熱門資訊> 正文
2026-09-04 14:50
AI的高階價值,取決於使用者的學識與認知。當下大量學者具備需求,但適配的場景供給仍存在明顯短板,這正是卓越睿新所處的結構性成長窗口。
最近半個月,高校圈連着刷屏了兩件事。
一件來自浙江大學。本科生院院長、人工智能學院教授吳飛在總檯科晚專訪中發問:「請問你不讀書,那你在人工智能面前你問什麼呀?」他把用AI的過程拆成三步:先讀書練出好問題,再判斷AI合成內容的價值。
一件來自上海交通大學。一場內部分享流出的PPT,標題就叫《人工智能學院面臨的困難》,四頁紙在科技和教育圈子里轉得鋪天蓋地。
兩則言論,一立論,一寫實。浙大這位教授為整個AI行業立下共識:技術要服務高價值場景,唯有深耕學識者,方能駕馭AI、放大價值;交大那份PPT則寫下了高價值場景的現狀:AI教學範式的迭代纔剛起步,從數據、工具到協同機制,場景里仍有大量留白。共識已經形成,留白仍然存在——這中間的距離,就是賽道的長度。
立論:技術要服務高價值場景
吳飛教授的方法論並不複雜:讀書建立認知框架,練出犀利的問題,把心中所惑交給AI。第一步提出好問題,第二步判斷AI合成內容的價值。
這套「提問—驗證—追問」的三步法,點出了當前AI應用熱潮中一個普遍的錯配:絕大多數討論聚焦於「模型還能生成什麼」,卻很少有人追問「什麼樣的提問,才配得上這個模型」。
同一個大模型,在不同人手中產出的價值天差地別。用它寫祝福語、問常識題,得到的是信息搬運;用它推演學科難題、驗證實驗假設、設計研究方案,得到的可能是實打實的研究進展。模型沒有變,變的是提問者的專業深度。AI本質上是概率合成系統,合成的方向由問題牽引,合成的質量由驗證兜底。問題問得越專業、越前沿,越能激發模型調用深度的思維鏈;而合成結果靠不靠譜,需要同等水平的專業判斷力來覈驗。提問與驗證,恰恰是AI時代人類專家不可讓渡的兩項能力。
復旦大學校長金力的表述可以互相印證:「在人工智能時代,大學教育不可替代的價值,是培養能提出好問題、跨界創造、持續進化的人。」中國工程院院士王堅則提出「讓科學數據成為基礎模型的原住民」,地學領域70%以上的重要信息不在通用文本中,而在光譜、地震波、地層樣本等專業科學數據里。
至此,共識已經清晰:技術的方向是服務高價值場景;而AI價值最高的場景,是專業問題最密集、專業數據最深厚的地方——大學和科研現場。
寫實:高價值場景里,留白仍然大片存在
如果説浙大的訪談回答了「AI該往哪兒去」,交大這份PPT回答的則是「高價值場景走到哪兒了」。
這份PPT列出的困難條條直白。其一,高校被邊緣化、不在最前沿,「不僅僅是算力問題」——真正「卡脖子」的是產業手里的真實數據和應用場景,企業的核心資源不開放,高校拿到的只是碎片化切片。其二,許多前沿成果看似公開,論文能看到、訓練數據和硬件條件卻拿不到,實驗無法復現。其三,技術迭代以周為單位,課程更新以學年為單位,「我們的教育和科研體系跟不上這個新的形勢」,出現了教育史上罕見的倒掛,學生比老師更站在前沿。其四,也是流傳最廣的一句,「人工智能最先替代的就是人工智能」。
但更值得細讀的是這份PPT的姿態。四頁紙里,困難只佔一頁,剩下三頁通篇在講「怎麼變」——這是先行者攤開家底找路的自查。大科研時代要打破學科界限、理論與實驗界限、科研與產業界限;教育要「打通底層教育體系,降低學習門檻,建立新的教育模式/工具」;人才培養要建領軍人才體系;組織機制要搞「三位一體」——人工智能學院、算法創新研究院、企業協同;評價機制要改,文化也要改,還要「下決心做基座模型」。在「將會帶來什麼樣的改變」一頁,它列出三個方向:優質教育資源平權化;再教育常態化,第一學位、第一專業的重要性下降;高校的任務真正從「教書」轉向「育人」。
這份PPT之所以刷屏,很大程度上因為它把困難講得坦率:變革的方向已經看清,相應的儲備卻還在建立之中——新的教育模式和工具、產學研的協同機制、可複用的專業數據、資源平權的平臺,在當下的高校現場都還大量缺位。它替整個行業確認了一件事:AI教學範式的迭代剛起步,先行者已經把需求清單列了出來。
把四頁紙翻譯成產業語言,結論其實很直白:高價值場景已經確認,場景里的留白仍然大片存在。數據是留白:前沿真實數據在產業手里,高校拿到的只是碎片;工具是留白:新的教育模式需要工程化能力,高校自身建不起來;協同是留白:「三位一體」里的企業角色還沒有普遍進場;平權是留白:優質資源向每一間教室的輸送,還缺一張工業化的網絡。
一個行業最豐厚的紅利,從來都出現在「共識已至、留白正待填補」的窗口期。
留白即賽道:藥方里白紙黑字寫着「企業」
把兩則言論並在一起,方向就看得更清楚。
認知這一端,頂尖學者已經把道理講透:大學是AI價值密度最高的場域,提問與驗證是學者不可讓渡的能力。實踐這一端,高價值場景的留白清晰可見:前沿數據和真實場景在產業手里,論文看得見、訓練數據和實驗條件拿不到;技術迭代以周計,課程更新以學年計;新的教育模式和工具,高校自身沒有工程化能力去建。
這道留白不是態度問題,是能力結構問題。而交大PPT開出的藥方里,早已寫明瞭解法:「建立新的教育模式/工具」,需要工程化能力;「三位一體」協同,白紙黑字列着「企業」兩個字;高校任務從「教書」轉向「育人」,意味着知識傳授、實訓操練、答疑反饋這些環節必須有工業化的承接者,老師才能騰出手來做AI替代不了的事。
留白客觀存在,方向清晰可見。誰能把學者的共識轉化為教師手中的工具、把產業的能力輸送進教學現場、把大片留白變成可交付的現實,誰就站在這條賽道的正中央,承接高價值場景釋放的行業紅利。
順着這條邏輯往下看,資本市場上有一家公司的位置值得重新審視——卓越睿新(02687.HK)。
填空者:當場景剛起步,裝備已就緒
從業務表象看,卓越睿新是一家國內領先的高教數字化服務商,運營着國內規模領先的高校在線課程平臺智慧樹網。但當多數教育從業者剛站到AI教學範式迭代的起點上,會發現這家公司手里已經握着填補留白所需的全套裝備——恰好對位交大PPT開出的每一味藥。
其一,填「工具留白」:它提供的正是「新的教育模式/工具」。卓越睿新的服務網絡覆蓋全國數千所高校,平臺深度嵌入高校教學與科研全流程。它的用户,正是吳飛所説「胸中有惑」的教授、學者和學生,也是交大PPT里剛開始探索AI教學的高校和老師。公司自研知識科技垂直大模型「大明白」已迭代至V5版本,搭載自研VOM(虛擬對象模型)與VLM(視覺語言模型)並接入WorldLabs世界模型,構建起覆蓋文本、語音、視覺、3D生成的全模態能力矩陣,基於該模型的服務月消耗token已達8000億級別。對剛啟程的高校而言,這套能力就是跨過工具門檻最直接的臺階。
其二,填「數據留白」:它手里有高校最缺的那樣東西——經專家驗證的專業數據資產。支撐8000億月token消耗量級的底座,是公司十余年沉澱的千萬級結構化知識單元。這些語料有別於公開互聯網爬取的通用文本:覆蓋高校教學全過程,經領域專家全程標註與驗證,「有依據、可溯源、可複用」,具備海量沉澱、全站AI挖掘、專家標註、動態更新、交叉互融五大特徵。交大PPT説高校拿不到產業深處的真實數據;而在高等教育這個垂直領域,卓越睿新二十年積累的,恰恰就是產業深處的東西。專家標註與驗證,正是吳飛所説「判斷AI合成價值」第二步的工業化實現。
2026年5月,教育部在世界數字教育大會發布首批18項國家級高等教育智能體名錄,卓越睿新深度參與共建的多個項目入選,覆蓋C9聯盟高校中的多所頂尖院校。能通過最嚴苛學術標準驗證的智能體,其知識底座的專業純度不言而喻。
其三,填「協同留白」:它就是「三位一體」藥方里那個企業角色。2026年6月至8月,卓越睿新相繼與阿里雲、火山引擎、百度智能雲簽署戰略合作框架協議:與阿里雲基於AgentScope框架聯合打造多Agent平臺「大明白Polymas」,與火山引擎圍繞大模型知識應用、虛實融合實訓等四大領域協同,與百度智能雲整合千帆、文心繫列模型及專業文庫資源共建垂直智能體。三大通用大模型廠商在兩個月內先后牽手同一家垂直公司,指向的分工已經清晰:通用模型廠商提供算力與基礎模型,垂直場景方提供專業數據、專家驗證與規模化交付。PPT設想的「學院、研究院、企業」協同,在商業世界里已經有了具體的形狀。
而PPT所説的「優質教育資源平權化」,恰是智慧樹網運營多年一直在做的事——它填的是「平權留白」。當AI把優質課程和實訓能力的邊際成本進一步壓低,資源平權的速度只會更快,平臺的網絡價值也只會更厚。
共識已成,留白待填
吳飛的訪談戳破了一個幻覺:以為擁有最強模型,就擁有了AI的價值。交大的PPT則標註了行業的真實進度:最高價值的場景已經確認,場景里的留白仍大片存在。
共識已成,留白待填——這中間的距離,就是這條賽道的長度。當「生成答案」的邊際成本趨近於零,真正稀缺的是兩樣東西:提出好問題的能力,和驗證好答案的專業知識。前者集中在大學與學者群體,后者沉澱為專業語料與專家網絡。卓越睿新所在的位置,恰恰是這兩者的交匯處:它連接着中國最密集的「好問題」供給場域,沉澱着經學者驗證的高質量知識資產,也因此成為通用大模型廠商競相合作的生態節點。
高價值場景的留白不會自己消失,只會被有準備的人填補。交大PPT指明的那件事——高校需要被陪伴着完成這場範式迭代——意味着一個比「賣軟件」大得多的市場:AI時代高等教育的新型基礎設施。模型會趨同、算力會過剩,高質量的提問者、經專家驗證的專業語料,以及把這些送進每一間教室的交付網絡,會持續稀缺。