“不要期待有了AI之后就能一劍封喉�！�
來源|多知
作者|徐晶晶
興奮。
未知。
這是高途聯(lián)合創(chuàng)始人羅斌面對當(dāng)下DeepSeek引發(fā)的這一輪AI技術(shù)浪潮時的心境。
興奮，是因?yàn)榭吹靡姷拇_定性，“拉長周期來看，DeepSeek帶來了巨大的變量，創(chuàng)造了新的可能性。”
不過，這份確定性又是模糊的、未知的�！按笾路较蚴悄芸吹靡姷模钦麄�路徑、節(jié)奏是模糊的、非共識的，這其中存在很大的不確定性和未知性。這也意味著，一種壓力�！�
2月12日，高途正式宣布接入DeepSeek大模型，不過，其對DeepSeek的關(guān)注要比后者大范圍步入公眾視野更早。
高途透露了接入DeepSeek后帶來的一些顯著變化：
比如，內(nèi)部協(xié)同工具AI助手在接入后，截至目前，日訪問量提升了200%，預(yù)計(jì)在2月中旬完成內(nèi)部業(yè)務(wù)系統(tǒng)和協(xié)作平臺全面打通之后，訪問量將會進(jìn)一步增加。
再比如，在用戶產(chǎn)品側(cè)，以DeepSeek為技術(shù)核心的高中數(shù)學(xué)測評準(zhǔn)確率提升了15%，而后高中AI選科規(guī)劃服務(wù)也借由AI助力實(shí)現(xiàn)了服務(wù)質(zhì)量提高。
在高途官宣接入的當(dāng)天，多知就DeepSeek相關(guān)話題對話了高途聯(lián)合創(chuàng)始人羅斌。
羅斌嚴(yán)謹(jǐn)?shù)亟o出了一些判斷和預(yù)期：
1.DeepSeek-R1大模型的準(zhǔn)確率已達(dá)到在教育場景相對可用的狀態(tài)。
2.今天的大模型還處在整個AI能力進(jìn)化的相對早期階段，如果成熟狀態(tài)是100分，那么今天的這些大模型最好的狀態(tài)也就是5-10分的水平，離終態(tài)還很遙遠(yuǎn)。
3.在基座模型不斷迭代時，對每家公司來說，更重要的是要找到一種機(jī)制，以便在大廠的基座模型快速迭代的過程中，能及時跟上這一波變化，并在每次變化的過程中，能及時把新的能力結(jié)合進(jìn)來，為自己所用。
4.回到教育這個場景，至少在我們現(xiàn)在能看見的一個周期內(nèi)，AI能力本身是一個關(guān)鍵要素，但不是一個決定性的要素。不要期待有了AI之后就能一劍封喉。
5.如果有了更強(qiáng)大的大模型能力，過去拍搜的這種模式就會發(fā)生變化，就不需要提前去生產(chǎn)積累自己的題庫，現(xiàn)在是一種實(shí)時解答的方式，通過大模型就能夠達(dá)到一個非常高的準(zhǔn)確率了。
6.教育AI的iPhone時刻一定會發(fā)生，但時間、形式不確定。教育公司要想在應(yīng)用AI層面改變格局，至少需要3-5年的周期。
7.眾多學(xué)習(xí)環(huán)節(jié)里，AI能替代的，其一，是一個相對簡單的學(xué)習(xí)任務(wù)。其二，AI更適合于學(xué)生主動來發(fā)起、AI來接聽響應(yīng)的場景。而需要由我們來主動地管理和影響學(xué)生的這個部分，今天的AI還做不到。
8.小型的創(chuàng)業(yè)公司，在某些單點(diǎn)上、在某些形態(tài)的產(chǎn)品上，有可能獲得一波特殊的機(jī)會。但是如果回到重交付、端到端、以學(xué)習(xí)結(jié)果為導(dǎo)向的領(lǐng)域里，這里的機(jī)會對于創(chuàng)業(yè)公司而言，挑戰(zhàn)還是非常大的。
01
DeepSeek-R1大模型的準(zhǔn)確率已達(dá)到“在教育場景相對可用的狀態(tài)”
多知：DeepSeek將如何影響教育行業(yè)未來的發(fā)展？會帶來哪些顛覆性的改變？
羅斌：第一個變化，DeepSeek這波算是完成了一次比較好的市場教育，提升了大眾對于AI能力的關(guān)注度，也讓普通用戶使用AI工具的滲透率得到了提升。
第二個變化，結(jié)合公開信息和我們內(nèi)部驗(yàn)證來看，DeepSeek-R1的模型做了一些創(chuàng)新（包括引入了更強(qiáng)的推理能力）后，在一些教育場景下的應(yīng)用效果確實(shí)有很大的提升。這種提升意味著，從應(yīng)用的角度來說，它的準(zhǔn)確率已經(jīng)達(dá)到了一個相對可用的狀態(tài)。
教育行業(yè)的容錯率比較低。原來，大模型的準(zhǔn)確率并沒有達(dá)到可用狀態(tài)。但是今天，以DeepSeek-R1為代表的這些模型的能力迅速提升，讓整個可用性變得更高，也讓更多的場景引入這一大模型的能力變得更加可行。
舉例來說，在我們內(nèi)部高中數(shù)學(xué)的一個題庫上，之前我們用原有模型測試，準(zhǔn)確率最佳情況是能做到74%。我們現(xiàn)在拿DeepSeek-R1結(jié)合內(nèi)部級數(shù)據(jù)測了一下，經(jīng)過調(diào)優(yōu)之后，準(zhǔn)確率大概能到90%。這還是其在高中數(shù)學(xué)的知識體系里的表現(xiàn)。如果知識點(diǎn)下沉到初中、小學(xué)，DeepSeek-R1的準(zhǔn)確率會提升得更顯著，可能接近于真人的狀態(tài)。
第三個變化，讓更多企業(yè)堅(jiān)定了對AI的投入。之前很多企業(yè)對AI還沒有形成很好的共識，畢竟AI的投入成本比較高，也需要專業(yè)人才。但今天很多企業(yè)意識到了，必須要擁抱AI。
回到教育場景下，它可能會帶來的變化主要是在兩個方向：
一個方向是為學(xué)生創(chuàng)造更好的價(jià)值。
從產(chǎn)品的角度來講，目前行業(yè)里的教學(xué)環(huán)境，大部分還是通過以真人老師為主來跟學(xué)生進(jìn)行交付。有了DeepSeek能力的輔助后，老師和學(xué)生在整個教學(xué)過程中的反應(yīng)的速度、平均的專業(yè)度、效率、服務(wù)群體的規(guī)模，都能得到大幅提升。
這帶來的一個變化是，原來必須要由專業(yè)的真人老師來提供一些教學(xué)服務(wù)，今天通過大模型的輔助，不管是教學(xué)、練習(xí)還是答疑，直接通過AIToC或者通過AI輔助老師來ToC這兩種情況下，整個效果和效率都能夠有顯著的提升。
另一個方向是改善企業(yè)內(nèi)部的運(yùn)營效率。不管是市場營銷、銷售轉(zhuǎn)化或服務(wù)的環(huán)節(jié)，效率都會有顯著提升。
必須要明確的是，雖然以DeepSeek為代表的大模型現(xiàn)在很火，但是總體來講，它們還是在整個AI能力進(jìn)化的相對早期階段，如果成熟狀態(tài)是100分，那么今天的這些大模型最好的狀態(tài)也就是5-10分的水平，離終態(tài)還很遙遠(yuǎn)，在短周期內(nèi)，我們還不能對它的節(jié)奏和價(jià)值期待過高。
02
在基座模型快速迭代的過程中，教育公司也要讓自有模型及時跟上變化
多知：市面上很多教育公司已經(jīng)有自研的大模型，同時接入了DeepSeek，怎么看其未來的路徑？
羅斌：如今，DeepSeek是一個更強(qiáng)大的基座模型，無論是把自己原有的模型或數(shù)據(jù)和DeepSeek結(jié)合，還是以DeepSeek模型作為基座，重新去訓(xùn)練新的自有模型，每家公司會用不同的路徑來做。
但我的基本觀點(diǎn)是，今天大模型的底層生態(tài)，如果只是5-10分的水平，那么在未來的半年、一年、兩年、三年，底層的大模型還會有突飛猛進(jìn)的變化。
今天各家在這樣的場景下構(gòu)建起的自有模型的能力提升速度，跟大廠的模型提升速度相比，完全不在一個量級。
在這種情況下，對每家公司來說，更重要的是要找到一種機(jī)制，以便在大廠的基座模型快速迭代的過程中，能及時跟上這一波變化，并在每次變化的過程中，能及時把新的能力能結(jié)合進(jìn)來，為自己所用。
03
不要期待有了AI之后就能一劍封喉
多知：當(dāng)教育公司普遍擁抱DeepSeek，大家的差異化、本質(zhì)區(qū)別將體現(xiàn)在哪里？
羅斌：不管是以DeepSeek為代表開源的基座模型，還是一些大廠的閉源模型，它都會有某種方式開放給整個社會使用。所以在底層的基礎(chǔ)的能力上，是相對標(biāo)化的、是平等的，大家在這個地方不會有明顯的差異。
但可能會存在差異的地方是什么呢？
第一個維度就是在模型的本身。
各家根據(jù)自己的需要，嘗試建垂直模型、小模型或者專屬模型，這樣能更好地適配不同應(yīng)用場景。比如高途有考研業(yè)務(wù)，也有公考業(yè)務(wù)，可能用于考研業(yè)務(wù)的模型和用于考公業(yè)務(wù)的模型就不太一樣。這里可能存在差異化的模型的版本。
各家在專屬模型的建設(shè)能力和水平上實(shí)際上是有差異的。
第二個維度是在應(yīng)用層。
關(guān)于基座模型，教育公司們不會有顯著的差異。但在應(yīng)用層，可能變化會更多一些。現(xiàn)在的模型，更多的還是偏系統(tǒng)1的這種模型，還不具備非常強(qiáng)的推理、調(diào)度或者真正意義上的智能。
未來，大家也在提，比如大套型套小模型的方式，或者是通用模型嵌套專有模型的方式，包括未來有市面上有這么多的模型，怎樣做混用，不同的場景下可能調(diào)用不同的模型，另外，包括人機(jī)怎么結(jié)合，老師和AI怎樣協(xié)作，讓整個過程能夠變得更加高效和專業(yè)，這個地方可能各家的做法會有差異。
還有一個就是怎樣做運(yùn)營。同樣的一個能力，在不同的團(tuán)隊(duì)里面，你的推廣、宣傳、運(yùn)營，可能會導(dǎo)致最終的使用的廣度、深度、效果上，也會有明顯的差距。
第三個維度是在產(chǎn)品層。
站在學(xué)員的角度，學(xué)員需要的產(chǎn)品是一個解決方案。他并沒有那么在意你提供的是真的AI還是別的什么。
所以結(jié)合AI的能力后，每家提供的解決方案，是不一樣的。但是從學(xué)員角度看，他需要更好的體驗(yàn)，更好的效果和更好的性價(jià)比。因此，在產(chǎn)品上，變化會更大。
最后一個維度是組織能力。
同樣的一種AI能力，隨著時間的演進(jìn)，大家的迭代方向和迭代速度是會有差異的。
拉長周期來看，不管是從產(chǎn)品層面還是從運(yùn)營層面，都會形成更加明顯的差異。
這里面，人才的影響是比較大的。
總結(jié)來講，底層能力、標(biāo)準(zhǔn)化的這些能力，大家是類似的。但是回到教育這個場景，至少在我們現(xiàn)在能看見的一個周期內(nèi)，AI能力本身是一個關(guān)鍵要素，但不是一個決定性的要素。更重要的還是在產(chǎn)品、在應(yīng)用等方面，可能需要結(jié)合AI來做重新的思考設(shè)計(jì)。面向未來的一個周期（3-5年）來做這樣的布局和迭代，可能是更加重要的。
不要期待有了AI之后就能一劍封喉，這件事情不太會發(fā)生。
04
大模型實(shí)時解答，正在消解拍搜解題產(chǎn)品的題庫門檻
羅斌：原來學(xué)生有一道題不會做，他要么問老師，要么就用拍搜工具。拍搜工具內(nèi)部是要做大量題庫的生產(chǎn)和累積的，但今天看起來，如果有了更強(qiáng)大的大模型能力，過去拍搜的這種模式就會發(fā)生變化，就不需要提前去生產(chǎn)積累自己的題庫，現(xiàn)在是一種實(shí)時解答的方式。
所以我的感覺是，未來在解題的這個部分，你問AI一道標(biāo)準(zhǔn)化的題，AI給你進(jìn)行解題這件事，會變得比較標(biāo)準(zhǔn)化了，通過大模型就能夠達(dá)到一個非常高的準(zhǔn)確率了。相當(dāng)于拍搜題庫這件事不會有絕對的門檻了。當(dāng)然可能每一家自己做出來這個模型，通過不同的數(shù)據(jù)和調(diào)優(yōu)以后，可能還會有一定的準(zhǔn)確率的差異。但這個差異就沒有那么大了。
原來可能你手里有一億的題庫，人家手里可能只有一千萬的題庫，差異可能會特別大。但有了更強(qiáng)大的大模型能力，以后可能的差異是，你的準(zhǔn)確率可能是93%，人家的準(zhǔn)確率可能是91%�？赡苤皇沁@種層面的一個區(qū)別。但是在覆蓋率上，可能大家都能夠做到非常高的覆蓋率。
05
學(xué)習(xí)環(huán)節(jié)里，相對簡單的任務(wù)和交互，更容易被AI替代
多知：DeepSeek會不會取代一些現(xiàn)有的學(xué)習(xí)產(chǎn)品？
羅斌：如果把整個學(xué)習(xí)進(jìn)行拆解，不管是面向?qū)W生，還是站在企業(yè)內(nèi)部的角度，有很多環(huán)節(jié)。
哪些環(huán)節(jié)受到AI的影響更大呢？可能是相對簡單的任務(wù)，相對簡單的交互，在這種邏輯下，更容易發(fā)生。但如果它是一個長周期的、多任務(wù)的、復(fù)雜的鏈條，AI在里面產(chǎn)生很大作用的難度會比較大一些。
所以，第一個，AI替代的應(yīng)該是一個相對簡單的這種學(xué)習(xí)任務(wù)。第二個是，它更適合于學(xué)生主動來發(fā)起、AI來接聽響應(yīng)的場景。而需要由我們來主動地管理和影響學(xué)生的這個部分，今天的AI還做不到。這是因?yàn)�，AI的能力還不夠，也很難讓學(xué)生真正遵從AI的指令。
所以從這兩個角度來講，AI能夠在里面發(fā)揮作用的一些環(huán)節(jié)還是可以羅列的：
第一種場景，在企業(yè)內(nèi)部的一個場景下，通過AI來輔助做一些內(nèi)容的生產(chǎn)，做一些知識庫的建設(shè)，包括做一些內(nèi)部的問答平臺搭建，這是可以做得到的。
第二種場景，一些簡單的對話場景，比如像客服、拍搜（學(xué)生問一個問題，你要給他一個答案，這種就是用戶過來之后就去尋找一個答案的這樣一種邏輯，跟標(biāo)準(zhǔn)化的DeepSeek的用法類似。你給一個輸入，它會反饋你一個輸出，提供一些專業(yè)的內(nèi)容解答）這種類型的場景下，AI的能力會越來越強(qiáng)。
第三種場景，在一些特定的練習(xí)場景下，AI是可以承擔(dān)這樣一個角色的。舉個例子，英語對話練習(xí)，市面上有很多的產(chǎn)品在做類似的一個事情，這也是比較簡單的對話性的任務(wù)，或者是你需要他給你針對一個特定的題目做一下講解，講特定的一道題，簡單的教學(xué)或者是對練，是可以通過AI來做一定的替換的。
但是除了這三種情況以外，對于其他的比較復(fù)雜的這種任務(wù)，以及這種需要老師和學(xué)生進(jìn)行強(qiáng)互動，強(qiáng)引導(dǎo)，甚至帶有一定的管控屬性的任務(wù)和場景，AI在里面更多的只能起到一個簡單的輔助的作用，也很難真的替代真人來完成這些邏輯。
06
教育AI的iPhone時刻一定會發(fā)生，但時間、形式不確定
多知：隨著AI的快速發(fā)展，未來教育行業(yè)的格局會發(fā)生怎樣的大變化？
羅斌：教育行業(yè)格局如果要發(fā)生大的變化，一定要有一個重要的變量會不會有真正意義上新形態(tài)的產(chǎn)品出現(xiàn)。教育+AI里會不會有一個iPhone時刻，像當(dāng)年iPhone橫空出世一樣，帶來根本性的產(chǎn)品的變化和升級？
