" 妈，这题怎么做？"

这个在有娃家庭中再熟悉不过的声音，如今正迎来 AI 给出的全新答案。

眼下，各种学习 App、智能学习硬件层出不穷——

ChatGPT 上线了学习模式；谷歌推出了 "Learn Your Way" 教育工具；美国得州有私立学校还要求学生每天花两小时和 AI 助手一起学习……

AI+ 教育的浪潮，确实已经汹涌而来。

然而，火热浪潮之下，问题也在显现：

当前大多数 AI 教育产品仍停留在授人以鱼的层面。它们的本质是效率工具 ，追求 "快" ——快速响应、快速批改、快速给出标准答案，但没有解决 " 会 " 和 " 懂 " 的核心痛点。

学生遇到难题，AI 直接给出答案，看似解决了问题，实则掩盖了思维过程的缺失。久而久之，学生容易陷入一听就会、一做就废和盲目刷题的循环。

那么，授人以渔的 AI 教育应该是什么样子？

超拟人交互 AI 老师

行业的演进，比我们感知到的可能更快。

最近教育圈就出现了这么一款大火的 AI 产品，它已经从被动应答的 " 工具 "，进化成了能主动引导、完成教学闭环的 " 师者 "。

它就是学而思学习机 T4 所搭载的 " 小思 AI1 对 1"。

基于多模态感知能力，它能够同时看懂纸上笔迹、听懂学生表达，并能以自然语言进行实时讲解与引导，形成更接近真人教学的互动体验。

话不多说，一起来看看这位 AI 老师究竟有何本领。

只需轻轻拍拍 " 头 "，即可唤醒。

当孩子遇到错题或是不会的问题，把试卷放在它面前，说一句 " 第 XX 题我不会做 "，或直接指着题目说 " 这题我不会 "，小思就能立即听懂 / 看见，精准识别题目并开始讲解。

划重点，讲解过程不再是直接给出解析或是答案，而是真的会像 1 对 1 真人辅导老师一样，一步步引导孩子动脑思考，带孩子自主完成解题。

可以看到，小思在讲解时用到了一种新型方式——纸屏互动。

它会先让孩子拿出草稿纸，然后引导他们将每个解题步骤亲手写在纸上。

每写一步，小思都会实时识别并批改；若有错误，会立刻指出问题所在，耐心讲解原因与正确思路。

在讲解过程中，小思能做到一题多解，会根据孩子所处的学段，选用相应的解题方法。它还会在题目上圈划关键信息，引起孩子注意，这与学校课堂中老师强调的 " 细读题目、圈出重点 " 如出一辙。

即便孩子书写不够工整，或在纸上 " 东一句、西一句 "，又或是草稿纸上原本已有字迹，小思依然能够精准分辨出刚写下的步骤，理解上下文逻辑。

当整道题讲解完成后，小思还会对题目进行整体回顾与重点总结，帮助孩子真正理解这一类题型的解题思路与方法，从而实现真正意义上的智能化辅导闭环。

这种方式彻底改变了学生与学习机的互动方式，从单向的看和听，转变为动手写、实时改、双向互动的沉浸式学习。它不再是把答案塞给学生，而是把思考的过程还给了学生。

而这位 AI 老师的能力还远不止于此。

上个月，特斯拉前 AI 总监、OpenAI 创始成员、现在正在全职搞教育的 AI 大神 Andrej   Karpathy 在一次专访中提到，他们 " 想做的是一种真正的导师体验 "。

他以自己学习韩语的过程为例：最开始是自学；后来报了一个十几人的小班；最后换成了 1 对 1 的导师辅导。他发现，好的导师能迅速判断他的知识水平，提出恰到好处的问题。

Karpathy 认为，当下即便是非常优秀的 LLM 也做不到这一点，而好的导师却可以。

就这点来看，只能说，现在咱国内的 AI 学习机已经能做到了。

小思在 1 对 1 辅导时，会采用个性化教学方案。

如果孩子在解题中持续出错，小思会灵活地转换思路、变换提问角度，从不同侧面试图撬动孩子的思维。多次引导仍未奏效，它会判断学生认知负荷已达到临界点，主动调整教学节奏，确保核心概念能得以传递，教学流程能够顺利走完。

它还能在孩子学习过程中时刻关注其行为并给予反馈，比如提醒孩子坐姿要端正、专心听讲、认真做题；通过情绪感知技术，能够捕捉孩子的情绪变化，在恰当的时候送上鼓励或祝贺。

小思还会将孩子的情绪总结生成家长报告，推送到家长的手机上，让家长可以关注到孩子的兴趣、情绪、成长变化。

另外，当孩子和小思一起学习时，它会自动构建专属每个孩子的动态学情图谱，并基于行为模型生成个性化学习规划，让教学从 " 千人一面 " 走向 " 千人千面 "。

孩子在学校完成的习题或试卷，也能通过拍照上传，让小思持续跟踪学情，进行动态诊断与精准反馈。

以备考为例，这段时间学生往往需要做大量试卷刷题。而当你将试卷交给 " 小思 "，它就能根据学习数据，自动筛选出学生的薄弱环节，优先呈现易错题型与未掌握题型。

总结来说，学生课后学习的三个关键环节——练习后用 AI 批改、错题用 AI 讲解、AI 根据学习画像进行推荐——在学而思学习机 T4 的 " 小思 AI1 对 1" 中，已经形成了一个完整的环环相扣的学习体系。

据学而思相关产品负责人介绍：

小思 AI1 对 1 不仅是行业领先推出的软硬一体超拟人交互 AI 老师，也是学习机行业领先多模态交互智能体。搭载了 " 小思 AI1 对 1" 学而思学习机 T4，更是行业内少有的能做到纸屏互动、分步骤批改加讲解的学习机。

而学而思能够率先做到这些，并非偶然。

软硬一体原生派，自研主导

这背后，是一条由软硬一体与自研主导共同构筑的、难以被快速复制的 AI 原生派护城河。

当前，在 AI+ 教育方向上，业内大致形成了三种主要技术路径：

以大模型为核心的开放平台服务，聚焦模型能力本身，不直接落地面向 C 端的教育产品；

将 AI 能力嵌入教学 App，用于题库、批改、口语陪练等功能模块；

软硬一体化，通过自研模型与专属硬件深度融合，构建原生 AI 老师。

学而思在第三条路径上布局较早，团队认为：

尽管强大的云端大模型是 AI 老师的 " 智慧核心 "，但要实现真正媲美甚至超越真人教学的原生 AI 老师体验——即具备低延迟、多模态、沉浸式交互和深度个性化能力的教学形态——软硬一体化的实现路径是必然选择。

基于这一判断，学而思最新自研的 T 系列学习机成为 AI 老师的物理载体。前置的高清摄像头能看清学生在纸上的每一处演算笔迹；内置的传感器与算法则构成了其视觉神经系统，使之能实现低延迟的纸屏同步与多模态交互。

另外，AI 老师的能力边界，包含两个维度，一方面在于解题准确性，另一方面在于讲题能力。前者是客观过程，讲求逻辑与答案的正确；后者则是主观过程，体现教学设计与启发式讲解的水平。

首先，在解题环节，学而思依托自研的 " 九章大模型 "（MathGPT），承担全学科解题、应用题批改、作文批改、AI 分步讲解等任务。

该模型在中国信通院组织的首轮教育大模型评估中，通过了教育大模型 5 级与教育智能体 4+ 级双项最高级别认证，能力获国家级权威背书。

在此基础上，学而思 AI 老师采用 " 双模型 " 架构，引入业内领先通用大模型 DeepSeek 以增强开放对话与逻辑推理能力。

当下这类 " 垂直模型 + 通用模型 " 协同方案也正在成为教育 AI 的新趋势——垂直模型保障专业精度，通用模型扩展交互与逻辑推理能力。

其次，在讲题环节，AI 的表现取决于其是否具备教学思维。

据悉，学而思将二十余年教研团队积累的授课经验、解题策略与课堂互动逻辑数据，系统性地 " 注入 " 到大模型中，使 AI 逐步掌握教学思维与启发逻辑，具备 " 如何教 " 的能力，而不仅仅是 " 如何答 "。

最后，教育场景对 AI 系统的安全性要求尤为严格。

学而思贯穿全链路的自研体系，正为安全与可靠性提供了保障。

学而思团队介绍道，在内容安全层面，学而思 AI 老师出的题目的都有真人审核，在特定关键环节甚至设有 " 三轮审核 " 机制，并由集团级安全中台提供最终保障。在数据与隐私安全上，学习机内部建立了数据防控与权限管理机制。

自研技术栈还能精准约束 AI 行为，比如题目讲解时以标准答案和解析规范模型，自研意图理解模块搭配可插拔调度的大模型保障专业准确。从在线实时拦截到离线全量复审，安全机制覆盖全流程，保障端到端安全。

综合来看，业内 AI 教学系统的演进，正在经历从 " 答题工具 " 到 "AI 学伴 " 再到 "AI 老师 " 的过程。

通往 " 完全体 " 之路

当 AI 技术浪潮席卷各行各业，教育领域也正迎来一场深层变革。这场变革早已跳出单一教学产品的功能修补，而是向着重构教学模式、拓展学习边界的方向突围。

整个行业都在探索，AI 深度融入教育场景，究竟会带来哪些颠覆性改变？而能真正适配教育本质的 AI 老师，又将是什么样的形态？

在今年的云栖大会上，学而思 CTO 田密对标自动驾驶 L1-L5 分级，提出了 AI 老师的 L1-L5。

其核心衡量标准颇为直接：AI 能在多大程度上替代传统书桌旁的课外辅导角色。

L5 即实现完全取代真人辅导的 "AI 托管 "。

这不仅是学而思的技术路线图，某种程度上也体现出整个 AI 教育赛道可能的技术终局。

按照这一标准衡量，学而思学习机中的 AI 老师能力目前已经一只脚迈入了 L3 阶段。

具体表现为，在题目讲解这一核心场景中，系统已经实现了多模态交互 + 个性化引导，同时将引导 + 实时批改与自适应讲解等能力串联，形成相对完整的系统化学习链条。

实际上，小思全学习机可以自由调度的 AI 能力，有七十多种。

业内有观点认为，现阶段 AI 老师要想做得更好，得在三个方面持续推进：

教学能力：持续优化 AI 老师本身的批改、讲题、诊断规划等能力。

认知理解能力：通过汇聚更多学习数据，构建更清晰的数字化学习系统，实现对孩子的深度认知。

交互能力：持续推进多模态迭代，实现更自然的拟人交互。

长期来看，学习机有望突破现有形态，向具备教育感知与情感交互的陪伴式机器人演进。

学生是有血有肉的人，教育的目的是为了激发和引导他们的自我发展之路。学而思的实践提供了一种人机协同的引导式教学新思路。当 AI 承担起知识传授中标准化的工作，便为真人教师留出了更多进行情感关怀、创造力激发和人格塑造的空间。

尽管当下的技术发展与完全体 AI 老师仍有距离，但行业沿着多模态个性化的技术链条持续突破，或许正在接近古希腊哲学家苏格拉底曾提出的理想——

" 教育不是灌输，而是点燃火焰 "。

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见