个性化学习的「最后一公里」，被科大讯飞 T90Pro 打通了

2026 年开学季，一个关于孩子学习的悖论正在浮出水面。

大模型越来越强了。答题、批改、出卷、规划学习路径，样样不在话下。豆包、DeepSeek、Kimi，家长群里每天都有人分享新用法，不少人甚至把 AI 当成「24 小时在线家教」。

但一个越来越明显的现象是，孩子遇到不会的题丢给 AI，拿回来的只是一个现成答案——没有拆解、没有引导，本质上更像一次「搜索」而非「学习」，题目换个形式又卡住；同样，AI 监督写作业可以一时有效，却很难让孩子形成自驱力。

吊诡的是，模型越聪明，这个问题反而越突出。

原因在于，通用大模型解决问题的方式本质上是「授人以鱼」——用最快速度交付一个现成结果。但教育需要的是「授人以渔」，教会孩子自己找到方法。真正的省时提效，不是更快给出答案，而是让孩子更快学会独立解决问题。每次都秒出答案，看似高效，实则剥夺了最宝贵的思考过程。

这就是「聪明」和「会教」的根本区别。也正是这个区别，把一个被谈论了两千年的教育理想重新推到了聚光灯下——因材施教。

近日，科大讯飞发布 AI 学习机 T90 Pro。在多鲸看来，这款产品的价值不在于又做了一台更强的学习机，而在于它是科大讯飞自 2019 年深耕个性化学习以来，对这一命题的最新回答：当 AI 已经足够聪明，教育产品的竞争力到底应该建立在哪里？

过去我们以为，孩子学习遇到困难，是因为缺一个随时能问的老师。所以当大模型出现，很多人觉得问题解决了。它比任何老师都耐心，比任何题库都全面，而且永远在线。

但用了一年之后，越来越多家长发现，问题的本质不在「答案」。

一个孩子做二元一次方程反复出错。把相关题目丢给通用大模型，它能快速给出一个标准答案，但没有针对性的讲解和引导——孩子依然不知道自己到底卡在哪。真正的原因，可能是一元一次方程的基础没打牢，甚至更早的等式概念就存在理解偏差。通用大模型看到的是「这道题」，而孩子真正需要的，是有人看到「他这个人」，他的知识链条在哪里断裂，他的思维习惯在哪里出了问题。

与此同时，考试本身也在发生变化。新课标落地后，命题逻辑从「考你记住了什么」转向了「考你怎么解决问题」。

看看北京海淀区四年级的期末考试就知道了。一道关于「乘法分配律」的题目，不再是让孩子列算式求结果，而是把他扔进一个购物场景里——给你几组商品价格，让你自己发现规律，讲出推理过程，说清楚「为什么可以这样算」。

这种题目，靠刷题刷不出来，靠背公式背不出来，靠 AI 秒出答案更解决不了。它考的是孩子有没有真正理解背后的数学关系。而要做到「真正理解」，前提就是学习过程必须是个性化的——不同的孩子卡在不同的地方，需要不同的路径去突破。

可大多数家庭的应对方式，仍然停留在旧范式里。为了补齐一个知识盲点，孩子被迫重新听完 50 分钟的整节网课，其中45 分钟都在陪跑已经会的内容。为了提高熟练度，一个章节刷几十道题，可能近一半都是已经掌握的低效重复。

这不是个性化，这是批量投喂。而大模型的普及让这个矛盾更加尖锐。当 AI 可以瞬间给出完美答案的时候，教育产品如果还停留在「给答案」的层面，就永远无法触及孩子真正的学习问题。

孩子缺的从来不是一个更快的答题机器，而是一套真正围绕他个人状态运转的个性化学习系统。

科大讯飞 AI 学习机 T90 Pro

市面上几乎每一台学习机都在喊「千人千面」「智能推荐」。但如果拆开来看，大多数产品的「个性化」，本质上是一套推荐算法——你错了这道题，我给你推三道类似的。

这解决的是「下一道题做什么」的问题，却回答不了更关键的问题：这个孩子的认知断点到底在哪里？他不是不会做这道题，而是在更早的某个环节就没有真正理解。

在多鲸看来，真正的个性化和伪个性化之间，存在一条清晰的分水岭：伪个性化是「围绕题目做推荐」，真个性化是「围绕这个人做诊断」。前者的逻辑是「你错了什么，我补什么」；后者的逻辑是「你为什么错，我从根上治」。

科大讯飞 T90 Pro 这次做的，正是试图跨过这条分水岭。

它把个性化拆成了三层，每一层解决的问题都不同。

第一层：不只看错了哪道题，而是找到「为什么会错」。

T90 Pro 的「AI 1 对 1 精准学」，不是简单地标记错题然后推相似题。它做的事情更像一个有经验的老教师，遇到孩子反复犯错，不急着讲这道题本身，而是顺着知识链条往回摸，找到断裂的那个节点。

比如一个初二学生勾股定理用不好，系统不会只推勾股定理的练习题，而是回溯到三角形的基本性质，甚至更早的几何概念，看看根基是否扎实。而且，同样是勾股定理错了，90 分的学生和 60 分的学生，原因往往完全不同，推荐的学习路径也截然不同。

更值得注意的一点是本地化。很多人可能以为初中数学全国都一样，但不同省市的考试侧重点存在明显差异。北京更强调综合应用，江苏对思维严谨性要求更高，各地中考侧重点大约有 20%到 30%的差异。如果用一套统一标准做诊断，很可能出现系统判断「不重要」的知识点，在当地恰恰是高频考点。T90 Pro 针对不同区域构建了对应的知识框架，诊断对标的是孩子所在地区的真实考试逻辑，而不是一个抽象的全国标准。

第二层：不急着给答案，而是引导孩子自己想明白。

T90 Pro 全新发布的超拟人 AI 老师晓悦，在教学方式上做了一个反直觉的选择，明明知道答案，但刻意不说。

当孩子卡壳时，晓悦不会像通用大模型那样瞬间输出一个完整的解题过程。它会拆解步骤，抛出启发式的问题，用板书式的讲解一步步引导孩子自己找到思路。

这种「克制」背后是一个清晰的教育判断：一个是「我看懂了答案」，一个是「我自己推出来的」。前者更快，后者更慢，但只有后者才能真正内化为能力。

对于行业来说，这其实代表了一种理念上的分野。当所有竞品都在比拼「AI 多快多准多全」的时候，讯飞选择让 AI 学会「慢下来」。这种选择需要底气，因为它意味着你要在「用户体验上的即时满足感」和「教育效果上的长期价值」之间做取舍。

第三层：除了解决「怎么学」，还解决「想不想学」。

学习机行业有一个心照不宣的痛点：很多产品买回家三个月后就开始吃灰。诊断再精准、AI 老师再厉害，如果孩子根本不愿意打开，一切都归零。这不是功能问题，而是动力问题。

T90 Pro 推出的 AI 学伴「小飞」，试图从这个维度破题。它承担的不是传统意义上的「操作助手」角色，而更像一个陪伴者，可以报听写、整理错题、提醒学习任务、记录进度变化，也能在孩子遇到挫折时提供情绪上的回应。

其背后的设计逻辑值得关注。比如系统会动态调整任务难度，确保孩子始终处在「有点挑战但能完成」的区间；错题反馈不说「你又粗心了」，而是指出具体的错因，帮助孩子建立「我可以通过方法改进」的成长型思维；连胜机制等轻量化设计让学习产生节奏感和惯性。

这些细节单独看都不起眼，但叠加在一起，解决的是一个结构性问题，让学习机从「被监督才用的工具」变成「孩子愿意主动打开的设备」。

当诊断、辅导、动力三层打通并形成持续循环，个性化才从一个功能标签，变成了真正可运转的系统能力，而这正是 AI学习产品与传统电子教辅之间的本质差异。

如果只看技术进步，很容易得出一个结论：大模型这么强，学习机是不是快要被替代了？

但市场给出了相反的答案。据 RUNTO 数据显示，2025 年中国学习平板销量达到 632.1 万台，同比增长 6.7%。在大模型全面普及的背景下，学习机不仅没有萎缩，反而迎来了新的增长周期。

这说明一个问题：通用 AI 没有替代专业教育工具，反而加速了市场对「真正懂教育的 AI」的需求。

那么真正的壁垒在哪里？

很多厂商以为接入了大模型 API 就拥有了 AI 教育能力。但这就像以为买了一把好刀就等于会做菜。刀是通用的，菜是具体的，你面对的是哪个地区的学生、什么版本的教材、哪种类型的考试，这些大模型本身并不知道。

在多鲸看来，当通用大模型成为所有人都能拿到的底座之后，真正拉开差距的壁垒有三层。

第一层是真实教育数据的厚度。个性化系统需要的不是几万条训练样本，而是亿级规模的、来自真实课堂和正式考试的数据，包括答题轨迹、错因分布、区域考情差异、教材版本变化。这些数据需要长年累月在教育一线积累，不是短期能追赶的。科大讯飞从 2004 年进入教育领域，服务全国 5 万多所学校，而且同时覆盖学校端和家庭端，两端数据在同一体系内打通。这种积累的密度和跨度，在行业内几乎没有对标者。

第二层是对考试评价体系的深度理解。教育不是自由讨论，而是有明确评价标准的领域。作文怎么评分、数学步骤如何给分、不同地区中考考点如何变化。如果系统无法对标真实阅卷标准，再聪明的模型也会跑偏。科大讯飞长期服务于中高考等重大考试技术体系，掌握同源技术，年服务中高考考生约 1000 万人次。这种对高利害考试环境的理解，不是调用一个 API 就能获得的，它来自二十多年和考试评价体系的深度共生。

第三层是自研技术底座的深度。很多产品的 AI 能力来自外部模型的调用，这意味着它们能做的事情，别人换一个 API 也能做到。科大讯飞的不同之处在于，它从底层算法到应用层都是自主研发，拥有全栈自主可控的国产教育大模型。这使得它不是在通用能力上做表层适配，而是能够将 AI 与教学逻辑进行深度耦合。模型知道什么时候该追问、什么时候该放手、什么时候该鼓励，这些判断不来自通用训练，而来自对教育场景的专属优化。

把这三层叠在一起看，会发现一个清晰的逻辑：大模型是入场券，数据积累是基本盘，考试理解是校准器，自研能力是放大器。缺少任何一层，个性化都只能停留在表面。

回到最初的问题：在大模型时代，教育产品的竞争力到底应该建立在哪里？

答案或许是：不在于 AI 有多聪明，而在于 AI 有多懂教育、多懂孩子。

当所有人都能调用同样强大的模型时，真正决定胜负的，是谁能让 AI 像一个好老师那样，不只是给出正确答案，而是看见每一个孩子，理解他的困惑，尊重他的节奏，在恰当的时候推他一把。

因材施教等了两千年。这一次，或许真的不远了。