來(lái)源|多知

　　作者|徐晶晶

　　2023年5月，一款名為“TutorEva”的AI解題產(chǎn)品登陸北美市場(chǎng)。

　　與字節(jié)Gauth、作業(yè)幫Question AI、Answer AI等面向泛學(xué)生群體的解題類(lèi)出海產(chǎn)品均不同的是，TutorEva面向北美大學(xué)生提供多模態(tài)解題功能。體現(xiàn)在交互上，TutorEva的AI老師，可以邊講解、邊板書(shū)畫(huà)圖，引導(dǎo)學(xué)生一步步思考。

　　截至目前，TutorEva已有200多萬(wàn)用戶，預(yù)計(jì)ARR(Annual Recurring Revenue)超過(guò)百萬(wàn)美金。

　　TutorEva的背后是一家名為“悉之智能”(以下簡(jiǎn)稱(chēng)“悉之”)的教育科技公司。

　　不過(guò)，這并不是一家新公司。早在2017年，悉之便已成立，主攻“自動(dòng)解題/講題”，與頭部教育公司開(kāi)展了To B合作。2022，其開(kāi)始尋求轉(zhuǎn)型，探索“自動(dòng)解題/講題”出海的可能。

　　近兩年，悉之在開(kāi)源大模型的基礎(chǔ)上深入一步：自研了KAS(Knowledge Agent)架構(gòu)，訓(xùn)練了千億基座模型EVA-LLM。當(dāng)下，除了深耕海外市場(chǎng)外，悉之也將以To B模式拓展國(guó)內(nèi)教育市場(chǎng)。

　　不過(guò)，顯而易見(jiàn)的挑戰(zhàn)是，國(guó)內(nèi)的通用大模型、教育垂直大模型林立，悉之在教育生態(tài)位上的機(jī)會(huì)又在哪?

　　借助自研的KAS架構(gòu)，其表示能讓大模型的數(shù)學(xué)推理能力和準(zhǔn)確性獲得顯著提升。如此來(lái)看，它更像是教育AI產(chǎn)品背后的大模型解決方案提供商。

　　實(shí)際上，在很多教育產(chǎn)品背后，已然有悉之的身影。例如，其與新東方優(yōu)編程、希沃、紫光摩度均達(dá)成了合作。

　　和大多數(shù)To B的科技公司一樣，悉之一貫低調(diào)，不過(guò)，其創(chuàng)始人孫一喬卻并不欠缺一個(gè)典型的“95后”技術(shù)派該有的自信。目前，其團(tuán)隊(duì)接近80人，核心團(tuán)隊(duì)均來(lái)自清華北大。

　　近日，孫一喬向多知分享了他在當(dāng)下階段的思考：關(guān)于AI老師、關(guān)于教育解題產(chǎn)品的出海前景、關(guān)于教育垂直大模型、關(guān)于通用大模型的教育場(chǎng)景落地、關(guān)于GPT-4o的講題功能……

　　01

　　解決教育場(chǎng)景大模型幻覺(jué)的一種新思路：“在推理層基于聯(lián)合模型做輸出”

　　“今年開(kāi)始，我們明顯感覺(jué)到，國(guó)內(nèi)公司對(duì)AI教育的熱情高漲。光是來(lái)這間辦公室找我們談合作的上市公司高管、行業(yè)大咖就有好幾位。”

　　春江水暖。

　　在AIGC熱潮下，作為一家以To B業(yè)務(wù)起家的公司，孫一喬顯然比周?chē)烁绺兄搅私衲攴潜葘こ５囊恍┳兓?。這給悉之帶來(lái)的直接影響是，團(tuán)隊(duì)將今年的工作重心由此前的To C產(chǎn)品的出海轉(zhuǎn)至To B解決方案業(yè)務(wù)。

　　當(dāng)前，除了與新東方優(yōu)編程合作研發(fā)“優(yōu)香農(nóng)大模型”外，悉之智能還與紫光摩度、希沃均達(dá)成了合作，共研大模型及應(yīng)用層的AI老師產(chǎn)品。

　　這也不免讓人好奇，這家公司究竟有什么樣的核心競(jìng)爭(zhēng)力?

　　故事要從一個(gè)青年的堅(jiān)持講起。

　　2017年，孫一喬從清華大學(xué)電子工程系畢業(yè)，躍入教育創(chuàng)業(yè)潮：他一直夢(mèng)想著實(shí)現(xiàn)AGI。而要實(shí)現(xiàn)AGI，最重要的基石便是AI的數(shù)學(xué)能力及其背后的邏輯能力。

　　“要解決AI的數(shù)學(xué)能力，就要為AI提升數(shù)學(xué)能力這件事找到一個(gè)有價(jià)值的場(chǎng)景，這個(gè)場(chǎng)景必定是教育。”孫一喬篤定。

　　如何讓AI提升數(shù)學(xué)能力?

　　起初，團(tuán)隊(duì)基于BERT架構(gòu)結(jié)合KAS系統(tǒng)模型研究自動(dòng)解題。當(dāng)這波大模型熱潮出現(xiàn)后，悉之在底層技術(shù)方面進(jìn)行了迭代，引入了大模型。但是，大模型仍面臨幻覺(jué)和邏輯推理等問(wèn)題，在容錯(cuò)率極低的教育場(chǎng)景下，只有解決大模型幻覺(jué)和邏輯推理問(wèn)題，才能解決AI的解題能力。當(dāng)前，解決大模型幻覺(jué)問(wèn)題常用的方式是RAG(Retrieval-augmented Generation，檢索增強(qiáng)生成)，但是悉之另辟思路，“在推理層基于聯(lián)合模型做輸出”。可以簡(jiǎn)單理解為，給了飛行員一本“操作手冊(cè)”。

　　孫一喬舉了個(gè)例子：

　　“如果現(xiàn)在讓你坐飛船去月球，但駕駛員是GPT-4，你肯定不敢坐，因?yàn)榇竽Ｐ偷幕糜X(jué)避免不了。

　　但是，假設(shè)GPT-4在做任何操作前，都有一本完整的飛行員操作手冊(cè)指引，這種情況下，你是不是就放心多了?

　　基于這本手冊(cè)，GPT-4要做的只是規(guī)劃和調(diào)度‘去月球走哪條路最快’，但無(wú)論走哪條路，都已經(jīng)有寫(xiě)好的算法等待啟用，這就會(huì)大大提高GPT-4帶你去月球的可靠性。”

　　悉之要做的事，就是為大模型找到這本飛行員“操作手冊(cè)”，降低其幻覺(jué)的產(chǎn)生。

　　孫一喬認(rèn)為，純粹的統(tǒng)計(jì)模型無(wú)法很好地解決數(shù)學(xué)題。而他的思路是，基于數(shù)學(xué)構(gòu)建一套完整的知識(shí)體系，讓AI在解數(shù)學(xué)題時(shí)能調(diào)用這些數(shù)學(xué)知識(shí)解題，以提升大模型的準(zhǔn)確性。

　　在具體的技術(shù)路徑上，悉之自研了KAS架構(gòu)。

　　孫一喬自信地說(shuō)：“我們認(rèn)為類(lèi)KAS架構(gòu)正在成為主流，而且這個(gè)架構(gòu)一定是最終的架構(gòu)。”

　　

　　悉之要做的是，“在推理層基于聯(lián)合模型做輸出”，“由一個(gè)大模型把題目拆解調(diào)度，在解決具體問(wèn)題的時(shí)候，調(diào)用數(shù)學(xué)模型輸出，比如有邏輯的推理、數(shù)學(xué)的推演，整個(gè)過(guò)程叫聯(lián)合推理。”

　　孫一喬認(rèn)為，RAG只是在大模型的輸入中增加了prompt，本質(zhì)上不改變大模型的能力。而KAS架構(gòu)作用在大模型的推理和訓(xùn)練過(guò)程。一方面通過(guò)SFT和強(qiáng)化學(xué)習(xí)，教會(huì)大模型用工具調(diào)用的方式使用相關(guān)數(shù)學(xué)知識(shí)和解題技巧，另一方面，在模型的推理過(guò)程中，對(duì)它的求解結(jié)果進(jìn)行推理、計(jì)算等的校驗(yàn)和修正。

　　也就是說(shuō)，在KAS架構(gòu)的幫助下，大模型增加了推理邏輯能力，讓大模型“知其然，更知其所以然”。

　　如果KAS架構(gòu)成為主流架構(gòu)，是否意味著任何科技公司都可以探索這一方向?悉之的價(jià)值又在哪里?

　　孫一喬表示，KAS架構(gòu)的實(shí)現(xiàn)，頗有門(mén)檻。“如果說(shuō)，Transformer架構(gòu)的門(mén)檻在于需要海量的數(shù)據(jù)。那我們這套架構(gòu)的難點(diǎn)在于開(kāi)發(fā)量是線性的，是一個(gè)耗時(shí)耗力的浩大工程，相當(dāng)于把人類(lèi)的所有的數(shù)學(xué)知識(shí)都要用AI能夠編譯的方式標(biāo)注出來(lái)，還要用數(shù)據(jù)教會(huì)AI怎么使用它。”

　　02

　　“我們絕不做Chatbot”：一位擅長(zhǎng)多模態(tài)講題的AI老師是如何誕生的?

　　循著上述技術(shù)路線，從2021年開(kāi)始，悉之花了近兩年時(shí)間研發(fā)了這一架構(gòu)。

　　在應(yīng)用層，TutorEva也隨之誕生。

　　相比GPT-4來(lái)說(shuō)，TutorEva依托的高等教育模型有怎樣的提升呢?孫一喬透露：“我們內(nèi)部測(cè)試過(guò)，如果是微積分題，GPT-4的解題率不到70%。但是通過(guò)我們的模型做了提升和優(yōu)化后，GPT-4的解題率可以提升到80%左右。”

　　當(dāng)解數(shù)學(xué)題時(shí)，通用大模型的做法只是像寫(xiě)小作文一樣不斷輸出結(jié)果。但TutorEva不同，內(nèi)置AI老師，會(huì)先給解題思路，然后邊講解、邊板書(shū)畫(huà)圖，一步步引導(dǎo)學(xué)生思考。

　　雖然可能最后輸出的答案都是相同的，但孫一喬解析了這兩種輸出方式背后的底層不同：

　　“其他公司使用通用大模型講題的方法往往是把參考答案作為Prompt喂給大模型，讓它講，這樣出錯(cuò)率很高。因?yàn)榇竽Ｐ偷耐评磉^(guò)程是不可解釋的。

　　而我們不同，在解題過(guò)程中，將解題任務(wù)拆分為題意理解、預(yù)設(shè)思路、運(yùn)用知識(shí)、邏輯推理、計(jì)算等子任務(wù)，調(diào)用不同的Agent執(zhí)行。本質(zhì)上是AI老師知道要用什么方法，再講什么方法。大家總說(shuō)大模型是不可解釋的，我們首先讓大模型的解題變得可解釋?zhuān)竺嬖偌又v解。這才是順理成章的。”

　　基于此，孫一喬認(rèn)為，市面上很多AI老師不過(guò)是Chatbot(聊天機(jī)器人)，但TutorEva并不是。“我們絕不做Chatbot。AI帶來(lái)的最大的價(jià)值是AI老師可以對(duì)每個(gè)孩子都進(jìn)行實(shí)時(shí)互動(dòng)講題。未來(lái)AI老師若要在很大程度上替代部分真人老師，那AI老師就一定不能只是聊天機(jī)器人。”

　　據(jù)孫一喬透露，TutorEva的AI講解平均每道題的聽(tīng)講時(shí)間超過(guò)3分鐘。

　　截至目前，TutorEva有200多萬(wàn)用戶，單月MRR（Monthly Recurring Revenue）超過(guò)10萬(wàn)美金，預(yù)計(jì)ARR（Annual Recurring Revenue）超過(guò)百萬(wàn)美金，續(xù)費(fèi)率60%，講解好評(píng)率84%。

　　孫一喬透露，接下來(lái)，TutorEva會(huì)聚焦在三個(gè)方向：

　　其一，繼續(xù)優(yōu)化模型能力。“我們很清楚，這個(gè)場(chǎng)景對(duì)AGI有巨大的幫助，所以我們要做一件模型層有壁壘的事兒，避免比如GPT新版本一出、創(chuàng)業(yè)公司死一堆的情況。”

　　其二，要構(gòu)建一個(gè)生態(tài)。“現(xiàn)在做AI應(yīng)用的公司，一定要實(shí)現(xiàn)大模型、場(chǎng)景、收入、數(shù)據(jù)飛輪的閉環(huán)。如果只是調(diào)個(gè)OpenAI接口，那肯定長(zhǎng)久不了。如果你構(gòu)造的是一個(gè)完整生態(tài)，大模型公司對(duì)你也有需求，你也能持續(xù)地為大模型公司產(chǎn)生場(chǎng)景、創(chuàng)造價(jià)值。”

　　其三，場(chǎng)景深耕，繼續(xù)聚焦北美大學(xué)生，開(kāi)發(fā)更多垂直功能。

　　悉之智能最近一次大范圍走入人們的視野，是在今年5月底，和新東方優(yōu)編程聯(lián)合推出信息學(xué)領(lǐng)域首個(gè)垂直大模型——“優(yōu)香農(nóng)大模型”。信息學(xué)AI老師“悉加加”也依然采取互動(dòng)式多模態(tài)講題方式。

　　在孫一喬看來(lái)，“優(yōu)香農(nóng)大模型”帶來(lái)了信息學(xué)領(lǐng)域師資供給側(cè)改革的可能性。

　　03

　　“解題出海產(chǎn)品競(jìng)爭(zhēng)紅?；?rdquo;，“教育生態(tài)細(xì)分且復(fù)雜，單純的大模型公司無(wú)暇入場(chǎng)”

　　孫一喬判斷，就海外的To C解題市場(chǎng)而言，當(dāng)下已然處于紅海競(jìng)爭(zhēng)階段，沒(méi)有新入局的創(chuàng)業(yè)者的機(jī)會(huì)了。

　　“凡是基于大模型接口做應(yīng)用的AI教育創(chuàng)業(yè)公司，都沒(méi)有壁壘，這也意味著這是一個(gè)完全競(jìng)爭(zhēng)市場(chǎng)，利潤(rùn)為零。

　　調(diào)接口做應(yīng)用就是一個(gè)資本游戲，看誰(shuí)能融到更多的錢(qián)，看誰(shuí)能持續(xù)燒錢(qián)獲客直至最后跑出來(lái)。

　　但這個(gè)時(shí)代已經(jīng)沒(méi)有這樣的資本環(huán)境了，現(xiàn)在投放這么激烈，VC們?cè)绮幌嘈胚@種套殼應(yīng)用能夠通過(guò)燒錢(qián)打品牌。

　　除非你做的事有一些壁壘，比如你的課程體系、模型、管理能力等，或者一些真正能解決技術(shù)難題的公司，或者對(duì)AGI有追求的大模型公司在這方面布局是有機(jī)會(huì)的。

　　但在當(dāng)下，對(duì)新創(chuàng)業(yè)者挑戰(zhàn)也很大。我們公司如果沒(méi)有過(guò)去四五年的積淀，從頭開(kāi)始再做這件事，可能需要幾千萬(wàn)美金。

　　如今，誰(shuí)又能靠做AI教育垂直產(chǎn)品就融到幾千萬(wàn)美金呢?”

　　盡管否定了新創(chuàng)業(yè)者的機(jī)會(huì)，但是，孫一喬認(rèn)為，大廠生態(tài)下仍然有機(jī)會(huì)。“由于是有戰(zhàn)略意義的，大廠一定要把解題場(chǎng)景占住。”

　　“在AI老師這個(gè)領(lǐng)域，如果GPT-4o講題的場(chǎng)景真的能落地，基本上就贏了。但這條路其實(shí)還蠻漫長(zhǎng)的，要達(dá)到理想狀態(tài)，大概需要一兩年。”

　　今年以來(lái)，孫一喬將視角切回到國(guó)內(nèi)。

　　他認(rèn)為，“如果在國(guó)內(nèi)市場(chǎng)只提供解題功能，那還不如以小猿搜題為代表的這類(lèi)工具產(chǎn)品。小猿們多年來(lái)已經(jīng)通過(guò)人工題庫(kù)的方式做到了解題的90%，國(guó)內(nèi)大模型的解題能力在兩年之內(nèi)，不可能超過(guò)這些解題工具，起碼從成本側(cè)、性能側(cè)來(lái)看，大模型還不足以和小猿們形成代際差。”

　　因此，在國(guó)內(nèi)市場(chǎng)，悉之堅(jiān)持做To B，“選擇每個(gè)領(lǐng)域最頭部的伙伴深度戰(zhàn)略綁定”。“我們要做(就要做)這個(gè)生態(tài)位上最好的公司。”孫一喬說(shuō)。

　　在國(guó)內(nèi)，悉之基于開(kāi)源模型，訓(xùn)練了千億基座模型EVA-LLM。對(duì)比開(kāi)源基座模型，悉之訓(xùn)練的模型在數(shù)學(xué)解題方面可以提升15%-25%的表現(xiàn)。

　　當(dāng)前，一些通用大模型公司希望在教育場(chǎng)景落地，也在向教育領(lǐng)域拓展商業(yè)化場(chǎng)景。

　　不過(guò)，孫一喬認(rèn)為，“國(guó)內(nèi)教育生態(tài)復(fù)雜且細(xì)分，單純的通用大模型公司無(wú)暇入場(chǎng)，它們應(yīng)該聚焦AGI實(shí)現(xiàn)，不應(yīng)該、也沒(méi)有這個(gè)基因做教育。”

　　他提到，現(xiàn)在通用大模型公司的能力和教育公司真正的需求相差甚遠(yuǎn)。“而我們這類(lèi)公司(作為橋梁)能很好地綜合這兩點(diǎn)?；诖竽Ｐ凸镜幕竽Ｐ?，在教育環(huán)境下開(kāi)發(fā)出針對(duì)性的算法和功能。”

　　創(chuàng)業(yè)七年，兜兜轉(zhuǎn)轉(zhuǎn)。

　　悉之有過(guò)一些成績(jī)，也有一些壓力：

　　“現(xiàn)在的大模型公司純粹做模型和基礎(chǔ)應(yīng)用就行，教育公司純粹做教育服務(wù)就行，而我們需要把全鏈條都做了。

　　我們要自訓(xùn)模型，需要大量的算力，它需要很大參數(shù)的基座模型。我們還要基于這個(gè)基座模型，自訓(xùn)我們的模型，也需要大量算力，所以我們的科研投入是很大的?？蒲型度胪?，我們還要給客戶交付完整的產(chǎn)品方案。

　　但是目前的大環(huán)境要支持我們做全鏈條這件事有一定的難度。就現(xiàn)在的資本環(huán)境來(lái)說(shuō)，除了大模型公司有很高的溢價(jià)外，并沒(méi)有給到我們這類(lèi)公司很高的溢價(jià)，這讓我覺(jué)得我們的價(jià)值跟做的全鏈條事情有一點(diǎn)被低估。

　　這導(dǎo)致我們?cè)谫Y源上有點(diǎn)緊張，所以我們也在尋求跟一些大模型公司合作，由他們來(lái)提供算力，我們給他們提供一些價(jià)值，彼此合作。”

　　2023年9月的一場(chǎng)直播上，談及值得投資人付出耐心的項(xiàng)目時(shí)，啟明創(chuàng)投副總裁李定政回憶起2021年那次“堅(jiān)定地”下注：

　　“當(dāng)時(shí)(指2021年上半年)所有人都猜到教育新政策馬上就要來(lái)了，也都預(yù)感到這次政策將會(huì)產(chǎn)生很大影響，但我們還是堅(jiān)持在這樣的環(huán)境下投了一家教育領(lǐng)域的AI創(chuàng)新公司。

　　它不僅能把一道微積分難度的數(shù)學(xué)題，解出答案，還能給到分步的交互式講解。講的過(guò)程中還會(huì)加入解題技巧、引用定理、類(lèi)似題型處理等。

　　這是一個(gè)完整的師生交互的過(guò)程。這意味著每個(gè)人都可以擁有一位擅長(zhǎng)個(gè)性化教學(xué)的AI老師。而這套過(guò)程要用真人老師來(lái)解決的話，成本通常是每小時(shí)200-400塊錢(qián)。但是用AI解決，它的成本可能是幾塊錢(qián)的算力，對(duì)應(yīng)的產(chǎn)品價(jià)格如果定在10塊錢(qián)，對(duì)一些家庭來(lái)說(shuō)，或許無(wú)法支付每小時(shí)200-400塊錢(qián)，但肯定能付得起每小時(shí)10塊錢(qián)。

　　這其實(shí)就是我們風(fēng)險(xiǎn)投資機(jī)構(gòu)最應(yīng)該去賭的東西。”

　　李定政口中的這家公司便是悉之。

　　直到今天，我們依然無(wú)法判斷啟明創(chuàng)投的這筆投資是賺是賠，但在這個(gè)年輕的團(tuán)隊(duì)身上，能看到新一代創(chuàng)業(yè)者用科技改變教育的努力。