“我有豆包了，為什么還要買你的AI課？”獨家對話51Talk蔡林

51Talk技術副總裁兼AI研究院院長蔡林

出品｜搜狐科技

作者｜張 瑩

編輯｜楊 錦

教師節前后，教育企業爭相向外界秀肌肉。“首個通過教師資格證考試的AI老師”沖上熱搜。51Talk也在教師節前夕發布全球首個超擬人AI外教“考拉AI”。

據了解，“考拉AI”能夠實時識別學生的專注度與情緒變化、精準定位知識薄弱點，并通過強互動方式營造輕松敢說的氛圍，激發主動表達的興趣。

發布會后，搜狐科技獨家對話51Talk技術副總裁兼AI研究院院長蔡林。

“AI+教育”不算新鮮的話題。單在語言教育上，國內的AI產品就已經層出不窮，比如高途推出吳彥祖AI口語陪練相關課程、VIPKID也推出了Mastar虛擬人等等。

不過在蔡林看來，真正的AI老師的比拼還沒有開始。

他指出，目前市面上的AI老師用到的技術仍是“TTS + ASR + LLM”三段式：語音轉文字，文本給到大模型，大模型又吐出來文本，文本再轉語音。蔡林用5G時代類比于我們所處的階段，而這一技術只能算是4G時代的技術。

他認為，5G時代應該是speech-to-speech（端到端語音）的技術，一定是“端到端”，中間零轉換，就像 OpenAI 的 GPT-realtime、Google 的 Gemini Live。

蔡林表示，只有當“realtime”類的技術大規模出現，且成本降低，AI語言培訓類產品才會到達更高的境界。這一時刻可能最晚在明年第二季度到來。

“我們最早做 AI 老師，是去年在海外跑體驗課，用的就是realtime的技術，一節課的成本是45美元，很夸張。”蔡林分享道，Open AI 的代理商、微軟都說，“不知道你們教育行業為什么都這么瘋狂？”“這個東西這么貴，為什么消耗那么多錢去測？”

他認為，這個問題的背后是大家還沒有意識到，下一代技術對語言類產品影響有多大。蔡林透露，51Talk也準備了“純 realtime”的考拉AI產品，目前考慮到成本還沒有放開。

在AI教育賽道，教育企業不僅面臨著教育行業內部的競爭，同時面臨著豆包等AI工具的競爭。

蔡林最近經常聽到一個問題——“我有豆包了，為什么還要買你的課？”

在蔡林看來，用豆包堅持學英語是一個偽命題。而對于教育產品而言，激發學生持續學習的動力最為關鍵，并且需要有人陪伴和提供服務，才能堅持下去。

此外，從用戶的角度來看，學習是一件嚴肅的事情，希望能看到效果。因此科學地規劃學生的學習路徑，培養他們的學習習慣非常重要。這跟單純使用豆包去學習完全不同。

“現在市面上很多純對話、沒有教材、沒有老師的語言學習課程，完課率都非常低。”

蔡林表示，“AI+教育”行業必須回歸教育的本質。盡管蔡林是“老程序員”，但他仍認為，這一行業并非純技術的比拼，而是比拼企業在行業里的認知和綜合運營能力。

關于多模態、幻覺、AI和人的關系：

等成本降到足夠低，多模態會成為教育產品必選項

搜狐科技：在做“考拉AI”的過程中，實時語音模型、視頻模型的成本是一大問題嗎？

蔡林：說實話，視頻的成本還是挺高的。但是很多視頻其實是一次性的，做完之后，就不需要再去做那么多復雜的東西了，而且視頻是預生成的。

搜狐科技：51Talk已經開始嘗試融合多模態數據，比如課堂表情識別，去判斷學生的學習狀態，這方面的成本呢？

蔡林：我覺得還行。現在的多模態識別并不是全程實時采集攝像頭，而是取巧地“抽幀”，隔幾秒抓一張圖，扔給模型去解讀。行業里基本都這么干，OpenAI也是，不斷截屏喂給模型，算下來成本可以接受。

搜狐科技：未來多模態能力會是教育企業的必選項還是加分項？

蔡林：等成本降到足夠低，多模態一定會變成必選項。純文本模型“看不見”人，通過抽幀圖像，模型就能“看見”用戶，產品邏輯完全換了一層。

舉個例子，智能體提前獲取你的位置信息，今天你們在朝陽，外面陽光好，它就先問“空氣很棒，心情怎么樣？”如果當地下雪，它會說“我看到你們那兒下雪了，開心嗎？”AI其實在模擬人，目的就是拉近孩子與AI的距離。

搜狐科技：大模型仍然存在幻覺問題，語言教育會不會也面臨幻覺問題？

蔡林：一定會。我們也在反復地去想怎么盡量減少幻覺。我們的課中做了多智能體的架構，有一個智能體來去判斷AI有沒有胡說八道，這是我們微調出來的小模型。

大模型如果在垂直任務上經過專門訓練，其實可以做得非常精確；但如果只依賴通用模型的基本能力，它的幻覺可能會非常嚴重。

搜狐科技：但是幻覺和想象力相輔相成，我們怎么去做平衡？

蔡林：我們現在其實做了一個取巧，在不同的場景里面給大家的開放程度不一樣。有些場景極其嚴謹，你不能亂聊；有的場景可以去開放一點。

搜狐科技：AI技術是否改變了對教師的需求數量和素質要求？AI是會替代部分教師，還是賦能教師，讓他們更專注于情感互動、高階思維培養等AI難以替代的領域？

蔡林：我認為AI帶來的改變不僅僅限于教師領域，而是關系到我們每個人。

前陣子出現了很多編程智能工具，比如Claude Code。一開始很多程序員特別焦慮，擔心是不是要被替代了。但我們內部討論之后，大家反而特別開心。因為這相當于把以前我們不愿意做的那些重復勞動，全都交給AI去干。

對教師來說也是一樣的。AI可以幫助教師擺脫重復性工作，從而更專注于提供人性中最溫暖的東西。越是在AI強大的時代，人的價值反而越凸顯。

搜狐科技：怎么平衡AI和人的參與度？

蔡林：我們現在是設計了真人的服務在里面，可以給學生提供一些情緒價值。真人教學目前還沒有加，考拉現在還是一個純粹的AI native的產品。

關于發展現狀、行業競爭：

最晚明年Q2，AI老師的比拼會真正開始

搜狐科技：目前教育企業都在推出AI相結合的產品，比如高途的吳彥祖AI口語陪練等等，現在英語教育產品是否會面臨同質化競爭？

蔡林：大家可能認為AI教育產品已經百花齊放，或者說大家都卷得差不多了。我反而認為真正的AI老師的比拼還沒開始。

因為現在所有的公司用到的技術仍是“TTS + ASR + LLM”三段式：語音轉文字，文本給到大模型，大模型又吐出來文本，文本再轉語音。如果說我們現在是5G時代，這一代技術可能還是一個4G時代的技術。5G 時代應該是speech-to-speech的技術，語音進、語音出，中間零轉換，就像 OpenAI 的 GPT-realtime、Google 的 Gemini Live。

我們現在要感知到這個學生的情緒，要去分析他的圖像，把他的聲音轉成文字，來判斷他情緒是不是飽滿。下一代的技術一定是“端到端”，只聽聲音就能判斷你是開心還是悲傷。

現在還沒有達到（真正的AI老師）臨界點。只有當“realtime”類的技術大規模出現、成本降低， AI 語言培訓類的產品才會真正到達更高的境界。現在看到的產品都不是最終形態。

搜狐科技：您覺得這個臨界點會在什么時候？

蔡林：可能會很快，我估計最晚明年Q2。

搜狐科技：到時候AI教育產品是不是會卷到另外一個程度？

蔡林：一定會。我們最早做 AI 老師，是去年在海外跑體驗課，直接跟真人老師做 AB 測試。當時我們用的就是realtime的技術，云進云出，一節課的成本是45美元，很夸張。

當時我們跟Open AI 的代理商、微軟去溝通，大家都說，不知道你們教育行業為什么都這么瘋狂？這個東西這么貴，為什么每天消耗那么多錢去測？

因為大家還沒意識到，下一代技術對語言類產品影響有多大。我們所有的努力都是試圖接近 realtime的形態去提供教學。我們還有一個“純 realtime”的版本，考慮到成本沒有放開，只要條件具備，我們隨時切換。

搜狐科技：不僅是教育企業，一些通用大模型同樣可以進行英語對話，比如豆包等，那我們的優勢在哪里？

蔡林：我有豆包了，為什么還要買你的課？這個問題很現實。但你真的能用豆包堅持學英語嗎？這可能是一個偽命題。當然我不是說豆包的體驗不好，我們背后也用了很多豆包的技術。

我們做過大量的調研，從用戶的角度來看，學習是一件嚴肅的事情；并且希望能看到效果。所以，如何科學地規劃孩子的學習路徑，培養他們的學習習慣，這才是關鍵。

我們現在設計的場景是，學生進入我們的平臺后，我們會為他們制定學習計劃，并且有真人老師進行督導。AI必須與真人的服務結合，而不是一個單純的工具就能學好。

我認為，“AI+教育”這個行業必須回歸教育的本質。

搜狐科技：在您看來，未來教育的競爭是技術的競爭、資源的競爭，還是生態的競爭？

蔡林：肯定是生態的競爭。雖然說我是一個很資深的老程序員，夢想說用純技術來去改變一個世界，但我認為單純的技術肯定是不夠的，未來的競爭一定是一個綜合的競爭。

運營編輯 |曹倩審核｜孟莎莎