教育從業者年度必讀丨《教育科技這一年 ：教育+AI新紀元》 火熱銷售中， 點擊 文末小程序購買！

AI解決的是“問題本身”，但是教育要解決的是“解決問題的能力”和“培養能解決問題的人”。

來源|多知

整理|徐晶晶

近日，多知舉辦了多知OpenTalk第50期主題為“AI學伴、青少智能體，終局在哪”的活動。

在活動上，啟明創投副總裁李定政分享了對AI+教育創業的思考并給創業者提了一些建議。

李定政從事教育投資近10年，所投的項目案例包括與愛為舞、斯爾教育、量子之歌、悉之智能、歡樂童年教育集團、小鵝通等。他也是當前仍在一線積極關注教育行業變化并持續下注的投資人之一。

核心觀點：

1.中國教育行業的很多創新，是由產能推動的。

2.過去五年基本完成了整個教育行業的工業化、數字化、在線化革命。

3.教育是少數AI直接賦能的領域里有明確需求和成熟商業模式的。

4.AI+教育的創新有機會創造新的產品形態。

5.復雜教育場景里可能孕育大量的機會，但是很長時間里還會是面臨L2+的狀態。從過去十年在線教育的投資來看，簡單場景里蘊含的大規模的投資機會不多。

6.AI解決的是“問題本身”，但是教育要解決的是“解決問題的能力”和“培養能解決問題的人”。

7.AI+教育的資本熱度遠低于其他AI賽道，但可能孕育著真正的機遇。

8.對最新最前沿的技術有所了解和應用，但應以應用為邊界，而非深入去做底層研究。

9.基于教育學本身的研究應該要更深入，如教育內容框架、用戶學習行為研究。這些同樣有大量AI賦能的機會。

以下為李定政的演講（經多知編輯）：

大家好。我來自啟明創投。啟明創投較早在AI領域開展布局，也是一家相對頭部的VC。

2012年左右，啟明投了優必選、曠視等企業；大概三四年前，當時團隊同事注意到Transformer架構出現后，我們就開始重倉AI 3.0時代，代表公司包括智譜AI、生數科技、階躍星辰、百川智能、面壁智能等。我們是投大模型最多的國內VC之一。

2018年加入啟明之前，我在好未來戰投工作過一段時間。在加入好未來之前，我有三年的創業經歷。再往前，我在網易做過新聞，也加入過游戲公司。

我是2018年加入啟明創投的，起初負責教育領域的投資，投的項目案例包括小鵝通、斯爾教育、畫啦啦、悉之智能、量子之歌等。去年我們投了與愛為舞。

隨后，我也開始關注自動駕駛、新能源車、AI+行業等領域的投資，投的項目案例包括ROX洛軻智能、DeepWay深向星辰、邁馳科技等。

01

教育是AI產品創新的核心領域

中國教育行業的很多創新，是由產能推動的。畢竟，好的教育資源是永遠稀缺的。回過頭來看，上世紀90年代，新東方創立；本世紀前十年，好未來創立。好未來核心的能力之一就是批量復制老師，慢慢擴展到整個后端的力量；再到本世紀第二個十年，猿輔導、VIPKID是用在線的方式把優秀老師或內容分發給全國用戶。再到隨后幾年，畫啦啦、火花思維等在產能跟互聯網結合的路上都有很多探索，比如小班模式。后來就迎來了政策調整。一直到ChatGPT出現后，大家的情緒才慢慢回來。

AI可能會對哪些行業產生巨大影響？過去五年，中國的教育創業交了非常多的學費。但是，硬幣的另一面則是過去五年基本完成了整個教育行業的工業化、數字化、在線化革命。

當教育工業化完成后，意味著原來由人解決的每一環現在有可能由AI來解決，這是工業化的基礎。如果沒有這個基礎，很多行業談AI就會有點難。

AI有機會把教育中的服務屬性做成工業產品。這是我們看到的一個很有意思的現象。大家都認為，教育本質是服務業，很多環節需要人來參與，但是今天，有沒有可能用AI代替一部分人的行為，把這些流程變成一個工業化流程？

教育是少數AI直接賦能的領域里有明確需求和成熟商業模式的。

02

AI+教育的創新有機會創造新的產品形態

這是一張教育行業的商業模式圖。從過去十年多的歷史來看，畫兩個軸，橫軸是個性化和互動，是加強大家學習教育效果關鍵。縱軸是價格。中國過去十年誕生的教育主流商業模式（一對一、小班、大班、低價、免費），基本都在斜線的周圍。價格和互動性基本是正比的關系，也就是性價比和個性化基本是反比的關系，想要得到足夠個性化、互動性的方案，大概率就需要付出更高的成本。

在斜線的左下角，是類似喜馬拉雅、得到這種免費或者低價的模式，互動很少，本質就是出版；在斜線的右上角，是一對一模式，基本上是高客單價的產品。中間誕生過很多模式的探索，基本都是在價格、個性化/互動性、高質量之間找到用戶可以接受的平衡點。但是不是有機會把商業模式做到右下角：提供更強互動性的產品，但同時能把價格打到一個跟低價或者大班接近的水平；這其實也是給AI留下的空間。

而這件事在GPT出現前，是無解的。一直到去年GPT4出來以后，我們覺得真正有機會解決這個問題，即由AI承擔互動的事情。

03

選擇復雜教育場景，還是簡單教育場景？

我也投自動駕駛，我有一個思考：能否參考自動駕駛各細分賽道的發展階段，來推演教育AI化的進程？

自動駕駛領域里有兩個概念：L2+（部分自動駕駛）和L4（高度自動駕駛）。

L2+和L3核心的區別就在于技術成熟度和責任主體的劃分。2022年，行業就在講是L2+的元年，但后來的共識是，L2+的真正普及要從2025年算起。也就是說，L2+的時長其實是超過行業預期的。意味著，人要完全信任放給機器這件事情要比預期來得更晚。

再來看教育，教育里有兩大類場景，一類是相對復雜的場景，例如班課；另一類是相對簡單的場景， 比如學語言，要學的范圍已經劃定好了，這就相當于L4，用戶所有的行為都是跟機器在交互。

大家如果去創業，需要想明白自己選擇的場景到底屬于哪一類，是L2+還是L4。放到今天的技術場景里面，L4是成熟的階段，不管是自動駕駛的L4還是教育的L4，都是成熟的。我們看到，比如無人環衛已經開始成熟了，港口自動駕駛也已經開始成熟了，已經開始商業化了。但是可能像具身智能、末端配送等還是很早期的階段。

創業者可能要想清楚自己產品的場景設計，究竟是一個復雜場景，還是一個簡單場景。如果是復雜場景，那就要思考，可能很長時間還是需要人的要素的參與；如果是個簡單場景，干凈利落的簡單場景，從第一天開始就要“AI Native”。

創業者比較容易出現的問題是，有些團隊是在復雜場景用L4解決，就會感到特別吃力，感覺用戶怎么都不聽話（指用戶可能不按產品設計路徑來體驗）。還有一類問題是完全可以做L4，但還是用了大量的L2+。

復雜教育場景里可能孕育大量的機會，但是很長時間里還會是面臨L2+的狀態。從過去十年在線教育的投資來看，簡單場景里蘊含的大規模的投資機會不多，除了出現了多鄰國。中國當年也有很多簡單場景的產品，做的規模也不小，但是到不了上市的級別。不過這也挺好，并不是每個創業項目都一定要跟投資人聊。

先拋一個問題給大家：如果DeepSeek進一步進化，世界上還需要教育公司嗎？

這個問題可以從兩個角度去理解，從相對虛無主義的角度來看，如果有一天教育所有的職責，包括知識的傳遞、習慣的培養、人格的塑造，是由一個模型來做的，大概率也就出現了真正的強人工智能。如果從這個角度考慮，它有可能會發生，但是等它發生時，可能我們已經都不在了。

從相對具體的角度看，比如下一個版本的GPT會怎么樣。它可能會產生幾個影響：

第一，有些應用，可能會被大模型直接覆蓋。這已經是事實。比如有批做chatbot這種類型的創業公司，被大模型以“模型即產品”的邏輯覆蓋。舉個例子。蘋果手機剛發布不久后，很多創業者是做手電筒、計算器、天氣類應用，但是如今很少有人會用這些第三方的應用了。大模型這種相對底層的、相對高維的，在往上延伸觸角時有可能會把很多創業者的路直接覆蓋掉。

第二，從教育的本質角度出發，很多時候，AI解決的是“問題本身”，但是教育要解決的是“解決問題的能力”和“培養能解決問題的人”，目前的AI還無法將后面這個方向做得流暢。尤其是在一個相對復雜的場景里，還需要從教育底層的邏輯出發解決一些問題。把握教育的本質仍然是AI+教育創新的最關鍵要素。

所以我們看到，今天的AGI提高的是生成和互動的效率，但需要專家支持來組建教育學的底層邏輯。目前純用AI解決幻覺問題、純用AI形成完整產品，還是需要一些時間的。

04

AI+教育的資本熱度遠低于其他AI賽道，但可能孕育著真正的機遇

接下來想給創業者們一些建議：

其一，對最新最前沿的技術有所了解和應用，但應以應用為邊界，而非深入去做底層研究。

不要太扎根到模型本身里去，創業者可以去研究了解它們，但是不要把資金重投入到模型本身里。現在模型大廠本身的競爭已經是在資本層面上、在人力層面上的比拼。在模型大廠競爭的情況下，創業公司最好讓讓路，可以擁抱它們，可以了解最新的情況，可以在他們的基礎上嫁接自己的力量。

其二，基于教育學本身的研究應該要更深入，如教育內容框架、用戶學習行為研究。這些同樣有大量AI賦能的機會。

我們看到，過去兩年內出來很多的教育產品，對于教育學本身的一些研究不夠深入。過去十年，在線教育的創業者交了非常多的學費。這些應該被重新撈起來，好好地從這些層面做結合。

舉例來說，目前一些AI口語的產品，跟大模型的結合已經非常到位，但是為什么沒有在效果和留存數據上反饋出來？根本問題不是這些產品有沒有好好地用AI，而是沒有解決掉該解決的那個問題。

正面案例還是多鄰國。我前兩天見了一個教育領域的創業老兵，他堅持天天打卡多鄰國。他的新產品也在老老實實地學多鄰國。多鄰國的亮點并不在于對AI的表層應用，更多的是基于游戲化等的系統化的流程體驗。目前多鄰國結合AI可以做到更精確地掌握學習者當前的狀態，會更迅速地發起下一個任務和興趣行為。這有點像當年今日頭條、抖音千人千面的邏輯，能做到精確地指向用戶正在關注的顆粒度極細的關鍵字。

其三，尊重教育行業交了多年學費積累下來的商業規則，并應用它。

這些商業規則包括但不限于大班課怎么做的、小班課怎么做的、一對一怎么做的、渠道轉化等等，這些在全世界范圍內來說都是非常寶貴的能力。

其四，想清楚走的是融資的道路還是靠自有資金獨自發展的道路，關注好現金流，調整好預期。

這兩年是資本寒冬，粗估來看，投資數量可能同比減少一半。就投資金額、投資數量來說，2025年投資數量可能會有一些回升，但是2025年的回升主要集中的領域是AI和機器人，其他領域是很少的。

如果走融資的道路，VC現在優先考慮的是退出的可能性。退出的可能性會和幾個要素接相關：第一，所處領域的規模是否有養出上市公司的可能。第二，是否符合教育政策鼓勵和引導的方向。

我們核心關注教育的幾個重點領域：課程、工具、硬件。

關于課程：

比如在復雜場景下的L2+。有一些大公司在嘗試用一個純的數字人來教語文數學，但這條路對不對？有可能這個就是剛剛說的L2+的狀態，對一位厲害的老師來說，可以用AI復制他。但是如果想用AI重新創造一個大班課的老師那樣high level的教學狀態，會有些難度。

今天來看，更加可行的狀態是，用AI數字人復刻一個名師，并且讓AI給名師賦能，比如幫名師立刻答疑（學生聽不懂時，暫停，直接向AI老師發問，AI老師基于當前畫面、知識點立刻回答學生），現在技術就可以做到這一點。

再比如老師講知識點，面對不同學生針對性地講解，并且拆開揉碎了地講。講的過程中，學生還可以反復讓AI老師重講某一步。今天的技術底座已經足夠能解決這些了，但是需要很多工程化的能力組合起來。這是我們看到的課程里的大量機會所在。

關于工具：

令我們相對興奮的一個點是，從今天開始，工具角度的創業是面向全球的，這是區別于十年前的互聯網公司創業時的市場潛在規模的一點。今天做一個背單詞的產品，工程化的難度和交互的難度會比之前要低很多。所以我們希望看到越來越多的產品不只是面向中國的，更是直接global的。

關于硬件：

原生AI硬件結合場景的探索，比如字節的大力臺燈也令業界學到一些東西。真正的教育場景的硬件是有機會形成閉環的。

但是硬件很多時候還是大廠的活兒。最典型的是平板這種類型的，小的公司最好不要參與，但可以嫁接到他們的生態下去做點自己的事。

硬件結合場景，也有很多小一點的創新。因為中國大部分家長為軟件付費的付費意愿沒有形成，可能還是需要一個能握在手里的硬件才能真正打動家長。

關于平臺：

之前很多廠商也在嘗試做平臺。平臺的核心邏輯是在多品類的高頻復購下平攤流量成本。但是對于教育來說，在過去十年的創業里，平臺邏輯一直是一個偽命題。核心是因為教育是一個低頻重決策的行為，而不是高頻的行為。

但是我今天想單獨說一下平臺。比如在孩子放學之后，家長和孩子的交互行為既包括給他檢查作業、幫他背單詞、給他講故事、陪他玩玩具等。

以前，這些場景的解決方案可能是用不同的App來承接。但是，一種可能是，從時間維度出發，將一些行為放到一個統一的載體里。因為從時間的分配來說，要么是學習課程本身，要么是聽故事。但是家長和孩子花的最多的時間是陪伴。這個陪伴的過程里，可能用一些AI的方式來解決，可以從平臺的角度出發集合不同的陪伴場景。當然，我們隱約感覺，在AI時代，平臺的邏輯有可能會比以前更有挑戰性。

05

Q&A

Q1：想請教一下，在投資人眼中，AI教育還有沒有新的機會？

李定政：目前的現實情況是，真正愿意出手AI教育的VC并不多。所以大家接洽資方時，預期不要太高，項目盡量往AI上靠。

這一波創業，跟之前會有點不一樣：團隊比以前更精干，可以更加柔性地做事，保持相對小規模的狀態，一直跑到MVP成熟后。這應該是創業團隊的第一要務，而不是融資。

投資的核心邏輯，是看創業項目有沒有相對確定的市場規模*相對確定的商業模式*相對稀缺的團隊能力。

其中，市場規模是一個很具迷惑性的話題。創業者首先要思考自己的項目解決問題的不可替代性在哪里，再反推市場里真正屬于自己項目的那部分是什么。

Q2：您如何看科學教育方向的創業？

李定政：目前回看，科學教育的融資之路并不容易。這是因為，科學教育往往需要付出很高的說服成本，存在非標準化的內容及實踐的內容，且對于教具、場地、老師的素質要求都比較高。對于需求不剛性的領域，可以考慮模式盡量輕一點，不要做太多固定資產的投資。

教育從業者年度必讀丨《教育科技這一年：教育+AI新紀元》火熱銷售中，點擊小程序購買?

掃碼加入多知新書交流群，共同探討教育+AI的未來