来源|dowell之自言自语

作者|林路

编者按：

本文系转载，作者为北极光创投合伙人林路，他2012年加入北极光，已在传统互联网与移动互联网领域深耕10余年，他参与投资及投后管理的项目众多，其中教育科技项目有VIPKID、火花思维及美奇互动等。

本文中，他剖析了以Newton和Alt School为代表的个性化教育的典型思路，“模式看似可行，但现实中的成本却极其高昂”。他认为，在人文学科，尤其是语言学习领域，大语言模型则可能带来质的飞跃;语言教育或许是AI在教育领域最容易实现突破的“低垂果实”。

01 AI语言教育的个性化学习和数据飞轮

谈到 AI 教育，大家首先想到的往往是个性化学习。我们今天的教育体系源自普鲁士模式——一个老师面对 30 到 60 个学生，这是最具性价比的方式，解决了“人人都能接受教育”的问题，但对学困生和尖子生都并不友好。尤其是对学困生而言，当他们已经听不懂老师当前的讲解时，只能被动地坐在课堂里。

个性化教育的典型思路，如 Newton，是将知识拆解为知识图谱，在学生学习过程中持续检测其掌握情况，并通过实际问题追溯到遗漏的知识点;在为学生讲解完未掌握的题目后，还能生成类似题目来验证学习效果。又如 Alt School，强调学生的自主学习和练习，系统则将学生暴露的问题整理出来，由老师进行查漏补缺。形式上，这些模式看似可行，但现实中的成本却极其高昂：Newton 斥巨资研发的系统未能带来匹配的收益，而 Alt School 作为商业公司，不仅难以实现盈利，还因身份限制无法像传统学校那样获得外部捐赠。Newton 在从面向消费者转向面向企业的过程中，我的被投公司曾与其接触过，他们单个课程的报价高达数百万美元，最终只能作罢。最终，Newton 以低价被收购，而 Alt School 也在家长们的惋惜与不舍中走向关闭。

因此值得思考的问题是：当下的大模型技术，是否真的能够显著降低个性化教育的成本?在理科方向，我认为其效率提升依然有限;但在人文学科，尤其是语言学习领域，大语言模型则可能带来质的飞跃。以英语为例，学生在学习一个新词时，大模型不仅能够生成多样化的例句，还可以展示该词在不同时态、不同语境中的具体用法。更进一步，若能结合配图与动画，AI 所带来的效率提升将更加明显。倘若有经验丰富的教研人员能够熟练运用 AI 工具，其开发效率很可能实现数量级的提升。由此看来，语言教育或许是 AI 在教育领域最容易实现突破的“低垂果实”。当这一方向逐渐成熟并积累足够经验之后，再将其方法论推广到其他学科，才是更为务实的创业与投资路径。

从小学到初中再到高中，我们不断更换老师，师生关系也始终处在磨合之中。由于教师需要面对大量学生，很难真正洞察每个人的薄弱环节，往往只能笼统地评价一句“他的听力不行”或“他的阅读能力较弱”。但如果一个学生从零基础开始学习英语，在系统中完成背单词、上课程等环节，AI 系统就能够持续追踪其学习轨迹，准确掌握知识点的掌握情况。比如，当你在平台上阅读绘本时，它可以为你推荐合适难度的材料，标注不熟悉的单词，对新词组进行专项讲解，甚至解释一篇文章为什么要这样写。这就像拥有一位大学教授水准的导师，始终陪伴在学习过程中，大幅提升学习效率。更关键的是，一旦你能够全面掌握学生的个人词库和知识盲点，构建起高度个性化的学习画像，其他竞争者就很难轻易切入并替代。

更重要的是，当下语言教学面临的核心问题在于“实际使用”。许多中国学生学习了快十年英语，但真正能与外国人进行流畅交流的却寥寥无几。尤其是在日常生活中常见的场景化语言需求，如机场、打车、点餐等，往往是传统教育所忽视的。韩国曾有一家名为 SpeakingMax 的公司，开发了大量实用场景，让用户能够与模拟的 NPC 进行对话。然而，由于当时技术有限，用户只能在预设规则内交流，一旦超出程序框架，NPC 就无法正常回应。如今有了大模型，只需设计合适的提示词，系统就能自然地扮演对话角色。

中国学生学习英语十年却依然难以开口交流，其根本原因在于：口语表达所需的词汇和句式必须高度熟练，而真实交流几乎不给人思考的时间;长期刷题训练的大脑，并不足以支撑“脱口而出”的流畅表达。大模型的出现，能够高速生成并模拟各种真实场景，为学习者提供充足的口语训练机会，使他们在反复强化中真正跨越“学会了却不会用”的障碍。设想一下，一个孩子在完成英语学习后，可以随时与自己喜欢的动画角色自由对话，而角色会根据他的口语水平自适应地交流——在这样的陪伴中，口语能力的提升已不再遥远，而是触手可及。