浙大博士創業故事：4個人，一臺機器，接管全國近300所學校作業

嗅態

嗅產業冷暖，書人文姿態

作者 | 石燦

5月15日下午，見到張洪申時，他已經在浙江大學玉泉校區南門等候。

我們一邊往校園里走，他一邊介紹接下來的行程：“我先帶您看一下這臺機器，了解一下它大概長什么樣、怎么工作。看完之后，我們再找個地方坐下來，慢慢聊。要是您方便，我也可以帶您在浙大這邊轉一圈，順便一起吃個飯。”

聽張洪申說完這些安排，我心里冒出一個念頭：真讓人踏實。

轉瞬之間，他指著旁邊的教學樓，把我的思緒拉了回來。

“這是浙大比較老的一個校區，1950年代就有了，所以樹很高，樓看起來也有些舊。”他說。我們行走的一帶屬于控制科學與工程學院，杭州本土不少知名的硬核科技公司都發源自于此。

△張洪申自拍照

由于張洪申準備搬離學校，原本放在校內的全自動批改機已經移走，他只能帶我前往工控新樓打印店進行功能演示。我們走下樓梯，來到教學樓內的一家打印店。他和老板熟絡地打了聲招呼，便坐到電腦前。我站在一旁，看著他在鍵盤上敲出“喵喵汪汪”公司的網址——這是他的創業項目，也是全自動作業批改機的后臺系統。

這臺批改機依托AI大模型，能夠將紙質試卷上的學生手寫痕跡精準識別并轉化為文本，再與錄入的標準答案進行比對，實現全題型自動批改。目前，其整體準確率達到99.7%，單張紙的綜合打印成本僅為5分錢。

4月底，杭州市上城區把多款同類型機器進行統一測試，該項目在準確率與使用體驗上均名列第一。與此同時，張洪申的項目也已經與釘釘展開深度合作，通過更大的平臺，連接起了全國近300所學校。

技術進入校園，印記留在一張張試卷上。它不一定能立刻改變教育的整體面貌，但，可以先替一位疲憊的老師省下一節課的時間、一支消耗的紅筆，以及一疊需要反復翻看的試卷。

“我登錄后臺，給你看一下。”張洪申說著，把手指向了屏幕。

張洪申看我站著，拉過一把黑色椅子示意我湊近，屏幕上顯示出“喵喵汪汪”公司的管理工作臺。屏幕最上面排滿了學校的名字，張洪申指著屏幕說，系統目前已經服務了290多個學校賬號，當天的活躍學校有70多個。所謂的活躍學校，是指當天使用自動作業批改機的學校。

設備能不能進學校，決定權通常在校長手里。一線教師未必能決定采購，卻最先感受到批改作業的負擔。自動作業批改機切中的，正是這個日常痛點。

后臺顯示，5月14日晚上10點25分，仍有老師在線使用設備。那位老師花了8分鐘批完一套試卷。張洪申看著后臺數據，開玩笑說：“這老師簡直瘋了。”

張洪申從后臺調出一份已經批改完的試卷，以向我展示大模型批量做題的邏輯。

△這是一張來自湖北某小學的試卷，這張試卷是老師寫好答案的答案卷

被他選中的試卷來自湖北省武昌某小學，2025-2026學年度下學期五年級數學素養練習題答題卡，試卷答題區域已經布滿手寫痕跡，共四名學生的四張試卷和一張答案卷。張洪申選擇的樣卷包含了大量復雜的題型，這也是他們與傳統廠商拉開差異的核心。

傳統廠商的掃描批改通常不處理畫圖題、旋轉題或者分數的涂色題，因為學生涂色和畫圖的方向千奇百怪，情況太復雜。張洪申推翻原本的OCR（光學字符識別）邏輯，依靠大模型的識別能力，無論是左邊涂、右邊涂，還是任意角度的作圖，系統都能精準識別。

張洪申在電腦點擊打印，打印機在我們旁邊發出規律的轟鳴聲，隨即吐出溫熱的A3試卷。他拿著試卷坐回電腦前，向我演示后臺的工作流。他強調，如果AI的準確率沒有達到極高程度，全自動的盲批反倒會變成用戶的核對負擔。所以，他們開發了一套人機協同的分塊系統。

老師使用自動作業批改機前，要自己做一份標注有正確答案的試卷。當答案卷被掃描進后臺后，系統會自動框出大致的題目區域。由于系統做到了極高程度的優化，他們的后臺工作人員只需要用鼠標在屏幕上畫幾個大框，AI就會全自動解析出框內包含的題目、手寫筆記位置以及對應分值。

為了減少大語言模型偶爾出現的幻覺和識別錯誤，張洪申在系統底層加入了雙模型校驗機制。第一套模型先識別學生答案，并給出批改結果。隨后，系統會把識別出來的內容交給第二套模型，在后臺重新批改一遍。兩套模型的結果完全一致時，工作臺顯示無報錯；只要中間出現一處不同，系統就會立刻用紅字提示異常，提醒人工介入修改。

講述完批改試卷的底層邏輯，張洪申將幾份樣卷和答案卷一起放入打印機里。他告訴我，只要把答案卷放在第一頁，學生卷疊在后面，老師只要按兩下按鈕，掃描出來的數據就會直接進入這個基于大模型的SaaS后臺。

他說，傳統大廠依賴自身的OCR歷史積累，需要老師在機器界面上依次選擇年級、班級、作業類型并逐頁上傳。他沒有歷史技術積累，反而全面擁抱最新的大模型技術。

大模型在處理高難度新題時，無法保證百分之百準確。但在批量處理重復性任務時，它的穩定性反而更強。試卷批改本質上就是一件重復勞動：拿同一份答案，對照全班四十幾個學生的卷子，把同一套判斷標準反復用上幾十遍，甚至幾百遍。

因此，這臺機器的底層運作邏輯落回到最簡單的動作上：答案對比。

在試卷批改環節，系統還解決了一個物理層面的難題：掃描偏差。由于紙張裁剪和機器吸紙的物理原因，掃描出來的圖像往往會有幾毫米的上下左右偏移。

張洪申在屏幕上向我展示了一項動態追蹤技術的過程。他的鼠標在屏幕上切換之間，一個紅色的批改框就像長了眼睛一樣，死死咬住“選擇題”等字樣的文本下沿，字往上走，框也跟著往上走，確保批改痕跡不會印錯位置。

沒一會兒，紙張唰唰滑出，作業批改完畢，最上面出來的是一張精心設計過的教師端統計報告。上面清晰地印著平均分、班級日期、分數段人數，以及每道題目的全班正確率。

張洪申說，老師是很排斥在手機或電腦軟件里看復雜的長篇圖表報告的，他們需要的就是直觀。這張紙上用紅字寫著某條選擇題正確率只有20%，老師一眼就知道這道題需要上課重點講。

在統計報告下面，則是帶有紅藍色勾叉痕跡的學生原卷。所有的分數登記和知識點對錯，已經在機器運轉的十分鐘內，全部自動沉淀進了系統后臺。

更重要的是，由于該小學在使用釘釘，張洪申的產品直接跟釘釘后臺的學號與姓名匹配系統打通。學生往往把名字寫得像天書一樣，連老師都看不懂，但系統通過手寫學號自動識別出這個孩子是誰，并將這份涵蓋了錯題、分值和知識點分布的完整批改報告，一把推送到家長的手機端。

“說實在的，孩子做了那么多題，到底哪里掌握得好，哪里掌握得不好，很多時候家長說不清楚，老師也很難一下說清楚，孩子自己也未必知道。但有了數據之后，至少就能分析了。”張洪申說完，用手抹去額頭的汗水。

緣起

張洪申發明自動批改作業機的源頭，要追溯到2019年。那年9月，張洪申已經獲得直博名額，空閑時間太多，他擔任起浙江大學公共數學課助教。

每個星期五下午，各班課代表會將120多份手寫作業堆在助教辦公室的書桌上，張洪申需要負責批改這些線性代數作業。

改一份作業需要5到10分鐘。流程分為四步：第一步，翻開作業本，核對最終答案；第二步，若答案錯誤，從第一行公式開始，逐行檢查推導步驟，找出扣分點；第三步，若答案正確，仍需抽查中間過程，確認是否存在邏輯漏洞；第四步，用紅鋼筆寫出錯誤步驟和原因。

每個周末，張洪申從早上9點坐在書桌前，連續工作到凌晨。扣除吃飯時間，他需要連續改作業15個小時。連續批改數小時后，他眼睛發酸，速度減慢。

“如果助教希望幫助每一個學生識別他過程中的任何錯誤，這需要花費大量的時間處理一份作業。一個助教需要面對上百名學生，對于老師和助教來說是一件無法完成的任務。”他說。

大一在竺可楨學院的求學經歷，讓張洪申對“作業本必須留痕”產生了一種執念。創辦產品時，張洪申特意將這個修改作業的習慣嵌入其中。

批改作業長期被視為教師工作的自然組成部分，卻很少被真正量化計算。張洪申想解決的，正是這部分被默認存在、卻長期缺少支撐的勞動。而“留痕”，就是讓這些勞動被看見的切口。

當年是20多人的小班教學，線性代數老師是70多歲的尹永成教授。尹永成堅持親自批改每個學生的作業，在錯誤步驟旁畫出標記，寫下批注。張洪申坐在臺下，看著作業本上的紅字，學得格外賣力。尹永成的紅筆痕跡，自此成為張洪申心里教學反饋的參照標準。

△張洪申批改作業時留下的批注 圖源“浙大發布”

另一段執念來自2013年。張洪申在上海延安中學讀高中，學校引入英語答題卡機，試卷塞進去，機器一秒鐘吐出分數，但卡面上沒有修改痕跡。發回卷子，張洪申看著空白的卡，不知道自己錯在哪，只能對照黑板重新比對。那種空白，打擊了他的學習積極性。

“我就想做一個產品，在修改作業時，可以留痕跡，讓學生知道哪個題目錯了，錯在哪里了，把老師的想法直接打印在答題卡上或者卷子上。如此一來，至少比空白的紙張更加照顧學生的感受。”張洪申說，“所以，我的產品是從學生角度出發的，要溫柔且公正地對待學生的付出，回應他們做作業的努力。”

在一路高歌猛進的學術體制里，尹永成教授的紅筆痕跡構成了張洪申最初的智力審美與教學參照。這種少見的、帶有溫情主義的底色，恰恰需要硬核的技術與冷酷的現實感去承載。他不想講改變教育的宏大故事，只是想用技術去解構那15個小時的肉身痛苦。

2022年12月，張洪申在美國麻省理工學院念計算機博士的朋友發來消息，讓他嘗試剛發布的GPT-3.5。大模型的邏輯推導能力，啟發了他。

他開始在電腦上建立測試系統。2023年9月，團隊已經打造出一款AI修改作業的軟件系統。

“我們支持最新的文心一言以及ChatGPT等模型，老師需要提前輸入題目以及正確答案。大語言模型通過比較學生的步驟與正確答案之間的差異，告訴學生，具體的問題出現在哪里。”張洪申說，“具體來說，老師需要上傳每一位學生的作業的圖片或者掃描件。我們通過OCR將其轉化為文字，通過大語言模型比較答案，具體指出學生的錯誤步驟是哪一步，同時評價學生的作業過程。”

張洪申決定把這個想法做成產品，并取名為“SolveGPT”。他通過浙大校內論壇認識了一位計算機學院碩士，邀請對方加入，負責底層代碼開發，自己則承擔算法邏輯調優和產品推進。

目前，團隊核心成員共有4人：一名計算機學院碩士負責技術開發，一名成員兼顧財務與運營，一名成員負責日常運營，以及張洪申。團隊采取異地線上協同辦公。對于實習生，張洪申給出的薪資是每天600元。

“我不想虧待一起干活的人，要給就給到位。”他說。

這種極度坦白的高用人成本，反過來倒逼著這個高智商團隊用AI去壓榨出極限的人效。在張洪申的腦子里，感性的執念與理性的賬本并行不悖，他把小公司的生存邏輯算得清清楚楚。

他點開每天更新后臺系統的飛書文檔。那是一份密密麻麻的協同更新日志，每天記錄著七到八條優化內容，老師會給他們反饋意見，運營人員也會直接與學校對接。

他用鼠標滑動屏幕上的更新條目：“分數識別支持雙擊”“連線題圖像增強參數調整”......每項問題解決后都被打上劃掉的橫線標記，寫明負責人的名字。因為協同內容過多，在電腦上按動快捷鍵，甚至會導致系統卡頓。

張洪申盯著那份一時間拉不到底的協同日志，語氣里有一種理工科特有的通透與務實：“我們小公司沒什么錢，所以會把人效壓得很高。讓AI把整個系統全做了，那是不現實的。”

落地

2023年5月，為了尋找客觀的外部檢驗，避免閉門造車，張洪申決定帶項目參加黑客松比賽。

他手頭有兩個項目，一個是AI講題，一個是自動作業批改機。比賽在7月開始，他在現場負責路演與故事陳述。在打比賽的過程中，他展現出一種極具數據清醒的現實感，通過評委的反饋和名次變化，快速識別項目的商業化可能。當發現AI講題項目留存率低、難以收費后，他毫不自我感動，果斷放棄，將全部精力轉向有剛需的作業批改機項目。

2023年底，張洪申結束黑客松比賽，決定向學校免費派發自動作業批改機系統。但是，，他在杭州本地缺乏學校渠道。

直到2024年3月，張洪申在B站和小紅書上發布產品演示視頻，廣東佛山的一位學校老師主動聯系上他，并表示愿意在班級里試用這套軟硬結合的系統。

“我們部署設備的第一所學校在廣東佛山。現在回頭想，這件事其實挺瘋的。”張洪申說。一個在杭州、在浙大做項目的人，跨越一千多公里去跑佛山的學校落地，前期的溝通和硬件部署都極為折騰，但他還是硬著頭皮把第一臺機器放到學校去了。

△這臺機器還可以實時生成班級、年級成績趨勢圖與知識點熱力圖。數據可視化讓教學管理更科學、更直觀

自第一臺設備安裝落地后，團隊陸續向全國多地的試點學校贈送打印機等硬件，連后續產生的墨水耗材、打印機租賃費用也由團隊自墊資金承擔。每進一所學校，團隊一年平均硬性虧損1.5萬元。這種在外人看來難以承受的“純投入”，在他技術派的賬本里，卻是一筆極其劃算的原始數據積累。

中小學之外，張洪申還將系統接入了浙江大學本校的公共課。從2024年12月開始，每學期有大幾千人選修的浙大線性代數課程，其期末考試卷子全部導入他的系統進行AI批卷試點。他的本科導師提供了項目經費，支持他在真實的線性代數公共課場景中，一邊運行系統一邊調試代碼。

這種學術體制給予他的隱形安全感，幫他構筑了堅固的試錯防護網。因為，有了學校場景作為大后方，他帶著團隊攻克了網絡防火墻限制，并不斷調整哪些題型能批改、哪些題型不能批改的專業率，優化了軟硬一體化的操作體驗。

他把理工科的執拗全部用在了死磕數據上。團隊在后臺建立了一套專門針對困難、涂改題目的數據集，按月維度強行更新，通過不斷撈取錯題重新訓練，硬生生將系統的整體準確率拱到了99.7%，單張紙的綜合打印成本壓到了5分錢。

產品在廣東和杭州本地試點磨順之后，規模化進校的渠道壁壘依然卡在眼前。在面向學校的ToB生意里，光靠產品本身很難推開校長的辦公室大門。2024年12月，張洪申參加杭創（人工智能）營舉辦的一場創業比賽，拿到了10萬塊錢獎金。

“錢當然重要，但更重要的是，比賽之后，他們那邊的負責人對我們這個項目很認可，而且是真正愿意花力氣幫忙。他們給我們介紹了兩所很不錯的學校——一個是杭州市崇文未來學校，一個是杭州市建蘭中學——把我們的產品引進去。”張洪申說。

“學校這個場景，沒有人把你介紹進去，沒有一個有信用的人替你站一站，這件事根本展開不了。”他說。

在這里，他身上那種缺乏圓滑、極度坦白的理工科現實感，反而幫他過濾掉了多余的社交內耗。他不指望靠酒桌文化打開校門，而是靠著杭創（人工智能）營負責人在線下跑了三四次、用平臺信用為其背書贏來的機會，直接用硬核的產品去對撞標桿學校的真實反饋。

作業自動批改機在崇文和建蘭跑通后，立即在杭州教育圈發揮出帶動效應，機器開始一臺臺鋪設出去。

更大的市場轉折發生在幾個月后。2025年11月，在余杭區舉辦的“智創未來”創業比賽中，張洪申的參賽項目再次脫穎而出。釘釘CTO朱鴻看中了張洪申的方案，并當場給出了兩所完全陌生的學校作為考核，要求他在一個月內把產品用起來。

這種近乎苛刻的臨場“對賭”，恰好撞上了張洪申那種冷酷、精準的理工科底色。他不要面子，也不講故事，他只用數據說話。

“他們不會花很多力氣聽你講故事，或者反復討論你這個項目到底行不行。他們更關心的是，你在學校里到底用得怎么樣。學校用得好，這件事比你講什么都更有說服力。”張洪申說。

“后來，那兩所學校的使用效果非常好。”張洪申補充道，“好到什么程度呢？不到一個月，全校都用起來了，真的很夸張。每天從早批到晚，而且是在我們和老師沒有做什么額外溝通的情況下發生的。”

△張洪申團隊與釘釘合作后的AI作業速改機 圖源釘釘教育

他用一個月內全校自發用起來的事實，去回應了大廠CTO的質檢，最終跨入大廠的信用門檻。從此，釘釘才真正和他們全面合作，項目正式接入釘釘的教育組織體系。

“大廠不會花時間聽你講故事，他們只看你在學校里到底用得怎么樣。”張洪申看著那套和釘釘全面打通的后臺，神色坦蕩地做出了總結，“學校用得好、每天從早批到晚，這件事比你講什么都更有說服力。”

環境

張洪申能把這臺機器做出來，離不開杭州提供的協作網絡。在這個由高校、大廠、孵化器與政策交織的生態里，他的技術想法被推向了市場。

他對于在杭州創業的體感，首先來自于浙大控制學院這個大后方。這里是外界眼中的“智能天團”，同門中有人通過做項目實現了財務自由。

“他們能搞出來，我也得搞一搞。我不覺得自己比他們差，那我也想親自下場，做一件屬于自己的事情。”他說。

在這個環境里，他獲得了最初的技術參照系，并在本科導師的經費資助下完成了早期的系統試點。導師之所以愿意自掏腰包支持，主觀上出于對門下學生研發能力的信任與愛護，客觀上，則是因為浙大公共課本身就面臨著上千人手寫卷子無人批改、極其消耗助教精力的現實痛點。

作為一名在學術體制里一路走來的博士生，張洪申身上缺乏傳統商人的圓滑。頂級名校的學術大后方不僅給了他技術的底氣，也提前為他墊付了最高的“信用首付”，給予了他一種“進可攻、退可守”的安全感。

因為擁有這種技術精英特有的隱形資產，他得以免去了很多初涉商海者常有的精神內耗。他不屑于偽裝，更不需要用宏大的教育情懷來包裝創業動機，取而代之的，是一種近乎執拗的理工科務實與極度坦白的商業現實感。

談及生存和發展，他態度坦率：“創業如果不為了錢，那是沒意思。都扯犢子。”

1997年，張洪申出生在上海，早年家里的住房空間狹小。因此，他從不避諱談論賺錢的動機，他的短期目標非常明確，就是想通過創業賺錢買一套寬敞的房子。他覺得這是一種非常正常且合理的個人訴求，沒什么不好承認的。

在這種現實感驅使下，他把所有的精力都死死按在算盤上，用極具賬面意識的眼光去打這場資金拉鋸戰。團隊每個月面臨接近10萬元的固定開支，而實際到手的月收入只有一兩萬元，剩下的全靠自墊資金維持運轉。

“說白了，就是在虧，幾乎沒怎么真正賺過錢。”他說。

但，他對這個項目的資產評估有著一套屬于技術派的期望值算法。他認為，賺錢要看長期的預期概率，只要數學期望是正的，就值得繼續往里投。他把公司直接丟進市場的尺子里去衡量，看它作為一個獨立項目的整體價值在往哪走。

在這種冷酷又精密的數學預期下，現實中每月虧損十萬的財務拉鋸，被他抽象成了一道純粹的邏輯題。那些傳統商業社會里長袖善舞的規則，在他這里被強行格式化了，他身上的那種“學生氣”因為有了技術撐腰，變成了一種極具降維打擊感的篤定。

離開校門后，大廠的基礎設施則成了他“借網捕魚”的通路。他不與大廠搶奪平臺和流量，而是直接掛載在釘釘的底層組織體系上。大廠筑好了路，他的產品作為底層入口切進去，解決了AI無法識別手寫模糊名字的痛點。

而規模化進校的渠道壁壘，則是靠杭州本地的孵化器網絡幫他打通的。ToB的學校場景極具特殊性，學校在客觀上對外部技術團隊設有極高的信用準入門檻，校長通常不愿冒風險去嘗試沒有背景的產品。

創業期間，杭州政府的辦事速度也嵌入了他對這片生態的認知里，尤其是余杭區。

在日常接觸中，許多支持創業的政策需要走完漫長流程。正常情況下，獎金、補貼或項目支持資金在兩個月左右到賬，已經屬于較快的速度。但有一次，余杭區政府在三天之內就把一筆項目支持資金全部打到了團隊的賬戶上。

“真的特別猛。這個事情對我沖擊很大。”他說。許多機構在口頭上表達對創業的支持與服務，但真正落實到具體的執行層面時，速度決定了一切。

“你流程越快，企業就越能感受到這套支持不是掛在墻上的。”他說。這筆資金的快速到賬，讓他直接體會到了本地政府執行層面的高效率。

但他沒有把這門效率絕對化，而是將其視為一種相對的優勢。在其看來，這種相對更高的行政效率，對處于成長期的創業公司而言已經足夠重要。

“這意味著你在這里更容易活下來，更容易把事情往前推一步。”他說。