來源|多知

　　作者|徐晶晶

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

　　與字節Gauth、作業幫Question AI、Answer AI等面向泛學生群體的解題類出海產品均不同的是，TutorEva面向北美大學生提供多模態解題功能。體現在交互上，TutorEva的AI老師，可以邊講解、邊板書畫圖，引導學生一步步思考。

　　截至目前，TutorEva已有200多萬用戶，預計ARR(Annual Recurring Revenue)超過百萬美金。

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

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

　　近兩年，悉之在開源大模型的基礎上深入一步：自研了KAS(Knowledge Agent)架構，訓練了千億基座模型EVA-LLM。當下，除了深耕海外市場外，悉之也將以To B模式拓展國內教育市場。

　　不過，顯而易見的挑戰是，國內的通用大模型、教育垂直大模型林立，悉之在教育生態位上的機會又在哪?

　　借助自研的KAS架構，其表示能讓大模型的數學推理能力和準確性獲得顯著提升。如此來看，它更像是教育AI產品背后的大模型解決方案提供商。

　　實際上，在很多教育產品背后，已然有悉之的身影。例如，其與新東方優編程、希沃、紫光摩度均達成了合作。

　　和大多數To B的科技公司一樣，悉之一貫低調，不過，其創始人孫一喬卻并不欠缺一個典型的“95后”技術派該有的自信。目前，其團隊接近80人，核心團隊均來自清華北大。

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

　　01

　　解決教育場景大模型幻覺的一種新思路：“在推理層基于聯合模型做輸出”

　　“今年開始，我們明顯感覺到，國內公司對AI教育的熱情高漲。光是來這間辦公室找我們談合作的上市公司高管、行業大咖就有好幾位。”

　　春江水暖。

　　在AIGC熱潮下，作為一家以To B業務起家的公司，孫一喬顯然比周圍人更早感知到了今年非比尋常的一些變化。這給悉之帶來的直接影響是，團隊將今年的工作重心由此前的To C產品的出海轉至To B解決方案業務。

　　當前，除了與新東方優編程合作研發“優香農大模型”外，悉之智能還與紫光摩度、希沃均達成了合作，共研大模型及應用層的AI老師產品。

　　這也不免讓人好奇，這家公司究竟有什么樣的核心競爭力?

　　故事要從一個青年的堅持講起。

　　2017年，孫一喬從清華大學電子工程系畢業，躍入教育創業潮：他一直夢想著實現AGI。而要實現AGI，最重要的基石便是AI的數學能力及其背后的邏輯能力。

　　“要解決AI的數學能力，就要為AI提升數學能力這件事找到一個有價值的場景，這個場景必定是教育。”孫一喬篤定。

　　如何讓AI提升數學能力?

　　起初，團隊基于BERT架構結合KAS系統模型研究自動解題。當這波大模型熱潮出現后，悉之在底層技術方面進行了迭代，引入了大模型。但是，大模型仍面臨幻覺和邏輯推理等問題，在容錯率極低的教育場景下，只有解決大模型幻覺和邏輯推理問題，才能解決AI的解題能力。當前，解決大模型幻覺問題常用的方式是RAG(Retrieval-augmented Generation，檢索增強生成)，但是悉之另辟思路，“在推理層基于聯合模型做輸出”。可以簡單理解為，給了飛行員一本“操作手冊”。

　　孫一喬舉了個例子：

　　“如果現在讓你坐飛船去月球，但駕駛員是GPT-4，你肯定不敢坐，因為大模型的幻覺避免不了。

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

　　基于這本手冊，GPT-4要做的只是規劃和調度‘去月球走哪條路最快’，但無論走哪條路，都已經有寫好的算法等待啟用，這就會大大提高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”，降低其幻覺的產生。

　　孫一喬認為，純粹的統計模型無法很好地解決數學題。而他的思路是，基于數學構建一套完整的知識體系，讓AI在解數學題時能調用這些數學知識解題，以提升大模型的準確性。

　　在具體的技術路徑上，悉之自研了KAS架構。

　　孫一喬自信地說：“我們認為類KAS架構正在成為主流，而且這個架構一定是最終的架構。”

　　

　　悉之要做的是，“在推理層基于聯合模型做輸出”，“由一個大模型把題目拆解調度，在解決具體問題的時候，調用數學模型輸出，比如有邏輯的推理、數學的推演，整個過程叫聯合推理。”

　　孫一喬認為，RAG只是在大模型的輸入中增加了prompt，本質上不改變大模型的能力。而KAS架構作用在大模型的推理和訓練過程。一方面通過SFT和強化學習，教會大模型用工具調用的方式使用相關數學知識和解題技巧，另一方面，在模型的推理過程中，對它的求解結果進行推理、計算等的校驗和修正。

　　也就是說，在KAS架構的幫助下，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架構成為主流架構，是否意味著任何科技公司都可以探索這一方向?悉之的價值又在哪里?

　　孫一喬表示，KAS架構的實現，頗有門檻。“如果說，Transformer架構的門檻在于需要海量的數據。那我們這套架構的難點在于開發量是線性的，是一個耗時耗力的浩大工程，相當于把人類的所有的數學知識都要用AI能夠編譯的方式標注出來，還要用數據教會AI怎么使用它。”

　　02

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

　　循著上述技術路線，從2021年開始，悉之花了近兩年時間研發了這一架構。

　　在應用層，TutorEva也隨之誕生。

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

　　當解數學題時，通用大模型的做法只是像寫小作文一樣不斷輸出結果。但TutorEva不同，內置AI老師，會先給解題思路，然后邊講解、邊板書畫圖，一步步引導學生思考。

　　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，這樣出錯率很高。因為大模型的推理過程是不可解釋的。

　　而我們不同，在解題過程中，將解題任務拆分為題意理解、預設思路、運用知識、邏輯推理、計算等子任務，調用不同的Agent執行。本質上是AI老師知道要用什么方法，再講什么方法。大家總說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，后面再加講解。這才是順理成章的。”

　　基于此，孫一喬認為，市面上很多AI老師不過是Chatbot(聊天機器人)，但TutorEva并不是。“我們絕不做Chatbot。AI帶來的最大的價值是AI老師可以對每個孩子都進行實時互動講題。未來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器人。”

　　據孫一喬透露，TutorEva的AI講解平均每道題的聽講時間超過3分鐘。

　　截至目前，TutorEva有200多萬用戶，單月MRR（Monthly Recurring Revenue）超過10萬美金，預計ARR（Annual Recurring Revenue）超過百萬美金，續費率60%，講解好評率84%。

　　孫一喬透露，接下來，TutorEva會聚焦在三個方向：

　　其一，繼續優化模型能力。“我們很清楚，這個場景對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、創業公司死一堆的情況。”

　　其二，要構建一個生態。“現在做AI應用的公司，一定要實現大模型、場景、收入、數據飛輪的閉環。如果只是調個OpenAI接口，那肯定長久不了。如果你構造的是一個完整生態，大模型公司對你也有需求，你也能持續地為大模型公司產生場景、創造價值。”

　　其三，場景深耕，繼續聚焦北美大學生，開發更多垂直功能。

　　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，和新東方優編程聯合推出信息學領域首個垂直大模型——“優香農大模型”。信息學AI老師“悉加加”也依然采取互動式多模態講題方式。

　　在孫一喬看來，“優香農大模型”帶來了信息學領域師資供給側改革的可能性。

　　03

　　“解題出海產品競爭紅?；?rdquo;，“教育生態細分且復雜，單純的大模型公司無暇入場”

　　孫一喬判斷，就海外的To C解題市場而言，當下已然處于紅海競爭階段，沒有新入局的創業者的機會了。

　　“凡是基于大模型接口做應用的AI教育創業公司，都沒有壁壘，這也意味著這是一個完全競爭市場，利潤為零。

　　調接口做應用就是一個資本游戲，看誰能融到更多的錢，看誰能持續燒錢獲客直至最后跑出來。

　　但這個時代已經沒有這樣的資本環境了，現在投放這么激烈，VC們早不相信這種套殼應用能夠通過燒錢打品牌。

　　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難題的公司，或者對AGI有追求的大模型公司在這方面布局是有機會的。

　　但在當下，對新創業者挑戰也很大。我們公司如果沒有過去四五年的積淀，從頭開始再做這件事，可能需要幾千萬美金。

　　如今，誰又能靠做AI教育垂直產品就融到幾千萬美金呢?”

　　盡管否定了新創業者的機會，但是，孫一喬認為，大廠生態下仍然有機會。“由于是有戰略意義的，大廠一定要把解題場景占住。”

　　“在AI老師這個領域，如果GPT-4o講題的場景真的能落地，基本上就贏了。但這條路其實還蠻漫長的，要達到理想狀態，大概需要一兩年。”

　　今年以來，孫一喬將視角切回到國內。

　　他認為，“如果在國內市場只提供解題功能，那還不如以小猿搜題為代表的這類工具產品。小猿們多年來已經通過人工題庫的方式做到了解題的90%，國內大模型的解題能力在兩年之內，不可能超過這些解題工具，起碼從成本側、性能側來看，大模型還不足以和小猿們形成代際差。”

　　因此，在國內市場，悉之堅持做To B，“選擇每個領域最頭部的伙伴深度戰略綁定”。“我們要做(就要做)這個生態位上最好的公司。”孫一喬說。

　　在國內，悉之基于開源模型，訓練了千億基座模型EVA-LLM。對比開源基座模型，悉之訓練的模型在數學解題方面可以提升15%-25%的表現。

　　當前，一些通用大模型公司希望在教育場景落地，也在向教育領域拓展商業化場景。

　　不過，孫一喬認為，“國內教育生態復雜且細分，單純的通用大模型公司無暇入場，它們應該聚焦AGI實現，不應該、也沒有這個基因做教育。”

　　他提到，現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。“而我們這類公司(作為橋梁)能很好地綜合這兩點?；诖竽Ｐ凸镜幕竽Ｐ停诮逃h境下開發出針對性的算法和功能。”

　　創業七年，兜兜轉轉。

　　悉之有過一些成績，也有一些壓力：

　　“現在的大模型公司純粹做模型和基礎應用就行，教育公司純粹做教育服務就行，而我們需要把全鏈條都做了。

　　我們要自訓模型，需要大量的算力，它需要很大參數的基座模型。我們還要基于這個基座模型，自訓我們的模型，也需要大量算力，所以我們的科研投入是很大的?？蒲型度胪辏覀冞€要給客戶交付完整的產品方案。

　　但是目前的大環境要支持我們做全鏈條這件事有一定的難度。就現在的資本環境來說，除了大模型公司有很高的溢價外，并沒有給到我們這類公司很高的溢價，這讓我覺得我們的價值跟做的全鏈條事情有一點被低估。

　　這導致我們在資源上有點緊張，所以我們也在尋求跟一些大模型公司合作，由他們來提供算力，我們給他們提供一些價值，彼此合作。”

　　2023年9月的一場直播上，談及值得投資人付出耐心的項目時，啟明創投副總裁李定政回憶起2021年那次“堅定地”下注：

　　“當時(指2021年上半年)所有人都猜到教育新政策馬上就要來了，也都預感到這次政策將會產生很大影響，但我們還是堅持在這樣的環境下投了一家教育領域的AI創新公司。

　　它不僅能把一道微積分難度的數學題，解出答案，還能給到分步的交互式講解。講的過程中還會加入解題技巧、引用定理、類似題型處理等。

　　這是一個完整的師生交互的過程。這意味著每個人都可以擁有一位擅長個性化教學的AI老師。而這套過程要用真人老師來解決的話，成本通常是每小時200-400塊錢。但是用AI解決，它的成本可能是幾塊錢的算力，對應的產品價格如果定在10塊錢，對一些家庭來說，或許無法支付每小時200-400塊錢，但肯定能付得起每小時10塊錢。

　　這其實就是我們風險投資機構最應該去賭的東西。”

　　李定政口中的這家公司便是悉之。

　　直到今天，我們依然無法判斷啟明創投的這筆投資是賺是賠，但在這個年輕的團隊身上，能看到新一代創業者用科技改變教育的努力。