启明创投李定政：教育是AI产品创新的核心领域丨OpenTalk

　　来源|多知

　　整理|徐晶晶

　　

　　

　　近日，多知举办了多知OpenTalk第50期主题为“AI学伴、青少智能体，终局在哪”的活动。

　　在活动上，启明创投副总裁李定政分享了对AI+教育创业的思考并给创业者提了一些建议。

　　李定政从事教育投资近10年，所投的项目案例包括与爱为舞、斯尔教育、量子之歌、悉之智能、欢乐童年教育集团、小鹅通等。他也是当前仍在一线积极关注教育行业变化并持续下注的投资人之一。

　　核心观点：

　　1.中国教育行业的很多创新，是由产能推动的。

　　2.过去五年基本完成了整个教育行业的工业化、数字化、在线化革命。

　　3.教育是少数AI直接赋能的领域里有明确需求和成熟商业模式的。

　　4.AI+教育的创新有机会创造新的产品形态。

　　5.复杂教育场景里可能孕育大量的机会，但是很长时间里还会是面临L2+的状态。从过去十年在线教育的投资来看，简单场景里蕴含的大规模的投资机会不多。

　　6.AI解决的是“问题本身”，但是教育要解决的是“解决问题的能力”和“培养能解决问题的人”。

　　7.AI+教育的资本热度远低于其他AI赛道，但可能孕育着真正的机遇。

　　8.对最新最前沿的技术有所了解和应用，但应以应用为边界，而非深入去做底层研究。

　　9.基于教育学本身的研究应该要更深入，如教育内容框架、用户学习行为研究。这些同样有大量AI赋能的机会。

　　以下为李定政的演讲(经多知编辑)：

　　大家好。我来自启明创投。启明创投较早在AI领域开展布局，也是一家相对头部的VC。

　　2012年左右，启明投了优必选、旷视等企业;大概三四年前，当时团队同事注意到Transformer架构出现后，我们就开始重仓AI 3.0时代，代表公司包括智谱AI、生数科技、阶跃星辰、百川智能、面壁智能等。我们是投大模型最多的国内VC之一。

　　2018年加入启明之前，我在好未来战投工作过一段时间。在加入好未来之前，我有三年的创业经历。再往前，我在网易做过新闻，也加入过游戏公司。

　　我是2018年加入启明创投的，起初负责教育领域的投资，投的项目案例包括小鹅通、斯尔教育、画啦啦、悉之智能、量子之歌等。去年我们投了与爱为舞。

　　随后，我也开始关注自动驾驶、新能源车、AI+行业等领域的投资，投的项目案例包括ROX洛轲智能、DeepWay深向星辰、迈驰科技等。

　　01

　　教育是AI产品创新的核心领域

　　

　　中国教育行业的很多创新，是由产能推动的。毕竟，好的教育资源是永远稀缺的。回过头来看，上世纪90年代，新东方创立;本世纪前十年，好未来创立。好未来核心的能力之一就是批量复制老师，慢慢扩展到整个后端的力量;再到本世纪第二个十年，猿辅导、VIPKID是用在线的方式把优秀老师或内容分发给全国用户。再到随后几年，画啦啦、火花思维等在产能跟互联网结合的路上都有很多探索，比如小班模式。后来就迎来了政策调整。一直到ChatGPT出现后，大家的情绪才慢慢回来。

　　AI可能会对哪些行业产生巨大影响?过去五年，中国的教育创业交了非常多的学费。但是，硬币的另一面则是过去五年基本完成了整个教育行业的工业化、数字化、在线化革命。

　　当教育工业化完成后，意味着原来由人解决的每一环现在有可能由AI来解决，这是工业化的基础。如果没有这个基础，很多行业谈AI就会有点难。

　　AI有机会把教育中的服务属性做成工业产品。这是我们看到的一个很有意思的现象。大家都认为，教育本质是服务业，很多环节需要人来参与，但是今天，有没有可能用AI代替一部分人的行为，把这些流程变成一个工业化流程?

　　教育是少数AI直接赋能的领域里有明确需求和成熟商业模式的。

　　02

　　AI+教育的创新有机会创造新的产品形态

　　

　　

　　这是一张教育行业的商业模式图。从过去十年多的历史来看，画两个轴，横轴是个性化和互动，是加强大家学习教育效果关键。纵轴是价格。中国过去十年诞生的教育主流商业模式（一对一、小班、大班、低价、免费），基本都在斜线的周围。价格和互动性基本是正比的关系，也就是性价比和个性化基本是反比的关系，想要得到足够个性化、互动性的方案，大概率就需要付出更高的成本。

　　在斜线的左下角，是类似喜马拉雅、得到这种免费或者低价的模式，互动很少，本质就是出版；在斜线的右上角，是一对一模式，基本上是高客单价的产品。中间诞生过很多模式的探索，基本都是在价格、个性化/互动性、高质量之间找到用户可以接受的平衡点。但是不是有机会把商业模式做到右下角：提供更强互动性的产品，但同时能把价格打到一个跟低价或者大班接近的水平；这其实也是给AI留下的空间。

　　而这件事在GPT出现前，是无解的。一直到去年GPT4出来以后，我们觉得真正有机会解决这个问题，即由AI承担互动的事情。

　　03

　　选择复杂教育场景，还是简单教育场景?

　　我也投自动驾驶，我有一个思考：能否参考自动驾驶各细分赛道的发展阶段，来推演教育AI化的进程？

　　自动驾驶领域里有两个概念：L2+（部分自动驾驶）和L4（高度自动驾驶）。

　　L2+和L3核心的区别就在于技术成熟度和责任主体的划分。2022年，行业就在讲是L2+的元年，但后来的共识是，L2+的真正普及要从2025年算起。也就是说，L2+的时长其实是超过行业预期的。意味着，人要完全信任放给机器这件事情要比预期来得更晚。

　　再来看教育，教育里有两大类场景，一类是相对复杂的场景，例如班课；另一类是相对简单的场景， 比如学语言，要学的范围已经划定好了，这就相当于L4，用户所有的行为都是跟机器在交互。

　　大家如果去创业，需要想明白自己选择的场景到底属于哪一类，是L2+还是L4。放到今天的技术场景里面，L4是成熟的阶段，不管是自动驾驶的L4还是教育的L4，都是成熟的。我们看到，比如无人环卫已经开始成熟了，港口自动驾驶也已经开始成熟了，已经开始商业化了。但是可能像具身智能、末端配送等还是很早期的阶段。

　　创业者可能要想清楚自己产品的场景设计，究竟是一个复杂场景，还是一个简单场景。如果是复杂场景，那就要思考，可能很长时间还是需要人的要素的参与；如果是个简单场景，干净利落的简单场景，从第一天开始就要“AI Native”。

　　创业者比较容易出现的问题是，有些团队是在复杂场景用L4解决，就会感到特别吃力，感觉用户怎么都不听话（指用户可能不按产品设计路径来体验）。还有一类问题是完全可以做L4，但还是用了大量的L2+。

　　复杂教育场景里可能孕育大量的机会，但是很长时间里还会是面临L2+的状态。从过去十年在线教育的投资来看，简单场景里蕴含的大规模的投资机会不多，除了出现了多邻国。中国当年也有很多简单场景的产品，做的规模也不小，但是到不了上市的级别。不过这也挺好，并不是每个创业项目都一定要跟投资人聊。

　　先抛一个问题给大家：如果DeepSeek进一步进化，世界上还需要教育公司吗？

　　这个问题可以从两个角度去理解，从相对虚无主义的角度来看，如果有一天教育所有的职责，包括知识的传递、习惯的培养、人格的塑造，是由一个模型来做的，大概率也就出现了真正的强人工智能。如果从这个角度考虑，它有可能会发生，但是等它发生时，可能我们已经都不在了。

　　从相对具体的角度看，比如下一个版本的GPT会怎么样。它可能会产生几个影响：

　　第一，有些应用，可能会被大模型直接覆盖。这已经是事实。比如有批做chatbot这种类型的创业公司，被大模型以“模型即产品”的逻辑覆盖。举个例子。苹果手机刚发布不久后，很多创业者是做手电筒、计算器、天气类应用，但是如今很少有人会用这些第三方的应用了。大模型这种相对底层的、相对高维的，在往上延伸触角时有可能会把很多创业者的路直接覆盖掉。

　　第二，从教育的本质角度出发，很多时候，AI解决的是“问题本身”，但是教育要解决的是“解决问题的能力”和“培养能解决问题的人”，目前的AI还无法将后面这个方向做得流畅。尤其是在一个相对复杂的场景里，还需要从教育底层的逻辑出发解决一些问题。把握教育的本质仍然是AI+教育创新的最关键要素。

　　所以我们看到，今天的AGI提高的是生成和互动的效率，但需要专家支持来组建教育学的底层逻辑。目前纯用AI解决幻觉问题、纯用AI形成完整产品，还是需要一些时间的。

　　04

　　AI+教育的资本热度远低于其他AI赛道，但可能孕育着真正的机遇

　　接下来想给创业者们一些建议：

　　其一，对最新最前沿的技术有所了解和应用，但应以应用为边界，而非深入去做底层研究。

　　不要太扎根到模型本身里去，创业者可以去研究了解它们，但是不要把资金重投入到模型本身里。现在模型大厂本身的竞争已经是在资本层面上、在人力层面上的比拼。在模型大厂竞争的情况下，创业公司最好让让路，可以拥抱它们，可以了解最新的情况，可以在他们的基础上嫁接自己的力量。

　　其二，基于教育学本身的研究应该要更深入，如教育内容框架、用户学习行为研究。这些同样有大量AI赋能的机会。

　　我们看到，过去两年内出来很多的教育产品，对于教育学本身的一些研究不够深入。过去十年，在线教育的创业者交了非常多的学费。这些应该被重新捞起来，好好地从这些层面做结合。

　　举例来说，目前一些AI口语的产品，跟大模型的结合已经非常到位，但是为什么没有在效果和留存数据上反馈出来?根本问题不是这些产品有没有好好地用AI，而是没有解决掉该解决的那个问题。

　　正面案例还是多邻国。我前两天见了一个教育领域的创业老兵，他坚持天天打卡多邻国。他的新产品也在老老实实地学多邻国。多邻国的亮点并不在于对AI的表层应用，更多的是基于游戏化等的系统化的流程体验。目前多邻国结合AI可以做到更精确地掌握学习者当前的状态，会更迅速地发起下一个任务和兴趣行为。这有点像当年今日头条、抖音千人千面的逻辑，能做到精确地指向用户正在关注的颗粒度极细的关键字。

　　其三，尊重教育行业交了多年学费积累下来的商业规则，并应用它。

　　这些商业规则包括但不限于大班课怎么做的、小班课怎么做的、一对一怎么做的、渠道转化等等，这些在全世界范围内来说都是非常宝贵的能力。

　　其四，想清楚走的是融资的道路还是靠自有资金独自发展的道路，关注好现金流，调整好预期。

　　这两年是资本寒冬，粗估来看，投资数量可能同比减少一半。就投资金额、投资数量来说，2025年投资数量可能会有一些回升，但是2025年的回升主要集中的领域是AI和机器人，其他领域是很少的。

　　如果走融资的道路，VC现在优先考虑的是退出的可能性。退出的可能性会和几个要素接相关：第一，所处领域的规模是否有养出上市公司的可能。第二，是否符合教育政策鼓励和引导的方向。

　　我们核心关注教育的几个重点领域：课程、工具、硬件。

　　关于课程：

　　比如在复杂场景下的L2+。有一些大公司在尝试用一个纯的数字人来教语文数学，但这条路对不对?有可能这个就是刚刚说的L2+的状态，对一位厉害的老师来说，可以用AI复制他。但是如果想用AI重新创造一个大班课的老师那样high level的教学状态，会有些难度。

　　今天来看，更加可行的状态是，用AI数字人复刻一个名师，并且让AI给名师赋能，比如帮名师立刻答疑(学生听不懂时，暂停，直接向AI老师发问，AI老师基于当前画面、知识点立刻回答学生)，现在技术就可以做到这一点。

　　再比如老师讲知识点，面对不同学生针对性地讲解，并且拆开揉碎了地讲。讲的过程中，学生还可以反复让AI老师重讲某一步。今天的技术底座已经足够能解决这些了，但是需要很多工程化的能力组合起来。这是我们看到的课程里的大量机会所在。

　　关于工具：

　　令我们相对兴奋的一个点是，从今天开始，工具角度的创业是面向全球的，这是区别于十年前的互联网公司创业时的市场潜在规模的一点。今天做一个背单词的产品，工程化的难度和交互的难度会比之前要低很多。所以我们希望看到越来越多的产品不只是面向中国的，更是直接global的。

　　关于硬件：

　　原生AI硬件结合场景的探索，比如字节的大力台灯也令业界学到一些东西。真正的教育场景的硬件是有机会形成闭环的。

　　但是硬件很多时候还是大厂的活儿。最典型的是平板这种类型的，小的公司最好不要参与，但可以嫁接到他们的生态下去做点自己的事。

　　硬件结合场景，也有很多小一点的创新。因为中国大部分家长为软件付费的付费意愿没有形成，可能还是需要一个能握在手里的硬件才能真正打动家长。

　　关于平台：

　　之前很多厂商也在尝试做平台。平台的核心逻辑是在多品类的高频复购下平摊流量成本。但是对于教育来说，在过去十年的创业里，平台逻辑一直是一个伪命题。核心是因为教育是一个低频重决策的行为，而不是高频的行为。

　　但是我今天想单独说一下平台。比如在孩子放学之后，家长和孩子的交互行为既包括给他检查作业、帮他背单词、给他讲故事、陪他玩玩具等。

　　以前，这些场景的解决方案可能是用不同的App来承接。但是，一种可能是，从时间维度出发，将一些行为放到一个统一的载体里。因为从时间的分配来说，要么是学习课程本身，要么是听故事。但是家长和孩子花的最多的时间是陪伴。这个陪伴的过程里，可能用一些AI的方式来解决，可以从平台的角度出发集合不同的陪伴场景。当然，我们隐约感觉，在AI时代，平台的逻辑有可能会比以前更有挑战性。

　　05

　　Q&A

　　Q1：想请教一下，在投资人眼中，AI教育还有没有新的机会？

　　李定政：目前的现实情况是，真正愿意出手AI教育的VC并不多。所以大家接洽资方时，预期不要太高，项目尽量往AI上靠。

　　这一波创业，跟之前会有点不一样：团队比以前更精干，可以更加柔性地做事，保持相对小规模的状态，一直跑到MVP成熟后。这应该是创业团队的第一要务，而不是融资。

　　投资的核心逻辑，是看创业项目有没有相对确定的市场规模*相对确定的商业模式*相对稀缺的团队能力。

　　其中，市场规模是一个很具迷惑性的话题。创业者首先要思考自己的项目解决问题的不可替代性在哪里，再反推市场里真正属于自己项目的那部分是什么。

　　Q2：您如何看科学教育方向的创业？

　　李定政：目前回看，科学教育的融资之路并不容易。这是因为，科学教育往往需要付出很高的说服成本，存在非标准化的内容及实践的内容，且对于教具、场地、老师的素质要求都比较高。对于需求不刚性的领域，可以考虑模式尽量轻一点，不要做太多固定资产的投资。