培機構的強項，通過精調、人工标注等方法，可以與同類產品拉開差距。我們注意到，學而思就重點研發 MathGPT 數學大模型，聚焦在數學領網域的解題和講題算法。單學科的精準輔導，可以成為教培機構做大模型的突破方向。
更個性。大模型好不好用，關鍵還是要看學生學的好不好。有一項 1984 年的研究發現，接受一對一輔導的學生表現，比接受傳統課堂教學的學生高出兩個标準差。我們毫不懷疑，未來接受人類優秀老師輔導的學生表現，也會比接受 AI 老師教學的學生高。因為，學生在人類老師的注意和評價下，更有學習動力。所以，對于教培機構來説，未來可以用大模型來賦能線上課堂，給老師找個 AI 助教，讓人類教師有更多的時間和精力，去深入了解和指導每一個學生，洞悉學生的興趣，制定個性化的學習規劃，這或許是讓人類教師更有職業成就感，讓學生學習效果更好的方式。通過人機協作，也能減少教育者在适應新工具時的抗拒心理。
其實説白了，教培機構以前在整個教育體系中所提供的差異化價值，有了大模型之後，依然沒變，只不過用更高生產力的工具去實現。
兩點之間，過窄門
説了這麼多，感覺教培機構做大模型，好像是有理有據，既有前途又有錢途，是不是開足馬力、全力投入，就能成功呢？
别忘了，在原點和終點之間，還有許多岔路口，而每一道都可能将教培機構引向歧途。
比如説，教培機構選基座模型，開源還是閉源？
很多人可能會説，當然是開源了，大廠開源的大模型性能高、成本近乎免費，fine-tune 微調一下就能上線，簡直不要太爽。可是問題來了，開源的 free 代表自由，也代表着開源人可以 " 不負責任 "，畢竟又沒找你收錢，後續出現了代碼問題或者漏洞，沒人維護就成了大麻煩。遇到新的勒索軟體 / 病毒，開源人撒手不管，企業也沒招。而且，開源的 open 并不是沒有約束，是要有許可證的，如果開發者不願意授權，或者濫用開源項目，很可能導致系統後續不可用。所以，用開源大模型來開發自己的垂類大模型，風險是客觀存在的，一定要注意合規，防範失控的風險。
那有人可能會説，那我直接選閉源大模型作為基座，總沒問題了吧？
值得注意的是，大廠的閉源的基座模型，能力上各有差異，很多排行榜所測試的能力，未必适配教育場景的需求。比如參數規模大的模型，性能表現比較好，但沒辦法部署到算力有限的端側教育平板上，教培機構又不可能雇一個科學家團隊來進行蒸餾、剪枝之類的壓縮處理，是不可用的。所以，要找到最為理想的解決方案，需要教培機構有懂大模型的人才，開展專業的評測和選型。
此外，選擇閉源大模型，給基礎模型廠商付費，這也是一筆真金白銀的開支，對于 " 元氣大傷 " 的教培機構來説，也會帶來一定的壓力。
而且基礎模型背靠大廠，在消費者和用户之間有較高的知名度，選擇這類閉源模型确實可以很快説服消費者，快速做出購買決策，但也将自己與基礎模型廠商捆綁在一起，一旦基礎模型出現誤差，就會影響消費者對品牌的觀感。教育無小事，所以教培機構在選擇閉源模型合作方時，也需要慎重考慮，最好是選擇有 " 國家隊 " 背書的大模型廠商，才是長久經營之道。
除了模型選型，在落地、迭代、營銷等多個環節，教培機構要真正轉型成為一個大模型能力的科技公司，需要補的課還比較多。
比如應用開發，教培機構要成為 " 產品經理 "。教培機構直接調用基礎模型 API，可以短平快地打造出 AI 應用，但很容易陷入同質化競争，無法發揮其優勢，利潤空間也會非常有限，而打造一款爆款 AI 原生應用，将大模型、AI 跟業務結合起來，甄别用户的真偽需求，解決剛需問題，做到工程化的可用程度，需要深入到產品級思考。
幾年前，俞敏洪在《在線教育到底有沒有未來？》的一次發言中，説了一句話：是否有持續的接近剛需的需求，是判斷一個教育公司的商業模式是否可以持續的關鍵。
大模型 + 教育剛剛開始，老師、家長、學生、學校、機構……都還在一點點探尋需求。其中哪些是恐懼錯過的 FOMO 情緒驅動下的無效產物，哪些是真正的持續的剛需，或許只能交給時間。而在這個視窗期内，傳統教培機構能否生長出 AI 產品能力，還是未知數。
總結一下，做大模型的路上會有無數岔路，是否有過窄門、走小路的勇氣，能否做對選擇，或許比技術本身更加重要。
無論是為了教育，還是為了生意，教培機構都需要新的故事，大模型是必然之選。
教育，将是大模型所孕育的無數新產業裏，更早出發、更晚抵達的一個。對于教培機構來説，未嘗不是一件好事，教育大模型的風口吹得更久、更長，留給教培機構的轉型視窗和成功概率，也就更大一點。
>
