随着消费升级和中产阶级崛起，中国教育市场正在从劳动密集型走向资本密集型和科技密集型，国人对教育的追求也从“有学上”转到“上好学”，天价学区房即是明证。
尽管民众热情高涨，遍地“孟母”，但头部教育资源注定是稀缺的，由此衍生出了在线教育、直播等新的授课媒介形式。但在线教育归根结底上只是将线下授课搬到了线上而已，从线下的1对少，变为线上的1对N，一定程度上摆脱了时间上、空间上的束缚。
也就是说在线教育延展了宽度，省去了“三迁”，可深度上还是取决于老师水平，取决于人意味着批量化生产的不可控性，也就是说在线教育仍然处于小农经济的作业模式，远未进入工业化时代的批量生产时代。
要知道“三迁”不是目的，只是形式，“三迁”的目的是为了获得良好的教育，从这一点讲，原来的在线教育形式也并不成熟。
人工智能时代的到来，各行业都在赋能黑科技，教育行业自然不会例外，给教育一个AI支点，能否让原本稀缺的教育资源具有普惠价值，让因材施教这一意淫了几千年的宏伟蓝图从【墙上的美人】，变为【炕上的媳妇】那?
媒介形式赋能AI：由公司结构决定了的嫁接模式
教育机构在传道授业解惑的路上，分为图片形式，利用图片识别技术进行拍照搜题;口语练习，通过声音练习听力，说话能力，这个主要是集中在以外语为主的教育机构中;陪伴机器人，寓教于乐，娱乐与学习同步进行的儿童陪伴玩具等等。
AI作为一种新的科技元素，教育机构在技术赋能的时候，有着很明显的倾向性，主要是围绕着授业的媒介形式开展技能赋能，比如图片识别公司利用人工智能提升图片识别、认知，外语类通过语音识别技术等等。
早已勾勒好的市场细分走向决定着AI的植入形式。这一波人工智能浪潮，本质上与下半场这一大基调不谋而合，都是黑科技赋能商业模式，这种形式的技术赋能，很大程度上省去了应用场景的烦恼，避免陷入施乐式的技术型自嗨。
图像识别：目前使用图像识别最主流的应用就是拍照搜题，典型代表是作业帮、学霸君、小猿搜题、阿凡题……
传统的K12应用更多是停留在学生需要主动上来去看视频和做题，这本身对于学生来讲是很难有学习场景的。而拍照搜题则是学生带着问题和困惑来学习的，所以我们也看到拍照搜题App是所有K12应用里活跃度最高的。
拍照搜题的核心技术就是把图片与文字做对应在，然后再去做文字与已有题库的匹配。
语音识别：目前使用声音最主流的应用就是语音评测，也就是学生说一句话，机器给打分，典型代表是讯飞、流利说、一起作业、盒子鱼……
而目前绝大多数市面上的口语学习App的口语评测的水平就是评判规定的一句话的发音准确度，或者是半开放式的交流。而真正的难点是评估开放性的对话的好坏。
科大讯飞已经在这个方向上与国家多个省签约合作，尝试做高考开放式口语题目的自动批改。Google的Wavenet已经接近这个水平只不过运算起来非常慢，百度近期也对这个结果的性能进行了优化。
另一个则是把语音识别率再提升一个新的档次。这两项工作都是在可预见的两三年内会实现并且普及起来的。
文字识别：老师讲课，最重要不是他的面孔和他的音色，而是他所说的话。同理，真正的在线教育与AI的最重要的结合点既不是声音，也不是图像，而是文字。
文字识别另一主要用途可以放在阅卷，老师批改作业。按照人工智能和大数据分析技术目前发展的趋势来看，在教育领域中，试卷自动评阅是教育系统智能化必然的方向。
一方面，计算机智能阅卷能避免人为的误差，能够更客观的反映出评阅结果，保证了阅卷的客观公正性。
另一方面，电脑阅卷省去了老师在传统阅卷模式中主观题阅卷的体力劳动，让老师省出更多时间和精力用在教学工作中。
教育机器人：除了工业机器人与服务机器人之外，教育机器人也是一个相当重要的领域，《2016全球教育机器人发展白皮书》预测未来5年(2016-2021年)全球教育机器人的市场规模将达111亿美元。
目前做教育机器人的典型的企业有智童时刻，旗下产品KeeKo机器人主打儿童教育，儿童可通过卡片、触摸、语音，外设等方式，对机器人进行可视化编程，从而训练孩子的逻辑能力和创造性思维。但这类企业都还停留在早期融资阶段，还没有大量资本进入。
人工智能的技术目前只是有所进展，仍然不够成熟，导致产品售价不低，且看不到解决实际痛点的标杆产品，用户购买意愿不足。
我们看到的很多人工智能只是应用在儿童教育领域，这些公司核心普遍在于技术，不能兼顾生产优质的教育内容，如何将机器人的娱乐性和教育性良好地平衡是值得思考的问题，否则教育机器人极易沦为使用期不长久的儿童玩具。
因材施教愿景：理想光明，道路曲折
“因材施教”、“有教无类”，是大教育家孔子所首倡的教学理念，影响着教育行业的发展。因材施教更是成为很多教育机构所追寻的目标，但是教育作为一项不可复制、不可控的人为活动，想大面积的普及，将此理念贯彻，绝非易事，人工智能的问世，却让此宏伟蓝图具备了实现的可能性。
虽然教育活动的主角仍然是教师，但人工智能可以有效地降低教育的成本，如通过网络让更多人在线学习优秀教师的课程，并通过AI技术来分析学习效果，帮助教师用更少的精力提供对更多人的差异教育，真正实现因材施教。
不仅如此，人工智能也缩短了学习反馈周期。针对某个具体的学习目的，必然存在：现状诊断+学习目标——反馈调整——提高与效果的展示。教学效果可视化、可量化很重要，如果无法展示学习效果，不能及时反馈，学生的水平很难得到提升。
虽然AI对教育能带来很大的帮助，但是教育并不是一个最容易被AI渗透的行业。我们知道，打造人工智能的核心有三个，算法、计算资源和数据。
由于人工智能算法的分享和传播是非常快的，Facebook、Google都大力倡导开源，所以算法并不是壁垒;而计算资源现在则是可以购买的，比如各种形式的云计算等，也不是壁垒;只有拿到契合使用场景的数据，才是壁垒。
因此，数据会是未来AI类公司的一决胜负之地，获取数据和处理数据的能力将成为强弱公司的分水岭，如何设计产品巧妙获取教学过程中的数据、而且将反馈用于自身产品的提升，将成为公司从1到100的大考。
数据才是人工智能时代不可多得的资产。人工智能会在教学中间起到穿针引线的作用，给教师做辅助或者决策性的分析。
可是核心的教育数据并不容易获取，因为很多数据来自于线下，或者是非结构性的，难以用于机器学习。虽然各种教育场景中，都会产生大量的个体信息，但是教师没有多余的时间和能力处理那么多的数据。
虽然可以通过技术手段把课堂录下来，把试卷扫描下来。但是，这只不过实现了教学信息的数字化，实际没有形成可处理、可分析的数据化。
因此，即便我们能全部记录下来，也没办法知道它对每个人的效果，必须要想办法把数据中的个体信息提炼出来，才能为以后的教学行为产生指导。
毫无疑问，传统教育赋能AI，因材施教将一个长期的过程。不过，利好的信号是政策的支持：教育部已经正式提出，下一步教育信息化的重点是信息化和教育技术深度融合，由应用驱动。它将不再像以前仅仅是学校买计算机设备，而是切切实实推动技术和教学实践结合。
同时，现在已有很多刚需的应用。比如上文所提及的作业评测，口语训练等很多刚需。让老师愿意去用，用的过程中产生数据，数据指导老师有针对性的教，指导学生个性化的学，随着数据越来越多，整个学校的智慧系统会越来越强大。
入口价值软肋，用户基数是发挥马太效应的关键一环
虽然人工智能是人类的下一幕，甚至比移动互联网对用户的影响都要大，但是，我们也要清楚的明白，吊炸天的人工智能并不具有入口价值，不是流量入口，人工智能对于各行业起到的作用只是锦上添花而已，这个基本事实。既然不是流量入口，各行业都在重兵加持人工智能技术，如何才能发挥马太效应那?
虽然人工智能不直接产生流量，但是却对用户活跃度，用户粘性起着重要的促进作用。上文中，我们分析到，线下的学校作为一个核心使用场景，虽然不便于积累数据，也没有数据可言，但是在线教育机构有数据积累。
在线教育行业开启人工智能时代，实际上沿着教与学的过程中，会产生很多行为数据，当更多用人工智能技术的时候，一定会把这个效率更加提升，从这个角度来讲在线教育因为有了人工智能会比过去的传统线下教育将有更加绝对的优势。
如今，不论是口语批改、写作还是自适应，人工智能技术在语言的教学和学生的语言习得上面都有实时的发展路径。
我们知道，加入了人工智能元素的产品，比如人工智能电视，有一个很大的特点就是越用越灵活，越用越懂用户。越用积累的数据越多，越懂用户也就意味着因材施教越成为可能。
粘性最强的产品无疑是社交产品，因为这里有你有你的朋友，你刷朋友圈上瘾，是因为朋友圈与你是强关系，非社交类产品，尤其是工具类产品，一般不具备这么强的粘性，可替代性强，因为工具类产品与用户之间就是使用与被使用的关系，没有感情可言，一款更好的工具类产品，分分钟会被替换掉。
在线教育也算是工具类产品，可基于人工智能技术的在线教育平台粘性将提升，不再单单是使用与被使用的关系，而是用户与过去自己的社交关系。因为这里有自己的数据，用户要想让因材施教成为可能，必须与工具产品成为强关系。
如果说以前的工具类产品与用户间之间玩的是约炮，搞得是一夜情，用完即走，想换就换，而现在加入了人工智能元素的学习型工具类产品，更像是谈恋爱，拴住了用户的心，用户投入了数据，而且越陷越深，是有感情的，且是双向的，具备了社交工具类产品的粘性。
虽然人工智能是基于生产效率的提升，它本身没有网络效应，技术有它固定的规律和速度，不太可能用融资的方式拔苗助长。但是人工智能搭载到产品上却可以发挥网络效应，增强粘性，因此用户基数越大，体量越大的在线教育平台，在这一波人工智能浪潮中，将能发挥其乘法效应，市场规律依然遵循着马太效应。
在线教育赋能人工智能技术不仅能增强用户粘性，而且还可以摆脱在线教育天生做不大的宿命，这也是人工智能赋予中小在线教育平台的市场机遇。
中国大约有30万家教育培训类的机构，平均的营业额却只有几百万元，教育赛道中能够做大的并不多，大部分都是灌木型企业——死不了，但是始终长不大。
换言之，这些企业在规模化方面出了问题;问题在于，如果仅仅是一两个企无法做大尚可理解，但全行业出现这个问题，说明有更深刻的原因。
之所以会遭遇规模化的瓶颈，和教育的特点密切相关。教育行业的核心痛点是优质资源稀缺。一个好老师，需要具备先天智商，较好的人品，加上后天的培养，自身长时间的积累，以及外部环境的支持才能造就。优质师资很难规模化复制，进而导致稀缺。
在大学就很明显，清华老校长梅贻琦早有论断：“大学者，非大楼也，大师之谓也，中国现在很多大学的硬件和设备以及经费都早已超越世界名校，差距就在于大师。
人工智能的出现，让优秀教师教学质量的标准化、批量化成为可能，进而让中小企业也能有很强的的教学能力。
当然，任何科技+教育，其实最终拼的的还是教研和内容，而不是科技本身，而且人工智能技术尚处行业早期，教育机构的重点还应当放在教育质量上，不错过这波AI浪潮，适当布局即可。
