豆神教育董事长窦昕:AI教育市场扩容最大挑战在于技术显性化豆神教育新浪财经

在今年的资本市场上,被不少人称为“AI智能教育第一股”的豆神教育,凭借独特的技术路线、软硬件结合生态布局,在市场竞争中脱颖而出,展现出不俗的实力。不仅吸引了市场和资本的目光,也为整个教育行业的变革提供了全新样本。

今年10月底,豆神教育推出自主研发的端模一体教育产品——豆神AI,将客户端与大语言模型深度结合。而在推出豆神AI的前几天,豆神教育宣布将与智谱华章(下称“智谱AI”)和海南何尊签署《战略合作框架协议》,成立合资公司专注于AI教育产品的技术研发及销售。

坚定看好AI+教育,有望使市场规模扩大至现有基础上的三倍左右

人工智能技术的进步,为重塑教育形态、推动创新发展带来了新的机遇和挑战。有业内人士认为,教育培训等市场化垂直与细分领域,有望成为加快人工智能技术落地的代表性场景,并带动经济增量。

当前,以大模型为代表的通用人工智能技术正在全球范围内掀起教育变革的浪潮。在国外,联合国教科文组织发布《教育与研究领域生成式人工智能指南》,激发人工智能改变教育的潜力。

与此同时,我国高度重视大模型在教育领域的应用。教育部近日发布《关于加强中小学人工智能教育的通知》,提出人工智能教育六大主要任务和举措,并指出2030年前在中小学基本普及人工智能教育。

从市场需求来看,AI教育的市场潜力巨大。在政策支持和技术发展的推动下,教育行业对AI的需求不断攀升。像豆神教育推出的“豆神AI”产品,此前在短短20天下载量就达到19万,展现出了强大的市场吸引力。

窦昕认为,传统校外培训看似普及,实则对于许多家庭而言仍属奢侈品。正如中国仍有大量人口未曾乘坐过飞机一样,高昂的费用成为阻碍教育公平的壁垒。“然而借助AI技术的力量,可以将高质量的教学内容以更为亲民的价格提供给广大学生,如同手机话费般日常与必需,从而大幅提升教育的普及率与下沉深度。”

“在当前环境下,这种自我提升的需求尤为迫切。”窦昕提到。随着低成本、服务化学习产品的涌现,AI驱动的学习工具能够根据个人需求提供定制化服务,降低学习门槛,使学习变得更加轻松高效。

对于未来,窦昕充满了信心和期待。他认为:“教育行业是万亿级市场,随着AI技术的不断发展和应用深化,AI+教育的深度融合,不仅能够极大地推动整个市场的发展,更有望使这个领域的市场规模扩大至现有基础上的三倍左右。”

可以说,得益于国家政策的有力推动,AI教育产业化进程正显著加快,同时资本市场对教育行业的看法也在逐渐转变。

三款AI教育硬件梯队布局

30多年来,从初代的电子词典、点读笔,到学生平板,再到AI赋能下的早教故事机、听力机、学习机与学练机、智能手写笔,产品的种类变得更加丰富多样,其应用的范围也更加广泛。

当然,在当前的科技革命下,人工智能赋能教育有了更多探索的可能性,这也对教育硬件行业的专业度有了更高的要求。

根据iiMediaResearch最新的《2024-2025年中国智能学习机市场趋势研究报告》显示,2023年中国教育智能硬件市场规模达到807亿元,同比增长29.53%,预计到2025年市场规模将超过1000亿元。

教育智能硬件正逐步向多元化、智能化方向发展,从知识传授、学习体验等多个方面对教育模式进行了深度重塑。对于窦昕来说,同样清晰的勾勒出未来公司的三款AI硬件产品。

窦昕表示,一是计划推出一款随身智能体“小豆”,这也是豆神硬件布局中的重要产品之一。

“但我们想要的不是一款AI玩具或是AI音响。它有屏幕,也有摄像头,能够支持更多场景下的学习需求。比如听写、背诵古诗词、作文辅导等功能,单纯依靠口语互动是远远不够的。”窦昕说,目前模型和模具方案已完成,等待调试完毕就会推向市场,为了实现广泛普及的目标,我们采取了亲民的定价策略,确保用户都能负担得起这一先进的学习工具。

此外,窦昕也谈到在首款产品的基础上,还将不断探索与创新,计划推出高性能版本,以满足不同年龄层孩子的多元化需求。“这一版本将具备更强的处理能力,支持文生图、文生视频等高级AI功能,为孩子们提供更加广阔的创作空间与学习可能。”

窦昕的第二款硬件是一个带有屏幕和摄像头的产品。“产品会有毫米级控制的手,可以仿照学生的笔迹,帮助孩子校正写作问题,还能通过摄像头对作业进行检查。”

为了快速占领市场,豆神将采用“充话费送手机”的模式。

窦昕解释,用户只需购买一定期限的课程服务,即可免费获得这款高性能的家用学习硬件。“这种模式不仅降低了用户的初始购买成本,还通过持续的课程服务创造了长期的价值,形成了良性的商业循环。更重要的是,它打破了传统硬件销售的盈利模式,将利润点转移到了服务上,实现了真正的用户至上。”

大模型+小模型确保内容精准、可靠性和专业性

在各行各业中,教育和大模型有着天然的契合度。

在技术端,随着人工智能技术的快速发展和日益普及,人工智能与教育深度融合势在必行。有媒体统计,截至今年6月底,全国已备案的教育领域大模型和深度合成算法已有约40个,市场竞争正在驱动教育技术向更深层次应用发展。

目前,众多教育企业正积极布局大模型领域,以通过自主研发基座模型来提升技术实力与市场竞争力。但是在窦昕看来,这一过程不仅成本高昂,且需长期持续投入与深入研究,才能确保模型的先进性与适用性。

窦昕认为,对于教育行业而言,多数企业的核心目标在于优化教育内容与服务,而非深入探索通用大模型的研发。因此,盲目跟风投入巨资于基座模型的重建,往往难以达到预期效果,甚至可能因资源分散而影响主营业务的发展。毕竟豆神的优势与专长在于教育内容的深度挖掘与创新应用,而非大模型的底层技术研发。

大模型消除幻觉是关键。而豆神的破局之路即通过在大模型的基础上嵌套专为语文教学设计的小型模型。

“在解决大模型输出幻觉问题的过程中,我们选择了GraphRAG技术作为主要方案。微软作为该技术的最早提供者,与我们进行了深入的合作探索,并取得了显著成果。”窦昕说,微软还具备OpenAI等多方资源的整合能力,这为我们提供了重要支持。

在登陆微软商城之前,豆神AI已经赢得了众多用户的认可。

谈及与“智谱AI”的合作,窦昕有着更加明确的目标。“在国内做大模型的几支队伍中,“智谱AI”作为清华背景的团队,不仅具备深厚的技术底蕴,他们有着长远的使命和眼光。”

未来或出现学习语文热潮,计划推出美言文字的功能

ChatGPT兴起后,是否还需要学语文?

窦昕给出的答案是:一定。

他认为,将来还会出现学习语文热潮,甚至可能会超过当年学计算机的热潮。

“因为将来工程师用的是自然语言,很多基础性语言的东西,如果使用AI兜底后,大家最后更看重的会是言语的部分。从语言学里分为语言和言语,语言更透明、工具性,而言语更个性化,更讲究表达的艺术和审美效果。”窦昕说。

“比如豆神还计划推出美言文字的功能,不是美化颜值,而是美化写的内容。并根据风格来美化,如果是幽默的人,就按照幽默风格;如果是学者范的人,就不会出现一些浅陋的字眼。”窦昕说。

窦昕还提到,未来的语文教育不仅仅是教学工具的升级,更将带来社交模式的变革。“未来的大语文生态可能会成为一个新的社交和搜索模式,帮助用户在不同层面上找到更广泛的共同兴趣和交流平台。”

THE END
1.终生学习(LLL):知识保留迁移与模型拓展终生学习(增量学习)概述 概念 终生学习(Life Long Learning,LLL),又称为Continuous Learning、Never Ending Learning、Incremental Learning,就是机器可以不断学习新知识,而不会忘记学过的知识。LLL需要解决三个问题:Knowledge Retention、Knowledge Transfer、ModelExpansion。本文内容总结自李宏毅的PPT。https://blog.csdn.net/qq_37394634/article/details/119818409
2.机器学习增量学习(IncrementalLearning)小综述模型可以从新任务和新数据中持续学习新知识,当新任务在不同时间出现,它都是可训练的。 由于增量学习问题的复杂性和挑战的多样性,人们通常只讨论特定设置下的增量学习。以一个图像分类模型为例,我们希望模型具有增量学习新的图像和新的类别的能力,但前者更多地与迁移学习有关,因此任务增量学习(Task-incremental Learninghttps://blog.51cto.com/u_15671528/8086369
3.NatureMachineIntelligence三种类型的增量学习今天给大家带来一篇剑桥大学有关增量学习的文章。从非平稳的数据流中渐进地学习新信息,被称为“持续学习”,是自然智能的一个关键特征,但对深度神经网络来说是一个具有挑战性的问题。近年来,许多用于持续学习的深度学习方法被提出,但由于缺乏共同的框架,很难比较它们的性能。为了解决这个问题,我们描述了持续学习的三种https://cloud.tencent.com/developer/article/2202907
4.持续学习/终身学习/增量学习(CVPR2024合集(2)2024.10.20)文章通过在三个不同设置的数据集上的广泛实验,展示了FCS方法相对于现有最先进的类增量学习方法的优越性。代码已在GitHub上提供。 此外,文章还讨论了以下几个关键点: - 介绍了非范例类增量学习(NECIL)的背景和挑战。 - 讨论了现有方法的局限性,尤其是在模型持续更新时,旧类的保留原型会偏离新模型中的特征空间,以https://www.bilibili.com/read/cv39507533
5.机器学习之增量训练未来,随着硬件和算法的不断发展,增量训练将会变得更加普遍和成熟。深度学习领域的研究也将着重解决增量训练中的各种挑战,推动机器学习向持续学习的方向发展。 增量训练技术为机器学习模型的持续学习提供了强大的工具。 它使得模型能够更好地适应动态变化。https://www.clzg.cn/article/570990.html
6.轻量级持续学习:0.6%额外参数把旧模型重编程到新任务算法卷积持续学习的目的是模仿人类在连续任务中持续积累知识的能力,其主要挑战是在持续学习新任务后如何保持对以前所学任务的表现,即避免灾难性遗忘(catastrophic forgetting)。持续学习和多任务学习(multi-task learning)的区别在于:后者在同一时间可以得到所有任务,模型可以同时学习所有任务;而在持续学习中任务 一个一个出现,模型https://www.163.com/dy/article/IGUNDED00511AQHO.html
7.什么是增量学习增量学习的特点增量学习是一种机器学习范式,允许模型逐步从新数据中学习并更新,而无需从头开始重新训练,以适应数据流的连续变化。https://www.amazonaws.cn/en/knowledge/what-is-incremental-learning/
8.王鹏中国科学院大学基于大量样本的视觉深度网络已在诸多领域获得了成功应用,机器人视觉由于其搭载平台、应用场景等特殊性,亟待研究面向小样本、轻量化、先验嵌入、多模态信息融合,具备增量和持续学习能力的新型深度学习模型。 5、类脑与神经拟态机器人 以机器人为载体,借鉴生物神经机制,对类脑感知、认知、决策、控制等计算模型进行验证和https://people.ucas.ac.cn/~wangpengcasia
9.信息学院在计算机视觉领域取得多项重要成果(第三期)类别增量学习要求模型能够在不遗忘旧概念的基础上不断理解新概念, 这也是迈向自适应视觉智能的关键一步。具体来说,需要考虑如何在增量学习中仅记忆有限数据点的情况下实现更好的模型稳定性与可塑性的平衡。为了达到这一目的,研究人员提出了一个新颖的基于可动态扩展表示的两阶段学习方向。在三个常用类别增量学习基准包https://sist.shanghaitech.edu.cn/2021/0506/c2858a63430/page.htm
10.持续学习平台,持续探索创新,逸思长天旗下全自动持续学习工具长天ML持续学习平台 逸思长天(南京)数字智能科技有限公司旗下长天ML持续学习平台,支持更高程度的自动化机器学习和持续学习能力。用户仅需提供训练数据,无需具备任何机器学习知识即可构建机器学习模型,并且随数据变化自动更新,让普通人的AI建模能力达到专家水平。加速各行各业智能化场景探索与落地。 登录SaaS版本私有化部https://www.changtianml.com/