解题出海产品竞争红海化，TutorEva凭什么收获200万用户？

　　来源|多知

　　作者|徐晶晶

　　2023年5月，一款名为“TutorEva”的AI解题产品登陆北美市场。

　　与字节Gauth、作业帮Question AI、Answer AI等面向泛学生群体的解题类出海产品均不同的是，TutorEva面向北美大学生提供多模态解题功能。体现在交互上，TutorEva的AI老师，可以边讲解、边板书画图，引导学生一步步思考。

　　截至目前，TutorEva已有200多万用户，预计ARR(Annual Recurring Revenue)超过百万美金。

　　TutorEva的背后是一家名为“悉之智能”(以下简称“悉之”)的教育科技公司。

　　不过，这并不是一家新公司。早在2017年，悉之便已成立，主攻“自动解题/讲题”，与头部教育公司开展了To B合作。2022，其开始寻求转型，探索“自动解题/讲题”出海的可能。

　　近两年，悉之在开源大模型的基础上深入一步：自研了KAS(Knowledge Agent)架构，训练了千亿基座模型EVA-LLM。当下，除了深耕海外市场外，悉之也将以To B模式拓展国内教育市场。

　　不过，显而易见的挑战是，国内的通用大模型、教育垂直大模型林立，悉之在教育生态位上的机会又在哪?

　　借助自研的KAS架构，其表示能让大模型的数学推理能力和准确性获得显著提升。如此来看，它更像是教育AI产品背后的大模型解决方案提供商。

　　实际上，在很多教育产品背后，已然有悉之的身影。例如，其与新东方优编程、希沃、紫光摩度均达成了合作。

　　和大多数To B的科技公司一样，悉之一贯低调，不过，其创始人孙一乔却并不欠缺一个典型的“95后”技术派该有的自信。目前，其团队接近80人，核心团队均来自清华北大。

　　近日，孙一乔向多知分享了他在当下阶段的思考：关于AI老师、关于教育解题产品的出海前景、关于教育垂直大模型、关于通用大模型的教育场景落地、关于GPT-4o的讲题功能……

　　01

　　解决教育场景大模型幻觉的一种新思路：“在推理层基于联合模型做输出”

　　“今年开始，我们明显感觉到，国内公司对AI教育的热情高涨。光是来这间办公室找我们谈合作的上市公司高管、行业大咖就有好几位。”

　　春江水暖。

　　在AIGC热潮下，作为一家以To B业务起家的公司，孙一乔显然比周围人更早感知到了今年非比寻常的一些变化。这给悉之带来的直接影响是，团队将今年的工作重心由此前的To C产品的出海转至To B解决方案业务。

　　当前，除了与新东方优编程合作研发“优香农大模型”外，悉之智能还与紫光摩度、希沃均达成了合作，共研大模型及应用层的AI老师产品。

　　这也不免让人好奇，这家公司究竟有什么样的核心竞争力?

　　故事要从一个青年的坚持讲起。

　　2017年，孙一乔从清华大学电子工程系毕业，跃入教育创业潮：他一直梦想着实现AGI。而要实现AGI，最重要的基石便是AI的数学能力及其背后的逻辑能力。

　　“要解决AI的数学能力，就要为AI提升数学能力这件事找到一个有价值的场景，这个场景必定是教育。”孙一乔笃定。

　　如何让AI提升数学能力?

　　起初，团队基于BERT架构结合KAS系统模型研究自动解题。当这波大模型热潮出现后，悉之在底层技术方面进行了迭代，引入了大模型。但是，大模型仍面临幻觉和逻辑推理等问题，在容错率极低的教育场景下，只有解决大模型幻觉和逻辑推理问题，才能解决AI的解题能力。当前，解决大模型幻觉问题常用的方式是RAG(Retrieval-augmented Generation，检索增强生成)，但是悉之另辟思路，“在推理层基于联合模型做输出”。可以简单理解为，给了飞行员一本“操作手册”。

　　孙一乔举了个例子：

　　“如果现在让你坐飞船去月球，但驾驶员是GPT-4，你肯定不敢坐，因为大模型的幻觉避免不了。

　　但是，假设GPT-4在做任何操作前，都有一本完整的飞行员操作手册指引，这种情况下，你是不是就放心多了?

　　基于这本手册，GPT-4要做的只是规划和调度‘去月球走哪条路最快’，但无论走哪条路，都已经有写好的算法等待启用，这就会大大提高GPT-4带你去月球的可靠性。”

　　悉之要做的事，就是为大模型找到这本飞行员“操作手册”，降低其幻觉的产生。

　　孙一乔认为，纯粹的统计模型无法很好地解决数学题。而他的思路是，基于数学构建一套完整的知识体系，让AI在解数学题时能调用这些数学知识解题，以提升大模型的准确性。

　　在具体的技术路径上，悉之自研了KAS架构。

　　孙一乔自信地说：“我们认为类KAS架构正在成为主流，而且这个架构一定是最终的架构。”

　　

　　悉之要做的是，“在推理层基于联合模型做输出”，“由一个大模型把题目拆解调度，在解决具体问题的时候，调用数学模型输出，比如有逻辑的推理、数学的推演，整个过程叫联合推理。”

　　孙一乔认为，RAG只是在大模型的输入中增加了prompt，本质上不改变大模型的能力。而KAS架构作用在大模型的推理和训练过程。一方面通过SFT和强化学习，教会大模型用工具调用的方式使用相关数学知识和解题技巧，另一方面，在模型的推理过程中，对它的求解结果进行推理、计算等的校验和修正。

　　也就是说，在KAS架构的帮助下，大模型增加了推理逻辑能力，让大模型“知其然，更知其所以然”。

　　如果KAS架构成为主流架构，是否意味着任何科技公司都可以探索这一方向?悉之的价值又在哪里?

　　孙一乔表示，KAS架构的实现，颇有门槛。“如果说，Transformer架构的门槛在于需要海量的数据。那我们这套架构的难点在于开发量是线性的，是一个耗时耗力的浩大工程，相当于把人类的所有的数学知识都要用AI能够编译的方式标注出来，还要用数据教会AI怎么使用它。”

　　02

　　“我们绝不做Chatbot”：一位擅长多模态讲题的AI老师是如何诞生的?

　　循着上述技术路线，从2021年开始，悉之花了近两年时间研发了这一架构。

　　在应用层，TutorEva也随之诞生。

　　相比GPT-4来说，TutorEva依托的高等教育模型有怎样的提升呢?孙一乔透露：“我们内部测试过，如果是微积分题，GPT-4的解题率不到70%。但是通过我们的模型做了提升和优化后，GPT-4的解题率可以提升到80%左右。”

　　当解数学题时，通用大模型的做法只是像写小作文一样不断输出结果。但TutorEva不同，内置AI老师，会先给解题思路，然后边讲解、边板书画图，一步步引导学生思考。

　　虽然可能最后输出的答案都是相同的，但孙一乔解析了这两种输出方式背后的底层不同：

　　“其他公司使用通用大模型讲题的方法往往是把参考答案作为Prompt喂给大模型，让它讲，这样出错率很高。因为大模型的推理过程是不可解释的。

　　而我们不同，在解题过程中，将解题任务拆分为题意理解、预设思路、运用知识、逻辑推理、计算等子任务，调用不同的Agent执行。本质上是AI老师知道要用什么方法，再讲什么方法。大家总说大模型是不可解释的，我们首先让大模型的解题变得可解释，后面再加讲解。这才是顺理成章的。”

　　基于此，孙一乔认为，市面上很多AI老师不过是Chatbot(聊天机器人)，但TutorEva并不是。“我们绝不做Chatbot。AI带来的最大的价值是AI老师可以对每个孩子都进行实时互动讲题。未来AI老师若要在很大程度上替代部分真人老师，那AI老师就一定不能只是聊天机器人。”

　　据孙一乔透露，TutorEva的AI讲解平均每道题的听讲时间超过3分钟。

　　截至目前，TutorEva有200多万用户，单月MRR（Monthly Recurring Revenue）超过10万美金，预计ARR（Annual Recurring Revenue）超过百万美金，续费率60%，讲解好评率84%。

　　孙一乔透露，接下来，TutorEva会聚焦在三个方向：

　　其一，继续优化模型能力。“我们很清楚，这个场景对AGI有巨大的帮助，所以我们要做一件模型层有壁垒的事儿，避免比如GPT新版本一出、创业公司死一堆的情况。”

　　其二，要构建一个生态。“现在做AI应用的公司，一定要实现大模型、场景、收入、数据飞轮的闭环。如果只是调个OpenAI接口，那肯定长久不了。如果你构造的是一个完整生态，大模型公司对你也有需求，你也能持续地为大模型公司产生场景、创造价值。”

　　其三，场景深耕，继续聚焦北美大学生，开发更多垂直功能。

　　悉之智能最近一次大范围走入人们的视野，是在今年5月底，和新东方优编程联合推出信息学领域首个垂直大模型——“优香农大模型”。信息学AI老师“悉加加”也依然采取互动式多模态讲题方式。

　　在孙一乔看来，“优香农大模型”带来了信息学领域师资供给侧改革的可能性。

　　03

　　“解题出海产品竞争红海化”，“教育生态细分且复杂，单纯的大模型公司无暇入场”

　　孙一乔判断，就海外的To C解题市场而言，当下已然处于红海竞争阶段，没有新入局的创业者的机会了。

　　“凡是基于大模型接口做应用的AI教育创业公司，都没有壁垒，这也意味着这是一个完全竞争市场，利润为零。

　　调接口做应用就是一个资本游戏，看谁能融到更多的钱，看谁能持续烧钱获客直至最后跑出来。

　　但这个时代已经没有这样的资本环境了，现在投放这么激烈，VC们早不相信这种套壳应用能够通过烧钱打品牌。

　　除非你做的事有一些壁垒，比如你的课程体系、模型、管理能力等，或者一些真正能解决技术难题的公司，或者对AGI有追求的大模型公司在这方面布局是有机会的。

　　但在当下，对新创业者挑战也很大。我们公司如果没有过去四五年的积淀，从头开始再做这件事，可能需要几千万美金。

　　如今，谁又能靠做AI教育垂直产品就融到几千万美金呢?”

　　尽管否定了新创业者的机会，但是，孙一乔认为，大厂生态下仍然有机会。“由于是有战略意义的，大厂一定要把解题场景占住。”

　　“在AI老师这个领域，如果GPT-4o讲题的场景真的能落地，基本上就赢了。但这条路其实还蛮漫长的，要达到理想状态，大概需要一两年。”

　　今年以来，孙一乔将视角切回到国内。

　　他认为，“如果在国内市场只提供解题功能，那还不如以小猿搜题为代表的这类工具产品。小猿们多年来已经通过人工题库的方式做到了解题的90%，国内大模型的解题能力在两年之内，不可能超过这些解题工具，起码从成本侧、性能侧来看，大模型还不足以和小猿们形成代际差。”

　　因此，在国内市场，悉之坚持做To B，“选择每个领域最头部的伙伴深度战略绑定”。“我们要做(就要做)这个生态位上最好的公司。”孙一乔说。

　　在国内，悉之基于开源模型，训练了千亿基座模型EVA-LLM。对比开源基座模型，悉之训练的模型在数学解题方面可以提升15%-25%的表现。

　　当前，一些通用大模型公司希望在教育场景落地，也在向教育领域拓展商业化场景。

　　不过，孙一乔认为，“国内教育生态复杂且细分，单纯的通用大模型公司无暇入场，它们应该聚焦AGI实现，不应该、也没有这个基因做教育。”

　　他提到，现在通用大模型公司的能力和教育公司真正的需求相差甚远。“而我们这类公司(作为桥梁)能很好地综合这两点。基于大模型公司的基座大模型，在教育环境下开发出针对性的算法和功能。”

　　创业七年，兜兜转转。

　　悉之有过一些成绩，也有一些压力：

　　“现在的大模型公司纯粹做模型和基础应用就行，教育公司纯粹做教育服务就行，而我们需要把全链条都做了。

　　我们要自训模型，需要大量的算力，它需要很大参数的基座模型。我们还要基于这个基座模型，自训我们的模型，也需要大量算力，所以我们的科研投入是很大的。科研投入完，我们还要给客户交付完整的产品方案。

　　但是目前的大环境要支持我们做全链条这件事有一定的难度。就现在的资本环境来说，除了大模型公司有很高的溢价外，并没有给到我们这类公司很高的溢价，这让我觉得我们的价值跟做的全链条事情有一点被低估。

　　这导致我们在资源上有点紧张，所以我们也在寻求跟一些大模型公司合作，由他们来提供算力，我们给他们提供一些价值，彼此合作。”

　　2023年9月的一场直播上，谈及值得投资人付出耐心的项目时，启明创投副总裁李定政回忆起2021年那次“坚定地”下注：

　　“当时(指2021年上半年)所有人都猜到教育新政策马上就要来了，也都预感到这次政策将会产生很大影响，但我们还是坚持在这样的环境下投了一家教育领域的AI创新公司。

　　它不仅能把一道微积分难度的数学题，解出答案，还能给到分步的交互式讲解。讲的过程中还会加入解题技巧、引用定理、类似题型处理等。

　　这是一个完整的师生交互的过程。这意味着每个人都可以拥有一位擅长个性化教学的AI老师。而这套过程要用真人老师来解决的话，成本通常是每小时200-400块钱。但是用AI解决，它的成本可能是几块钱的算力，对应的产品价格如果定在10块钱，对一些家庭来说，或许无法支付每小时200-400块钱，但肯定能付得起每小时10块钱。

　　这其实就是我们风险投资机构最应该去赌的东西。”

　　李定政口中的这家公司便是悉之。

　　直到今天，我们依然无法判断启明创投的这笔投资是赚是赔，但在这个年轻的团队身上，能看到新一代创业者用科技改变教育的努力。