深化AIGC教育应用助力教育提质增效-腾讯云-创业邦

2 导览 4 #观点 1：数字科技演进的两条主线，人和场。 4 #观点 2：AI 大模型的发展趋势 4 # 观点 3：教育方向，总体来讲可能是四个主要环节，教、学、评、用 5 # 观点 4：创业者有时需要跳出 AI，从教育的核心价值出发，看未来教育还有什么样的可能性 6 7 #观点 1：在教育企业的场景上面如何结合大模型和 AIGC 的能力，目前主要在两个方向做提升，学习端和教研端。 7 #观点 2：腾讯云面向教育类企业的客户提供了一个全栈 AI 能力矩阵，我们称之为 1+N，1 套行业大模型的生产工具，以及 N 个可以落地的专业场景 7 #观点 3：腾讯云强大的算力底座可以提供各种业务的支撑。 ......................................................................................... 9 10 #观点 1：AI 不一定能取代人类，但 使用 AI 的人能够取代不使用 AI 的人。 10 #观点 2：有了技术支撑，才能搞清系统，有了系统，才能搭建明确的工作流程，有了流程以后组织才能进步，组织进步的时候，公司盈利能力各方面能力都会得到增长。 11 13 #观点 1：AI 的迅猛发展离不开算力的支撑 13 #观点 2：AMD 在技术创新、产品多样性、市场扩张、成本效益、生态兼容性方面有哪些核心优势？ 13 UV8YnYiVeXoW8OdN6MmOrRnPqMiNoOtNjMqQnM6MqRnMvPoOoRNZmNrP 3 #观点 3：AMD 一直在通过内部的产品的创新，和外部的投资合作，来加强 AI 实力。 .................................... 14 16 16 17 17 18 4 正文 #观点 1：数字科技演进的两条主线，人和场。 AIGC 领域很多人说目前真正赚钱的公司就一家，就是那个卖铲子的（英伟达）。确实从商业现实来看，AIGC还在快速发展，需要资金、算力等大量投入，创业短期之内获得高额回报还是比较难的，底层卖算力的公司确实能直接赚钱，那么做平台、做应用这样的公司，到底怎么办？这是个核心问题。我觉得可能要从更长的逻辑看这个事情。 我认为数字科技未来发展有两条主线，人和场。今天开会就是一个典型的场，但是实际上今天的场不仅仅包括物理的部分，还包括数字的部分，比如在线会议。但为什么我们有了很多在线的产品和服务，有很多的事情还是需要面对面才能解决？是因为今天数字化的场还不够完善，因为追求效率，很多信息其实缺失了。 那么围绕“场”，现在还缺什么样的信息，能够用数字化的方式去复现？今天做的最多的第一个是视觉，然后还有交互时的感知。那其实还有其他的感官、信息，未来需要在技术上继续创新突破，比如嗅觉、味觉等，能够用数字化的方式进行复现和增强，数字化的场就能够提供逼近、甚至超越现实的体验。 #观点 2：AI 大模型的发展趋势 第二条主线就回到今天最关注的 AI 这件事情上。在大模型出现之前，AI 能力还是比较有限的，它是单一任务的。下围棋就只能下围棋，不可能再做其他事情，基本只能在工具层面。 今天最大的突破是大模型AI 具备了多模态能力，像 GPT到4的时候很快演进出来，它既能处理文字， 5 也能处理语音，还能处理图像，甚至到 sora 的时候能处理视频，它就越来越像人。当它能够处理多模态信息的时候，智能就有了明显的飞跃，快速逼近人，也引起今天最大的争议：未来到底是 AI +人（AI 增强人）还是 AI-人（AI 替代人）？ 为什么大模型这件事情会变得这么厉害？因为 open AI 的“scaling law”，也就是大力出奇迹，堆算力、堆参数，涌现了智能。但是现在，开始出现一些分叉的情况，这是我们的机会。 回到大模型本身来讲，就是通过无监督学习、有监督学习，加上人类反馈强化学习三件事情实现的，过程中堆了大量的数据，很多数据是这么多年互联网发展积累下来的，公共数据、开源数据、开放数据。所以算力和数据，实际上成为今天 AI 时代的核心竞争力。 接下来的发展趋势，第一个当然是多模态，再往前走是具身智能，第三个就是专业化、也就是 to B。到今天，通用大模型可能已经卷到一个阶段性的瓶颈期，比如 ChatGPT 用户数增长的持续放缓。未来可能就是两条路，一条路是 openAI 这样的公司，它有自己的技术信仰和星辰大海，继续相信自己的逻辑放大这样的资源投入，继续做通用大模型、实现通用人工智能（AGI）。另外一条路，就是现在要做一些收敛了，比如行业大模型，做小型化、专业化。 行业大模型里面跑的最快的，可能是像广告和内容这样的一些行业。然后接下来是泛软件包括互联网to C 的种种应用，也包括了 to B 的 SaaS 这样的一些工具，有些工具跑的也是比较快的。然后再往下，就是教育。当然教育这块又细分，整体而言教育还是比较快的，但是在基础教育校内部分，跑得比较慢。而教培行业市场化，就会跑得比较快。最后把场景打开做归纳，我们认为在场景上和 AIGC 结合也存在类似工业领域的微笑曲线，研发/设计和营销/服务两端跑得快、中间生产/运营跑得慢。它背后核心逻辑就是两个，一个是需求适配度、一个是数据可得性。 # 观点 3：教育方向，总体来讲可能是四个主要环节，教、学、评、用 教，国内针对学校用的像教师助手，已经有些高校科研项目在做，比如说生成教案、教辅材料、教纲等。 6 学，生成式 AI 能够实现高效一对一辅导，根本原因在于这一波的大模型思维链能力比较强，能够拆解任务内容，分步进行更精准、个性化的内容输出。 评，从目前来讲大模型和评结合还比较初级，因为这个原来单一任务的 AI 能够进行较好的辅助实现，大模型没有太大发挥空间。大模型在“评”的环节中，最大的优势是多元化的数据采集和处理，可支持像“五育并举”中基于多种数据的综合评价。 用，这块其实就比较丰富了，像编程、科研、论文等等，但也会涉及内容知识产权等一系列问题。 整体来讲，随着大模型知识和性能不断提升，未来通识教育可能用通用大模型就能基本搞定了，但在特别专业的领域可能还需要专门的教育大模型来解决。比如科研领域，你有专业的数据、软件能力等储备的话，你做专门的教育大模型成功率就会比较高，因为这些数据、能力从公开领域拿不到，这就是门槛。 # 观点 4：创业者有时需要跳出 AI，从教育的核心价值出发，看未来教育还有什么样的可能性 国家看重的是创新人才的培养、科技人才的培养，这件事情是最关键的。虽然今天 AI 可能很厉害，但是周期可能也会比较长，因为目前 AI 的能力，真正能用到行业工作流里面的，从目前看还没有那么快。所以，有时候我们可能要跳出 AI 看未来教育，教育模式还有什么创新的可能，创新人才到底怎么培养等等，这可能是我们真正需要思考的问题。所以，教育不是必须用高科技，但是科技一定会影响教育，我觉得将来的教育业务模式里面，多多少少是要考虑这样的核心背景。比如像北欧的自然教育，不用多少高科技也非常成功，这也是我们可以加强借鉴和发展的方式之一。 7 #观点