教育行业专题研究报告：自适应教育，千亿教育信息化红利的点金石

（报告出品方/作者：华创证券，张璋、王文龙）

一、自适应教育：在教育行业深度挖掘信息化红利

（一）传统教育行业在信息化时代的不足与机遇

信息化早已深入人类社会的方方面面，但我们注意到，教育行业，依然在某种程度上并 没有跟上信息化的快车：

从整体形式上，一个老师台上讲，N 个学生台下听，这种延续了几千年单向输出模 式仍然没有太大变化，网络课堂也仅是把教室搬到了网上，1 对 N 模式没有变化；

在学生作业上，纸和笔因为各种原因，保持了相当得“顽强”，在办公领域“无纸 化”依赖 PC/移动计算普及而成功的今天，纸笔却依然顽固得留在了课堂内；

在学生学习评价上，主观题评价完全依赖老师“主观”判断，有一定的随意性和随 机性的问题也始终无法解决。这个问题在中高考这样选拔性高利害性考试特别严重。 缺乏信息化的结果就是，行业内依然存在大量的信息摩擦成本，低效和浪费，反过来， 如果行业能够大幅度推进深度信息化和智能化，则能够收割一波“信息化红利”；

在教学上，老师 1 对 N 向学生单向宣讲造成了 a)老师缺乏对学生了解，b)全班统一 进度必然造成一部分学生学不懂，一部分学生却觉得太简单，这造成了学生时间的 浪费，并影响了学生的效率。

解决这一问题可以提高学生的学习效率；

在应试需求下，题海+纸笔就是重复性的灾难。学生在做题之前几乎无法了解一本习 题集是否有效，但是做完之后时间已经成为沉没成本，科大讯飞在一项包含 35 亿数 据的研究中证实中国中小学生作业的有效率约 40%。如此之低的效率甚至 好于人们日常感受。解决这一问题可以大幅度提升学生在应试制度下的时间效率；

主观题依靠人力批改不仅是教育行业的“重脑力活”，而且高考评分标准不一和随 机性也是教育主管部门，学生家长和老师的共同痛点。解决这一问题可以大幅度提 升教师的时间效率，提升学生，家长和教育主管部门关切的考试公平有效性；

（二）自适应教育简史和基本原理

随着计算机技术和信息化的发展，海外和国内也不断的有公司尝试对教育行业做深度信 息化改造，在众多尝试中，自适应教育（adaptive learning）被公认为为最有希望成为下 一代教育形态的创新型信息化教育解决方案：

早至 1996 年，美国就有开始“自适应教育”相关的尝试，但当时的基础算法以及计 算机硬件算力都不支持在教育行业复杂的应用；

2006 年深度学习 deep learning 算法发表后，教育相关的应用（识别，模型）基础算 法才成为可能，2008 年~2012 年，从美国到韩国，各类 AI+教育初创公司成立；

2013 年为国内 AI+教育的元年，包括猿题库，作业帮等依靠技术试图改造传统教学 流程的公司先后成立；

2018 年之后，教育部开始发文，推进 AI+教育在公立体系内落地；当前的自适应教育，其主要技术原理，暗合了中国古代传统教育理念“因材施教”，让 信息系统高频度的和学生互动，通过互动采集学生的学习信息：

对整个学习目标，（基于应试的考纲）建立完整的知识图谱，并为每个学生建立个 性化画像图谱；

在每一次通过题目-回答的互动中，“读懂”a)题目的含义和意图；b)学生的回答；

在参考学生已有的知识图谱前提下，综合判断学生回答的正误，以及错误的点，对 应到学生的个性化画像图谱上并更新图谱；

向学生推送新的测试，形成“自适应”闭环表面上看以上的自适应闭环并不复杂，但其实很多关键点有相当高的技术难度：

让计算机系统“理解”题目和学生回答就已经极难，涉及了 OCR，语义理解等诸多 AI 技术，而部分领域近年才在算法上有一定突破；时至今日，仍有相当多的功能， 如学生问答题，证明题，主观题答案，计算机系统无法很好理解；

判断学生的出错并更新学生的画像需要对教学过程有极深度的理解：学生答错一道 选择题，有数种可能，绝非简单记录这道题再推送一遍类似题目就可以解决；

对学习过程的全流程数字化，意味着一个庞大的数据库，知识图谱库和画像库；

（三）中外教育市场环境的不同以及中国市场的巨大潜力

在自适应教育的发展历史上，我们需要注意到的一个现象是中国和东亚自适应教育系统 虽然起步较晚，但成长性有明显的差别：

美国的自适应教育先驱 Knewton 最早在 2008 年创立，但最终收场惨淡，累计融资 1.8 亿$，最终被并购的时候估值不超过 1000 万$；

韩国知名自适应教育公司 KnowRe 探索在数学领域适用自适应教育，最终也没能独 立发展，被韩国最大的课外互联网教育公司并购；

中国的猿题库，松鼠 AI 起步明显晚于前两者，但是近年发展态势均较为迅猛，猿题 库的母公司猿辅导在最新一轮的融资中，估值据信超过 200 亿美元； 除了公司不同的技术路径，创始人的技术水平管理水平，企业家精神之外，我们认 为一个很大的因素是不同的市场，文化大环境决定了不同公司的发展潜力：简单直观的来看，现代自适应教育系统了解学生知识掌握水平的主要方式是“习题测试”和学生作 答理解标签，和题目训练有很大的关联，从实践结果上，自适应教育在应试教育方面也 更容易体现出效果：

以中国为首的东亚文化圈，受千年科举制度的影响，在教育结果评定和升学上更重 视数字化的分数，更在乎一套试卷的结果；

西方文化圈对学生教育的评价维度相对而言会更丰富一些，造成的结果是考试分数 在学生综合评价结果的比例较低。 大环境的教育制度的差别，体现了在课外教育方面投入的差别，美国劳工统计局和韩国 国家统计局分别统计了 2019 年家庭平均在每个子女课外教育的花费，分别是 1443 美元 和 3625 美元，美国生均课外投入是韩国的 1/2 不到，但我们要注意美国人均 GDP 大约 是韩国的两倍，因此可以说以美国为代表的西方在课外教育方面的投入相对力度，仅为 韩国的 1/4。中国缺乏全国性的数据，但在 2018 年发布的《2018 年中小学生减负调查报 告》中有数据显示全国参加辅导班的费用为 12000￥，这一数字和美国家庭课外教育花 费相当，但考虑全国人均 GDP，这一投入的力度甚至超过韩国：

中国虽然当前课外支出人均数额不高，但我们也要考虑中国人均 GDP 还在快速提升中， 中国家庭对教育的投入比重（接近 20%）是远超美国（约 2%）和韩国（约 10%）的，因 此随着经济的发展，中国的自适应教育市场必然迎来更大的发展机会，结合人口总量，能 够培育出相比海外可对标公司更强的企业。

二、从自适应教育行业标志性公司发展史看行业核心规律

（一）美国先驱公司 Knewton 黯然收场带来的启示

2008 年创立的 Knewton，是海外较为知名的 AI+教育先驱公司，公司创立的年份在 06 年 深度学习技术突破之后 2 年，是世界范围内较早的利用 AI 新技术探索“自适应教育 adaptive learning ”的公司之一。公司作为行业先驱，早年较为知名，其愿景也吸引了大 批一级市场投资人关注，在历史 8 轮融资过程中拿到 1.8 亿美元。而在 2019 年 5 月， Knewton 仅以 1700 万美元，被美国知名出版社 Wiley 收购。这家曾经红极一时的自适应 教育领头羊就此黯然收场，不由得让人唏嘘。 2017 年之前 Knewton 是业内较早探索自适应教育企业，在巅峰时期全球有超过 1500 万 学生使用。相对于同时期的竞争对手，Knewton 产品具备一定的竞争优势：

知识颗粒度处理能力：在题目标签上尽可能做到标签细化；

及时反馈：公司的自适应教育系统开创了业内实时刷新画像和推送策略的方法；

提供多维度结果。公司提供多角度、多方面的结果分析；

自适应引擎的准确度。Knewton 还能够通过学生的学习情况对未来考试的通过率进 行预测，自适应学习的引擎预测率大约是 87%（数据源于 2019 年 3 月 15 日 Knewton 合作与发展高级副总裁 Jason Jordan 的分享）。 但作为行业先行者，Knewton 并没有顺利发展壮大并上市，相反，其遇到了明确的瓶颈 并逐渐走上了下坡路。在 2017 年之后，出版商逐渐终止与 Knewton 的合作后，它就走上 了末路。 复盘 Knewton 下坡路的过程，其核心原因是没有自己的知识库。Knewton 的知识图谱数 据来源于它的合作方—全球最大的教育出版机构：培生集团，以及教材出版机构，例如 剑桥出版社。在国外重视知识版权的大环境下，Knewton 若想自建知识库面临极高的成 本。因此从 2017 年开始，当 Knewton 尝试自己建立开源知识库，这遭到了出版商的联合 抵制，导致原有的合作伙伴变成竞争对手。同时由于之前没有面向学校或个人的用户积 累，在之后的两年中迅速失去市场，最终被收购。 复盘 Knewton 的发展史，在北美和西欧较高的知识产权成本导致公司始终没法自建知识 库和题库，以及欧美不以标准化考试评分决定升学结果导致公司需求并“刚性”两个因 素是其衰败的关键外部环境，但这两点在中国却可能恰恰相反。

（二）韩国标杆公司 KnowRe 被并购带来的启示

KnowRe 创立于 2012 年，通过游戏化的机制为学生提供个性化的数学这课程学习辅导， 是一个基于云端的自适应中学数学学习产品。 KnowRe 的特色是：

游戏化的方式提供学习课程内容。在学习过程中，通过获得金币或奖励的方式，持 续不断地激励学生进行学习。“Knowre Success Score”中会显示同伴的学习进度， 同样可以激发学生的学习动力。

提供更细节化的解题步骤。KnowRe 在“Walk Me Through ”中提供分步骤解答提示， 并提供整个解题视频，也可以更好了解学生的薄弱环节。 公司发展过程中一直面临的不足和瓶颈：

选择错误的市场。创业初期为美国公立校提供服务，联合创始人 David Joo 也提到 公立校的进入难度较大，根据收购前的数据，To B 的业务收入只占到总营收的 10%。 美国各州之间使用的教材是不同的，为了面向不同州的学生，需要建立不同的知识 库，大量的成本投入却无法得到复用。

没有形成自己的知识库。面向学校领域没有走通之后，转向为 Daekyo（韩国最大的 教育公司）提供技术，但是，此时 KnowRe 仍没有建立自己的知识库，这使得 KnowRe 无法直接面向 C 端客户提供大量产品。

尽管 KnowRe 的技术和教学方式对中学学生的数学学习有很大的帮助，但是由于 To B 端 的难以进入，同时在 To C 端没有很大的客户积累，导致公司发展受限，最终被自己的合 作伙伴 Daekyo 教育机构收购。 被 Daekyo 并购之后，公司整合成为了“Noonnoppi”事业部，提供数学和语言学习方面 的自适应教育产品。其产品的核心引擎为“Noonnoppi customized learning program”，通 过游戏化的自适应诊断体系给客户画像，再推送个性化的教学方案。在新冠疫情之前， Noonnoppi 事业部的收入增速已经稳步上涨，表明整合的成功：

从 KnowRe 的发展历程中，我们可以看到技术是一方面，自适应教育公司和 Daekyo 这 样的课外教育集团结合，前者为后者赋能可能是行业更好的发展方向之一。

（三）中国众多课外教育公司的自适应教育实践

相对于美国和韩国的前辈相对惨淡的收场，中国的自适应教育机构虽然后发，但利用后 发优势，以及自身国情给相关企业带来的优势，走出了远超前辈的指数级成长。

1、猿辅导的自适应题库-猿题库

猿辅导成立于 2012 年，重点布局 K12 在校外的领域。猿辅导作为旗下主打手机智能做 题的 APP，目前题目内容已经覆盖小中高 12 个年级，同时提供各省市的高考真题及模拟 题。学生可以按照考区、学科、知识点自主选题进行模拟练习。 猿辅导的成功关键：

数据积累是核心要素。在猿题库、小猿搜题逐步上线之后，猿辅导利用学生的做题、搜 题数据，逐步形成自己的知识库，向学生提供个性化推荐。同时这些数据也被应用在猿 辅导旗下的其他产品中。猿辅导的题库题目数量是亿级别的，这是极为深厚的 数据积累，亿级题库和上面十亿级别的标签是极高的数据壁垒；

数据导流变现。猿辅导通过不断上线各种课程导向的产品，形成工具、培训两大类产品 矩阵。工具类产品，如猿题库、小猿搜题，承担导流作用，吸引大量用户，建立用户粘 性，形成用户知识图谱。培训类产品，如猿辅导，承担变现作用，通过售卖课程产品增 加收入。

根据市场，及时调整授课模式。从最开始的平台模式，到招聘全职教师形成自营模式， 取消 1 对 1 的授课，目前的大班双师课，是实践中最有效且变现能力最强的方式。猿辅 导在数据变现模式上做到了领跑其他公司，从而分到了更多的蛋糕。

2、松鼠 AI

松鼠 AI 开发了国内第一个拥有完整自主知识产权、以高级算法为核心的智适应学习引擎， 在教、学、测、评、练等均应用了人工智能技术。松鼠 AI 的强项在于：

学习引擎智能化程度高。开发了国内第一个拥有完整自主知识产权、以高级算法为 核心的智适应学习引擎。在人机大战中，通过实践验证，松鼠 AI 教学组的学生学习 效率更高，学习结果更好。

“智适应”渗透率高。自主研发的“智适应”系统，模拟真实教师教学，在教学过 程中的教、学、测、评、练等均应用了人工智能技术。

知识点分级更细，考虑多维度学习元素。将知识点拆分成纳米级，更加精确定位学 生的知识点掌握情况，同时考虑学生的情感、积极性、能动性等因素，应用细分思 维模式、学习能力、学习方法的 MCM 系统。

线上“人工智能+真人老师”，线下小班教学。在线上教育方面主打 AI 授课，真人 老师进行辅导；在线下与教辅机构进行合作，提供 6 人小班教学，主要收取咨询费 和学费分成。

三、校内自适应教育：行业未来的必由之路

在世界范围内，在校内探索 AI+自适应教育也绝非中国独有。韩国教育部在 2020 年 9 月 宣布，将在全国范围内 16 个县的 34 所学校试点一个名为“Math Expedition”的项目， 这个项目的核心内容就是将游戏化的自适应教育系统引入到公立学校数学教学体系内， 作为校内数学课堂教育的补充：

通过游戏的形式对小学一二年级学生测评其对数学知识点的掌握；

通过学生的个人画像推送辅助教学内容，个性化的提高学生对数学知识点的掌握； 以上流程，实际上和现代自适应教育的体系非常吻合，也可以说，中国和韩国的教育部 先后启动了在公立教育体系内探索自适应教育系统的应用，从某种程度上表明两国教育 部都看到了自适应教育可能对公立校内教育体系带来福祉！

（一）校内数据：自适应教育的天然“数据金矿”

在校内做自适应教育，相比在校外做自适应教育，其天然优势在于数据的丰富度大大提 升。在国内，课外教育的主要时间段依然是以周末为主，但周末本身还要留时间给休闲 娱乐和兴趣素质拓展教育。而工作日时间段校内教育占据白天时间，夜晚还要考虑校内 作业时间，校外的课程和作业时间也很难争夺主导地位。

（二）当前校内自适应教育面临的主要障碍

目前在中国实践校外自适应教育进入校内，首先面临的一大障碍是政策上的障碍。对于 校内中小学生使用 APP，使用手机等信息化的工具，以及校外培训机构对校内的渗透，中国教育主管部门是高度谨慎的。一起教育是一家主打校内免费工具+校外辅导导流的公 司，其在招股说明书中列举了国内最近两年和公司有关的监管政策： 从以上的列举来看，企业如果想要在公立学校体系内部做深度的信息化改造，第一重障 碍就是政策相对的不友好。以一起教育为代表的一批公司是走“草根路线”，通过动员 学校老师来采集校内数据进而完成画像，但这一路线在高监管风险，特别是对学生使用 手机和 APP 的限制下面临了很大不确定性。

教育部从保护青少年视力角度出发制定的一些政策给信息化带来了更大的阻碍：2018 年 8 月 30 日公布的《综合防控儿童青少年近视实施方案》中规定：“... 学校教育本着按需 的原则合理使用电子产品，教学和布置作业不依赖电子产品，使用电子产品开展教学时 长原则上不超过教学总时长的 30%，原则上采用纸质作业。…”限制采用电子化方案， 原则上采用纸质作业，给自适应教育开展带来了两重困难： a) 在校内推广免费的自适应教育方案，其对教师的原本的吸引力在于通过互联网电子化 推送题库内容，并自动批改降低教学负担，一旦变为纸质作业，则上述便利不复存在， 如果没有上层推动，教师很难有动力自发采用自适应教学系统； b) 对于纸质作业，自适应教育在“识别”上面临指数级的难度提升。自适应教育中很重 要的环节是对题目预设标签，对学生回答打标签，形成学生画像。但纸质作业中题目可 能是老师自行布置，不在系统题库中，不存在预设标签，自适应教育系统需要具备对任 意题目自行打标签的能力。而学生在纸质作业上的回答，特别是问答题，证明题等包含 大量学生手写的内容，则大幅度提升了自适应教育系统的“智慧程度”要求，要求系统 能够有贴近人类教师对主观题，问答题，证明题的理解能力。而目前来看，我们不能忽视的是人工智能在语义理解上的发展水平是远远不能满足实际 教学中的需求。我们以 SMP 大会的论文为例：SMP 大会是中国全国社会媒体处理大会 （SMP）专注于以社会媒体处理为主题的科学研究与工程开发，其中文语义理解 AI 竞赛 是较为权威的全国性竞赛，比赛结果代表着中文领域 AI 技术和应用水平的最新进展。 SMP 大会中的中文人机对话技术评测（ECDT）比较能准确的反映出语义理解的水平， 但即便是排名第一的出门问问公司，其比较粗略的域准确度是 97.3%， 但句子准确度仅为 72.23%，这个准确度是完全没有实用价值（超过 99%）的。可以说， 在语义理解和自动标签领域，至今人工智能技术没有攻克这一高地，也阻碍了自适应教 育系统对教师作业和测试的深度标签，以及学生主观问答的深度批改和标签。

（三）自上而下+深度服务：校内自适应教育的通途

在国内课内教育领域实践自适应教育的龙头公司是科大讯飞，其在自适应教育领域实践 的两大策略可以总结为自上而下+深度服务： 自上而下：通过和区域教育主管部门签订订单，一方面获取一部分从财政的收入，更重 要的是用教育主管部门背书解决政策风险，并通过教育主管部门自上而下的向老师传递 KPI 压力，解决教师的积极性和使用覆盖率。深度服务：用现有的人工智能技术，在处理纸质作业，不管是给题目打标签还是批改学 生主观/问答题/证明题并打标签，都存在很大的准确率缺陷，导致整个自适应教育系统无 法形成信息流闭环，没有实用性。科大讯飞摸索出的方法是增加驻校的服务人员，用（远 程）人工来弥补 AI 的不完善，一线人工辅助完成题目录入，远程的教研团队人工服务 辅助教师完成题目的精确标签；

（四）校内+校外联动：自适应教育的广阔空间

对于校内发展的自适应教育，从短期看，其主要依赖地方政府的信息化经费支付，早在 2011 年发布的《教育信息化十年发展规划（2011—2020）年》公告中，就明确各级政府 在教育经费中按不低于 8%的比例列支教育信息化经费。在 20 年 2 月发布的《2020 年教 育信息化和网络安全工作要点》中，明确指出要继续完善教育信息化，并鼓励企业等社 会力量积极支持信息化建设和应用。2019 年全国教育经费接近 5 万亿，其中义务教育+ 高中教育接近 3 万亿，对应的义务教育+高中的教育信息化经费超过 2000 亿，本身是一 个不小的市场。

从大的周期来看，中国的教育经费的信息化部分已经从硬件建设向软件和服务转变，这 带来的结果是自适应教育的软件和信息化服务能够有更大的 2B 端市场空间。 从更长期的机会看，我们认为自适应教育的未来是校内的数据积累+校外的辅助提升市场 联动。对于自适应教育在校内市场积累的数据，其在校外有着巨大的可变现空间。

小学生一共约一亿人，考虑高年级学生使用自适应教育系统才能看到比较明显的效 果，以及小学整体上相对较低的升学压力，再考虑不同地区支付能力的差别，我们 认为这一块有效潜在市场人数在数千万级别；

初中生一共约 4700 万人，由于初中升高中存在一个“中考”这一关键性升学考试， 我们认为潜在的市场人数占比要远高于小学，大致的潜在付费学生数量和小学应该 接近；

普通高中（除职业教育等升学压力较低的高中）在校生 2400 万：考虑到高考的升学 压力相对中考进一步加强，支付意愿的确定性在中国传统文化的背景下会有较高的 确定性，我们认为对这一市场更大的影响变量是支付能力。超过千万的潜在学生数 是有很大可能的。 对于小学数千万潜在客户，中学数千万潜在客户，以及普通高中极强支付意愿的 2000 多 万在校学生，自适应教育其对应客单价也可以有不同的数量级：

最基础的自适应教育可以解决习题训练的效率问题，由自适应教育系统推送的练习 题，理论上能大幅度降低学生的重复练习和无效练习，因此其具备很大程度上取代 传统的纸质课外教辅的潜力；

更深层次的，自适应教育+课外 K-12 教育结合有提升课外教学的效率和效力的潜能， 在相对内卷的市场格局下将成为课外教育行业的标配，那么自适应教育所需要的基 础画像数据的价值就可以在接近万亿￥的 K-12 课外教育市场分得其应有的份额。

详见报告原文。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）