在近期于北京舉辦的一場教育科技盛會上，阿里云智能集團公共云事業部華北大區教育行業解決方案總監張博，圍繞“全棧AI助力教育全場景創新”這一主題，分享了前沿觀點與實踐經驗。

張博指出，教育領域長期面臨“不可能三角”的難題，即難以同時實現個性化、高質量與大規模教學。而AI時代的來臨，為攻克這一難題提供了新的思路。在線教育之所以能成為大模型賦能最快的行業，原因在于其需求廣泛且目標明確，有利于因材施教；同時，教學過程中積累的大量高質量數據，也為大模型訓練提供了優質素材。

阿里云全棧AI之所以能為教育行業提供強大賦能，主要得益于四個方面。其一，通義千問模型具備卓越能力，阿里云堅持開放開源，其模型智能程度始終保持領先，在國內外廣受歡迎。其二，阿里云在AI基礎設施方面投入巨大。其三，作為全球領先的全棧人工智能服務商，阿里云在PaaS平臺和模型配套方案上優勢明顯。例如，開發智能體時所需的歷史對話、用戶畫像、向量檢索及知識圖譜等功能，阿里云PolarDB等數據庫產品可一站式解決。其四，阿里云擁有專業的服務與生態賦能團隊，在幫助客戶進行模型開發或迭代時，能提供高水平的交付團隊。

針對教育行業，阿里云推出了涵蓋教育增長運營、教學內容生產、教學互動和評估以及課后知識鞏固四個方面的全棧AI解決方案。

在教育增長運營方面，無論是教培機構的體驗課、正價課、續報，還是在線教育App的拉新、留存等運營動作，本質都是為了實現業務增長。基于通義千問大模型強大的分析、生成能力，可在公域、私域運營數據上，實現文、圖、視頻等種草內容的生產，對用戶原聲進行分析歸納，并設計智能體與潛在用戶對話，引導轉化。例如，在處理運營數據打標時，基礎模型打標簽準確率較低，可在Qwen3小尺寸開源模型上進行后訓練，大幅提升打標準確率；在對話智能體中，使用Qwen3基礎模型進行微調，可更好地進行意圖分類，判斷問題是閑聊還是學科相關內容。在發文、發圖、發視頻及客服Agent等場景中，阿里云的AI技術也都有廣泛應用。

在教學內容生產方面，近年來，越來越多的教育公司涉足此領域，主要包括題目教案、解題視頻、繪本動畫和課堂素材剪輯等內容。利用文本模型產題，客戶采納率不斷提高；通過教育領域OCR模型，可將線下試卷或講義數字化。在解題視頻和繪本動畫生產上，阿里云的技術也發揮了重要作用。對于課堂素材剪輯，qwen3的多模態模型能夠很好地處理老師和學生高光時刻的剪輯工作，如將老師的高光時刻發到小紅書種草，將學生的高光時刻發給家長展示學習成果。

在教學互動和評估方面，全棧AI主要通過兩種方案提效。一是借助阿里云AI實時互動編排能力與Qwen全面的模型能力，快速搭建AI老師實時對話智能體；二是利用Qwen3多模態模型，對老師教學質量和學生學情進行評估。具體場景包括字幕上屏，使用Qwen3-ASR模型識別上課語音，實現自動上屏、錄播課切片及課程質量評估；AI課堂互動，通過AI實時互動RTC搭建任務編排或直接使用Qwen3-Omni搭建智能體；AIGC實訓課，百煉平臺的彈性算力單元（PTU）可秒級應對萬級并發，滿足大量學生同時操作的需求；多元模態學情評估，基于Qwen3多模態模型對學情和教學質量進行評估。

在課后鞏固與自學方面，該場景涵蓋解題、批改、改題、推題、對練等細分方向。大量落地實踐表明，此場景非常適合進行Qwen模型的后訓練。基礎模型難以涵蓋客戶所有高質量題目數據，且該場景剛需高頻、對推理成本和延遲要求高。通過后訓練，可將大模型訓練到小模型上，在保證準確率的同時，降低推理成本和延時。針對客戶希望AI像真人老師一樣講題的需求，可在后訓練階段加入Qwen模型的強化學習，注入人類偏好，強化模型風格。

今年9月的云棲大會上，阿里云發布了眾多新模型，如可對標海外優秀模型的文本模型Qwen3-Max、追求推理速度的Qwen-Flash、優秀的生圖生視頻模型Qwen-Image和Wan2.5，以及獲得客戶高度認可的語音交互模型Qwen3-ASR和Qwen3-TTS。百煉平臺不僅能讓客戶體驗、調用模型，還能提供訓練和推理托管服務，客戶可利用Qwen3非開源模型訓練，結合原始數據，低成本托管模型進行推理。目前，Qwen的全球衍生模型數量已達17萬，后訓練模型在阿里云有多種部署方式。

AI在教育領域的價值并非取代教師，而是承擔批改作業、內容生成等重復性、事務性工作，讓教師從繁重的機械勞動中解放出來，回歸教育本質，成為學生情感的陪伴者、思維的引導者和人格的塑造者，這些高階育人職責是技術無法替代的。阿里云全棧AI致力于以技術賦能教育，讓課堂重煥人與人之間的溫度、智慧與創造力。