有道周枫：从在线教育到AI教育，如何“主动驾驭每一次浪潮”？

　　编者按：

　　本文转载自网易有道CEO周枫公众号。

　　4月25日，周枫与与百川智能创始人、CEO王小川回到母校清华，参加了由清华大学计算机系主办、学生会协办的第443期时代论坛。

　　在演讲中，周枫谈到，大模型的迅猛发展，正在驱动教育产业完成从“在线教育”到“AI教育”的质性跃迁。大模型能力经历了从知识问答，到思考答疑，再到行动的过程，尽管在聊天和编程领域已展现出惊人的能力，但周枫在现场抛出了一个引人深思的观点：“教育AI的落地要比聊天和编程更难。”

　　他将教育AI的特殊性总结为四大核心挑战：学习过程的长期性、目标定义的困难性、利益相关者的复杂性，以及对不出错的极高要求。相比于一次性的代码生成或闲聊互动，AI教育是一个极其复杂的系统工程，必须让模型、内容、评测、交互与长期反馈形成闭环，才能真正发挥作用。

　　“教育AI的难点不在于会不会答，而在于能不能持续把人教会。”

　　以下为周枫分享全文。

　　现场的同学们：

　　大家下午好!

　　非常荣幸再次回到清华，参加计算机系团委主办、清华大学学生会协办的第443期时代论坛，以学长的身份跟学弟学妹们做一些分享。

　　我要讲的主题是《从在线教育到AI教育》——大模型出现之前的在线教育、有道以技术赋能教育的实践和我们当下针对AI教育的一些思考。

　　早在大学阶段、师从郑纬民院士开始，我就一直围绕两条主线进行研究，一个是计算机系统和AI，另一个是教育科技和产品。2023年ChatGPT刚刚面世，比尔·盖茨就有一个著名的论断，AI未来最重要的四个应用领域是医疗保健、教育、生产力和生活。今天看，这是一个准确的预测，AI的确在这些领域爆发出了巨大的能量。

　　1 从“在线教育”到“AI教育”

　　2022年9月教育部数据显示，中国有在校生2.9亿人，教职工1800万人;截至2024年底，国家财政性教育经费占国内生产总值比重，已经连续十多年保持在4%以上。

　　但在AI大模型到来之前，在线教育所有的工作相当于只是“基建”——互联网技术解决了内容的海量分发与远程交互，第一次让“老师不在眼前也能上课”;师资、助教、答疑等层面的班级运营被数字化，教学开始从“手工作坊”变成系统工程;大班、小班、双师与不同客单价，验证了在线教育的可持续发展。

　　以上分别对应的是通信、教学管理和商业模式的三个角度。它们的确立，为教育普惠呈现了全新面貌，打开了更大的想象空间。

　　与之对应的是，有道这些年深耕在线教育的一系列探索：网易公开课于2010年推出，中国大学MOOC于2011年上线。2016年移动互联网成熟后，有道精品课迅猛发展。2018年有道词典笔等硬件推陈出新，有道产品不断迈入家庭学习场景。2019年，有道在美股上市。2021年，在线教培的市场规模和行业关注度到达了历史峰值。

　　可是在那以后，整个行业越来越能感受到在线教育真正的瓶颈：海量内容并不等同于学习效果，内容的工业化生产并不能替代个性化辅导，甚至内容越多，学生的负担越重。

　　然而，我们常说的教育理想——“因材施教”，其核心在于“辅导、讲解与陪伴”，以及针对不同个体的个性化反馈。这些在实际中并不能完全做到，因此行业需要进行反思：究竟该怎么办?

　　直到2022年底，ChatGPT来了，大家很自然地“希望用AI去更高效地做教育”，中国的在线教育进入到了AI教育阶段。

　　有道也深度参与了由技术驱动的教育模式变革，最初的网易公开课让各地的学生都有机会学习清华等名校的课程，到直播课实现了低成本的远程交互，一个老师可以同时给成千上万的学生上课。

　　再到目前，我们已经在技术的支持下进化到了视频答疑阶段。在有道AI答疑笔这个载体上，学生如果去问一道不会做的题，有道AI答疑笔可以生成个性化的讲解。

　　所以总结来看，上一轮在线教育确实解决了很多问题。它解决了大量内容的分享问题，解决了远程互动的问题，也让视觉、语音、搜索这些技术第一次大规模进入学习场景。但它并没有解决更深的问题。学习远不是依靠海量内容就能做好的，视频网站也许有很多的学习内容，但这并不天然等于最好的学习效果。真正困难的，是辅导、陪伴、个性化、节奏控制和长期反馈。生成式AI第一次让我们看到，在这些更深层的问题上，可能出现实质性的突破。

　　2 教育AI比聊天和编程更难

　　如果借用智能驾驶的分级来理解AI教育，我觉得它也会从低级别辅助，逐步走向更高水平的自动化辅导，覆盖越来越复杂的需求场景。

　　从积极的一面看，我们有很多值得乐观的理由。2023年，模型的知识能力已经发生明显跃迁;2024年，模型的推理和思考能力快速提升;到2025年，模型的行动能力通过Agent的方式被释放出来。同时，多模态输入输出能力也在持续增强。聊天和编程这两个国民级应用已经证明，大规模AI产品是完全可能出现的。

　　但是从另外一方面，我们也清楚地看到，教育AI比聊天助手和编程Agent更难。它面临着四大核心挑战，包括学习过程的长期性、目标定义的困难性、利益相关者的复杂性，以及不容有失的准确性。相比于一次性的代码生成或聊天互动，AI教育是一个极其复杂的系统工程，必须让模型、内容、评测、交互与长期反馈形成闭环，才能真正发挥作用。

　　下面我想分享一下有道在这一领域的具体实践——教育Agent不会一夜之间在所有科目上都成立，它一定是按难度梯度逐步突破的。

　　语言类学习是大模型可以很好支持的应用领域。大模型本来就具有强大的语言能力，还具备跨语言交互功能，十分擅长聊天，所以英语口语是一个很好的试验田。基于此，我们在2023年推出了AI口语老师Hi Echo，和网易游戏团队深度合作，将3D人物和AI结合，它解决了中国人学英语的一个非常关键的问题——缺乏语言环境，深受很多英语学习者的喜爱。

　　其次是数学的问题，2024年，我们做了小P老师这样的数学模型，难度明显大了非常多，我们花了很多时间去打磨。刚好那一年ChatGPT-o1模型推出，我们也是国内最早去实践这个强化学习模型训练的团队，通过为模型增加针对性训练语料，以及采用RAG等知识库方法，使产品达到用户可接受的基础质量。随着大模型推理能力的提升，现在理科答疑的问题已经很好地解决。

　　从模型能力本身看，我们也经历了一个持续演进的过程。

　　在AI浪潮前期大家关注模型的重点是参数有多大、算力有多强，但我们注意到一个现实问题，高性能大模型的部署成本极高，这可能会让低收入地区的学生望而却步，从而加剧“数字鸿沟”。所以，我们从一开始的目标就很明确，要打造一款专注教育领域、人人可用、低成本且高质量的推理模型。只有把门槛降下来，教育公平才会有真正的抓手。

　　到具体版本上：

　　2023年，我们做子曰1，核心是用更小的模型尺寸做高质量知识问答;

　　2024年，推出子曰2，重点优化英语学习的综合能力;

　　2025年，子曰3正式发布，尝试基于强化学习实现高质量理科答疑。

　　在Benchmark图表中可以看到，它在数学推理任务中的表现已经处于顶尖水平。今年，我们的重心聚焦在多模态方向。我们正在优化视觉能力，重视复杂解题和交互式答疑的体验。

　　今年我们又推出了有道龙虾、有道宝库等解决办公、深度学习领域复杂任务的AI Agent。3月，OpenClaw创始人Peter Steinberger在海外社交平台公开点赞了有道龙虾，这也是国内同类产品中唯一获此认可的项目，近期我们也率先接入了Deepseek V4、kimi2.6这两个顶级模型。

　　3 保持审美力和判断力驾驭AI浪潮

　　最后，和大家分享我的一些观察和感悟。

　　我认为，未来三年Agent将成为人机交互的核心，教育行业会像编程行业一样迎来代表性的Agent产品;学习硬件将从简单的“内容容器”升级为懂孩子的“家庭老师”。 而随着大模型技术壁垒的突破，推理成本与应用落地将共同驱动算力与场景的深度融合。

　　我想跟大家共勉的是，在技术浪潮面前，主动拥抱变化。不仅要懂技术，更要懂生活。让我们保持审美力和判断力，对现实世界问题的敏感性。唯有勇于跨界、打破学科围墙，同时对每一门专业怀揣敬畏，才能驾驭每一次技术周期，在交叉融合中实现创新，做出属于这个时代的耀眼成绩。