一度“元气大伤”的教培机构，也开始加入大模型的热潮了。
教育+大模型，并不稀奇，自从AI大模型火爆之后，教育就被认为是大语言模型最容易落地的领域。稀奇的是，和其他场内玩家相比，教培机构的优势确实称不上明显。
目前，市面上在做教育大模型的厂商，大概可以分为三类：一类是大模型厂商，如百度“文心一言”大模型被接入旗下品牌的学习手机，科大讯飞推出了星火大模型及学习机产品；第二类是教育科技公司，如网易有道打造了“子曰”大模型，作业帮自研了银河大模型，可汗学院、多邻国、Coursera、猿辅导等也都纷纷将产品与大模型结合，推出了AI助手型口语教练。
另一类，就是受“双减”影响的教培机构了，如新东方、好未来、学而思，也都披露了自家的大模型成果。
大模型在教培市场大有可为，与教培机构在大模型竞争中拔得头筹，这两个结论显然是不能划等号的。
毕竟三类玩家中，教培机构可能是离教育最近的一个，但也是离大模型最远的一个。技术、算力、资金、人才、互联网产品营销……教培机构都不可能比科技巨头、互联网企业玩的更溜。
那么，教培机构做大模型，是不是一场必输的游戏呢？我们认为不是。
正像《马太福音》中所说，“你们要进窄门。因为引到灭亡，那门是宽的，路是大的，进去的人也多；引到永生，那门是窄的，路是小的，找着的人也少”。
教培机构做大模型，应该换一个思考方向——钻入“场景”的窄门，走巨头大厂不愿意投入的“小路”，建立核心竞争力。
理解这件事，我们从教培机构究竟为什么要出发，开始说起。
原点，为什么出发
你可能会问，有钱、有技术、有实力的公司有壁垒，搞大模型顺理成章。开源大模型泛滥，普通公司搞大模型，简直就是往红海里跳，教培机构刚刚从“双减”阵痛中恢复了一点元气，怎么这么想不开？
说句公道话，教培机构做大模型，逻辑是能够自洽的。
第一个合理之处：大模型时代的教育，也需要教培。
有人说，大模型可以取代人类助教，智能导师比人类教师成本更低，这是确实存在的。但是，大模型仅仅是一个工具，并不能替代教师和教培机构的服务内容。
短期内，大模型还有很多技术难题没有解决，比如幻觉，大模型“一本正经地胡说八道”，输出的都是错误的信息，很可能培养出“学渣”；比如黑箱，大模型生成的内容可解释性不高，思考过程不清晰的话，答案的可信度不高，让AI“无人驾驶”来辅导孩子，学习效果不一定好。
长期来看，即使大模型进化到极高理解力、极高自动化程度、极低错误率，但教育产品和服务的本质还是学生，还是需要教培服务来更好地满足“千人千面”的具体需求。
正如同济大学校长、教授郑庆华所说，过去是老师和学生的二元结构。今天，机器在很多领域比老师干得还好。因此，未来的教学模式，可能会拓展为老师、机器、学生三元结构。所以，教培机构与AI结合，还是有很多的可能性的。
第二个合理之处：教育领域的大模型，精调少不了。
大模型自身的学习能力很强，GPT-4在SAT 等考试中都超过了88%以上的人类应试者。但就像高考状元不一定都是好老师，大模型学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础上，加上自身数据进行精调，针对具体场景进行迭代优化，才可能（注意是可能）解决很多教育环节的具体问题。
举个例子，实际应用中，教育大模型非常重要的一点就是合规，用于教学、备课等场景的大模型，对语言组织能力、逻辑推理能力要求更高，且容错率低，一旦爆出不适当的内容就是教学事故，要提升大模型在此类任务中的安全可控，除了依靠高质量的标注数据，还需要专业教师的反馈、知识经验，而拥有大量教师人才和教学经验、数据的教培机构，显然是更具备行业优势。
第三个合理之处：短板不是真的短，长板却是真的长。
大家都学过田忌赛马的故事，在竞赛中获胜要用自己的长处去对付对手的短处。一眼看去，似乎教培机构在技术、人才、算力、资金等各方面，都比不上科技巨头或互联网公司，但有没有可能，这些短板在实际中，都不算是什么短板呢？
比如技术，教培机构确实在基础模型上的积累不多，但作为垂直行业，教培机构其实也没有必要全力投入自建底层模型，通过API云端调用、与头部厂商合作等方式，用相对较少的数据、算力资源和开发人员，就能建设出垂类的教育大模型。
多邻国的生成式AI应用，都是基于OpenAI的大模型来研发的，其报告中也强调，要做好功能而非做大模型，专注于应用场景。由此可见，教培机构如果不在基础模型赛道上跟科技巨头正面硬扛，那么所谓“短板”，其实对于做垂类大模型，影响并没有想象的大。
反而教培机构所拥有的数据、场景、行业know-how等“长板”，在大模型具体落地应用时，能发挥非常关键，甚至关乎生死的作用。
举个例子，教育和AI大模型，本质都是先苦后甜、漫长回报的慢生意，中间要经历很长的摸索、研发、客户积累的过程，习惯了“大水漫灌”、烧钱式增长的科技创业公司，反而可能因为太过激进、导致亏损，反倒是习惯了做慢生意的教培机构，有更多的耐心和教育大模型一同长跑，更有可能等到盈利的那一天。
所以，往深了看，教培机构做大模型的底层逻辑，其实是有其合理性的，也是有希望在激烈竞争中获得一席之地的。
终点，彼岸的风景
第二个问题，更贴近教学场景的教培机构，能给教育大模型带来哪些不一样的选择呢？区别于其它教育大模型的差异化竞争力，究竟在哪里？
这就要来说说，目前教育领域都在用大模型干什么。
软件层面，大模型+教育的新应用可以说是“乱花渐欲迷人眼”，不过可以统称为“AI助教”。就是让大语言模型来完成大量人类教师的重复性工作，比如撰写讲课大纲、口语陪练、作业助手、互动式讲题、课堂对话助手、知识点查询、智能评卷等，减轻家长和教师的辅导压力。
硬件层面，将上述软件能力集成到学习机、学生手表、学生手机、平板电脑等产品上，结合拍摄、OCR、姿态传感器等硬件能力，对终端算力、配置、交互等进行优化，比如要将大模型的规模压缩，以便在端侧部署。
目前来看，随着入局玩家的增多，无论是“AI老师”还是AI智能教育硬件，产品功能开始趋于同质化，逐渐呈现出白热化的竞争态势。这时候，教培机构做大模型，或许可以从既有优势中提取出一些差异化能力：
更专精。目前，“AI老师”的同质化功能，主要集中在一些容错率较高的场景，比如口语对话，开放式聊天对大模型的理解能力、逻辑能力等要求，是没有那么高的，而一些容错率较低的场景，比如数学解题、结构分析等，就比较难了。这恰好是教培机构的强项，通过精调、人工标注等方法，可以与同类产品拉开差距。我们注意到，学而思就重点研发MathGPT数学大模型，聚焦在数学领域的解题和讲题算法。单学科的精准辅导，可以成为教培机构做大模型的突破方向。
更个性。大模型好不好用，关键还是要看学生学的好不好。有一项1984年的研究发现，接受一对一辅导的学生表现，比接受传统课堂教学的学生高出两个标准差。我们毫不怀疑，未来接受人类优秀老师辅导的学生表现，也会比接受AI老师教学的学生高。因为，学生在人类老师的注意和评价下，更有学习动力。所以，对于教培机构来说，未来可以用大模型来赋能线上课堂，给老师找个AI助教，让人类教师有更多的时间和精力，去深入了解和指导每一个学生，洞悉学生的兴趣，制定个性化的学习规划，这或许是让人类教师更有职业成就感，让学生学习效果更好的方式。通过人机协作，也能减少教育者在适应新工具时的抗拒心理。
其实说白了，教培机构以前在整个教育体系中所提供的差异化价值，有了大模型之后，依然没变，只不过用更高生产力的工具去实现。
两点之间，过窄门
说了这么多，感觉教培机构做大模型，好像是有理有据，既有前途又有钱途，是不是开足马力、全力投入，就能成功呢？
别忘了，在原点和终点之间，还有许多岔路口，而每一道都可能将教培机构引向歧途。
比如说，教培机构选基座模型，开源还是闭源？
很多人可能会说，当然是开源了，大厂开源的大模型性能高、成本近乎免费，fine-tune微调一下就能上线，简直不要太爽。可是问题来了，开源的free代表自由，也代表着开源人可以“不负责任”，毕竟又没找你收钱，后续出现了代码问题或者漏洞，没人维护就成了大麻烦。遇到新的勒索软件/病毒，开源人撒手不管，企业也没招。而且，开源的open并不是没有约束，是要有许可证的，如果开发者不愿意授权，或者滥用开源项目，很可能导致系统后续不可用。所以，用开源大模型来开发自己的垂类大模型，风险是客观存在的，一定要注意合规，防范失控的风险。
那有人可能会说，那我直接选闭源大模型作为基座，总没问题了吧？
值得注意的是，大厂的闭源的基座模型，能力上各有差异，很多排行榜所测试的能力，未必适配教育场景的需求。比如参数规模大的模型，性能表现比较好，但没办法部署到算力有限的端侧教育平板上，教培机构又不可能雇一个科学家团队来进行蒸馏、剪枝之类的压缩处理，是不可用的。所以，要找到最为理想的解决方案，需要教培机构有懂大模型的人才，开展专业的评测和选型。
此外，选择闭源大模型，给基础模型厂商付费，这也是一笔真金白银的开支，对于“元气大伤”的教培机构来说，也会带来一定的压力。
而且基础模型背靠大厂，在消费者和用户之间有较高的知名度，选择这类闭源模型确实可以很快说服消费者，快速做出购买决策，但也将自己与基础模型厂商捆绑在一起，一旦基础模型出现误差，就会影响消费者对品牌的观感。教育无小事，所以教培机构在选择闭源模型合作方时，也需要慎重考虑，最好是选择有“国家队”背书的大模型厂商，才是长久经营之道。
除了模型选型，在落地、迭代、营销等多个环节，教培机构要真正转型成为一个大模型能力的科技公司，需要补的课还比较多。
比如应用开发，教培机构要成为“产品经理”。教培机构直接调用基础模型API，可以短平快地打造出AI应用，但很容易陷入同质化竞争，无法发挥其优势，利润空间也会非常有限，而打造一款爆款AI原生应用，将大模型、AI跟业务结合起来，甄别用户的真伪需求，解决刚需问题，做到工程化的可用程度，需要深入到产品级思考。
几年前，俞敏洪在《在线教育到底有没有未来？》的一次发言中，说了一句话：是否有持续的接近刚需的需求，是判断一个教育公司的商业模式是否可以持续的关键。
大模型+教育刚刚开始，老师、家长、学生、学校、机构……都还在一点点探寻需求。其中哪些是恐惧错过的FOMO情绪驱动下的无效产物，哪些是真正的持续的刚需，或许只能交给时间。而在这个窗口期内，传统教培机构能否生长出AI产品能力，还是未知数。
总结一下，做大模型的路上会有无数岔路，是否有过窄门、走小路的勇气，能否做对选择，或许比技术本身更加重要。
无论是为了教育，还是为了生意，教培机构都需要新的故事，大模型是必然之选。
教育，将是大模型所孕育的无数新产业里，更早出发、更晚抵达的一个。对于教培机构来说，未尝不是一件好事，教育大模型的风口吹得更久、更长，留给教培机构的转型窗口和成功概率，也就更大一点。
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与极客网无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
