高途x人大：在教育的深处，种下“有温度的AI” 原创

AI教育的热度，几乎是伴随着大模型的突破同步而来的。

近两年，从教育公司到科技巨头乃至大模型厂商，纷纷在AI教育赛道加速布局。然而在热闹的表象之下，各种现实挑战依然横亘在前：大模型解题准确率有限，多模态知识检索技术复杂度高，个性化学习仍停留在“经验驱动为主、数据驱动为辅”的初级阶段等等。

技术的脚步，尚未真正抵达教育的深处。

高途教育科技集团AI研发部负责人金欣坦言：“教育是一个非常严肃的场景。如果不能保证AI的确定性，就无法直接应用到学生服务中。”

9月29日，高途联合中国人民大学高瓴人工智能学院成立“AI智慧教育联合共建实验室”，聚焦于大模型深度推理、多模态理解、智能体等前沿领域。

高途-中国人民大学AI智慧教育联合共建实验室揭牌仪式

从产业视角看，这是一次理念相通、能力互补的“生态耦合”：一方深耕教育十一年，掌握真实的场景数据与教学经验；一方立足学术前沿，拥有全球领先的科研能力与理论创新。两者携手，共同在“技术”与“温度”之间，搭建起一座通往AI教育的桥梁。

理念共振：以人为本，做有温度的AI

一场默契的深度合作既需要能力上的互补，还需要价值观的共鸣。高途与人大的联手，首先建立在对AI教育本质的共同认知之上。

成立11年的高途，将教育理念凝练为点燃兴趣、培养习惯、塑造人格的“爱次方”。这个“爱”字，既是对学生的关爱，也暗含着“以人为本”的温度。进入AI时代，高途也将AI技术融入到这个教育理念里。

“我们希望通过AI技术让学生更好地回答问题、获得更好的成绩，更希望从人格、习惯、兴趣的角度帮助学生成长。”高途联合创始人罗斌说。

高途集团联合创始人罗斌

这与中国人民大学高瓴人工智能学院的发展愿景不谋而合。成立于2019年的学院，从创院之初便确立了“有温度的人工智能”的目标。

学院副院长孙浩介绍，学院设立了四个培养目标：培养一流的AI科学家、AI工程师、具有创业精神的AI创业者，以及交叉学科领域的AI开拓者。“经过六年发展，我们已经形成了一批科学家和工程师，未来的着力点是培养具有创业精神的AI创业者和交叉领域的AI开拓者。”

中国人民大学副校长王小虎进一步阐释了合作的深层逻辑：“实验室建立的初衷是将学校力量和社会力量结合在一起。通过‘科学家+工程师’的模式，共同推进教育场景的落地和应用。”

这种理念上的“引力”让双方迅速找到共振频率，不是为了AI而AI，而是共同探索一个真正“有温度、可信任、个性化”的AI教育新范式。理念的契合，成为这场合作最坚实的地基。

穿越技术“无人区”：三个技术难题、四大研究方向

理念共鸣是起点，但要让“有温度”的AI走出实验室、走进千万间教室，必须穿越技术的“无人区”。

金欣在分享中直指三个核心技术难题，每一个都是横亘在AI教育产业化道路上的硬骨头。

第一个是解题能力的不确定性。大模型的解题能力看似已经不错，但在教育场景中，“不错”远远不够。问题分为两个层面：一是准确率本身有待提升，二是模型无法判断自己是否出错。

“如果模型能识别错误，教师可以针对性介入；但如果模型无法判断，教师就得逐一检查。”金欣说。这不是小问题。在实际教学中，教师大量时间花在解题、讲题、试卷分析上。如果AI无法可靠地完成这些工作，所谓的效率提升就成了空谈，甚至可能增加教师负担。

高途集团AI研发部负责人金欣

第二个是多模态知识检索的高复杂度。教育场景天然是多模态的——视频、音频、文本、图片、文档交织在一起。学生的提问可能是一张手写的题目照片，可能是一段听不懂的课程视频，也可能是一份混合了图表和公式的试卷。

如果能建立多模态检索系统，学生的大量信息咨询类问题就可以自动化处理。但这是一个极其复杂的技术问题——不同模态之间如何对齐？如何理解模糊的、非标准化的学生输入？如何在海量知识库中精准匹配？每一步都充满挑战。

第三个是个性化学习的难题。个性化学习的理念提出了很多年，但真正落地依然困难。“现在个性化教学基本是经验驱动为主、数据驱动为辅，迭代效率很低。”金欣坦言。

个性化需要大量数据，但教育数据的获取成本高、标注难度大、隐私敏感性强；同时，即便有了数据，如何建立有效的学习曲线模型，如何实现动态调整，如何平衡标准化教学与个性化需求？这些都是待解之题。

这些问题恰好是人大高瓴人工智能学院的强项。双方确定了四大研究方向：多模态解题能力、意图与多模态检索、试卷分析智能体、AI学习曲线。

针对解题问题，实验室设定了两个攻关方向：一是提升推理能力，选择化学学科作为突破口；二是开发判题模型，通过分析推理过程的合理性来判断结果正确性。判题模型能明确告知教师哪些答案存在错误需要人工介入，同时通过强化学习持续提升模型整体能力。

从问题到方案，从方案到落地，实验室勾勒出一条清晰的攻坚路线图。

All with AI，Always AI：战略到应用的全链路渗透

于高途而言，AI并非突然而至的浪潮，而是自创立之初就融入企业血脉的底层战略。

早在2015年，高途便开展了AI在教育中的应用：利用算法理解用户需求，匹配最合适的老师、课程与服务，并进行智能化评测，持续优化教学体验。这些早期的技术实践，为高途商业模式的跑通奠定了基础。

今年，高途明确提出了“All with AI，Always AI（AI无处不在，无时不在）”的核心战略。罗斌解释，这一战略包含两个维度：前端体现为“无处不在”的覆盖能力，要求AI覆盖更多业务环节与节点；后端则强调“无时不在”的服务持续性。

“AI不是一个大招，而是底层的先进生产力。从空间角度，它应该渗透到每个环节；从时间维度，它需要不断迭代进化。这是一个从三四十分水平逐步提升至六七十分，乃至八九十分的渐进过程。”罗斌说。

放眼当下，高途在AI应用上已经形成具体的产品创新。

在教学模式上，高途在原有的“主讲+二讲”的双师模式基础之上引入了AI伴学，形成了“主讲+二讲+AI伴学”的三师教学模式。“我们通过AI帮老师提升效率、节省时间，让他们把更多精力投入到和学生的互动中。同时为孩子提供超级学伴，通过兴趣引导让他们更好地学习。”金欣说。

在毛豆爱学AI课中，高途将数字人引入视频课程，学生可以跟AI老师实时互动，获得接近一对一的学习体验。数据显示，这一创新让课程活跃度提升了30%。

游戏化教学是另一个大胆尝试。高途设计了完整的IP世界观，用轻量化游戏加防沉迷机制，让学生在游戏中提升学习兴趣。金欣透露，“里面所有NPC的沟通，以及大量的素材、动画都是用AI制作的。”

纵观这些案例，其背后是一个共同的逻辑：将“以课程、以老师为中心”的学习解决方案，转向“以学生为中心”的学习成长解决方案。技术始终服务于人的发展，这正是“有温度的AI”的应有之义。

“摇篮”与“练场”：从AI人才到教育生态

当技术路径逐渐清晰，一个更深远的问题浮出水面：这场合作，最终要留下什么？

答案不止是技术层面的突破，而是一个可持续的人才培养与技术转化生态。

实验室被定义为AI顶级人才的“摇篮”与“练场”。在中国人民大学，学生从大二起就能参与“科研瓴计划”，进入真实科研项目。而未来，他们可以直接参与到与高途合作的项目中实习，在产学研闭环中成长——从课堂到实验室，从实验室到真实业务场景，从场景反馈再回到研究优化。

对于人大而言，这种合作让学术研究找到了最佳的应用土壤。教育场景的复杂性、对准确性的极致要求、对伦理的高度敏感，都为AI技术的发展提供了最严苛也最有价值的试验场。在这里产生的研究成果，不仅具有学术价值，更有直接的社会价值。

而对于高途而言，与顶尖学术机构的合作，不仅能获得前沿技术支持，更重要的是建立了一条通向未来人才的桥梁。在AI时代，人才是最稀缺的资源。能够在学生的成长早期就建立连接，能够为他们提供真实的实践场景，这种投入具有极大的长期价值。

正如罗斌所说，高途更关注的是构建一个能够支撑各业务单元源源不断、自主创新的体系和机制。“我们也希望未来在合作过程中能够吸引一些优秀的人大学生选择投身于教育事业，选择加入高途。”

从更宏观处看，这种产学研深度融合的模式，为中国AI教育的发展探索出一条新路径——不是简单的技术采购或项目外包，而是理念共鸣、优势互补、生态共建。

尾声：向“无人区”进发

中国工程院院士潘云鹤曾为高瓴人工智能学院题词：“勇闯无人区”。如今，这五个字也成了高途与人大这场合作的精神底色。

什么是AI教育的“无人区”？不是简单地把AI工具塞进课堂，不是用技术包装传统教学，而是真正回答：如何让AI既提升效率又保有温度？如何让技术赋能而不是替代教育的本质？如何在标准化与个性化之间找到平衡？

这些问题没有现成答案，只能在不断探索中寻找、试错。但可以确定的是，这场探索不是技术公司的独角戏，也无法由学术机构独立完成，它需要产业的敏锐，学术的深度，更需要教育者的初心。

金欣在分享结束时说：“我们希望一起推动科研成果开发共享，携手共破生态边界，向社会贡献我们的智慧教育解决方案。”

对于高途这样的教育企业、以及人大这样的高校学府而言，技术会迭代，产品会更替，但探索未知、勇闯无人区的精神，以及对教育本质的坚守不会改变。

这才是这场合作最深远的意义所在。