好未來攻堅大模型

清晨的斯坦福大學校園，很安靜，好未來創始人張邦鑫，約上CTO田密，一起散步。

二人心事重重，氣氛有點嚴肅。張邦鑫一開口，直入主題：“能不能請你放下別的所有工作，只做大模型？”

那時，ChatGPT發布已有幾個月，張邦鑫等人第一時間關注，做了些非正式預研，沒拿定主意要不要跟進。他帶著團隊專程赴美，考察大模型的進展。

一周多的時間里，團隊連軸轉，英偉達、谷歌等科技巨頭以及當時還沒爆火的Figure等初創公司，一口氣走了個遍。白天出門，夜里復盤討論。

地陪司機忍不住嘀咕：“別人都是去哪兒玩，去哪兒看show，你們公司一天安排六七個訪問行程，也太拼了。”

“走完一圈，挺受震撼的，我們很快意識到，AI將給教育帶來巨大顛覆。”田密接受《21CBR》記者專訪時表示。

那場清晨對話的最后，田密立下軍令狀：“如果大模型做失敗了，我就離開公司?！?/p>

他帶著幾十人的隊伍，埋頭攻堅，半年時間，自研發布數學大模型MathGPT，后取名為“九章”。

現在，九章大模型已深度應用到學習機等核心產品，也推出了獨立APP和小程序“九章愛學”。能力方面，以數學最為突出，在去年MathEval網站的數學能力測評中，位列國內外幾十個大模型榜首。

今年，田密團隊，積極推動大模型走進公立學校，三個月就做出了第一版產品“九章愛學大小屏”，已在全國四個省市試點。

“AI老師，是好未來堅定要做的方向。真人老師能干的事情，要讓AI老師都能干，而且干得更好?！碧锩苷f。

押注“九章”

2022年11月底，ChatGPT問世，我們第一時間開通賬號。用完以后，大家很驚嘆，過完春節就發現，身邊討論的人越來越多，這款產品破圈了。

邦鑫和我們幾個人，一直在討論，要不要跟進。當時還沒買卡，就用手頭一批老的英偉達V100卡，試著做了些預研測試。

大家覺得，還是得去發源地看看，了解AI行業當前的發展狀況。我們在美國考察時，感受很深刻，新的技術革命來了，好未來必須all in，全力投入大模型。

帶著幾十人的團隊，我重新回到一線攻堅狀態。

大模型要順利起步，三要素的投入不能少，算力、算法人員、數據，都是以億為單位的，很燒錢，成本投入是擺在面前的首要問題。

幸運的是，老板的決心很大。

算力方面，起初我想過，要不要租一批大廠的卡來訓練。邦鑫建議，自己買卡比較可控。好未來在教育公司里，算力投入可能是最大的。

算法的關鍵在于人。當時集團的算法人員大約有100多個，幾乎全部抽調來做大模型。我們意識到，大模型顛覆傳統AI的路徑，如果執著于過去的技術路線，就是“屎上雕花”。

數據方面，公司多年下來，積累了大量教育數據，但做模型的強化和微調，光有教育垂類數據還不夠。我們專門建了一個基地，雇人做數據標注。

最初，我們希望從零開始，訓練一個自己的大模型。過了一段時間，越來越多優秀的開源模型涌現出來，我們發現，自己做預訓練，并不劃算。

因此，我們果斷切換方向，在DeepSeek、LLaMA等全球頂尖的開源模型基礎上，結合學而思獨有的教育行業專有數據，進行二次訓練，再把多個模型進行交叉驗證和投票，最終得到專業的教育大模型。

跟之前相比，步驟其實沒省多少，但站在巨人肩膀上，模型能力得到提升。

做大模型的廠商很多，從數學切入的，只有好未來。

數學是公認的大語言模型最弱的地方，如何提升其邏輯推理能力，是業界共同面對的難題。

好未來做數學培訓起家，在這個領域的積累，是我們做數學大模型的優勢。

加上公司在2017年就成立了AI Lab，多年布局之下，有傳統AI時代打下的地基，過渡到新的大模型時代，過程很順。

花了半年時間，我們做出了MathGPT的第一版，2023年11月，MathGPT成為首批通過備案的教育大模型。

“九章”這個名字，源自《九章算術》，是世界上最早的印刷本數學書。大家基本沒有糾結，覺得“九章”好聽好記且有故事，一致通過。

回過頭看，在傳統AI時代，需要針對多個應用場景，用到上百個小模型。公司做了大量AI助手，協助老師備課、批改作業等，功能較為零散、簡單。

現在，一個大模型就能搞定很多事情，更重要的變化在于，隨著AI能力逐步強大，能實現教、學、練的閉環，真正從過去以老師為中心，轉向以學生為中心。

軟硬結合

九章大模型以數學起家，并把能力繼續延伸，覆蓋全學段、全學科。

比如，語文學科，可以提供作文輔導寫作、作文批改等功能；英語學科，提供英語作文批改、口語對話練習等功能。

最早，團隊從AI解題這項能力做起。很快，我們意識到，AI解題，技術水平再牛，也不是家長和學生的實際痛點。

家長要的是AI能給孩子批改作業，把錯題講明白，減少他們輔導作業的工作量和請家教的成本。

做大模型不是炫技，幫用戶解決現實問題才是第一位。

九章選擇聚焦三個方向——批改、講題、精準練。

先看批改。傳統AI時期，能做的是選擇題、判斷題等簡單的批改?，F在有了大模型，不光能支持所有題型，而且能呈現批改過程，指出答題錯在哪一步，這個步驟關聯哪個知識點。

至于講題，好未來實打實訓練出來一個AI老師，能劃分六個維度的指標，讓真人老師打分，評價其講題的邏輯性、過程的連貫性等。

最后的精準練，基于知識圖譜，從孩子做對或做錯一道題，來判斷其是否掌握某個知識點，精準推送孩子需要的題目。

這些技術能力，以多種應用方式落地，既嵌入好未來現有的APP、智能硬件和學習服務，也有獨立的APP和小程序“九章愛學”，并提供API和智能體接口。

隨著落地探索的深入，我們逐漸認清了現實：純AI軟件很難單獨落地，軟硬結合可能是現在的唯一出路。

在教育硬件賽道，學習機的復雜程度是最高的。好未來在2023年2月推出第一代學而思學習機，錨定“好內容”，當時有人估算過，4000多元的學習機，僅內置的課程資源，價值至少等于30萬元的培訓費。

到了第二代產品，大模型能力全面接入，升級為“好內容+好AI”，“好AI”即九章與DeepSeek形成的雙核大模型，進一步強化學習機的智能交互與精準分析能力。

從具體功能來看，今年5月發布的旗艦產品T系列，搭載了小思智慧島Pro，這是個軟硬一體化的攝像頭體系。學生伏在桌上寫作業，攝像頭能直接拍到紙上的題目，方便、智能地提供作業輔導。

我們正在努力，往多模態AI老師的方向進化，省去每次主動喚醒AI的動作，讓交互體驗變得絲滑。

桌面放上教科書或試卷，學生手寫時，攝像頭實時錄入查看，實時按步驟講解，如同真人老師面對面輔導。

提速進化

九章大模型的AI能力，保持以月為單位的迭代節奏，配合學習機等前端產品的更新。

好未來堅定往AI老師的方向走，仿照無人駕駛等級的L0到L5，我認為，教育行業的AI老師，大體上也是如此進階。

L1級別，AI只能給老師打輔助，做些簡單重復的工作。

當前所處的L2，AI能在某個模塊上，勝任老師的工作，比如批改，屬于“輔助駕駛”階段，駕駛員可以“脫手”“脫腳”，不能“脫眼”。

L3，進入“有條件的無人駕駛”，可部分“脫眼”，不能“脫腦”。一些特定場景下，交給AI老師明確的任務和目標，它能基本跑完一個閉環，但需要隨時準備接管。

我們希望，未來兩三年，能實現L3級別。比如在家場景下，學習平板里的AI老師，可以自主幫你完成學業規劃，也能實現做題—批改—講題—練題的完整閉環。

未來，到了L4，AI老師可以跨場景切換，家長能放心地把孩子的學習交給AI老師，除非出現個別極端情況，基本不用接管。

那時候，教育行業將迎來徹底變革。

為了將大模型能力推向更多應用場景，我們開啟AI產品進校業務，去年底立項，今年3月推出第一版To G的學習機產品。

第一批試點，至今兩三個月時間，據學校反饋，兩個班級對比，有AI工具賦能的班級，數學成績的均分較另一個班高出7分，預測學期末將拉開十幾分的差距。

AI進校，有個逐漸接受的過程，關鍵在于信任和效果，我們有耐心，也有信心。

技術和業務緊鑼密鼓的同時，我們也在鍛造AI化組織。

一是轉變思路，業務遇到問題，先問大模型，能不能做、怎么做。

二是工作內容的“AI率”提升。明確要求所有崗位，未來幾個月，至少有某項工作由AI替代。比如，公司法務、財務的合同審核，現在基本交給大模型，大幅提效。

我做大模型這兩年，感到壓力最大的，是剛接下任務的時候，一切未知，不知從何著手。

現在心里踏實多了，怎么應對挑戰也很明確：從用戶使用過程和經驗中發現不足，思考技術改進的路徑，探討更豐富的交互形態。

就我個人而言，之前十幾年，待在騰訊、阿里，花名一直是“老師”?；蛟S，冥冥之中就確定了我的角色。