培生公司第三季度销售增长加速,并预示着年底将有更强劲的表现,但该公司对AI技术的运用可能证明是更具重要意义的发展。
三季度销售额增长4%,年初至今累计增长2%。表现突出的是公司虚拟学习部门,第三季度销售额跃升17%,学生注册人数攀升。培生公司运营在线学校,将AI工具嵌入课程材料中,公司表示有越来越多的证据表明这些工具正在帮助学生取得更好的成绩。
培生公司一直在推出AI学习内容和产品组合。最近推出的产品包括AI素养模块,教授学生如何有效且负责任地使用AI平台,以及Study Prep视频平台,该平台结合了人工导师和AI学习工具。公司还推出了一个集成到英语学习应用程序中的聊天机器人,为中国约100万学生提供服务。
在更广泛的期望未能实现的背景下,培生公司的进展显得尤为突出。麻省理工学院8月发布的一项广泛引用的研究发现,约95%的企业AI试点项目未能带来利润增长。这一主要数据引发了科技股抛售,并引发了关于AI是否更多是炒作而非实际帮助的辩论,但报告的真正洞察是大多数失败源于"学习差距"。
研究发现,公司往往不了解如何使用AI工具,或者未能调整工作流程以最好地利用技术。在许多试点项目中,AI系统本身无法随时间学习或适应新信息。
取得真正进展的公司采取了不同的路径,为狭窄的流程定制AI工具,并通过业务成果来判断成功。他们寻找适合现有运营并随时间改进的系统。培生公司的策略似乎遵循了类似的方法。
公司的转型可以追溯到其最近技术投资之前很久。培生公司的根源可以追溯到19世纪中期,当时它开始作为一家建筑公司,后来多元化发展到石油、银行和电力领域。这家企业集团在20世纪下半叶通过收购《金融时报》、《经济学人》和企鹅图书等公司转向出版和媒体。但到了1990年代,培生公司剥离了大部分非核心业务,专注于教育领域。
在安迪·伯德于2020年10月至2024年初担任首席执行官之前,公司经历了一段充满利润预警和裁员的动荡时期。这位前迪士尼高管开始引导培生公司从传统教科书出版商转型为数字优先的学习公司。
奥马尔·阿博什曾任微软行业解决方案业务总裁和埃森哲长期高管,接替伯德并寻求加速培生公司的转型。这一策略帮助推动其伦敦上市股票在过去五年中跃升118%。
早期迹象令人鼓舞,但现在更艰难的工作是证明AI能够在培生公司运营的各个地方改善学习效果和盈利能力。
Q&A
Q1:培生公司的虚拟学习部门表现如何?
A:培生公司虚拟学习部门在第三季度表现突出,销售额跃升17%,学生注册人数攀升。该部门运营在线学校,将AI工具嵌入课程材料中,有越来越多的证据表明这些工具正在帮助学生取得更好的成绩。
Q2:培生公司推出了哪些AI学习产品?
A:培生公司推出了多种AI学习产品,包括AI素养模块,教授学生如何有效且负责任地使用AI平台;Study Prep视频平台,结合了人工导师和AI学习工具;以及集成到英语学习应用程序中的聊天机器人,为中国约100万学生提供服务。
Q3:为什么大多数企业AI项目会失败?
A:根据麻省理工学院的研究,约95%的企业AI试点项目未能带来利润增长,主要原因是"学习差距"。公司往往不了解如何使用AI工具,或者未能调整工作流程以最好地利用技术,而AI系统本身在许多试点项目中无法随时间学习或适应新信息。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。