火花思维技术总监、数据科学家冯俊晨老师代表品牌出席2025腾讯云AI产业应用峰会，并应邀参与圆桌讨论，与行业内技术专家一同针对“AI驱动下的产业应用新增长”展开讨论、分享。分享内容如下：
Q1、大模型发展日趋成熟，特别是年初 DeepSeek的爆火，推动了AI在各行各业的快速落地实践，在座的各位是我们各行业的领头羊，请问我们在哪些场景中AI应用得很好，解决了哪些行业中的难题？
冯俊晨： 教育行业的大模型使用场景相对较明确。一方面，在销售/服务环节上，大模型驱动的工作流或者agent，可以将员工从SOP中解放出来，去聚焦高价值的服务，比如关键客户的深度维护、学生个性化需求的满足。另一方面，在物料生产上也有很大价值，多模态的大模型可以出题/解题，极大降低了基础版本学科题库和拍照搜题能力的准入门槛；扩散模型可以用用更低价格产出更高质量的教学物料，不论是单词卡、动画绘本还是定制化课件美术素材，教学内容的生产成本大幅降低了。
在关键的教学领域，最初大家对于大模型有很高的期望，但是现在看起来进展还没有那么乐观。可汗学院是第一批接入GPT-4水平能力的教育公司，Khan还写了一本《Brave New World》来描述LLM+教育的未来。但是1年多过去了，作为和OpenAI合作最紧密的教育公司，不论是Khan还是Duolingo都没有在教学环节本身做出革命性突破。像口语对练这样的场景配备多模态的大模型已经在商业上验证成功了，讲题类助教已经在学习机的场景下被商业验证成功了。虽然有很多创新项目想做数字人老师，但是LLM替代老师可能还有一定难度，因为数字人老师没法约束孩子是否专心学习。
Q2、随着AI在复杂决策、创意生成等领域的突破，关于'Al是否会取代人类'的讨论愈发激烈。您作为行业实践者，如何看待这一问题？在您所在的行业,AI已经取代了哪些重复性、规律性工作？从长远来看，您认为AI与人类的最佳协作模式是什么？企业应该如何培养'人机共生'的组织能力？
冯俊晨： DeepSeek R1的发布是我们国家的GPT-4时刻，因为之前的大模型说实话能力都不让人感觉到”震撼“。但是这一波热情会很快消退，因为大模型开箱可用的场景实在太少了，大家很快就会发现大模型像个玩具，而不是生产力工具；用我们一个业务同学的评价来说，“外行一看可还行，内行一看就不行”。
在各自场景中碰运气之后，用户留存就会分化。我们内部数据是新用户的次周留存只有20%，但是次月留存也有20%；场景匹配度高的黏性很高，场景匹配度低的可能就此做罢。
因此在24年我们花了大量精力在某几个业务场景提供生产力工具，rag智能助手，workflow 甚至是Agent，我们都尝试了，失败率大概是80%。但是活下来的工具的周留存是50%以上，月留存80%以上。根据我们公司刚结束的调研，有自研生产力工具支持的岗位日均使用大模型的时长是没有生产力工具的2倍。
所以，真正的谜题不是为什么大模型可以改变我们的工作，而是为什么大模型还没有改变我们的工作。探索这个谜题的答案，也是我们在企业内培养“人机共生”的企业能力的探索。
第一，企业知识沉淀变得前所未有的重要，但是历史数据大部分情况下几乎不可用。大模型应用的标准做法是先提供一个benchmark数据集，在这个数据集上通过技术手段实现一定表现，然后上线验证。但是问题是，这个benchmark数据集在哪里？谁来做eval？比如我们之前希望用deepseek来做SOP质检，但是业务团队从来没有一个符合大模型QA对形式的标注数据集。我们一年可能有几十万个SOP执行记录，但是这些数据对于大模型落地其实没有任何帮助，因为我们还需要花很大精力把它构建成符合大模型研发流程的数据集和数据闭环。同理，你要做RAG，知识库在哪里？知识库谁来维护更新？出了知识库不能回答的问题，谁来运营？这些数据基础工作不做，大模型落地很难收到实效；而你要去做这些基础工作，项目的ROI就不那么性感了。
第二，企业内部要培养新的大模型全栈人才。之前我说了，24年我们尝试很多内部生产力工具，失败率80%；决赛圈的获胜者最初的想法几乎都来自业务团队里做的LLM Demo，而不是产研团队做的LLM Demo。这似乎听上去没啥稀奇的，但是业务团队能做产品DEMO本身是一个特别LLM时代的事情，一个不会写一行代码的老师，可以用dify搭一个学情沟通的demo，这是一件特别神奇的事情。这样懂一点大模型的业务人员才是企业内部大模型落地的关键人才。从我们的内部的数据来看，这样的人才大概是0.2%左右。
第三，改造生产关系，流程再造。这个词听上去很虚，但是最后会成为大模型在企业里是做头牌还是做添头。我们程序员就是最好的例子。AI辅助编程工具可以说是最好的Agent工具了，程序员用了都说好，留存率几乎100%。我们在去年就实现了单人代码量10倍，但是我们公司的交付效率提高了多少呢？可能连20%都没有。所以单人生产力解放和团队协作效能提升之间还存在巨大gap，这个障碍就是生产关系。
Q3、"火花思维以‘个性化教育’为核心，但每个孩子的学习节奏和认知水平差异较大。在AI辅助教学过程中，如何平衡标准化知识体系与学生个性化需求？
冯俊晨： 大模型为教育解决的最大问题，是因材施教能力的极大提升。因材施教是一种特殊的因材施教。
什么是因材施教呢？
让我来举个例子。一个长方形花坛，长13m，宽8m，问面积是多少。在传统做法里，我们会先给这道题打上知识点，比如长方形面积。然后孩子错了，再给推相应的类题。但是实际上，孩子错的原因千奇百怪，可能是长方形面积和周长公式搞错了，可能是进位乘法做错了，可能是没注意到这里要做单位转换。在没有大模型之前，这种粒度的个性化诊断和教学，是无法用算法实现的；而这正是资深老师最重要的能力。
现在有了大模型之后，这个问题已经迎刃而解了。所以标准化知识体系和内容系统与个性化教学指导是不冲突的，因为每个人的学习过程和体验是独一无二的，一万个人有一万个哈姆雷特。
但是这种能力要以什么产品形态来进入教学流程呢？这是一个非常需要水磨工夫的产品化过程。火花思维也还在探索中。
首先，我们先从讲成绩单开始，让我们的辅导老师可以更好地给家长讲明白孩子学了什么，学得怎么样，下一步要做什么。 每个孩子的学情沟通都是个性化的且容易理解的，这个被证明是可以为家长创造价值，为公司创造价值的。
其次，我们给辅导老师配置了拍照搜题+因材施教的提示词，使得辅导老师的个性化辅导能力有很大提升，这个对于业务结果的长期影响我们还在评估。最后，我们也在试点在课堂上增加AI小助手，在学生遇到困难时进行个性化指导，但是现在整体的交互体验还在优化过程中，所以我们还需要更多时间去精细化打磨。
免责声明：该文章系我网转载，旨在为读者提供更多新闻资讯。所涉内容不构成投资、消费建议，仅供读者参考。
扫码下载
中文网微信