[猿辅导]对话猿辅导集团副总裁王向东：DeepSeek 之后，AI 学习机应该怎么做？

作者｜张鹏 

编辑｜Li Yuan 郑玄

2024 年，是学习平板这个品类集中爆发的一年。

这个曾被视作「平板替代品」的品类，终于在逐渐脱离「和 iPad 有什么区别」的质疑，随着 AI 技术的持续进展，一步步朝着「1v1 数字老师」演进。

而在这一轮热潮中，小猿学练机的成长格外抢眼：小猿学练机在 2024 年 12 月销量突破百万台，登顶单品销量行业第一，成为中国学习平板中增长最快的产品。

2025 年年初 DeepSeek 的火爆，重塑了教育行业。 2025 年 4 月，猿辅导集团也发布了他们的新一代产品，深度融合了猿辅导集团自研「猿力大模型」和 DeepSeek 的小猿 AI 学习机。

猿辅导集团表示，这一代的 AI 学习机基于更强的推理能力，能够基于孩子在学校的试卷内、学习机的练习题上、和 AI 的对话等多触点，综合判断孩子的学习情况，给出更好的学习建议，不再是传统依赖知识图谱的刷题机器。

AI，会是教育最先闪光的地方吗？

「因材施教」是从孔子时代就被提出的理想，但直到今天，我们才真正拥有了让每个孩子匹配「一对一老师」的技术可能。这不仅是一次产品革新，更是教育模式的重构。

在这一轮变革中，先行者们要如何定义 AI 教育产品的形态？猿辅导集团又如何看待 AI 技术为教育带来的底层重构？DeepSeek 推理模型的引入，又会如何改变 AI 教育的进化路径？

我们找到了猿辅导集团副总裁王向东，与他聊了聊这一切。

 

教育的本质没有变化，

我们只是离一对一越来越近了

 

张鹏：2023 年 5 月，猿辅导第一次推出了小猿学练机这款学习硬件，主打墨水屏和学练一体化，当时怎么想到要做这样一款产品？

王向东： 我们业务线最初主要做软件。旗下有小猿口算，小猿搜题，猿题库等一系列软件，之前并没有太多硬件的涉猎。软件当时其实已经做到很大用户量了，也已经可以在手机上给用户提供很便捷的学习方式。但其实用户原有的学习的模式和交互的方式并未改变，还是学校所有的课本、教辅、练习册、试卷的基础上，依赖于识别、语音理解，最终给用户内容，内容是各大公司用自己的资源、人力加进去堆出来的。

我们看到市面上也有各种各样的学习产品诞生，但是这些东西都是很辅助性的。比如词典笔，它更多是扫一个词，查一个词的意思，这些产品只是解决了学习过程中一些非常局部的小问题。

我们觉得，学习产品仍然有成体系化思考的空间，有不只是简单地在原有体系中打补丁的空间。

当时学练机诞生的初心，就是在探索未来会不会存在一种更数字化的学习方式，这种数字化学习方式它其实跳脱了纸和笔，能够有数字化的学习内容、数字化的学习行为和数字化的学习数据，不再依赖于要用一个手机去拍什么东西，直接通过数字化的方式去学习，就能完成整个学习闭环。

它的大出发点是基于这个逻辑，我们当时就考虑到，可能一年不行，两年不行，甚至三年不行。但 5 到 10 年，我们认为这是一个有可能成型的，基于教育学习上对现有的学习方式有变革、有革新的一个东西。

一方面基于趋势性去考虑，另一方面，我们原有的内容资源的构建和累积上，其实是有基础能够转向数字化的。当时我们的软件背后，都是数字化的、模块化的和基于知识有能力突破的数据。只在手机上，其实呈现的并不多。

走向未来，我们认为它应该能有一个设备，作为更好的载体，把我们的综合能力系统性地呈现给用户，能够包括各种各样数字版权的内容，各种各样的工具软件，综合地提供给用户一个解决的方案。我们的学练机是我们最早的产品，刚开始把这些综合的部分整合一部分进去。

张鹏：上一代产品的产品名是学练机，为什么是学练机而不是学习机？当时是怎么思考的？

王向东： 我们拆分了孩子日常学习的三大环节，学练测。

在上课的环节全部都是学，老师不断输入。课后会布置作业，或者在课上会给很多作业，完成练习。测是在学校里有一次考试，总结整体学习的过程是否达到了我想要的结果。

在这三个步骤中，我们发现，在学校的学习过程中，每个孩子面对老师的时间是相同的，学习内容也是相同的，为什么后面大家水平有高有低？除了超前学习的情况，其实最大的差异在于「练」。

「练」的环节，也是原有的教育环节中，做的并不高效的一个环节：第一，所有人的练习内容是统一的，因为在学校的练习，几乎不存在个性化。第二，家长在「练」这个事情上，其实是没有什么太多的可介入空间，因为他也不知道给孩子练习什么才符合孩子的学习。即使是在线下报个小班课，小班课的作业，可能也是针对这个班型的进度布置的作业。

「练」这个解决方案其实一直解决的不好，而且家长会把市场上所有的教辅都买一遍，但是一个学期下来，真正写的就是这两本，剩下的都在那儿堆着，并不是一个对孩子真正高效的练习逻辑。

同时练习本身又是一个非常高频并且刚需，具备非常强的可复制化的场景。它应该是一个完全千人千面，让大家在不同的时间点解决自己需求的一个产品。

所以，一个是未来的趋势，一个是高频的场景，这两者结合，我们选硬件、选产品和软件的形态，诞生了学练机这样一个产品。

张鹏：这一代我们推出的是 AI 学习机，不再是学练机。这一代产品的出发点是不是有些不同？

王向东： 我们一直想提供一个综合的一体化的学习产品。 我们一直觉得教育是有一个终极形态的。这个终极形态大概率会是类真人的一对一。 一对一是因材施教，我随时对你的学情有关注有了解，我给你接下来的学习进行规划，这是最高效的。

我们最早是 2022 年思考这个问题，在当时那个基础条件下——ChatGPT 2022 年年底才有一些水花，如果想做成我们想要的一体化学习方案，当时 AIGC 的内容不够强。想做一个真正的学习机，需要的内容太海量了。你的科目、学段、学习知识点能力同步这些东西，每一个都是非常细小的，加在一起却是一个非常庞大的数据集。这个庞大数据集完全靠自己去构建，用那种传统的 AI 标注的方式是实现不了的。所以在那个时间点，我们就先以一种比较简单的，就基于你的知识模块的方式先定义到学练机上。

而过去一年，大模型有了巨大的变化，2023 年大模型和现在的大模型相比，成本大概是降了八九百倍，性能每一年大概会相对前一年提升 40%、50%。从去年的下半年到年底，DeepSeek 出来以后，大模型的技术的确进入到了一个可实用，并且成本可接受的一个价值创新点的阶段。

我们意识到，成套的一体化学习方案在成本和内容质量上都已具备可行性，我们才开始选择做一个 AI 学习机。在我们的学习机里面，我们强调一体化的诊学练，我们不会说一开始就让你做题或者看视频，我们会先分析你的学习状况。

就好像你看到了没有一个英语老师上来说，「孩子我们明天上什么课？」，你的英语老师一定是说「你把你学校的试卷给我看一下，把你们的进度告诉我一下，把你们的练习题告诉我一下」，他会根据这些内容，判断你当前的能力水平和学习阶段，再去给你确定应该做什么题，学习什么内容，我要让你跟着我的每一个课程节奏一起去往下走。所以我们期望我们的学习机，这套诊学练的闭环，完全参照一个一对一的老师能够实现的逻辑去提供给孩子这样的服务。

张鹏：这一代的产品形态也发生了变化，是一个平板加上打印机的形态。这样的产品形态是怎么设计出来的？

王向东： 其实它不仅是打印机，更是一个智能基座。 硬件的形态定义要更早于 DeepSeek 大模型出来这一波。2023 年我们就确定了要做这个形态的虚拟老师。

我们会思考一对一的老师，到底应该具有哪些能力。一个真正的一对一老师，要通过他的眼睛、耳朵和嘴巴，来观察这个孩子的学习状况。

眼睛，能够看出来孩子是否分心了，他在这个时间点有否犹豫，对这个知识的掌握程度是真的懂了，还是假装懂，这些东西通过观察是可以观察出来的。耳朵，可以在听孩子给他反馈的时候，感受到孩子是不是自信，这个东西是不是表达得清楚。一对一老师可能还通过他的手势，给孩子鼓励，通过言语，把成体系的知识展现给孩子。

这些就要通过传统的平板形态来做出来。

一个好的一对一老师，最终一定会问，我们讲解了这么多，我要来确认一下你到底有没有学会。那怎么实现呢？一般就是找几道题，看你会不会做。

其实对于线下的一对一老师来说，找几道题是很复杂的事情。而对于数字化的一对一老师来说，个性化的一对一找题反而是特别方便的。

所以我们做了目前的智能基座的 1.0 形态。一对一的老师定位好了孩子的学情之后，不需要靠家长或者孩子再去搜题，再去编辑，再去打印，直接可以将题打印出来，直接可以通过摄像头，来判断孩子做的准不准确。这个过程，既护眼，又高效。

 

教育 AI 技术底座，

让一对一的大规模供给成为可能

 

张鹏：AI 学习机这个概念，在 2020 年开始就有了。从那时候到现在，AI 学习机有过什么变化？

王向东： 学习机最早出现的时候，其实就是内容的堆砌。用一个平板的形态，去加入一些教育内容。

到 2020 年左右，行业开始强调差异化，出现了早期的「AI 学习机」。这类产品基于知识图谱，将题目分层，学生答题后可自动进入下一级练习，通过识别知识漏洞推送视频和习题，实现单点能力的查漏补缺。

之后，学习机开始引入一些基础的 AI 功能，比如拍照搜题。虽然厂商在 2020、2021 年就纷纷打出「AI 学习机」的口号，但在用户端并未真正建立起认知。

我们线下调研发现，家长关注的核心还是课程本身：内容是否齐全、质量是否高、是否覆盖所在地区的教学版本。其次才是工具层面的功能，比如是否能批改作业、帮助解决孩子不会的题目。

这个阶段的「AI 学习机」，更多是课程系统叠加工具软件，难以实现真正的一体化智能服务。只有当 AI 拥有推理能力，能真正理解学习过程、做出个性化引导时，才算真正迈入「名副其实」的 AI 学习机时代。

张鹏：推理模型核心解决了什么问题？

王向东：在推理模型出现之前，我们对 AI 的理解更多停留在「解题工具」的层面，例如通过大模型在后端异步处理题库中无法覆盖的题目。

但随着像 DeepSeek 这样的推理模型诞生，我们发现 AI 真正具备了接近一对一教师的能力。

推理模型可以结合你的学情数据，给出一个非常专业的学情分析：虽然我也不知道我为什么解不出这个问题，我把我的数据给你，AI 可以分析出我的问题。

原来要找到学生不会哪个知识点，需要靠学生做题，人为为题目打上标签，不会这道题，那就是这几个知识点不会，这样的对孩子的情况分析是很生硬的。而现在大模型甚至可以去更高的维度，分析孩子是可能是不擅长某种思维还是读题有问题，很多时候真的已经可以达到我们预期的教研老师能够提供的方案。

整个学习的核心模式发生了变化。 原有的学习机的核心学习模式是说我的路径和我的目标规划好了，人配合它往前走。而现在转变为「在持续交互中，根据不断输入的数据，动态调整学习路径和目标」。

张鹏：哪些产品细节在体现了这样的变化呢？

王向东： 在现在的 AI 学习机里，我们对孩子的学情诊断，这个「诊」不是只出现一次，一直在对孩子做最新的诊断。孩子学习的环境是发生各种各样变化的，你可能在学校里每天有考试卷子，可能在线下还报了辅导班，甚至参加了什么竞赛，在孩子与学习机的每次交互中，系统都能对其能力进行重新判断，然后再去重新调整学习的方向。

我们底层的数据是完全打通的，学习机本来它也有课程，也有诊断，也有一些练习。比如上课的时候有一个互动题，你在互动的时候你选错了，这个错题它也会成为一个底层的输入。现在我们输入的触点非常多。包括跟 AI 交流对话的时候，你可能提到了什么样的讯息，这个讯息很重要，它也会成为一个输入，成为下一步给你做推荐的出发点。它不仅仅是来自于一次性考试的诊断，而是来自于你在日常跟机器交互的过程中，所有的数据都会成为你学情诊断的来源。它不再是一个单一的今天你做这一套卷子，我只是基于这一套卷子给你推理，系统会综合分析你从其他触点产生的所有数据。

张鹏：这中间的一个拐点，是不是 DeepSeek 出现了？

王向东： 是的。

我们一直在不断评测国内外的不同基础大模型。在很长一段时间，我们发现基础大模型通用大模型的能力的变化提升是很微弱的。当然你说 GPT-4o 到 o1，是不是也有很大的提升？是，但是基于 GPT 的成本，这个提升几乎对我们来说完全是不可用的状态。

DeepSeek 的报价，还有实质性的产品体验结果出来后，我们当时发现它在我们现有评测的所有模型中已经完全领先了，是当时在用的基础大模型的 1/4 甚至 1/5 的价格了，同时性能更好，可以更快应用。

春节回来我们立刻把这个服务补上。测试结果上，我们发现很多的功能点，尤其基于多学科交叉，并且还有错因分析，基于更多的输入数据，能够输出什么样的结果，都有了更好的表现。

我们马上对模型进行了切换。因为实际上教育的场景和方式和数据，我们都已经具备，关键在于这些内容该分配给谁、以何种方式呈现、在何时生成。切换新模型是要经历磨合和最开始的提示词的调整过程，不过最终切换起来还是很快的。

张鹏：猿辅导其实也有自己的模型，现在猿辅导自己的模型跟 DeepSeek 之间是怎么配合的？在目前的技术管线中，你们自己的模型还会在里面发挥作用吗？

王向东： 是的，我们也有自己的大模型，而且它也仍然是我们的技术核心。

自有模型和 DeepSeek 各自负责自己更擅长的事情。比如错因分析，DeepSeek 更擅长，但是以适合孩子的方式讲解给孩子，则是我们的模型比较擅长。

在针对我们特殊的需求场景下，我们会对通用模型或者针对一些开源的模型去做微调，看看在这个场景下是否我们可以比那个模型表现得更好，如果表现得更好，我们大概率会用我们自己的模型来解决我们的问题。比如在一些图像题上，所有模型的都很难解好一个完全新的图形题，其实我们的模型经过了一些自有数据训练，表现比市面上的大模型会好一点。

猿辅导集团自研「猿力大模型」和 DeepSeek 进行深度融合，共同构建了我们这一代产品中的技术基座：小猿 AI。

DeepSeek 推动大模型自我进化，实现深度思考讲解，推动 AI 能力全面进化；猿力大模型保障技术回归教育本质，进行信息安全过滤，保障实时认知对齐。

DeepSeek 让 AI 更聪明，能讲得更清楚、想得更深；猿力大模型则保证 AI 讲得靠谱、对孩子安全，让它真正服务教育，而不是跑偏。

两个模型间还会相互进行训练和优化，提升各自的能力。我们让两个模型相互切磋、共同成长。DeepSeek 提供先进的推理能力，猿力大模型专注教育适配与安全守护。它们在实战中交互训练，相互优化，在各自擅长的领域持续进化，打造更强、更稳、更懂教育的 AI 教学系统。

 

这一代孩子，将是被 AI 陪伴成长的一代人

 

张鹏：目前这代学习机，主要覆盖哪些人群？从幼儿园一直陪到高中毕业，在目前的产品设计上，真的可能吗？

王向东： 学练机和学习机，我们最初的期望都覆盖整个 K12 阶段的孩子。

我们也会加入一些针对学龄前儿童的功能，但他们不会是我们的主流的用户人群。这本质上，也是关于家长是不是认为孩子在这个时段就要接受教育有关。比如说他如果觉得在幼儿阶段就需要接受更多的绘本，接受更多的拼音教育，那他一定程度上也会是我们的目标人群。

至于产品设计，我们已经现在投入使用的软件和硬件，都已经做好了服务用户长期使用的数据与记忆架构。 从设计之初我们就在想，作为一个工具软件，我们不希望用户只用一个月。我们都是希望他们从 1 年级用到 12 年级。

唯一不太可确定是，硬件的形态到底在未来的几年内会不会发生大的变化。如果能出现一个更具备可交互能力和被用户接受的硬件形态，你非要说你的硬件具备更长的陪伴价值，我觉得本身是不合理的。

张鹏：平板加上打印机，是你理想中一个比较收敛的学习机的硬件形态吗？

王向东： 这是我们现阶段认为比较合适的形态。

硬件形态上，我想要做一个有用的学习设备，首先得具有几个特性：

一、它应该是一个孩子专属的设备，不应该是家长和孩子共用的设备，才能完成 24 小时一对一的任务。

二、它需要眼睛、耳朵和嘴巴，也就是得有摄像头，得有麦克风，能有输入，有输出。

三、它要在一定程度上真实的，可互动，不能是一个冷冰冰的平板电脑往那一放。

我觉得技术发展的在若干年内，可能一个简单的大屏还会是主流。

我们加入了一个打印机，这个打印机我们更倾向于把它定义成一个智能基座。它增加了输入输出的形态，同时可动。未来我希望它能随便扭头，或者甚至能跑来跑去，不过在现阶段我们能够匹配到的可实现的硬件形态只能做到这一步。

我们也设想过，未来如果人形机器人成熟，是否能直接化身为陪伴式的学习终端：有一个满屋跑的人形机器人，在孩子要学习的时候变形一下，露出一个屏幕，坐在孩子桌子上，学习完了跳下去干别的活了，如果到了那个时候，那学习机可能就不是最好的形态，不过这离我们现在能实现的技术还是稍微有点遥远。

张鹏：我们希望学习机能够在成长中一直陪伴孩子，而另一个问题是，目前我们观察到学习机每天能够陪伴孩子多久？

王向东： 在 2022 年以前，我们大概做过一些调研，当时得到的结果是，学习平板这一设备，在当时仍然有很大的提升空间。

因为当时我们发现，当时的学习设备，在半年后，平均留存时长就只剩下 50% 了，也就是说半年以后 50% 的用户就闲置了。而且进一步分析后发现，很多真正的留存实际上也不是基于学习功能，而是孩子在学习机上使用微信、抖音这样的半娱乐化应用。我们觉得这个事情其实非常不健康，它不足以形成口碑和复购。

在做我们的学习机时，我们重点关注两类数据：一是 用户留存率 ，代表孩子是否每天使用设备进行学习。我们是封闭系统，无法安装娱乐应用，留存下来的用户是真正用于学习的，数据显示我们的留存率行业领先。二是 功能满意度 ，我们通过用户反馈和客服数据持续优化体验。相比用户时长，我们更关注是否 高效学习 。

早期做工具软件的经验让我们明白，靠堆社区、堆视频化的内容，堆再多的时长对孩子的学习也没有意义。对我们来说，一个好产品的价值，在于它是否真正帮助孩子持续、高效地学习。

张鹏：我们说 AI 学习机是一对一的老师，也有人觉得是一种陪伴的朋友关系，你怎么看？

王向东： 从过往经验看，真正优秀的一对一老师往往是「亦师亦友」的角色。线下辅导中，老师若想获得良好的互动效果，首先需要与孩子建立朋友般的关系。因此，「老师」和「陪伴者」的角色并不冲突。

在产品设计上，我们也努力打造这种「陪伴式」的学习体验。首先，交互必须对孩子友好。例如语音识别，不能家长说得准，孩子说得不准；界面也必须符合孩子的审美和认知特点。其次，我们加入了大量游戏化设计，比如在答题中融入保龄球、愤怒的小鸟等元素，让孩子在游戏中获得正反馈，哪怕答错题也能感受到鼓励，从而持续激发学习动力。

我们认为，未来学习设备将不仅是工具，更是孩子成长过程中的陪伴者。从学习到心理健康，这类设备将像真人老师一样，在孩子情绪低落时给予支持和引导，帮助他们以更好的状态投入学习，AI 正是在这一点上具备巨大潜力。

张鹏：Agent 技术今年很火。你怎么看 Agent 技术在教育领域，包括在学习机领域里面的应用？

王向东： Agent 在教师工作中确实有很大潜力，但在学生端的应用目前还难以普及。原因在于，Agent 擅长处理有明确结果的任务，比如直接给出结论或方案；而学生的学习过程需要的是持续的交互、反馈和闭环。

学习不是单一任务，而是不断迭代的过程。例如我们根据学生数据进行学情分析，再生成学习方案，但这套方案必须在使用后持续调整，才能真正有效，不是一次性完成一个任务就结束了。所以我觉得这个概念虽然很有想象力，但是不一定在教育这个领域里适用。

张鹏：这一波的 AI，是否有机会对中国的教育带来一些更有意义的改变？

王向东： 我们非常认同一句话：「教育不是注满一桶水，而是点燃一把火。」教育的本质是启发与唤醒。最终我们希望培养出具备批判性与创造性思维的孩子。

但传统教育体系和资源难以实现这一目标。中国当然不缺有创造力的孩子，但他们往往集中在少数拥有优质教育资源和家庭环境的群体中，绝大多数孩子难以获得这样的支持。

AI 的出现带来了普惠的可能性。它可以以低成本提供高质量的一对一教育体验，帮助孩子发展更深层次的思维能力，而不是仅仅机械复述知识。我们希望孩子能提出问题、质疑答案，甚至基于已有知识得出全新的结论。

这正是 AI 在教育中的最大价值：提供无限供给的高质量教育资源，打破原有壁垒。对我们来说，这种变革的可能性，正是投身教育的初心与使命。

*头图来源：猿辅导

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO