AI大模型戰(zhàn)火燒向學習機

張慧娟

AI大模型有望滲透B端和C端教育場景

在C端市場，用于教育領域的智能硬件一直是一個不溫不火的品類，直到近年來，學習機異軍突起，在形式各異的教育智能硬件中，一舉成為最熱門的類別之一。

根據IDC數據，從2021年第四季度～2022年第二季度，中國學習平板電腦市場累計出貨量近400萬臺，相比上年同期增長18%。據悉，科大訊飛董事長劉慶峰今年1月在內部會上透露，2022年科大訊飛AI學習機營收增長53%，新增專賣店實現100%增長，線下銷量同比增長130%。

學習機的高速發(fā)展也并令人感到不意外，其集齊了“政策+技術+需求+市場催化”幾重因素。疫情防控期間的“停課不停學”下縮減的校外培訓機構，短期內都抬升了學習機的市場需求。再加上AI技術的加持，真正讓學習機體現出了它不同于以往學習平板電腦或其他功能單一的智能硬件的能力。

以上幾重因素疊加下，學習機在2022年呈現暴發(fā)式增長。

不過，從以往其他智能硬件的發(fā)展來看，短期刺激、替代性的動力難以持久，只有長期性、趨勢性的動力機制出現，才能形成長期的迭代和發(fā)展。根據艾瑞咨詢《中國教育行業(yè)市場需求洞察報告——青少年兒童篇》報告，前沿數字科技在教育領域的應用價值明顯，教育智能硬件的發(fā)展需重點關注品類拓新、與素質教育的結合以及前沿科技的應用。

在AI已成為不可逆轉的潮流的今天，如何在教育領域運用AI、如何有價值地導入AI，成為從業(yè)者一直在思考的問題。

比爾·蓋茨最近提出，未來5～10年AI驅動的軟件將實現人類教學和學習方式的徹底顛覆，并且認為AI將在18個月內實現閱讀、寫作和數學的輔導教學。

一部分人表示看好AI大模型在學習機上的應用。從兩方面來看，在C端，它有望成為學生的智能“老師”。因為學習中有大量作文批改、英語對話等非客觀題的場景，具備理解能力的大語言模型有望在一定程度上進行輔助教學。

至于在B端，有望實現通過AI提升效率。比如，考試考場、教考閱卷、在線教學等，屬于相對標準化的場景，適合通過AI技術賦能，解決效率與準確率難以兼顧的問題。并且，標準化考場建設、智慧教育為代表的信息化建設等，同樣是重點方向。

AI大模型戰(zhàn)火燒向學習機

科大訊飛搭載星火大模型的第一個應用場景就是學習機，這也是該公司深耕多年的賽道。搭載星火大模型后，其學習機主要實現2種功能的提升：第一，實現自動化中英文作文批閱：由于批閱工作一直占用老師大量時間，且主觀性較強、無法實現千人千面的個性化教學，搭載星火大模型的AI學習機，可以針對中英文作文的語法、句子、修辭方式等進行批改，實現類人的閱卷模式：第二，實現英語口語自然對話：搭載星火大模型后，學習機可以實現多輪自然的英語口語對話，幫助學生口語能力的提升。

除了科大訊飛，學而思近期宣布數學大模型MathGPT自研取得階段性成果，且年內有望推出基于該自研大模型的產品級應用。學而思希望通過MathGPT彌補和攻克大語言模型的3個問題：第一，題目要解對，現有的GPT結果經常出現錯誤：第二，解題步驟要穩(wěn)定、清晰，現在GPT的解題步驟每次都不一樣，而且生成內容經常很冗余；第三，解題要講得有趣、個性化，現在GPT的解釋過于“學術”和機械，對孩子的學習體驗很不友好。據悉，學而思學習機近期也會上線一款“AI助手”，涵蓋作文助手、口語助手、閱讀助手、數學助手等相關功能，

據介紹，這些教育領域的大模型仍將持續(xù)迭代升級。主要方向有：首先是突破開放式問答（即實時問答），而不是簡單的搜索，通過類搜索插件抓取知識，以更人性化的方式呈現結果；其次，多輪對話能力、多模態(tài)的交互能力；此外，多層次、跨語種語言的理解，實現更細粒度的單詞、語法查詢，對句子含義更好的理解、情感分析，以及多題型、可解析的數學能力等，通過在上述主要方向做出提升，完成未來更復雜場景下的任務處理。

在這一輪“百模大戰(zhàn)”中，只有將大模型能力和垂直場景結合，才能凸顯出競爭優(yōu)勢。從教育場景的需求來看，具有個性化、高頻互動的特點，且相比線下教輔機構，學習機成本大幅降低，如果它能真正通過AI大模型的應用，實現用戶體驗的進一步提升、探索更多應用場景，則有望加快落地節(jié)奏。

至于誰能真正贏得這場競爭？離不開以往在教育領域的積累和產品迭代的經驗，只有掌握了教育這個垂直領域大量數據，并且已經形成了一定的用戶基礎，才有望將“大模型+數據+產品需求”形成完整閉環(huán)，推動規(guī)模應用。

輕量化大模型有望帶動邊緣AI發(fā)展

在科大訊飛宣布星火認知大模型用于其AI學習機約一周后，還有一個標志性的事件——谷歌發(fā)布了PaLM 2模型，輕量化版本可運行于移動端。

作為驅動AI機器人Bard的模型升級版，PaLM 2可使用Fortran等20多種編程語言，100多種口頭語言進行數學、軟件開發(fā)、語言翻譯推理和自然語言生成，在部分語言能力基準測試上超過GPT-4。

PaLM2有4種不同參數規(guī)模的版本，其中最輕量版本Gecko可在移動設備端運行，提供每秒處理20個token的能力，這將有望帶動邊緣AI的發(fā)展。

據了解，大模型之前在邊端的應用主要通過API接口調用，模型本身的訓練和推理仍在云端進行，對邊緣側、終端以及芯片更新沒有太大需求。輕量化模型可以降低邊緣側模型部署成本，使AI模型離線應用成為可能，從而提供定制化、低時延、高安全性與隱私性的下游應用，開拓AI模型在邊緣側推理的場景。

民生證券分析師認為，輕量化大語言模型能夠帶動邊緣AI計算成長，加速邊緣硬件市場的更新迭代。在輕量級AI模型助力下，智能硬件的能力邊界將不斷拓寬，成為新的AI流量人口，AI智能硬件廠商則有望借助AI模型提升硬件價值，開啟新一輪創(chuàng)新周期。

寫在最后

各類AI大模型的破土而出，使得產業(yè)都在期待一輪真正的科技創(chuàng)新，能夠給生產、生活帶來更高的效率、更好的體驗，從而帶來從底層技術到上層應用的全新機會。

有從業(yè)者指出，AI大模型這一波潮流，與以往智能手機、可穿戴設備等應用相比，最大的不同在于這次不是終端硬件開啟變革，而是軟件先行定義一切，再催生算力硬件需求和后續(xù)各類終端的變革。那么從這個層面來看，AI大模型一定會從想象空間大、有應用剛需且數據積累相對完善的領域開始，學習機確實具備了這些因子。