最近，在短视频等内容平台上，最火的创业明星又是马斯克。这次不是因为花边新闻热度攀升，而是他的端到端大模型，让特斯拉的自动驾驶终于摆脱了算法规则下，需要穷尽Corner case的模式，仿佛为车机安装了感知到决策的大脑。这是第一性原理的胜利，在马斯克眼中，自动驾驶不能依赖激光雷达等昂贵的“拐杖”方案，而是应该使用直接且便宜的视觉感知方案。所以特斯拉一直往这个方向探寻，导致其能创造端到端这一颠覆性技术成果。而在教育界，第一性原理同样被一家杭州AI企业推崇。这家公司名叫精准学，最近刚刚获得阿里近2亿元投资，逐渐成为AI教育的关注点。精准学创始人杨仁斌曾是阿里“最年轻的技术总监”，创业理想是利用AI实现“真人版一对一辅导教学”。
在大家眼中，家长和教师辅导孩子一对一写作业，是最难解的场景，每个家长都因此崩溃过。杨仁斌曾在此前采访中说，传统的一对一教学模式，一线城市每小时收费高达400~800元，“家长都知道一对一效果好，但全世界付得起这个钱的家庭比例很低。”
而端到端语音大模型成为这一问题的最大突破点。精准学宣布，公司已在AI语音交互技术上取得领先性的突破，成功训练了中国首个语音端到端大模型“心流知镜-s(V02)”，可直接实现语音输入-语音输出的交互，使其更适配辅学场景，使大模型达到“真人老师”级别的自然对话交流体验。
“心流知镜-s(V02)” 使用端到端语音结构，避免了级联ASR+LLM+TTS方式额外延迟，同时也更好的改善纯文本模型损失的情感节奏等丰富信息，接近人类的语音交互体验。至此，AI硬件也成为实时互动的万能教师。这样的教育大模型机器，正成为一个爆发的市场。数据也可以佐证，据艾媒咨询统计，2023年，中国教育智能硬件市场规模达到807亿元，增速接近30%。中国商务部数据显示，AI学习机的销售额在今年上半年增长了136.6%。
这一赛道的头部厂商包括科大讯飞、百度、学而思等，但市场并非只属于巨头。精准学合伙人张宁表示，“端到端语音大模型正成为AI教育的主要入门门槛。”。精准学率先推出端到端语音大模型，成为AI教育界的重要创新成果。接近千亿的市场，大模型学习机能再造一家小米公司吗？“你如果对着AI学习机读Apple，可能你的发音不准确，但发音近似，转到ASR里面的结果就是对的。但你把语音的信息，降维到文字之后，有些所谓的言外之意就消失了。”
张宁对AI鲸选社表示，此前行业在试图模拟老师的时候，无法解决信息传递准确的问题，人的言外之意、情绪以及讲话的重音之类的情况，基本都被忽略掉了。
这是在传统AI时代，很难解决的问题。因为传统AI学习的过程，是依靠拍照算法识别，机器学习解析，语音反馈等环节，中间要经历CV、OCR、TTS等多个系统，内容在多个AI系统传递中，注定有折损。所以当时的很多AI学习机效果并不好。 精准学对这一问题有很深的感悟，在2022年的时候，精准学尝试做了一款小学语文作业批改的AI产品，当时用了macbert等等模型组合，整合了很多方式的各类NLP单任务AI模型。但依靠这些技术推出的产品，即使是小学的语文题目，比如病句批改、语法纠错、阅读理解、300字作文等场景下，很多死角问题解决得还是勉勉强强。 当时那个产品没有在市场上推广，只找了1000个用户去做了一下测试。然后2022年底GPT横空出世后。精准学用GPT大模型迭代测试了这款产品，“一下子把所有的这些任务，全都碾压性的解决掉了。” 对当时的精准学是一个很深刻的触动，张宁形容，“被历史车轮一下子碾过去的感受。”张宁说道，不是当时产品做得不好，而是相比大模型的生成式AI，技术迭代太大了。“我们仅用一周时间就决定，All in AGI ”，直接做语音大模型，并以此做出深度互动的AI Native产品。如今市场上，大模型学习机已经并不鲜见。科大讯飞、网易有道都推出了自己的AI学习机产品。值得一提的是，精准学国内首发端到端语音大模型，并且或是全球首个开源的端到端语音大模型，并且这一成果将马上应用于新的学习机产品。精准学一直在教育科技赛道，这要求其必须具备深度的AI教学能力、及时的语音对话反馈能力，还要有完备的软硬件结合能力。具体来说，在解决前文提到的Apple发音问题上，必须在输入到输出的多模态大模型系统中，依靠中间的大模型解决所有的问题，而不是划分出多个AI系统解决。这一目标下，精准学推出了“心流知镜-s(V02)”。“我知道大概国内有七八家团队在做相同的事情，但我们在行业中快速做出来了”，张宁介绍道。这不仅是创业公司动作更敏捷的原因，还有对教育市场的理解。目前在互联网教培市场，有拍照阅卷、教师排班等助教市场，也有一对一辅导等自学市场，后者市场在教培新政后，对AI的能力需求越来越大。AI需要像真人一样的辅导能力，才能被市场接纳。精准学在AI拟人教师方面，已经有两年多的产品经验，借助端到端的语音大模型，实现堪比真人教师的交互效果。张宁认为，他们所在的业务场景，决定他们对新技术更加渴求。
在特斯拉用端到端，将自动驾驶带入新时代后，精准学公司也在AI语音交互技术上取得突破，成功训练了中国首个语音端到端大模型“心流知镜-s(V02)”。张宁介绍，精准学是基于通义千问开源的Qwen2-MoE-57B训练，打造的融合文本、语音及情绪的实时多模态教育垂直模型。“心流知镜-s(V02)”的最大优势，是避免了级联ASR+LLM+TTS方式额外延迟，同时也更好地改善纯文本模型损失的情感节奏等丰富信息，接近人类的语音交互体验。实现语音输入-语音输出的实时交互后，更适配AI辅学场景，使大模型达到“真人老师”级别的自然对话交流体验。这为精准学的AI辅学机Bong系列带来了3方面的优势：
第一是信息压缩和交互延迟大幅降低，与AI实时对话成为可能。端到端带来的变革，是去掉ASR和TTS那些单独的模型处理步骤，直接输出语音结果。这不仅让语气和语感等内容也被AI理解，信息得到全面的处理，也让AI输入到输出，从以前的延迟数秒降到几百毫秒内，人类在几百毫秒内是感知不出差别的。第二是AI硬件具备了学习能力，无论是增强记忆还是学习方法等特色内容。张宁讲到，为什么这个世界上人会去买错题本和学霸笔记，他要买的其实不是那个本子，他要买的是学习能力最优秀的学生，他的学习方法或者是能力。精准学一直探索的精准学习法，实际上就在坚持这一理念，在大模型的帮助下，AI的记忆能力和模仿能力都大大增强，帮助每一个孩子用科学精准的学习方法，针对性AI辅助教学，成为可能。第三是对垂直场景的解决能力更强，通用大模型弱点被克服。通用大模型在教育场景中遇到的问题，是很多专属知识并不了解。“通用大模型，念个电子书，念一个什么电视剧台词就很好，然后或者让他唱个歌，模仿个名人都没有问题”，张宁说道。但一遇到那种带数学符号或者带分数线，根号之类的题目，通用大模型很难正常读出来。而“心流知镜-s(V02)” 用16万小时的教学语音训练，在很多知识教学方面更擅长。目前市面上，AI学习机琳琅满目，价格动辄2999元到5999元。而真正搭载大模型学习机的少之又少，首发搭载端到端语音教育垂直大模型的学习机，使其落地上述全部AI优势，正是精准学的努力目标。实现真正的「AI名师1对1 」，市场也会因此而格局生变。背后原因，是在墨水屏的学习机热度过后，市场正迎来对大模型学习机的热度。五千元左右一台，每年市场需求在2000万台，千亿AI学习机市场会诞生新的“小米”吗？从目前看来，这个市场很难被大厂和初创公司占领，在张宁看来，今天重新建一个教学机构，然后积累十万小时数据，再开个新的AI公司，这条路径走下来已经没有时间冗余。精准学在过去的6年创业时间中，与「好未来学而思」等教育大厂一直战略合作，技术系统累计被全国数千教育培训学校引入和使用，积累了16万小时的教学数据和诸多AI教育成果。另外，传统的教培机构也难以转型，他们最缺乏的是技术整合能力。精准学过去一直为高思等知名教培机构提供AI个性化练习服务，是教育行业更懂技术的角色，因此能快速推出教育大模型。
而对于互联网教培机构来说，很多已经融资上百亿，谁对AI大模型等技术更敏感，动作更迅捷，谁就更有机会成功。精准学创始人杨仁斌，过去参与过阿里云“飞天”项目，进入过阿里集团战略部。在阿里经历了“All in无线”的时代，帮助淘宝实现了移动化转型。在AI时代，精准学更有决心也更有底气面向大模型时代转型。加快收敛和缩短训练大模型的时间，更早一步推出自有的垂直大模型。教育界更懂AI、AI界更有垂直数据、教培市场里更懂产品，构成了精准学的“铁三角”。而精准学的理想，就是通过搭载端到端语音大模型的AI Native学习机，让AI辅导更加普惠化。这会让精准学的AI辅学机有诸多优势，首先是能够把经典例题讲清楚，而不是一味追求讲题数量，这是大模型带来的生成式内容优势，不再是此前的固定的输出模式，生成AI内容能回答孩子提出的不同问题。然后是，实时调整学习内容和难度，引导学生进入最佳的学习状态；一直以来，教学形式还是学校45分钟的课程，很多老师能够声情并茂地讲课。而现在，AI通过模拟人类的情绪和语气，营造极强的真实感和临场感。Bong系列AI学习机已经实现20多种个性化教学风格，模仿各类名师的讲解方式，学生对着机器学习不再枯燥无趣。对于当下，AI学习机是否已经到了iPhone 4时代，张宁认为目前颠覆性技术刚刚呈现，技术迭代和产品融合都需要时间，但AI学习机已经距离 iPhone 4时代已经不远了 。在张宁看来，现在大概每五年，AI算力上两个数量级没什么问题，那就算它一个数量级也有十倍的差别，这样成本也在指数级往下降。AI能力同时在成倍的能力上涨，AI模拟真人辅导教学的效果也会越来越好。家长从手把手辅导中解脱，放重心在学习效果监督上。届时，AI就真正成为孩子的学习好伙伴。AI鲸选社创建了行业高质量的『AIGC社群』，500位高质量行业人士已经入群，聚集上市公司CEO、所有互联网大厂、创业者以及投资者、媒体人等。我们组建了高端技术产品交流群、AI热点交流群、创投趋势交流群，欢迎AGI行业人士入群。添加vx: xhyshow，注明真实身份。