832-AIGC+教育的创新应用趋势与机遇.pdf

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67#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。.....910#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。1113#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？133#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。1416161717184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openAI的“scalinglaw”，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toB。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toC的种种应用，也包括了toB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。一个是在学习端可以提高知识获取的效率，可以放大知识产出的价值，能落地的场景包括像学习端的智能知识问答，智能课程摘要、智能学习陪练、甚至个性化学习的目标。另外一个在教研端，现在的大模型能力已经可以辅助大家做教学大纲的设计，包括一些创意内容的生成，考试题目的生成，课程内容的制作以及多语言或者多格式的教材互转。#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。所谓的1就是我们有一套行业大模型的生产工具，是一个面向AI研究者或者开发者开箱即用的平台，8企业导入自己的数据，就可以在这个平台上快速训练出来专属领域、专属场景的行业大模型。在N的方向上，客户场景是最容易落地的方向，我举一