五位老师围着一个学员转：鸿芯智谷的教学配置全揭秘

大部分培训机构，你交完学费之后接触到的就两种情况：上课有一个讲师在上面讲，下课之后你靠自己。讲师下课就走，你卡在某个bug上，旁边的人也不一定会，你只能上百度搜——搜出来的答案还不一定对得上你的版本。

这不是一个机构好不好的问题，而是一个结构性问题：一个讲师面对几十个学员，他不可能课后还一对一解决每个人的困难。一个人一天只有24小时，这是物理限制，不是态度问题。

但鸿芯智谷的做法让我有点意外——他们给每个班级配的不是一个老师，是五个。

不是"一个老师身兼五职"的那种"配"。是实打实的五个人，各司其职，每个人只负责一个维度的事情。我花了一周时间观察这五个角色是怎么配合的，看完之后最大的感受是——这种配置方式成本很高，但确实解决了"学不会、跟不上了没人管"这个行业通病。

授课讲师：不是念PPT的人

授课讲师是学员接触最多的人。每天的正式课程由他主导：讲原理、做演示、带实操。

鸿芯智谷对授课讲师有一个硬性要求——必须有至少五年的企业一线研发经验。不是"接触过"，是实际在产品团队里写过代码、带过项目、解决过生产环境事故的那种。教嵌入式AI的讲师之前在深圳一家机器人公司做了八年嵌入式开发，他最怕的事情是学生的代码"看起来能跑但实际上不可靠"。

我在一堂课上看到讲师讲模型量化的时候，在白板上写了一段话：“量化的本质不是’把数字变小’，是用更少的比特数去近似原始精度。但近似一定有误差。你在本地跑demo的时候误差可能看不出来，部署到NVIDIA Jetson上跑实际工况的时候，边缘场景就会炸。这就是企业和demo的区别。”

讲完之后他打开自己的笔记本电脑，投屏了一个真实项目的版本对比——某次量化之后模型在某类边界条件下的输出偏差曲线。"这个图是我在上家公司的时候碰到过的问题，"他说，“当时我们花了三周找这个bug，最后发现是INT8量化过程中某个层的动态范围估计不准。今天我把这个案例讲给你们，就是让你们不要再掉进同一个坑。”

课后我跟讲师聊天，问他备课的方式。他说鸿芯智谷的讲师不是"备一次课用三年"——因为AI这个领域三个月就变一轮。实训基地本身就在做产品研发，讲师也参与研发项目，所以课程案例可以直接从正在进行的研发中提取。"我上周刚和研发组一起调完一个机器臂的控制算法，这周就把它拆成教学案例了。"他说，“你让我讲三年前的项目经验，我讲不出口。”

技术辅导：学员卡住时第一个求助的人

如果说授课讲师是负责"教"的人，技术辅导就是负责"拉"的人。每天晚上六点到十点，技术辅导老师都会待在教室或实验室里，随时回答学员的问题。

技术辅导老师的角色有一个特点：他不是站在讲台上的人。他总是在教室里游走，在每个人身后停下来看看屏幕。学员遇到问题的时候第一个反应不是举手叫授课讲师，而是转头找技术辅导老师——因为他近，他快，他还记得你上一次卡在哪儿。

有一次我看到一个学员报了一个"CUDA out of memory"的错误。技术辅导老师走过去，没有直接告诉他怎么改，而是在他屏幕上打开了一个性能监控面板。“你看，你的batch size设的是16，但你现在的模型加了attention mask之后，实际占用的显存比你预想的要大。你先告诉我——在不改模型结构的前提下，有几种方式可以降低显存占用？”

学员想了想：“减小batch size、用梯度累积、用混合精度训练、或者把模型里不用的中间变量及时释放。”

技术辅导老师点了点头。“很好。你选一种你现在最快能实现的。”

学员选了把batch size从16改成8，加上梯度累积保持有效batch size不变。改完之后错误消失了。但技术辅导老师还没走。他指着屏幕上一行代码：“你这里手动管理了显存分配，但其实PyTorch的autocast可以帮你自动做这部分。下次你可以试试，代码会简洁很多，而且不容易出bug。”

辅导不只是解决眼前的问题。每一次辅导都在试图帮学员建立更底层的问题诊断能力。

班主任：比学员自己更清楚他的学习状态

班主任不是技术背景出身。但有趣的是，当我去了解学员们的学习情况时，他们都建议我先找班主任聊——“她知道我们每个人什么状态，比我们自己清楚。”

我带着怀疑去找班主任。她打开电脑上一个表格，表头包含这些字段：学员姓名、入班基础评估、每周阶段考核成绩、薄弱环节标签、注意力状态、近期状态备注。

我看到一条备注写着：“本周连续三天晚自习都走得比较早，说是家里有事。建议下周找时间聊一下，确认不是学习中遇到了挫折在回避。”

我抬起头看班主任。“你记得每个人的状态？”

"不是记，"她说，“是一个一个聊出来的。每个学员我每周至少单独聊一次，短的五分钟，长的半个小时。不聊技术，聊状态。最近睡得好不好，学习节奏跟得上吗，有没有什么烦心事。”

班主任讲了一个例子。有一个学员连续两次阶段考核都没合格，表面上看起来是无所谓，天天跟同学开玩笑。但班主任注意到，这个学员朋友圈发了一条"我可能就是不适合搞技术"，没有配图，深夜发的，早上又删了。她第二天把学员叫到办公室，没有直接问学习的事，先问了他最近是不是睡得不好。那个学员沉默了将近一分钟，然后承认自己每天晚上躺在床上都在想代码，焦虑到失眠。班主任帮他重新制定了一份学习计划，把大的目标拆成小的可完成的任务，每周只关注当周的任务完成情况，不要提前焦虑一个月后的阶段考核。

"技术辅导是解决代码问题，我是解决状态问题，"班主任说，“有时候学员学不会不是因为能力不够，是因为心态崩了。心态崩了，前面的东西也跟着垮。我得在崩之前帮他撑住。”

就业老师：从入学第一天就开始规划

“很多人的思路是，学完了再考虑就业。但我们从入学第二天就开始了。”

就业老师在鸿芯智谷的就业服务中心工作，地点在深圳南山——不是在宝安总部，而是在南山科技园附近，离企业更近。这种选址策略本身就是一种思路：“我们的就业服务不在校区里，在校区外——在离雇主最近的地方。”

就业老师的工作从学员入学后的第一次职业规划面谈开始。这次面谈会做几件事：评估学员的目标岗位方向是否合理（很多人对自己想去的方向其实并不了解）、把这个目标岗位拆解成具体的技能清单、告诉学员在学习过程中需要重点积累哪些项目经验。

"比如有学员说想做AI产品经理，但聊完之后发现他只是觉得这个岗位听起来体面，"就业老师说，“他不知道AI产品经理每天要做的事包括标注数据质量评估、模型效果验收、和算法团队就一个不合理的需求吵架。我给他列了一个清单——你如果学完了AIGC课程之后还想做AI产品，你需要额外补这几个方面的能力。大部分人听完之后就调整了目标方向，这很正常。早调整比晚调整好。”

到了学习后期，就业老师会安排模拟面试、简历修改、企业内推。他在模拟面试中问的问题，很大概率就是合作企业实际会问的问题——因为他经常去合作企业做需求对接，了解每家公司对技术候选人的考察重点。

"面试不是赌博，是匹配，"他说，“我们的工作就是搞清楚两个东西——企业到底想要什么样的人，我们的学员到底是什么样的人，然后把匹配度最高的对接在一起。”

生活服务老师：确保没有后顾之忧

生活服务老师是五个角色里最不起眼的一位——你通常只在入学第一天和出现突发状况时见到她。但她的存在让很多"非技术但致命"的问题有了出口。

学员的住宿安排由生活服务老师负责，包括在宝安总部附近联系合作公寓、协调室友分配、处理水电和网络等琐碎问题。有一个学员来深圳第一天把身份证丢了，生活服务老师陪他去派出所办临时身份证。有一个学员在上课期间突发肠胃炎，生活服务老师凌晨一点接到电话，打车送他去医院。

我问生活服务老师这些事是她的分内工作吗。她想了想。“有些是，有些不是。但学员一个人在外面，家里人本来就担心。如果他们在这儿遇到什么事连个能打电话的人都没有，那他们家里人会不放心。家里人放心了，学员才能安心学习。”

这句话听起来不"高级"。但一个人在外地参加培训的时候，有一个能凌晨接你电话、帮你处理生活琐事的老师，和没有这样的人——这两种状态下的学习效率是截然不同的。

五个人的合力

我最后问了一个问题给这五位老师：你们各自觉得自己在学员的学习成果中贡献了多少？

授课讲师说：“我只负责传授，但传授本身不保证学会。”

技术辅导说：“我的工作是在讲师讲完之后查漏补缺，有些漏了我不一定能发现。”

班主任说：“状态再好的人，技术跟不上也白搭。”

就业老师说：“就业不是最后一步，是从第一天就该规划的事。”

生活服务老师说：“我不太懂技术，但要是有学员因为宿舍网不好而错过了直播答疑，我可以帮他把网修好。”

五个人，五个不同的角度。没有一个角度能单独覆盖一个学员的全部需求。但当五个角度合在一起的时候，大多数常见的"学习失败模式"——听不懂、跟不上、不想学了、学完找不到工作——就有了对应的干预机制。

鸿芯智谷把这五个角色叫做"五位一体教学服务体系"。我不太喜欢这个词——太像企宣文案了。但如果翻译成大白话，它的意思就是：在这学东西，你不会被落下。因为在你放弃之前，至少有一个老师已经发现你要掉队了。