松鼠Ai北美CEO梁靜：智適應教育大模型——構建無界學習的新生態

11月17日至18日，芥末堆在北京舉辦以“教育有AI，學習無界”為主題的GET2025教育科技大會。在18日上午的領袖論壇上，松鼠Ai智能老師聯合創始人、北美CEO梁靜就《AI時代的智能教育：智適應教育大模型——構建無界學習的新生態》進行了主題分享。

以下為演講實錄，經編輯：

我們在人工智能教育行業深耕了11年，核心聚焦智適應教育，打造了全學科多模態智適應教育大模型。過去一年，我在海外頻繁交流，考察了大量AI教育公司，今天想把這些觀察和思考分享給大家。

在美國的行業大會上，每年都會涌現200多家AI教育創業公司，但我發現，絕大多數企業并沒有真正打造自己的核心模型，畢竟自主研發模型的難度極大。它們大多是在大語言模型基礎上疊加淺層應用，套上不同場景的“殼子”，涵蓋素養、學科、文化藝術、編程等領域。這類產品在流量獲取上或許可行，但要做深垂直賽道、讓孩子真正學有所獲，難度極大。

當AI泡沫褪去，那些沒有深耕垂直領域、缺乏自主模型、算法和數據積累的公司，必將面臨巨大風險。這不僅是教育行業的共識，醫療、金融等領域也同樣如此。未來，人工智能的核心競爭力在于“垂直深耕”，只有把用戶數據轉化為精準洞察，通過自主引擎和模型推送給用戶最有價值的內容，才能在各個行業站穩腳跟，這也是教育行業最該堅守的核心價值。

今天我重點聚焦智適應教育大模型。松鼠Ai 是全球唯一被多家機構評為L5級全自動駕駛級別的智能教育品牌。大家都清楚傳統教育的困境，核心癥結其實是無法實現孔子所說的“因材施教”， 每個孩子只能學習統一的內容，個性化無從談起。

現在的大語言模型、ChatGPT看似提供了個性化服務，但存在一個關鍵問題：它們真的了解每個孩子嗎？當你登錄查詢答案時，系統會即時響應，但不會記錄完整的學習行為路徑，更無法追蹤你的知識盲點和學習潛力。這類AI對話助手只是“問答工具”，而非“智能老師”，沒法做到真正的因材施教。

傳統教育的核心訴求，是讓每個孩子都能獲得專屬的學習方案，不是孩子主動提出需求，而是AI系統能精準判斷“你當下該學什么、該練什么”，吃透你的學習數據、難點痛點和潛在潛力。只有做到這一點，才能真正破解傳統教育的困境。

谷歌未來教育報告等諸多行業研究都指出，人工智能自適應學習是未來個性化教育的核心趨勢。但大家要明確“個性化”不是泛化的概念，不是任何AI技術都能實現的。真正能落地的個性化教育，必須依托智適應技術，這是經過驗證的核心解決方案，絕非簡單的識別類AI能替代。

根據沙利文研究，智適應教育中智能技術分為L0-L5級，級別越高智適應學習能力越強。目前，松鼠Ai 已進入L5級完全智適應 “自動駕駛” 級別。這是什么概念？L4級還需要真人老師輔助，形成“智能老師+真人老師”的教學模式；而L5級則實現了全流程AI自主教學，先通過測試定位知識盲點，跳過已掌握的內容，追根溯源找到核心薄弱點，待完全吃透后再推進下一步。這就像特級教師授課：知道五年級的孩子若三年級知識點有缺失，就先補三年級內容，循序漸進確保真正學會。

為了驗證智適應智能老師的效果，我們從2017年啟動了亞太區首場人機大戰，至今已累計開展100多場。對比實驗中，一邊是傳統班“一位老師教三名學生”，另一邊是松鼠 Ai“一名學生配一臺智能老師”。

所有結果都證明：通過人工智能自適應系統學習，相當于擁有了專屬特級教師，效果顯著。不僅成績提升，相同時間內掌握的知識點總量遠高于傳統班級。更重要的是，孩子的學習體驗大幅改善：他們覺得系統“懂自己”，只推送不會的內容，游戲化的設計讓學習更有趣，甚至有學生反饋“比老師教得好”。

培養一名優秀教師需要多年沉淀，但借助AI智能系統，培養能輔助教學、數據分析、情感溝通的督學師，僅需兩三個月到一年。這讓行業能批量培養優質教育從業者，同時保障教學效果，這就是技術賦能的價值。

接下來給大家介紹我們的商業模式，相信大家會感興趣。我們采用代理商模式，目前在國內有3000多家代理商、經銷商，開設了3000多家“AI自習室”。和普通自習室不同，我們的自習室里沒有老師授課，工作人員被稱為“督學師”或“數據分析師”。

他們依托龐大的后臺系統，實時監測數百名學生的學習軌跡、數據和路徑，一旦出現異常，比如快進、走神等情況，會及時介入，甚至暫停學習進行思想溝通。這些督學師都系統學習過教育心理學、家庭教育學和數據分析工具，核心工作是解析數據、對接學生和家長，而非直接授課。

松鼠Ai 之所以能在AI教育領域堅守11年，核心源于創始之初就確立的技術深耕路線。我們與中科院自動化研究所成立聯合實驗室，與斯坦福國際研究院持續七年聯合技術研發，在全球AI頂會發表論文100多篇，斬獲全球最佳發明、人工智能創新獎等多項榮譽，還兩次入選斯坦福商學院案例，創始人栗浩洋四次親自授課分享經驗。

這背后是我們的智適應引擎，三層架構疊加大模型。

第一層是學習目標層：學生進入系統后，AI先診斷，設定個性化目標（含預計時長和達成標準），且目標會根據學習情況實時動態調整。這里還包含內容地圖、學習地圖和錯因分析，同樣是選B答錯，不同學生的錯因可能完全不同，系統會精準捕捉這些差異；

中間層是學習記錄與推薦層：實時記錄學習畫像，通過推薦引擎分析學習行為，動態匹配最優學習內容；

第三層是實時交互層：系統推送學習內容后，學生通過看視頻、做解析、練題目完成學習，過程中的反饋會被實時捕捉。比如語音交互、Pad手寫解題思路（通過OCR識別）等多模態行為，都會被收集分析，再通過中間層優化推薦內容。

目前我們已覆蓋語數外、物理、化學、生物等全學科，更核心的是打造了MCM（學習思想、能力、方法）系統。大家都認同素養教育的重要性，上一位演講者也提到 “學數學的目的不止于知識”。我們把每個學科拆解出大量核心能力與方法：學物理能掌握對稱思想、逆向思想，學數學能提升猜想能力、數據分析能力、數感直覺等，這些能力在未來成長、工作、生活中都極具價值。

我們不提倡唯分數論，但學科學習的核心不僅是提分，更是思想方法的沉淀。國內在這方面的研究已非常透徹，而美國產品會更側重先培養思想能力方法，再夯實知識，這是基于文化差異的適配。在我們的系統中，思想、能力、方法貫穿每個學科、每個年級，孩子提分的同時，能清晰知道自己的能力短板，并有針對性地提升。

再深入說說智適應教育大模型的核心邏輯，它包含遺忘曲線、有效時長、追根溯源等多個維度，形成完整的數據追溯鏈條，還設計了“重學隔離池”、“戰略放棄”、“戰略后排” 等智能機制。

比如30分左右的學生，若60分以上的內容反復學不會，系統會 “戰略放棄”，暫時擱置這些內容，待其分數提升至50-55分、具備學習基礎后，再逐步引入；“戰略后排” 則是延后學習優先級，而非徹底放棄。AI會根據每個孩子的狀態自動調整知識素材的學習順序。

大家對“智能體”的認知可能是訂票、翻譯等單一功能，但我們的系統融合了多個智能體：數學、語文各有專屬智能體，錯因分析、自動駕駛、AI助手也都是獨立智能體，它們不是孤立功能，而是深度整合進智適應教育大模型，形成協同發力的整體。

有兩個真實案例想和大家分享：教育部旗下《中國教育信息化》期刊刊登過山東某高中的案例，通過一學期的松鼠Ai系統學習，學生數學平均分提升31.2分。吉林一所希望學校（師資薄弱，一位老師兼顧多學科），初三學生用系統兩個月后，中考平均分提升50分；還有宿遷另一所學校，全年級墊底的班級（原第15名），通過半年300小時的系統學習，夯實知識地基，逆襲至全年級第4名。

最讓我們感動的是青青的故事。青青曾經是湖北恩施巴東縣白沙坪小學的一名學生，因為身體原因只能輟學在家，我們把系統送到她山里的家中，幫她實現居家學習，后來還資助她進入初中。我們持續跟蹤了6年，今年高考，青青成功考上武漢大學。她在接受媒體采訪時說，“當年松鼠Ai來到我家，是AI幫我拆掉了家里的那堵墻。”

不敢說松鼠Ai是唯一的助力，但正是AI技術讓她獲得了個性化教學，補齊了過往的知識短板，才能在初中、高中跟上進度，一步步精準提升，最終實現人生逆襲，這就是技術賦能教育的溫度與力量。

現在越來越多傳統教育公司、出版社涌入AI教育賽道，大家都認同“AI 將顛覆教育”。但我們想重申，教育的核心永遠是“讓每個孩子學會學懂，真正做到因材施教”。

要實現這個目標，必須依托智適應算法技術，無論產品形態如何，只有做到精準學習、效果可追蹤，才能真正兌現AI教育的價值。