部门：企服研究三组
©2024 iResearch Inc.
2024年AIGC+教育行业报告
署名：李鑫 籍孟合子 杭静
生命循环，人机共育
2
前言
PREFACE
生命循环，人机共育
在宏观层面上，如果把人工智能看作一种生命体，AIGC+教育的内涵其实是碳基生命和硅基生命的
交互和培育问题。AIGC技术是对人脑计算、思考、判断等内在能力的延伸，是人的智能在机器形态
上的规模化聚集、运作和反应。由此，部分基础性的专业工作被替代，AI在劳动贡献、价值创造中
逐渐与人比肩甚至超越人类，AI和人类共同成为社会贡献主体。
在中观层面上，AIGC技术在知识量、信息获取和处理方面的强势能力，迫使教育界进一步反思现有
的教育框架，教师作为教学主体的功能性与人文性价值如何取舍？师-生-机三位一体的教育形态意
义几何？以知识传递和测评为核心的教育内容该如何升级？大规模的个性化教学是否真的有可能实
现？AI与人类是否会在社会和教育资源上展开竞争？这些重大问题，因AIGC的到来，再一次冲击了
现有的教育体系。
在微观层面上，教育的各场景和环节，都因AIGC技术的应用而有所助益，如教师侧的备课规划、作
业生成和批改，学生侧的自主学习、辅助练习、测试评估等，新技术与古老教育场景的结合，总会
产生令人欣喜的化学反应。然而，商业实践的落地是受到现实和周期限制的。从落地逻辑而言，当
前产品基本是原有教学场景和产品的替代，原有技术功能的优化迭代，而少有新场景的迸发；就落
地速度而言，尚不成熟的教育大模型落地，仍需学生思考和辨别能力的加持、以及相对明确统一的
评估标准支撑，各领域、场景、学段落地情况各有差异。
同时需要警惕的是，AIGC技术具有显著的资源密集和依赖特点，而教育是一项社会公益事业，事关
人的发展权，教育福祉应尽可能地保证公平和均衡。如何防止强势资源的相互吸引和马太效应的加
剧，是教育界需要共同面对的问题。
3
摘要
ABSTRACT
SMS
教育进化
趋势前景
变迁革新
商业实践
从宏观层面来看，AIGC技术延伸扩展了人脑智能，并且降低了使用门槛，应用影响力随之无限泛
化。具体到教育行业，部分基础工作被替代，社会人力结构和人才需求被重塑。AIGC技术与现代
教育在教学内容、师资配置、交互方式等方面有着巧妙的吻合之处，彰显着技术落地的必要性。
AI技术也由教学辅助发展到自适应学习，推动大规模因材施教逐步落地。这些共同推高了时代对
AIGC+教育的瞩目，体现在资本投融资、各国政策监管、学术研究等多个方面。澳大利亚经历的
观望—禁止—反思—放开的挣扎历程，代表了全球的态度变迁，即不断与时俱进、同时守正创新。
AIGC技术在知识量、信息获取和处理方面的强势能力，迫使教育界进一步反思现有的教育框架。
在教学主体方面，AIGC带来人机协同教学和师资强化的期待，也引发AI挑战教师主体地位的思考；
在教学载体方面，AIGC有望赋能教师并实现规模化的因材施教，但也挑战传统学习模式和评价工
具；在教学内容方面，高阶通识能力、跨学科复合能力的重要性被重提，并辅以AIGC技术素养要
求；在学习主体方面，引发近乎科幻但并不遥远的哲学思辩：教育人类还是训练大模型，二者可
能存在着广义上教育资源的竞争。
AIGC技术在教师、学生、管理者多角色中，在学术科研、备课规划、作业生成和批改、自主学习、
辅助练习、测试评估的多场景中，都发挥着一定效力。从落地速度来看，表现为C端>B端>G端，
成人教育>高等教育>K12>幼教，教师>学生>管理者。具体到细分场景中，师生应用的全流程
闭环服务、兼具高难度与高天花板的AIGC学术科研都是潜在机会方向。从商业模式来看，当前，
软件增值服务、硬件整体售卖、MaaS服务、AIGC技能培训是主要的商业模式，各厂商根据模型
及算力、教育业务理解、教育数据等竞争要素的差异，在行业中分据而立。展望未来竞争态势，
AIGC技术具有显著的资源密集和依赖特点，大力出奇迹的暴力美学路径已被行业所验证，未来格
局仍会以有着多类型资源积累的大厂占据主要份额，创新企业可以依据特定场景深入理解而切入，
但若没有自主大模型仍然会受制于人。同时，通用大模型与教育垂类大模型的关系，正向着各司
其职、融合发展的方向持续演化，未来可能呈现出通用大模型与N个专家模型多重组合的形态。
在内容层面，基于神经网络技术的AIGC与素养发展具有天然相似的基因，企业可以发力C端小模
型从而引领行业发展；在技术层面，大模型分析+多模态交互+Agent规划+具身智能行动，AGI
完全体与教育场景深度适配；在福祉落地层面，教育各界需通力合作，努力克服机会、技能、资
源的三大鸿沟；在人机协作层面，人机关系进入新历程，人机共育，生命循环，互为滋养，人类
将与AI一起永无止境地学习、构建。
4
目 录
CONTENTS
01 时代背景：变迁与革新
02 教育进化：教育框架反思
03 商业实践：技术应用扩散
Change and Innovation
Educational Evolution
Technology Commercial Diffusion
04 标杆案例：企业落地剖析
Outstanding Enterprise
05 思考启发：前景与挑战
Prospects and Challenge
5
时代背景：变迁与革新
C ha n ge an d I nn ova t i o n
01
6© iResearch Inc.
宏观：AIGC带来的生产力革新
AIGC延伸扩展人脑智能，降低使用门槛，应用影响力无限泛化
麦克卢汉提出，媒介是人的延伸。AIGC技术作为一种人造工具（媒介），是对人脑计算、思考、判断、学习等内在能力的延伸，同
时在巨量数据的加持下，AIGC在发现、认识、运用规律上有着明显的优势，是人的智能在机器形态上的规模化聚集、运作和反应，
突破了人类能力的边界；而AIGC的问答式交互、无需下载和配置等特性，使得AI技术的使用门槛大大降低，AI技术走向平权化；同
时，联网后的实时海量数据支持，模型开源及插件生态的开放，结合用户无限的创造力，AIGC的影响力渗透进各行各业的每个角落，
影响力无限泛化和扩大。
来源：公开资料，艾瑞咨询研究院自主研究及绘制。
智
能
的
延
伸
门
槛
的
降
低
影
响
力
扩
大
人脑智能的延伸
AIGC
人脑智能的延伸，AI具备了计算、思考、
判断、学习的能力。AIGC技术在巨量
数据的加持下，在发现、认识、运用规
律上有着明显的优势，是人的智能在机
器形态上的规模化聚集、运作和反应。
菜
单
式
交
互
…
…
…
…
…
…
…
xxxxxxxxxxx
xxxxxxxxxxx
问
答
式
交
互
工具可得性提高 工具易用性提高
• 需环境和软件配置
• 人工智能专家使用
• 使用费用高昂
• 无需下载和配置
• 普通用户可使用
• 模型开源及降价
数据来源多样 模型开源及插件应用生态 用户无限创造力
连接互联网，弥补时效性短板
专有数据变为大数据，可能性无限
接受个人或企业私有数据投喂
OpenAI托管插件
第三方海量插件
不同参数、厂商的模型逐渐开源
用户主观能动性得以发挥
人工智能与人类智能共创
AI技术走向平权化、社会化
AIGC技术的生产力革新
传统AI工具 AIGC工具 传统AI工具 AIGC工具
人脑智能 AIGC人工智能
计算、思考、
判断、学习能力
通过模拟人类大脑，具备了思考、判断、学习能力
人类投喂巨量数据和语料，AI能力涌现
AI能够更深入地解析和发现事物特点、问题及规律
7© iResearch Inc.
宏观：AIGC带来的人力需求变革
AI成为基础设施，部分基础工作被替代，社会人力结构和人才需求重塑
技术的跃迁、生产效率的提升并不会自然带来社会整体福利水平的提升，相反往往以牺牲部分人的利益为前提，进而引发社会结构、
人力需求的重塑。AIGC交互界面的用户友好性、大模型开源及API价格的降低、插件服务带来的应用生态繁荣等，都使得AI技术或将
成为像水、电、网络一样的基础设施，渗透并改变千行万业。然而，大模型具有认知、分析、推理能力，不同于自动化浪潮下对蓝
领的冲击，AIGC时代受AI影响最大的可能是初级专业人士和技术人员，即部分白领。据Challenger报告显示，2023年5月，美国因AI替
代造成的失业人数达3900人，且都发生在科技行业。以及据麦肯锡数据预测，到2045年左右，有50%的工作将被AI替代，比此前的估
计加速了10年。与此同时，具有创造力、深度思考等高阶智力的人才，将享受到AIGC带来的效率优势，成为AI的驾驭者，相应的工作
需求也会增加，并同时在教育领域创造出大量专业和学科，对教育课程和专业设置、人才素养评价提出新要求。据世界经济论坛发
布的《未来就业报告2023》显示，未来5年内，人工智能、商业智能分析师、数据科学等大数据相关职位的需求增长最快，且创造性
思维、技术素养、好奇心和学习能力等通识素养是未来最需要培养的技能。智能时代背景下，传统的技能已无法满足社会需求，学
科壁垒不断消融，跨专业人才需求紧俏。
来源：麦肯锡《生成式人工智能的经济潜力:下一个生产力前沿》、世界经济论坛《未来就业报告2023》 ，艾瑞咨询研究院根据公开资料自主研究绘制。
AI成为基础设施，基础工作被替代
AI大模型具备认知、分析、推理能力，冲击替代的对象涉及部分专业化岗位：
需要一定知识储
备的辅助性工作：
法律案件整理等
精度及标准化要求不
高的图文工作：如海
报设计、物料生成
专业性较高，但模型
化程度也较高的工作：
如医疗诊断辅助等
不同于自动化浪潮下，机器
人对蓝领的替代，AIGC时代，
受AI影响最大的是一些初级
专业人士和技术人员，即部
分白领的工作
具有创造力、深度思考、探
索能力的人，将享受AIGC带
来的效率优势。
人力结构转变
麦肯锡《生成式人工智能和
美国工作的未来》报告提出，
2030 年美国工资最低的岗位
将减少110 万个，但工资最
高的岗位可能增加 380 万个
AIGC带来的社会结构及人力需求变革
当前人类工作活动实现全球自动化水平的时间表
2020 2030 2040 2050 2060 2070 2080 2090
0
20
40
60
80
100
50%
2017年
预测中点
最新预
测中点
最新乐观预测，
考虑AIGC
最新悲观预测，
考虑AIGC
2017乐观预测
2017悲观预测
人力需求转变
学科壁垒不断消融，数字技
术、人工智能等科创技术能
力与人文素养、通识教育并
重，跨专业人才需求紧俏。
世界经济论坛发布《未来就
业报告2023》显示，未来5
年内，人工智能、商业智能
分析师、数据科学等大数据
相关职位的需求增长最快。
该报告同时指出，创造性、
分析性思维，技术素养、好
奇心与学习能力、韧性、灵
活性与敏捷性等通识素养是
未来最需要培养的技能。
8© iResearch Inc.
教育
成长
中观：语言的发展及其教育影响
自然语言—数字语言—机器语言，代表着教育发生、成长及其现代突变
语言是人类认识世界、改造世界的基本工具。自然语言的出现，从词语到概念的演化，抽象程度的提高，使得教育得以发生，知识、
概念、经验得以传授和传承；数字语言的出现，生活和学习中各类数字工具的应用，表示人类对世界的认识和规律把握的能力增强，
人类认知和沟通的障碍降低，知识经验传授和传承的范围进一步扩大；机器语言的出现，人类把数字语言体系外化给机器，并演变
为各类模型、算法，由此人类认识世界、改造世界的能力通过机器得到了放大、倍增和质变。大语言模型作为最新的技术突变成果，
在发现、认识、运用规律上相较于人类有着明显的优势，人造工具突破人类认知和能力的边界，推动教育内容和评价、教学方法的
革新。
来源：原教育部部长陈宝生《从ChatGPT看教育的未来和未来的教育》，艾瑞咨询研究院自主研究及绘制。
工具 关系 群体
理论 经验 能力
感觉自然社会
………
词
语
规
模
达
到
某
个
临
界
点
具
体
化
为
概
念
数字语言自然语言 机器语言
教育
发生
从词语到概念，抽象程度的提高，使得教育得
以发生，知识、概念、经验得以传授和传承
➢ 长度单位：米、厘米、毫米等
➢ 质量单位：千克、克、毫克等
➢ 时间单位：秒、分钟、小时等
➢ 温度单位：摄氏度、华氏度、开尔文等
数字计量与统计
➢ 电话号码：特定格式的数字语言，拨号后通话
➢ 日期与时间：电子日历和时钟以数字表示
➢ 条形码与二维码：数据编码为黑白相间的图案
➢ 坐标定位：经纬度坐标数值进行精准定位
➢ 账号及密码：银行卡等账号由一串特定长度的
数字组成，各种密码均采用数字语言
生活数字语言
人类对世界的认识和规律把握的能力增强，知
识经验的教授范围进一步扩大、教育效果增强
➢ 条件：在海量数据、更大算力的支撑下
➢ 特点：大语言模型能更加深入地解析事物，
在更深层次和更广的范围发现事物的新特点
➢ 优势：在发现、认识、运用规律上相较于人
类有着明显的优势，人造工具突破人类认知
大语言模型
教育
突变
人类把数字语言外化给机器，人工智能在发现、
认识、运用规律上更具优势，带来教育体系变革
语言的发展及其教育影响
➢ 数字系统：二进制、八进制、十进制等
➢ 编码系统：ASCII码、Unicode等
➢ 通信语言：IP地址数字标签、URL网页地址等
机器语言
能力放大
能力倍增
能力质变
人脑智能 人工智能
9© iResearch Inc.
中观：AI技术的发展及其教育推动
由教学辅助到自适应学习，AIGC技术变革推动大规模因材施教逐步落地
全球AI+教育经历了诞生期-摸索期-产业期三个阶段，在诞生期，AI和教育的结合主要围绕辅助教学进行探索，应用于答疑、练习、
模拟测试等环节，代替部分教师的重复性劳动。在机器学习的兴起下，AI+教育进入摸索期，二者结合的探索主题为智能导学及自适
应学习。随着深度学习技术的进步，人工智能技术步入商业化阶段，AI+教育也进入产业期。近几年大数据、云计算、算力能力提升，
大规模语言模型急速发展，2022年ChatGPT的发布更是引发了海内外LLMs的军备竞赛，2023年各类教育垂类大模型的争相发布，
打开了通向通用人工智能（AGI）之路，帮助师生大幅提升教学效率，推动大规模的因材施教逐步落地。
来源：公开资料，艾瑞咨询研究院自主研究及绘制。
1954 1956 1960 1965 1970 1973
推理期
将逻辑推理能力
赋予计算机系统
知识期
总结人类知识
教授给计算机系统
1982 1992 1996 2006 2012 2014 2016 2019 2022 2023
新行为主义
学习理论创
始人斯金纳
发表了题为
《学习的科
学和教学艺
术》，推动
了程序教学
运动的发展
达特茅斯会
议诞生了人
工智能学科
世界上第
一个计算
机辅助教
学系统
PLATO系
统诞生
DENDRAL
-世界上第
一例成功的
专家系统的
诞生
提出智
能型计
算机辅
助教学
系统的
构想
提出
智能
教学
系统
框架
提出
智能
导师
系统
概念
提出
智能
授导
系统
第一
个自
适应
教学
系统
问世
Hinton
发表深度
学习的
Nature
文章
CNN超第
二名十个百
分点夺冠
ImageNet
麻省理工
学院研发
社交技能
训练系统
MACH
AlphaGo
战胜人类
顶尖围棋
选手
首届国际人工
智能与教育大
会在北京召开
ChatGPT引
发海内外生
成式大模型
研发浪潮
MathGPT、
子曰等教育
大模型发布
机器学习期
计算机从数据中学习算法
深度学习在语音、图像、文本领域大获成功
生成式人工智能与教育的结合更加紧密
诞生期 摸索期 产业期
全球AI+教育发展历程
ChatGPT通
过注册会计、
律师资格等
多种考试
10© iResearch Inc.
中观：AIGC与现代教育结合的必要性
内容标准化、效益规模化、交互自然化，现代教育与AIGC技术价值吻合
AIGC技术与现代教育，在教学内容、师资配置、交互方式方面有着巧妙的吻合之处，彰显着技术落地的必要性。现在的教育模式基本是
在工业革命进程中形成的，规模化和标准化是其基本特征，基于社会分工的逻辑，旨在为社会各行各业的发展培养可用之才。与此相对
应的，便是分专业的学科式架构、分级分班的规模化教学。AIGC技术应用下，大规模的通用数据与教育各学科的垂类数据并存，通识
教育和专业教育所需的内容均可满足。同时，AIGC资源不像教师资源具有时空上的独占性，有望实现大规模的个性化教学。值得一提的
是，在交互方式上，口语面授是主流的、学生习以为常的教学交互方式，而AIGC技术的独特之处也在于多轮自然语言交互能力，有来有
回的问答式相比于知识的单向灌输，更接近孔子《论语》的对话体教学，也更接近苏格拉底的启发式对话教学模式。
注： 这里指狭义上的教育，即知识传授等“教书”问题，品德培养等“育人”效果不在此处讨论范围内。
来源：公开资料，艾瑞咨询研究院自主研究及绘制。
教学内容分门别类，以适应现代社会
分工与个人发展需求。同时专业内容
需要根据时代需求快速更新迭代
分科教学
既有通用行业的大规模数据，也有垂
类的、各学科的教育数据，且联网之
后，迭代更新的速度更快
大规模数据
内容标准化
教学内容
一般情况下，师生通过讲解、沟通等
较为成熟的语言问答进行知识的传授
和教学互动
口语交互
有来有回的多轮交互，更接近教育的
真实过程，如孔子《论语》的对话体，
苏格拉底启发式对话教学模式
自然语言交互
交互自然化
交互方式
按照合理的师生比例、不同阶段学生
的学习进度，进行分级、分班教学，
解决师生资源矛盾
分班、分级教学
大规模的因材施教，更高效地解决师
生资源矛盾，有望做到真正的个性化
教学
一对一教学
效益规模化
师资配置
现代教育的特征与AIGC技术吻合
现代教育的突出特征 AIGC的技术吻合
11© iResearch Inc.
AIGC+教育的时代瞩目-经济
全球资本开始布局早期创业项目，关注K12和职业培训领域
教育作为AIGC技术落地的典型场景之一，2023年间，全球AIGC+教育赛道共发生45笔投融资，其中半数项目来源于美国，且多集
中在K12教育及职业培训两个细分领域内。从项目成熟度来看，当前全球AIGC+教育投融资集中在早期阶段，全球资本普遍关注用
少量资金布局早期创业项目。虽然当前成熟项目较少，但相较种子及天使轮，VC的单笔融资金额更高。可以预见，随AIGC在教育领
域的应用发展走向成熟，资本将切入对成熟、优质项目的关注之中。
来源：dealroom、IT桔子，汇率按照2023年平均汇率折算，未披露金额融资事件未纳入融资金额统计范围，艾瑞咨询研究院自主研究及绘制。
2023年全球AIGC+教育投融资情况
%
%
%
%
%
%
%
K12教育
职业培训
综合应用
语言学习
高等教育
素质教育
早幼教
细分领域
%
%
%
%
%
%
%
%
美国 印度 英国 中国 芬兰 意大利 西班牙 其他
所在国家
融资轮次
%
%
%
%
%
种子及天使轮 A轮 B-C轮 捐赠及支持 未披露
种子及
天使轮
A轮 B轮 C轮 捐赠及支持 未披露
融资金额（百万美元）
12© iResearch Inc. © iResearch Inc.
来源：OECD、UNESCO、美国教育部官网、欧洲议会官网、日本文部科学省官网、英
国教育部官网、澳洲教育部官网等公开资料，艾瑞咨询研究院自主研究及绘制。
来源：中央人民政府网、中国教育部官网，艾瑞咨询研究院自主研究及绘制。
AIGC+教育的时代瞩目-政策
全球关注AIGC在教育领域的应用，中国技术监管、教育政策合力推动落地
国际上，UNSECO、欧盟等组织，美国、日本、英国、澳大利亚等国家均已关注到AIGC将对教育产生的一系列变化及影响，并发布
相关政策及倡议，以为其应用提供指导建议。聚焦到中国场景，在技术侧，23年7月发布的《生成式人工智能服务管理暂行办法》在
技术及通用应用层面明确了服务规范及监督检查责任，并且鼓励AIGC服务的创新应用研发。在教育侧，过往各类政策持续提及鼓励
探索AI技术在教育中的应用发展，与技术侧政策合力推动AIGC+教育的积极审慎落地。
全球主要国家及组织的AIGC+教育相关政策及倡议 中国AIGC+教育相关政策
探索人工智能技术支持下的数字教育资源内容审核；开发基于人工智能
的教学应用；利用人工智能、大数据技术分析研判安全威胁和情报信息等
教育侧
提供手段，保障安全
提供应用土壤及方向
技术侧
教学改革 - 《基础教育课程教学改革深化行动方案》
充分利用人工智能和大数据，加强过程性与增值性评价，注重发挥教学
评价的引导、诊断、改进与激励作用。
师资建设 - 《新时代基础教育强师计划》
基础设施- 《关于推进教育新型基础设施建设构建高质量教育支撑体系的指导意见》
探索人工智能助推教师管理优化、教师教育改革、教育教学方法创新、
教育精准帮扶的新路径和新模式
鼓励创新应用，鼓励基础
技术的自主创新，依法处
理训练数据，准确、清晰
标注数据等
履行网络信息安全义务、
保护个人信息，应标识
生成内容，发现违法内
容应及时整改并报告等
《生成式人工智能服务管理暂行办法》-
技术发展与治理 服务规范
有关部门制定相应的分类分
级监管规则或指引，对境外
向境内提供服务不符合相关
法律法规的予以处置等
监督检查和法律责任
解读：
1. 鼓励创新利好AIGC在
教育领域的应用及研发；
2. 对教企而言，训练数
据及数据标注工作通常
发生在微调阶段，需注
意使用数据的合法性
解读：
强调企业对大模型及其
应用的监管，使用AIGC
产品的教育企业需注意
对生成内容的严格审核
解读：
1. 未来对AIGC+教育的
监管将更贴合教育行业
特征，具备更强针对性；
2. 国内教企在引入海外模
型时，需注意其生成服务
同样受到严格管控
《教育和研究中的生成人工智能指南》
提出用于教育目的的生成式人工智能监管，需要基于
以人为本的方法采取一系列步骤和政策措施，以确保
其道德、安全、公平和有意义的使用。
UNESCO
区
域
国
家
《人工智能法案》草案
将用于包含教育和职业培训在内的8个领域的人工智
能系统归入高风险范围，并要求其必须在欧盟数据库
中注册、在整个生命周期都需被评估。此外，生成式
人工智能必须遵守透明度要求。
欧洲议会
《人工智能与教与学的未来：见解与建议》
描述了利用人工智能改善教育的机会、以及将出现的
挑战，并提出建议来指导进一步的政策制定。
教育技术
办公室
教育部
《初等中等教育阶段生成式AI使用暂行指南》文部科学省
《关于生成式AI在大学和高专教学方面的处理》
包含生成式AI的应用方向及注意事项，为初等、中等
学校以及大学和高专提供参考。
《生成式人工智能在教育中的应用》
阐述了教育部对在教育领域使用生成式人工智能的立
场，文件包含生成式人工智能为教育部门带来的机遇
及挑战、有效利用人工智能的建议，注重数据隐私和
知识产权、倡导培养面向未来的知识和技能等内容。
教育部
全球
美国
澳洲
欧盟
日本
英国
《澳大利亚学校生成式人工智能框架》
该框架基于6项指导原则：教与学、人类和社会福祉、
透明度、公平、问责、隐私和安全，支持学校领导、
教师、支持人员、服务提供者、家长、监护人、学生
和政策制定者。
AIGC+教育
13© iResearch Inc. © iResearch Inc.
来源：Google Trends，数字代表相对于图表中2019年-2024年间最高点的搜索热度，
热度最高的字词得100分，热度是前者一半的字词得50分，没有足够数据的字词得0分，
动态数据查询时间为2024年1月中旬，艾瑞咨询研究院自主研究及绘制。
来源：ScienceDirect数据库，动态数据查询时间为2024年1月中旬，艾瑞咨询研究院
自主研究及绘制。
AIGC+教育的时代瞩目-学术与社会
AIGC+教育成为社会各方及学术研究的关注焦点
受2022年11月ChatGPT发布影响，全球各地开始广泛关注AIGC及其相关应用。自2023年2月起，社会各界对生成式人工智能在教
育领域的应用产生了浓厚兴趣，并在2023年6月达到了关注的高峰，且热度持续不减。同时，学术界也在这一年里开始高度关注
AIGC技术，并推动了人工智能与教育研究的热度提升。“AIGC+教育”成为包括学术界在内的社会各界关注的焦点。
2019-2024年“Generative AI”
在教育领域谷歌搜索趋势
2014-2024年ScienceDirect数据库中
AI+教育相关文献数量
0
10
20
30
40
50
60
70
80
90
100
2
0
1
9
/1
/6
2
0
1
9
/3
/3
1
2
0
1
9
/6
/2
3
2
0
1
9
/9
/1
5
2
0
1
9
/1
2
/8
2
0
2
0
/3
/1
2
0
2
0
/5
/2
4
2
0
2
0
/8
/1
6
2
0
2
0
/1
1
/8
2
0
2
1
/1
/3
1
2
0
2
1
/4
/2
5
2
0
2
1
/7
/1
8
2
0
2
1
/1
0
/1
0
2
0
2
2
/1
/2
2
0
2
2
/3
/2
7
2
0
2
2
/6
/1
9
2
0
2
2
/9
/1
1
2
0
2
2
/1
2
/4
2
0
2
3
/2
/2
6
2
0
2
3
/5
/2
1
2
0
2
3
/8
/1
3
2
0
2
3
/1
1
/5
“Generative AI”在教育领域的谷歌搜索热度
2023/2/12
2023/6/4
1973
9103
6182
4882
3743
2685
2154
1829
15211499
1243
500
1192
359257142643924192713
“AI Education”相关文献数量（个）
“Generative AI Education”相关文献数量（个）
14© iResearch Inc.
社会态度：与时俱进，守正创新
时代缩影：观望—禁止—反思—放开，澳大利亚应对态度的挣扎历程
ChatGPT自发布后很快受到学生们的欢迎，但随之出现的学术舞弊现象引发学者和教育部门的广泛担忧。经过短暂的观望期，美国、
英国、澳大利亚等地区纷纷禁止公立学校使用人工智能工具，我国的香港大学也颁布了针对ChatGPT的禁令。但一纸禁令不能杜绝
作弊现象，由此扩大的数字鸿沟也引起重视。对待新兴技术的最佳态度是“堵不如疏”，正确的引导与使用能够弱化AIGC与教育结
合带来的冲击，在抓住变革机遇的同时守正创新。当前，美国、英国及香港大学已先后撤销了禁令，澳大利亚也发布《框架》以规
范和引导校内人工智能的使用。
来源：澳大利亚教育部官网、《卫报》、Youth Insight官网、ABC News、罗素大学集团官网、ChatGpt Global、Gizmodo等公开资料，艾瑞咨询研究院自主研究及绘制。
观
望
禁
止
放
开
2024
反
思
各州陆续禁止公立学校使用Chat
GPT等AIGC技术，部分学校修改
了评估方式，回归传统的纸笔考试。
➢ 数字鸿沟不断扩大
私立学校把人工智能使用纳入学校规章
制度，导致公立和私立学校之间教育资
源分配不均。
➢ 州级政府开始让步
2023年5月，西澳大利亚州政府宣布取
消对公立学校教师的AI禁令。
新南威尔士大学某学生使用
ChatGPT生成论文，未通过考试。
迪肯大学传播学副讲师莎莉·布兰
登发现，近五分之一的评估考试
中都有学生使用了AI工具。
南澳大利亚州
新南威尔士州
昆士兰州
塔斯马尼亚州
维多利亚州
1月
2月
单纯依靠禁令不能防止AI
作弊行为，且数字鸿沟正不断扩大。
背景
AIGC+教育的影响是消极
还是积极，取决于如何引导和使用。
本质
➢ 83%的学生声称不会用AI抄袭
2023年6月，Youth Insight调查了14-
26岁澳大利亚青年使用ChatGPT的用
途：“是否会用于学术剽窃”。
西澳大利亚州
学术不端事件频发
允许使用人工智能
“长期禁止使用AI很难奏效，南澳大利
亚州的决定具有前瞻性。”
——南澳大利亚大学教授乔治·西门子
✓ 弗林德斯大学
✓ 阿德莱德大学
✓ 南澳大利亚大学
学术抄袭和考试作弊现象，引起
学者和教育部门的广泛担忧。
《框架》宣布，2024年澳大利亚将全
面放开所有学校对AIGC技术的使用。
澳大利亚应对AIGC与教育结合的态度转变历程
学校层面
透明度
教学与
学习
人类
责任
公平
隐私
与安全
澳大利亚教育部发
布《澳大利亚学校
生产式人工智能框
架》，规范了校内
使用AI的六大原则
社会福祉
学生层面
从未
且永远
不会
曾经没有
但将来会
有过
但将来
不会
有过
且以后还
会继续
71%
8% 12% 9%
15
教育进化：教育框架反思
Educat iona l Evo lu t ion
02
16© iResearch Inc.
技术发展影响教育形态
教育的进化在于结合前沿生产技术与教育理论探索“如何实现更好的教学”
教育作为服务于人类群体传承的古老环节，其连续性、稳定性和继承性的本质特征，决定了它不会随着生产技术发展而快速进化。
在传统教育模式的基础上，前沿生产技术主要带来了教育资源类型、教学组织方式以及教学交互方式方面的革新，其影响是累积、
叠加和渐变的，而并非是全然替代性的，“老师讲授-学生吸纳-知识传承”的班级授课至今仍然是学校的主流教学模式，和千百年前
并没有本质上的区别。而如何利用前沿科学技术结合现代教育理论，实现更大规模、更高质量、更高效率以及更好成果的教育，是
当代教育研究领域一直致力于探索的问题。
时代发展
口头信息
公元前4世纪
中以前
手抄文字
15世纪中以
前
印刷文字
15世纪中叶
至今
电子信息
1830年至今
数字信息
1990至今
工具（媒介）发展
信息符号 信息载体 复制方式 传播方式
口头语言
文字
文字
表意符号
存储和传输
符号
表意符号
存储和传输
符号
人的声音
纸
纸
磁带、CD、
唱片、电视
电脑、手机、
云端等
口传/记忆
手抄
印刷
音频视频
转录
上传下载
拷贝粘贴
口口相传
手抄书、信
件等
图书、报纸
期刊等
广播台、电
视台等
互联网
老师
手抄教材
相对标准的
教科书
视频教材
教学节目
电脑、手机、
云端等
面对面
古代私塾
现代学校
班级授课
远程教育
广播电视大学
在线教学、混
合式教学
教育形态发展
教育资源 组织方式 教学交互
老师口头讲课
学生学习
能通过手抄材
料讲课和学习
能通过教科书
讲课和学习
能远程讲课和
学习
能在线讲课和
学习
现代教育理论
19世纪开始现代教育学理
论快速发展。出现了如
实用主义理论（以儿童为
中心、启发式教育）
认知/行为主义学习理论
（程序教学、认知目标分
类）
建构主义学习理论（以学
习者为中心的个性化教学）
等经典教育理论
成为各国教育部门开展教
育工作的理论基础和依据
生产技术发展对教育形态的影响
更好的教学主体 个性化的学习主体
更好地教学评估
更需要学习的内容
更好更快地学习
更好的教育载体
教育领域致力于使用技术和
理论以更好地解决的环节
前沿技术渗透最快的环节
来源：公开资料，艾瑞咨询研究院自主研究及绘制。
17© iResearch Inc.
AIGC重塑当代教育框架
AIGC迫使人们重新构思当代教育框架：谁来教学、怎么教学、教学什么
ChatGPT出现伊始，在全球范围引发了高校“学生学术舞弊”方面的普遍担忧，多个国家和地区的教育部委和高校纷纷限制了学生
使用生成式AI类技术工具，但短期焦虑随着高校对技术的进一步认识而逐渐回归理性，很多高校开始探讨和评估生成式AI技术在教
学和学术研究中的应用可能性，并思考如何在保证学术诚信和数据安全的前提下合理有效地利用先进技术。自此，近一年来全球教
育学术界围绕AIGC应用的话题讨论依然层出不穷、角度多样且看法不一，可以说AIGC技术的出现在迫使人们重新思考当代教育框架
的问题：在对AIGC技术应用进行定义和规范的前提下，教育系统可以让什么样的教学主体、通过什么样的方式、培养出什么样的人
才，才能够适应这个被绑在技术的战车上快速向前且不知奔向何方的世界。
更快更好地教学评估 更快更好地学习
AIGC
个性化的学习主体
• 浅层思考：在传统教学模式
中学生的学习主体性偏弱，
AIGC的出现是否会进一步弱
化学生的学习主动性，尤其
是青少年儿童？如何避免这
一点？
• 深层思考：如果教育的目标
是人类知识与技能的传承，
那么学习主体应该是人类
（教育）还是机器（大模型
建设）？投资应该在多大程
度上分配给人的教育投入和
机器能力投入？
更好的教育载体
• 浅层思考：AIGC的“作弊神
器”作用给学生测评带来诸
多障碍，如何测评才能给学
生公平公正的评价？什么样
的工具可以实现？
• 深层思考：基于以学生为中
心教学理论的大规模因材施
教和学生个性化自适应学习，
难以在真正的教学活动当中
普遍实现，AIGC技术的引入
是否能辅助先进教育方法论
的落实？什么样的工具可以
实现？
更需要学习的内容
• 浅层思考：AIGC存在内容信
度不足的问题，作为支持教
学的内容是否充分且合适？
版权、伦理与价值观问题如
何规避？如何改进与监管？
• 深层思考：AIGC是否对当前
工作岗位有替代性作用？如
果有，那么当前教育的范畴、
方法、目标、学科、专业、
重点是否要做相应的改变？
当前的教学内容需要做什么
调整才能应对已经到来的
AIGC时代？
AIGC重塑造当代教育框架
• 浅层思考：AIGC能否作为外
脑为教师提供教研教辅以及
日常工作的支持，把老师从
繁重的机械工作中解放出来
并加快教师的成长速度？能
否平衡不同地区不同水平教
师的教学质量，从而达到教
育资源的公平普及？
• 深层思考：AIGC是否能够成
为教育主体？什么形式？什
么作用？AI教学主体的过度
应用是否反而会影响弱势地
区的教育质量？
更好的教学主体
来源：公开资料，艾瑞咨询研究院自主研究及绘制。
18© iResearch Inc.
AIGC
AIGC影响教学主体
带来人机协同教学和师资强化的期待，也引发AI挑战教师主体地位的思考
AIGC技术在教育领域引发变革的讨论中，对教学主体的影响是个引人注目的话题。在传统的师生教学模式中，教师是权威的知识传
递者，但这一模式面临师资力量不均、个性化教学难度大以及教师机械劳动繁重难以成长等现有问题和弊病。AIGC技术的介入被看
作是一种契机，代表了传统教学形态向“师-生-机”模式转型的可能性。AIGC能够通过补充教师资源、实现大规模个性化教学和减
轻教师负担等功能，加大了实现更好教学的可能性，从而被学术界和市场普遍认可，同时人类教师可以从传统的知识传播者向学习
的陪伴者和价值观的引导者方向转变。然而对“AI完全替代人类教师”担忧之声也同时存在，当前AIGC价值观的非中立性、信息准
确性的不足、版权问题以及无法复制的人类情感和文化价值等问题使其难以独当一面，另外AI完全抢夺人类教师工作的可能性也会
引发教师就业的恐慌。正反两方面的讨论，说明AIGC对教师的支持应用需要慎重框定范畴，以确保其成为教育主体的助力而非障碍。
教师是教学的主导者和权威者。痛点在于：
• 一对多班级模式难以针对个体个性化教学
• 学生的主体性较弱，以跟从教师节奏为主
• 教师非创造性、机械性事务过于繁重
• 教师可用于成长和培训的时间和精力过少
• 不同地区师资力量不平衡，水平参差明显
AIGC
最普遍的传统“师-生”教学形态 学术界更认可的“师-生-机”教学形态 学术界担忧的完全“机-生”教学形态
AIGC成为了教学主体的一部分，其功能在于：
• 使大规模个性化因材施教成为可能
• 强化每个学生的学习主体性
• 帮助教师完成非创造性机械劳动
• 成为教师提升自身水平的培训渠道
• 丰富而快速的知识反馈弥补师资的参差
AIGC作为一种教育自动化的解决方案完全替代
教师成为唯一教学主体，是学术界担忧的方向：
• AIGC生成信息作为教学内容的精准度不足
• AIGC价值观并非完全中立，存在较大争议
• 无法替代人类的情感与文化价值支持
• 完全去教师化或影响弱势地区的教育质量
• AI抢夺人类教师工作的可能性会造成恐慌
AIGC对教育主体的影响讨论
教学主导者 传统一对多标准教学 人机协同教学
大规模个性化教学
去教师的自动化教
学解决方案
来源：公开资料，艾瑞咨询研究院自主研究及绘制。
19© iResearch Inc.
AIGC介入教学载体
有望赋能教师并实现规模化因材施教，也挑战传统学习模式和评价体系
教育载体层（包括软硬件基础和工具）一直是前沿技术渗透的先锋环节。得益于国内各级院校信息化基础设施的不断完善，AIGC技
术对教育载体层面的影响日益明显：AIGC技术在教学层的介入使得大规模因材施教等先进教育理念变得更加切实可行；同时，AIGC
在赋能教师教学和教研方面的可行性也受到广泛认同。然而，这项技术的应用也伴随着挑战和争议：AIGC在精准度和价值观偏见可
能产生的误导、学生长期使用AIGC可能导致的技术依赖以及利用AIGC作弊给评价工作带来的压力，使得教育界对于学生（尤其是青
少年儿童）直接使用AIGC持广泛的质疑或反对态度，更加强调AIGC作为学习工具的有条件使用和有效管控。因此在发展契机与挑战
共存之下，教育工作者们在适应技术发展并采纳更先进、公正、全面且平衡的科技工具的同时，需要深入考量AIGC类教育载体的功
能体系和伦理边界，确保该技术能够健康且有效地服务于整个教育系统。
辅助教研工作：在教学计划制定、课程内容设计和课件制作等方
面进行有效的辅助，更快地筛选和整合教学资源
完成事务性工作：自动化处理通知发放、报表填写和教学材料的
整理等重复性工作，减轻教师的负担
教师培训平台： 作为成长培训和课程推荐类工具，为教师提供
前沿的教育理论、教学方法和行业动态等内容
给传统评价体系带来压力：传统评价体系难以甄别学习者利用
AIGC进行作弊的作业反馈，从而影响评价的公平性和准确性
倒逼评价体系的变革：从传统的作业和考试成绩考评向围绕学习
者知识与素养的多元化综合性能力评价进行转变
为综合性评价提供技术支持：基于AIGC的评价工具可以根据学
习者的个性化表现，生成更具准确性和针对性的评价和反馈
大规模因材施教成为可能：综合学生的学习行为、成绩表现、性
格特征、特长爱好等多维度数据形成学情分析报告，帮助教师为
每位学生制定更加精准和有效的教学策略和成长路径
教育数字化转型的技术支持：教学模式转向“师-生-机”三元结
构，提升教育效率与效果，结合翻转课堂、XR等技术激发学生
的学习动力，提供更为丰富和沉浸式的学习体验
AIGC
教研
工具
教学
工具
学习
工具
评价
工具
作为教师“外脑”的积极作用更受到认可
AIGC对学习评价工作带来显著挑战
AIGC对教育载体（工具）的影响讨论
被广泛认为是教学中实现个性化学习的关键工具
个性化学习工具：定制个性化学习计划，自动生成课程和题目，
总结并答疑，作为AI助教进行课程辅导、技能练习以及情感陪伴
内容精准度的问题：受技术完善度限制，生成的学习内容或存在
精度不足的问题，传达错误或有偏见的信息，对学生造成误导
技术依赖风险：技术依赖可能削弱学生的自主学习动力和批判性
思考能力，尤其是学习意志薄弱的和思辨能力不足的学生
AIGC作为学习工具存在一定争议
来源：公开资料，艾瑞咨询研究院自主研究及绘制。
20© iResearch Inc.
AIGC改变教育内容
高阶通识能力、跨学科复合能力重要性被重提，辅以AIGC技术素养要求
新一代AI技术在显著提升社会生产力的同时，也引发了生产关系的变革，社会分工结构面临重组，一些传统岗位被AI取代，新兴职
业快速出现，而部分旧有学科则逐步淘汰。AIGC时代给教育系统带来了一个庞大而艰难的研究课题：我们应该如何培养能够适应这
一变革的有用人才？这不仅涉及到教育范畴、目标和内容的调整，还包括学科专业设置的改变。2023年3月发布的《普通高等教育
学科专业设置调整优化改革方案》进一步明确了到2025年将新设一系列适应新技术、新产业、新业态、新模式的学科专业，同时淘
汰那些不再适应经济社会发展需求的学科专业。同时，ChatGPT等大模型先后通过注册会计、律师资格等多种考试，在信息搜集和
整合上的能力逐渐接近甚至超越人类，也让我们反思AIGC时代下，简单的专业知识教学的社会适应性。因此教育系统需要调整教育
内容，重视信息素养和高阶通识能力的培养，逐渐增加跨学科融合式教育的权重，以加快前沿人才的供给速度。同时，教育系统还
需要尽快明确围绕AIGC技术学习的范畴和规范，帮助学习者接受并适应AIGC时代的到来，并理解技术及其对世界的广泛影响，这将
确保未来的技术人才能够驾驭技术走向及其发展节奏，并有能力利用AIGC技术更好地改变世界和造福人类。
生产技术发展 人才需求变化
教育内容与人才目标
技术赋能教育也改变教育 教育范畴、方法、学科、专业的改变
生产力决定生产关系
生产关系变化
社会分工变化
知识搜集和传递能力
跨学科知识和技能
创新力和适应性
批判性思维
擅于解决问题
沟通与团队合作能力
全球视野和文化敏感性
通识能力 单纯的知识记忆不再具有高度的人才价值参考，围绕应用知识与工具进行
问题解决、批判性思考等通识能力进行培养的教育内容会加强权重
跨学科融合 学科模式的制约性被放大，高校需要重新考虑学科的设置以及跨学科融
合的重要性，而AIGC技术作为教育载体的介入也增加了尽快实现这一目标的可能性
信息素养 在AIGC时代围绕信息技术应用能力、数据思维等信息素养的全民培养和普
及，以便人们能普通理解和使用数字技术，同时理解技术的社会、文化和道德影响
AIGC对教育内容和目标的影响讨论
AIGC技术 定义AIGC技术的范畴并建立规范，帮助学习者理解技术及其影响力，让
未来的人才具备驾驭AIGC技术及其发展节奏的能力，利用技术更好地改变世界
有能力利用技术更好地改变世界和造福人类的人才
来源：公开资料，艾瑞咨询研究院自主研究及绘制。
大模型通过
人类考试
✓ 美国注册会计
师（CPA）
✓ 注册管理会计
师（CMA）
✓ 注册内部审计
师（CIA）
✓ 注册税务师
（EA）
✓ 律师资格考试
✓ MIT本科数学
考试
通识素养重要性被重提，辅以AIGC技术素养要求
21© iResearch Inc.
AIGC与学习主体的竞争
引发近乎科幻但并非遥不可及的哲学思辩：教育人类还是训练大模型
担心AIGC带来的技术依赖弱化学习主体的主动性和敬畏感
• AIGC的知识掌握范围、信息加工与分析的精准性和有效性以及成长速度，是人类作为个体经过多年的教
育也难以对比与企及的。部分专家担心AIGC技术能够让学习者不经过艰苦的学习就能够轻松得到知识和
能力，会弱化他们努力学习的主动性甚至对学习的敬畏之心
担心AIGC作为优秀的“学习主体”争夺人类学习者的教育资金投入
• AIGC作为“学习主体”正在吸引大量的投资，而全球范围的学校改善、教师发展和基础设施建设仍然需
要各国包括公共投资在内的资金注入支持。合理分配资源，平衡人类教育和技术发展的需求，可能会成
为需要重点权衡的问题
担心AIGC作为优秀的“劳动主体”挤压人类的工作机会，降低学习的投资回报
• AIGC作为高效的“劳动主体” 正在替代许多脑力工作者的现有工作岗位，这在一定程度上意味着对“笨
拙”的人类进行教育的投资回报在大幅降低，教育难以在就业市场上产生原有价值，甚至可能影响到一
部分人的基本生活权益。这种变化需要人们重新考虑如何布局技术发展节奏，并出台相应的就业与劳动
保障政策，确保技术发展同时也关注人类福祉和社会进步
人类学习or机器学习？
AIGC对“学习主体”的影响讨论
AIGC技术的快速发展正为社会经济带来显著的提振。高盛预计未来 10 年生成式 AI 有望给全球GDP带来 7 万亿美元的巨量提振，
使全球年均GDP提高7%；而2023年AIGC领域已经快速吸引了大量的资金投入，截至7月全球AIGC风险投资额已经达到了150亿美
元。然而AIGC在劳动市场上的高效能力也引起了对就业安全的广泛关注。高盛预计，由于AI技术的应用未来全球将有3亿个工作岗
位面临被取代的风险，虽然部分观点认为AIGC技术有助于缩短工作时间从而提升劳动者福利，但像谷歌这样的国际公司因适应AI在
业务中的应用而裁减3万职位的举措，使得公众对失业的可能性感到更加担忧。虽然相比教育周期漫长而成本高昂的人类来说，AIG
C似乎是更加高效且具有高性价比的学习和劳动主体，但过份依赖AIGC并忽视人类教育和劳动的价值，是一种危险的想法。面对技
术发展的快速步伐，社会需要更加谨慎地规划技术应用的方向，并制定合理的教育和劳动保障政策，确保AIGC能给人类带来更多社
会公平而不是扩大不公平，在追求技术创新的同时保持对人类福祉和社会稳定的长远视野。
来源：公开资料，艾瑞咨询研究院自主研究及绘制。
22
商业实践：技术应用扩散
Technology Commercial Diffusion
03
23© iResearch Inc. © iResearch Inc.
来源：《学术出版中AIGC使用边界指南》等公开资料，艾瑞咨询研究院自主研究及绘制。 来源：基于各AIGC相关工具生成及展示，艾瑞咨询研究院自主研究及绘制。
应用场景—师生—学术科研
在文献整理、校对润色等方面减负，在数据处理与预测方面助力基础研究
学术科研中，存在大量机械性的工作，耗费心神且占据研究人员大量时间，而这正是AIGC的用武之地。AIGC并不能替代研究员，而
是作为一种辅助工具，在文献及引文整理、数据分析、图表生成、语法及错别字校对等方面解放部分人力，给予科研工作者一些喘
息机会。同时，大模型与科研工具包结合，可加速科研计算，进行数据预测等 ，助力科研基础研究及探索。但需注意，AI生成的文
章、数据分析结果等需要研究员进行校对及交叉验证，不可直接使用，尤其是研究结论及观点部分。同时，在应用AIGC技术时也需
要注意数据隐私、知识产权等问题，以及对AI的使用情况进行披露声明。
大量文献及摘要逐个阅读、图表逐个绘制
引文及参考文献手动生成、数据手动分析
表述细节逐个检查及调整，语法、错别字逐个校对
实验数据分析和预测耗时冗长，可达月余
将大量文档提供给AI以帮助快速阅读理解，做好文献综述写作前
• 与AI交互进行头脑风暴，获取灵感
• AI辅助研究人员进行多维度的数据分析处理，大大压
缩数据分析时间
• 与AI多轮对话进行翻译，润色、修改论文表述；
• 提供文本及数据描述，AI生成可视化图表；
写作/
实验中
用户提供引文格式和数据，对AI进行训练后，可根据用户
需求，批量生成标准化引文
写作后
AIGC应用前
AIGC应用后
学术科研
基
于
单
个
文
档
的
交
互
※ ChatDOC：文章及段落内容概括，名词及公式解释等
（提供对应转跳链接及脚注）
※ 1）多文档对比查询，SCISPACE生成表格回复异同之处
2）相关文献查询、选中后，SCISPACE生成文献综述
基
于
多
个
文
档
的
交
互
AIGC应用前后对比 应用示例
图表
绘制
数据
处理
文献
阅读
细分
场景
表达
润色
数据
预测
…
24© iResearch Inc. © iResearch Inc.
来源：公开资料，艾瑞咨询研究院自主研究及绘制。 来源：基于各AIGC相关工具生成及展示，艾瑞咨询研究院自主研究及绘制。
应用场景—教师—备课规划
从依赖教师经验转向数据驱动，教师负责更多创造性工作
备课是一个兼具较大工作量和创造力需求的工作。工作量主要体现在不同学段、不同班级的课程大纲、教案的撰写、课程资源的搜
集，以及课件的制作方面，创造力需求主要体现在根据各班级学情、进度的不同进行个性化修改和调整，以及师生互动设计等方面。
AIGC技术的应用，使得教学资源搜集、课件制作等偏执行的工作在大数据驱动下，可以更加快速高效地完成，节省教师大量时间。
由此，教师可以从事更多如师生沟通、学生关怀、互动设计等创造性、情感性、社交性的工作。
课程大纲生成 课件插图生成
课件生成制作
※ 基于文心一言生成
※ 基于讯飞星火生成
※ 1)提供课程大纲和插图，Tome生成PPT
2)输入提示词，Tome一键生成PPT
高度依赖教师经验进行备课及教学规划
教学资源搜集、课件制作费时费力
通过对话，快速获取教学资源，为教师答疑解惑资源获取
与AI多轮对话生成并调整课程大纲、教学方案文本生成
根据提示词，快速生成课件插图及动画视频等图像生成
基于课件制作平台，拖过大纲嵌入、模板选择、
图片填充等方式，通过拖拉拽生成并完善PPT
课件生成
课程录制 结合数字人技术，搭配已有课件PPT，生成录播
课程
AIGC应用前
AIGC应用后
备课规划
1 2
3
AIGC应用前后对比 应用示例
资源
搜集
课件
制作
教案
撰写
细分
场景
课程
录制
…
25© iResearch Inc. © iResearch Inc.
来源：公开资料，艾瑞咨询研究院自主研究及绘制。 来源：基于AIGC相关工具生成及展示，艾瑞咨询研究院自主研究及绘制。
应用场景—教师—作业生成及批改
在作业生成方面，可分为选择题、连线题等典型题目和基于模板的作业任务。对于AI易于理解的经典题目而言，教师提供试题范围
及标准，AI即可批量生成标准化题目，并给出对应答案，需要教师进行下一步的试题合成等动作。而对于写作任务等作业模板，教
师勾选、填充作业要求后，即可发布给学生。在作业批改方面，内容上，AI可实现语法、错字、标点等一键识别与修改。数量上，
相比于老师逐份批改耗时耗力，AI可在学生完成后即时批改并提供反馈，加快学生学习转化，提升效率。值得注意的是，教师对批
改内容拥有修正和最终判定权，根据不同模型的不同成熟度，需要教师把握好使用边界。
人工出题，更多依赖教师经验
标准化程度较高的题目，工作较为机械重复
大量学生、不同班级的作业批改耗时耗力
• 典型试题：教师提供试题范围及标准，AI批量
生成题目，教师检查后推送给学生
• 作业模板：教师勾选模板内容，推送给学生
教师视角
学生答题后通过OCR识别或在线提交等方式上传学生视角
• 大模型对学生作业进行评分及批改，并实时反
馈，但教师对结果拥有修正和最终判定权。
• 大模型基于学生数据，生成针对性作业内容；
模型视角
AIGC应用前
AIGC应用后
作业生成
及批改
教师发布写作任务 学生完成并获得即时反馈1 2
※ Questgen：基于用户上传文本生成选择、判断、
填空题等，题目数量、选项数量、难度可调节设置
※ 学生完成后即时获得反馈和修改意见
AIGC应用前后对比 应用示例
※ 教师发布Khanmigo协作下的写作任务
标准化试题批量生成，作业及时反馈加快知识理解与转化
模块化作
业生成
作业评分
及批改
标准化作业
生成
细分
场景
※ 基于ChatGPT生成
典型题目生成 典型题目生成
…
26© iResearch Inc. © iResearch Inc.
应用场景—学生—自主学习
个性化资源推荐与任务规划、启发式引导思考、实时答疑解惑
在自主学习场景下，学生通常存在学习任务不具针对性、难点困惑缺乏引导启发、实时反馈不足的三大问题，AIGC的应用对这三点
难题都有助益。首先，大模型积累了大量的学生个人数据，可以提供更懂学生的学习资源、学习任务和学习反馈；其次，根据情景
的不同，AIGC产品可设置是否提供答案，如在学生练习遇到困难时提供启发引导，或在错题后为学生提供题目详解；同时，AI可在
学生产生困惑的当下提供实时的答疑解惑，保证学生学习的时效，强化学习效果。
学习任务：学习资源及任务规划不具针对性
难点困惑：学习缺乏引导与启发，学生容易钻牛角尖
学习时效：学习中问题无法及时解答，事后请教老师效果有限
大模型积累了大量的学生个人数据，可以提供更
懂学生的学习资源和学习反馈
个性化
在学生产生困惑的当下实时答疑解惑，保证学生
学习的时效，强化学习效果
实时性
发现学生的问题，通过对话引导思考与回答，在
错题后提供答案步骤详细拆解
启发式
AIGC应用前
AIGC应用后
自主学习
启发式辅导
※ Class Companion：紫色框内学生回答有
误，绿色框内AI助手进行激励和引导，而
不直接提供答案。
AIGC应用前后对比 应用示例
来源：公开资料，艾瑞咨询研究院自主研究及绘制。 来源：基于AIGC相关工具生成及展示，艾瑞咨询研究院自主研究及绘制。
数学题详解 笔记概括提要
※ MathGPT：用户上传数学题目，AI提供题目
详解和精讲
※ Ace AI Tutor：学生上传笔记，
AI概括提要
视频课程助教
※ Coursera Coach：学生在学习视频课
程中，遇到疑惑随时与Coach沟通求
解，并获取课程概要和相关推荐
错题修改 学习编程完成作业
细分
场景
笔记整理 在线上课预习复习
…
…
27© iResearch Inc. © iResearch Inc.
来源：公开资料，艾瑞咨询研究院自主研究及绘制。 来源：基于AIGC相关工具生成及展示，艾瑞咨询研究院自主研究及绘制。
应用场景—学生—辅助练习
开放场景下，实现以学生为中心的多轮交互和拟人陪伴
在判别式AI技术下，学生在口语练习时常常存在对话简单、场景受限、难以多轮交互、个性化不足等问题。AIGC技术应用后，大模
型参数的扩大、预训练架构的使用等，使得原本单向播报和简单问答的功能进一步拓展了多轮对话、逻辑推理、上下文理解能力。
其次，基于新数据生成而非识别分类的逻辑，AIGC产品可应对的场景和任务范围更加广泛，可以满足用户对细分场景的需求。同时，
与数字人、人形机器人结合后，多模态的大模型既可识别学生的声音、表情等特征，也可借助“似人”的外貌提供“类人”的交互
陪伴。从不同细分场景的成熟度来看，当前口语、写作练习等，相较于数学、化学等逻辑类的练习任务，用户容错能力更强，应用
成熟度和热度也更高。
对话机器人声音及图像流畅度低，互动感差，难以多轮对话
非生成式的对话练习场景受限，以朗读、复述、固定情景对话
居多，难以满足自由练习需求
通过对学生声音、表情等的识别，提供多模态的
信息反馈；与数字人、人形机器人等的结合，
“似人”的外貌及“类人”的内核，提供陪伴感
拟人陪伴
生成式AI可应对的场景和任务范围更广，可以满
足细分用户需求
开放场景
与学生多轮互动，完成写作练习、口语练习、辩
论、情景体验等
多轮交互
AIGC应用前
AIGC应用后
自主练习
② 学生在Khanmigo引导下列出作文框架
③ 学生与Khanmigo协作撰写、调整作文
① 学生跟Khanmigo沟通理解写作话题
写
作
练
习
口
语
练
习
※ MyShell中与Shizuku对话
※ 多邻国Roleplay演示
AIGC应用前后对比 应用示例
写作练习 辩论演练口语练习
细分
场景
…
28© iResearch Inc. © iResearch Inc.
来源：公开资料，艾瑞咨询研究院自主研究及绘制。 来源：基于AIGC相关工具生成及展示，艾瑞咨询研究院自主研究及绘制。
应用场景—学生—测试评估
测评数据多模态、测评内容常态化、测评结果个性化
AIGC技术在测评对象、内容、结果三个方面影响对学生的测试评估，使得学生测评更加自然全面。从测评对象来看，大模型的多模
态能力，可应对多种类型的作业评估需求，通过对学生表情、声音等的试别，可实现对学生更全面的评估；从测评内容来看，作为
AI导师的大模型，与学生长期相伴，积累了大量的常态化数据，可以给予更多过程性评价；从测评结果来看，大模型可以根据学生
个人情况生成测评结果，而非归类判定，测评结果的针对性更强。就成熟度而言，口语、作文等测评，相比于数学、物理等逻辑要
求更高的学科，应用更加成熟。
基于阶梯式等级的归类判定，对学生个人的针对性不强
更注重考试等结果评估，缺乏过程性、常态化表现评估
评估维度单一，可评估的数据类型受限，反馈等待时间周期长
通过实时分析和处理数据，AIGC可以敏锐捕捉
学生的学情变化，并提供动态的评估结果
动态性
大量多模态、多维度的学情数据，可以对学生情
绪、心理等进行全面评估
多维度
与学生长期交互和陪伴，积累了大量的常态化数
据，给予更多过程性评价
常态化
根据学生个人情况生成测评结果而非归类判定，
针对性更强。
个性化
AIGC应用前
AIGC应用后
测试评估
口
语
测
评
作
业
测
评
AIGC应用前后对比 应用示例
※ ELSA AI：
从发音、语调、
流利度、语法、
词汇等多个维
度，在学习者
视频通话中、
对外演讲等多
场景下提供全
面评估，并进
行个人数据记
录和分析
※ Gemini：
具有原生多模
态能力，可以
直接理解和处
理不同类型的
数据，处理复
杂的文字和图
像信息更加自
然高效，可应
对多种类型的
作业评估需求
作业测评 综合测评口语测评
细分
场景
…
29© iResearch Inc. © iResearch Inc.
来源：公开资料，艾瑞咨询研究院自主研究及绘制。 来源：基于AIGC相关工具生成及展示，艾瑞咨询研究院自主研究及绘制。
应用场景—管理服务
教学资源高效利用、人才资源充分挖掘，组织资产价值释放
组织的运营、管理、服务中，存在着大量的数字资产，对于教育、文化类更加重视知识和资产管理的组织而言，AIGC能起到激活资
产、辅助管理决策、提高组织运转效率的作用。从教学服务来看，课堂前，AIGC可以辅助完成考勤、休假等基础工作；课堂中，
AIGC可通过语音识别等技术与师生实时交互，同时可实时生成课堂互动所需测试等材料；课堂后，可清晰分析并展示每个学生及班
级的学情对比数据。从资产管理来看，AIGC技术可以对组织的海量知识和信息进行整合、沉淀和激活，帮助企业打造专属AI知识库，
实时响应员工需求。同时可以实时更新并提取人才库信息，实时优化人才梯队。
教学过程难以追踪，教学进度、考试情况、作业数据逐项分析
组织数字资产难以激活，四处散落，价值未充分挖掘
基于人才库手动筛选评估，数据无法实时更新追踪
规章制度、考勤管理、研讨会议纪要等手动整理
数字资产自动沉淀，形成组织专属知识库大模型组织专属
人才简历实时更新，人才梯队自动排列，选拔与
评价建议实时反馈
人才激活
教学中为教师提供支持并实时记录，课后提供改
进建议；教学后学生进度、考试情况、作业数据
实时更新和分析。
教学跟进
利用大模型完成师生考勤、休假等基础事务高效行政
获取师生多模态学情数据，精准预测，辅助决策辅助决策
AIGC应用前
AIGC应用后 ※ Merlyn Mind：老师通过语音或遥控器对Merlyn
提问，要求Merlyn根据对话生成测验和课堂活动
※ Class Companion：展示每个学生和班
级的情况，并对数据进行对比分析和解读
教学服务：课中 教学服务：课后
资产管理
※ Glean：
与Glean聊天
获取工作的
最新进展和
直达链接。
Glean可提供
所有文档、
对话、票证
等的分析和
摘要。
管理服务
AIGC应用前后对比 应用示例
资产
管理
行政
管理
人才
管理
教学
服务
细分
场景
…
30© iResearch Inc.
各细分场景落地速度
C端>B端>G端，成人教育>高等教育>K12>幼教，教师>学生>管理者
就落地逻辑而言，AIGC主要影响内容生产环节，在教育行业就体现在课件和题目的生成、作业批改、学情数据分析、学习资源推荐
等环节，基本是原有场景和产品的替代，原有技术功能的优化迭代，较少出现新的场景和功能。
就落地速度而言，创新技术的落地通常需要一个应用扩散的过程，尤其是对于教育这个古老的行业。根据创新扩散理论，最先尝试
新技术的往往是部分技术爱好者和先驱，C端具有明显的长尾效应，而B端和G端属于集体和组织行动逻辑，灵活性较低，且G端传统
惯性较强，往往相对滞后。同时，在技术应用初期尚不成熟时，则需要配套设施的辅助落地。如果把AIGC技术看作教学资源的话，
则需要教学对象和评估标准的配合，学生辨别和思考能力越强，教学内容的评估标准越明确和统一，则技术落地的可能性越强。具
体来看，由于成人的辨别能力强，评估标准相对明确，所以成人教育整体的落地速度更快。从使用者的视角来看，Quizlet的调研报
告指出，使用过ChatGPT等AI技术的教师（占比65%）比学生多（占比61%），教师的应用需求更迫切，落地更快。同时，尽管
AIGC技术应用对教学管理的影响重大，如对学情趋势的预测、管理决策的辅助等，但管理侧总体落地进程缓慢。
注：绿色颜色越深，表示应用落地速度越快
来源： 2023年Quizlet《人工智能教育现状报告》等公开资料、专家访谈，艾瑞咨询研究院自主研究及绘制。
落地逻辑
学生的辨别和思考能力
评判标准
评估标准的明确和统一
市场头部产品的应用现状
原有场景和产品的替代
原有功能的迭代优化
较少有新场景和功能
AIGC+教育各场景落地速度
企业内部员工技能培
训等，员工辨别能力
强，但各企业标准存
在差异
早幼教 K12 职教/高等教育 成人教育
作业生成及批改
角色维度
教 师
学 生
管理者 总体成熟度低，辅助决策环节的潜力较大
备课 科研
自主学习 考试测评
C端
领域维度
领 域 B端 G端
各类技能及等级证书
考试等相关服务，成
人辨别能力强，考试
内容标准化
B 端
C 端
缺乏统
一的评
估标准，
幼儿辨
别能力
差，总
体成熟
度低
整 体
辅助练习
31© iResearch Inc.
细分场景机会剖析一：全流程闭环
教师侧流程闭环重在落地执行，学生侧流程闭环重在及时、个性化反馈
AIGC具有图片、文本、视频、音频等多模态生成能力，同时具有信息整合和分析功能，对内容生产的各个环节都可发挥作用。但从
当前应用来看，AIGC的功能落地仍以散点式功能为主，如特定类型题目、图片的生成，能真正形成全流程、全场景闭环体验的产品
较少。从教师侧来看，在作业和教案生成场景下，教师需要单独生成每一种类型的题目或者教案素材，再逐项进行验证校对，并最
终合并，全流程的参与度都较高。Agent在该场景落地后，基于其记忆、规划、执行的能力，可拆解教师的完整指令，并逐项生成、
排序及合成，教师只需最后对成稿进行调整，工作量大幅减少。从学生侧来看，以作文写作练习为例，学生在话题理解、框架构思、
素材运用、指导修改等多个环节都存在指导互动需求，全流程、及时、个性化的指导反馈将大幅提升练习体验和效率。
来源：公开资料、专家访谈，艾瑞咨询研究院自主研究及绘制。
教师：作业及教案生成 学生：作文练习
教师指令：教师给出具体要求，如生成**课时的**作
业/教案，包含选择、填空、判断、简单（教案对应
文本、图片、视频）等多种类型，并上传相关资料
判断题 填空题
图表题
简答题
作业合成
选择题 作业生成闭环示例
选择题 判断题 填空题
简答题 图表解读题 篇章理解题
选择题 判断题 填空题
简答题图表题篇章题
单独生成：教师单独提供每一种类型的作业指令
/教案素材，分别指导AI单独生成
1
作业合成：教师对上述生成内容进行验证、逻辑
校对，并按顺序合成一份完整作业
2
Agent按教师要求对不同类型排序，同时校验不同题目/
素材的内在逻辑合理性和重复率，并给出最终合成版
Agent记忆并拆解教师指令，根据要求输出不同类型的
提示词，并规划每一个任务及顺序、落实执行动作
1
2
1
教师完善：教师对AI生成的完整作业/教案进行调整，
定稿
2
教师/学生动作 大模型动作
1 询问AI，理解
作文话题内涵
基于上下文语
境等，解读作
文话题
思考作文素材，
并与AI交流确
定合适素材
提供作文素材，
给予学生建议
构思作文框架，
询问AI建议 就作文框架提
供指导反馈
撰写作文，遇
到困惑时与AI
实时沟通
实时解答学生
疑问
完成作文上传
批改作文，实
时反馈
根据意见及时
修改
2
3
4
5
6
1
2
3
4
5
细分场景机会剖析一：全流程闭环
当前现状
机会方向
已有应用待完善
注释：
32© iResearch Inc.
细分场景机会剖析二：触摸科研天花板
从K12到高/职教实训到学术科研，应用前景与落地难度同步提升
不同学段的AIGC技术应用有着不同的侧重点。在K12阶段，侧重技术对日常教学练评测、管理功能的升级迭代，且随着出生人数的
持续下降，天花板总体可预见。其制约因素主要在数据层，数据质量、丰富度、颗粒度等决定教育模型的上限和使用体验。同时日
常的应用中，会有数据的反哺回流，随着使用频率和时间的拉长，体验会逐步优化；在高/职教实训阶段，侧重AIGC工程师的培养，
高职院校、普本、211院校等人才有着阶梯式的差异化诉求。其制约因素主要在产品层，如低代码平台的设计、实训环境的建设等，
总体天花板较高，随着AIGC技术逐步成熟，相关工程师需求量较大；在学术科研阶段，除基本的文献阅读等工作减负外，更侧重
AIGC支持下的基础研究及探索。通常以大模型为基础，与科研工具包结合，以加速科研计算和数据预测等。制约因素主要在于更加
精细垂直的模型，以及懂专业又懂大模型的复合人才，但科研攻关一旦成功落地，商业潜力和价值极大。
来源：公开资料、专家访谈，艾瑞咨询研究院自主研究及绘制。
K12教学及管理 职教、高教AI技能实训 学术科研
通过调用开源大模型微调，或开
发垂类教育大模型深度应用，以
满足日常的备课、教学、练习、
测评、管理等基本需求
• 制约因素主要在数据层，数据
质量、丰富度、颗粒度等决定
教育模型上限和使用体验。
• 在日常的应用中，会有数据的
反哺回流，随着使用频率和时
间的拉长，体验会逐步优化
• 制约因素主要在产品层，如零代码、
低代码的产品设计，提示工程的建设，
实训环境的建设等，考验场景理解、
技术实现能力
• 制约因素主要在模型层，复合人
才需求方向。模型的精准计算和
预测需要精细的算法设计及垂类
数据的训练。同时科研应用中，
需要懂专业懂模型的复合人才才
能实现落地。
应
用
现
状
制
约
因
素
• 高职院校人才：对技术细节和底层的
要求不高，关注提示能力和实现效果
• 普通本科、211院校：对技术有一定
了解诉求，有一定动手能力，关注调
用API实现工程化能力，需要开放部
分源代码，需要模拟实训环境
• 985院校及科研机构：主要场景是
科研基础研究和探索，以大模型
为基础，与科研工具包结合，加
速科研计算，进行数据预测等。
对底层技术、大模型算法、论文
发表等有诉求
落地难度降低
市场天花板提升
天花板极高，成功应用后，商业
潜力和价值极大
天花板较高，随着AIGC技术逐步成
熟，相关工程师需求量大
天花板可预见，原有AI教学功
能的迭代升级，生源持续减少
前
景
细分场景机会剖析二：触摸科研天花板
33© iResearch Inc.
企业图谱—按细分领域、国内国外划分
来源：公开资料，艾瑞咨询研究院自主研究及绘制。
K12教育领域
AIGC+教育细分领域企业图谱
高等教育领域 职业培训领域
国内
国外
国内
国内
国外
综合应用领域素质教育领域语言学习领域早幼教领域
国内
国外
国内
国外
国内
国外
国内
国外
34© iResearch Inc.
AIGC+教育商业模式探索
MaaS定制化服务探索、软件功能升级与硬件外化、传统技能培训服务
在底层技术创新驱动下，MaaS（Model As a Service）服务通常以技术大厂为主，可提供通用的API接口收取调用费用，也可向学
校、教育局、教企等开放模型，支持客户的定制化服务，帮助客户做特定场景或区域的模型，这对厂商的技术、算力、数据能力是
多重考验。在应用驱动下，商业模式包含软件增值服务和硬件整体售卖服务。软件增值服务通常为原有软件功能的升级迭代，通过
会员订阅等形式收取费用，是当前主流的收费模式。硬件整体售卖通常将已实现的AIGC软件功能嵌入硬件中，从而提高硬件单价，
但这种模式需注意发挥多硬件数据生态的协同效应，发挥硬件的独特优势。在传统教培内容驱动下，教学资源是核心竞争力，AIGC
带来的“被替代恐慌”与能力提升需求持续升级，AIGC相关培训机构、课程资源层出不穷，是当前变现能力最强的落地模式。
来源：公开资料、专家访谈，艾瑞咨询研究院自主研究及绘制。
软件增值服务
原有功能升级
1
收费：
• 年度订阅账号收费
• 按使用次数、量级收费
评价：
当前C端应用主流的收费方式
案例：
可汗学院、多邻国等收费标准
硬件整体售卖
软件功能硬件化
2
收费：
• 硬件整体售卖，提高原有硬件
产品单价
评价：
考验硬件数据生态协同能力，硬
件独特价值适配性
案例：
• 2023年5-6月，科大讯飞学习
机加持大模型后GMV创新高
MaaS服务
常规服务与定制化
3
收费：
• 根据API调用情况收费
• 为校企定制化开发模型收费
评价：
以大厂为主，考验厂商技术、算力、
教育数据支持能力
案例：OpenAI与讯飞大模型收费情况
技术驱动
AIGC技能培训
传统教培逻辑
4
收费：
• C端个人技能提升服务
• B端和G端校企采购收费
评价：
变现能力强，AIGC带来的“被替代
恐慌”与能力提升需求升级，相关
机构和课程层出不穷。
案例：
2023年8月印度教育科技公司
upGrad发布20+门AIGC相关课程
内容驱动应用驱动
AIGC+教育商业模式
5月
6月
136%
217%
科大讯飞学习机GMV同比增长情况
模型名称 收费（每万tokens）
GPT-4 $
星火大模型 ￥
Turbo $
星火大模型 ￥
推出后
不到 45天
收到
注册申请
2000份
产品 月费 年费
Khanmigo 4$ 44$
多邻国Max 30$ 168$
35© iResearch Inc.
技术落地关键及厂商占位
AIGC技术在教育行业落地的竞争要素主要体现在三方面，模型和算力资源、教育行业理解和经验、以及垂类教育数据。具体来看，
模型和算力资源提供基础进入门槛，无论是API接口调用、调优还是自主开发大模型，有模型才能有入场券，但自主开发模型才能掌
握主动权，需要企业对AI技术和教育相关数据都有长期积累；教育行业理解决定企业是否具有落地能力，如产品逻辑的设计、用户
痛点的感知、语料库和工具的建设等，需要企业对教育业务和互联网产品都有深入理解；教育数据最终决定能力上限，大模型的竞
争归根到底是数据的竞争，数据的好坏决定模型的好坏，进而决定用户的使用体验和学习效果，这需要企业在教育行业深耕多年才
能形成自己的数据护城河。展望未来格局，AIGC技术具有显著的资源密集和依赖特点，大力出奇迹的暴力美学路径已被行业所验证，
未来格局仍会以有着多类型资源积累的大厂占据主要份额，创新企业可以依据特定场景深入理解而切入，但若没有自主大模型仍然
会受制于人。
来源：公开资料、专家访谈，艾瑞咨询研究院自主研究及绘制。
大模型和算力提供门槛，教育理解决定落地能力，教育数据决定能力上限
AIGC+教育技术落地竞争力及厂商占位
大模型能力
API调用、调优或自主开发大
模型并证伪迭代，二者区别在
于后期是否会被动和受制于人
教育数据库
教研资源、教育全科和特定场
景数据积累及渠道能力
交互设计
考验对教育场景、业务及用户
理解能力，如师生沟通方式，
转跳链接设置、平台设计等
个人数据库
个人数据库的丰富与完善决定
个性化教学的深度和体验效果
工具应用
各场景的提示语料库建设，插
件工具应用、AI agent助手等
算力资源
算力资源决定大模型的迭代速
度，当前算力仍属于基础门槛，
模型优化还没到拼算力的阶段
模型及算力
3
2
1
落地能力
基础门槛
能力上限
代表厂商
在教育行业深耕多年，积累了
大量学情和教研数据，如
Chegg、学而思、松鼠Ai等
代表厂商
由在线教育起家，对教育业务
和互联网产品逻辑都有着深入
理解，如作业帮、有道等
代表厂商
对AI技术和教育数据都有长期
积累，才能有开发教育大模型
的能力，如讯飞、松鼠Ai等
关键竞争力 厂商占位
AIGC技术具有显著的资源密集和强依赖特点，大力出奇迹的暴力美学路径已被行业所验证，未来格局仍会以有着多类型资源积累的大厂占据主要份
额，创新企业可以依据对特定场景的深入理解而切入，但若没有自主大模型仍然会缺乏护城河而受制于人。
未来
格局
36© iResearch Inc.
• 定位：强大的基础能力和海量跨领域知识，可解决文
本润色过渡、兴趣科普、基本问答和释义问题
• 厂商：头部厂商做基座模型，提供模型给各公司做API
调用，开源给市场
通用
大模型
• 定位：针对教育不同学段、不同教学科目、不同教学
环节进行深度定制和优化，满足个性化教学需求
• 厂商：具有技术、AI基因的教育企业进行模型开发，
为教育局、学校、企业多端提供技术支撑和产品服务
• 定位：深入挖掘口语、数学等细分场景，解决特定场
景难点问题，如语音识别与合成，数理推理与解题等
• 厂商：具有细分场景垂类数据或应用场景深入理解的
公司进行模型开发，或调用前述模型进行调优
• 定位：教育局、校企基于内部沉淀数据形成自用模型，
为日常教学及工作降本增效
• 厂商：教育行业大模型和垂类场景模型都是校企潜在
的采购对象
综合能力最强劲，通识知识覆盖范围广，
通过考试能力强，多模态应用逐步落地
中，师生应用广泛，当前处于主导地位。
教育行业
大模型
垂类场景
模型
区域校企
模型
通用大模型or教育垂类大模型
由通用大模型主导向通用与教育垂类各司其职、融合发展的方向演化
随着大模型在教育场景的逐步落地，准确性、针对性不足等问题日益凸显，开发针对教育领域的垂类大模型逐渐成为教育行业共识，
但其与通用大模型并非互相排斥的关系，而是朝着各司其职，融合发展的方向演化。当前，通用大模型综合实力最为强劲，且随着
多模态的逐步落地，仍处于主导地位，教育垂类大模型整体成熟度较低，尚处于应用探索期。随着教育大模型的成熟，不久的将来
可能迎来通用大模型与教育垂类大模型各司其职的阶段，通用大模型凭借强大的基础能力和海量跨领域知识，可解决文本润色过渡、
兴趣科普、基本问答和释义问题，教育垂类大模型根据场景的细化、区域及用户群体的划分，细分为不同垂类模型，各自解决特色
问题。从更长远的视角来看，通用知识是专业知识的基础，通用大模型仍不可被替代。随着技术的累积发展与资源整合，通用模型
与垂类模型的边界逐渐模糊，通用大模型可能与多个垂类模型存在交集，呈现出通用大模型与N个专家模型多重组合的形态，并不断
走向融合。
来源：公开资料、专家访谈，艾瑞咨询研究院自主研究及绘制。
短期：成熟期 长期：融合期当下：探索期
通用大模型主导 通用模型与教育垂类模型各司其职 边界模糊与融合
通用大模型
教育垂类模型探索中，通过蒸馏、裁剪，
教育数据调优等聚焦于教育场景应用。
但整体成熟度较低，厂商还处于探索期，
基本是对原有功能的优化迭代，在营收
贡献及ROI计算方面难以衡量。
教育行业大模型
细分垂类模型
细分场景及区域模型解决特定问题，小
规模人群和小范围内试验迭代中。
随着技术的累积发展与资源整
合，通用模型与垂类模型的边
界逐渐模糊，通用大模型可能
与多个垂类模型存在交集，呈
现出通用大模型与N个专家模
型多重组合的形态，并不断走
向融合。
模糊与融合
通用大模型与教育垂类大模型的发展演变
37© iResearch Inc.
Chegg转型step1：调用通用大模型
AIGC技术带来颠覆性变革，Chegg拥抱ChatGPT开发CheggMate
美国教育公司Chegg去年一季度业绩不甚理想，多处业绩出现下滑，CEO表示系受ChatGPT影响所致。作为首家承认业务受到AI冲
击的教育企业，Chegg遭遇了市场的激烈反应——消息公布的第二天，Chegg股价几近腰斩。面对冲击，Chegg裁员4%并重组公
司，旨在全面拥抱AIGC技术实现转型。具体到落地层面，Chegg与OpenAI合作，调用GPT开发了独立产品CheggMate AI学习助
手。CheggMate整合了丰富的知名教育资源，提供个性化的专家指导和即时反馈，受到广大学生和大学的欢迎。
来源：Chegg官网、CheggMate官网等公开资料，艾瑞咨询研究院自主研究及绘制。
冲击 首次转型
2022Q1 2023Q1
-7%
营收（亿美元）
2022Q1 2023Q1
-62%
净利润（百万美元）
“自3月起，我们看到学生对ChatGPT的兴趣显著飙升。我们认为ChatGPT正
在影响Chegg的新客户增长率。”
——Chegg首席执行官兼总裁 Dan Rosensweig
2023年5月1日Chegg公布2023年第一季度财务报表，多处业绩出现下滑。
2022Q1 2023Q1
-5%
订阅服务用户（百万）
首家承认业务受到ChatGPT冲击的教育企业
2023年5月2日Chegg股价立即暴跌48%，市值蒸发近10亿元。
0
10
20
-48%
CheggMate：一个产品，无数种解决方案
股价（美元）
2023年4月Chegg宣布与OpenAI合作，调用ChatGPT开发CheggMate
的Chegg用户表示，对基于人工智
能聊天的学习支持感到兴奋
CheggMate=GPT+Chegg+海量学习资源+优质笔记课程+实时专属导师
➢ 辅助完成从研究到输出的每个阶段
➢ 导入作业即可收到智能建议
➢ 24h内专家回复指导
✓ 年级：初中、高中、大学
✓ 科目：数学、物理、历史、语言等
Chegg受到ChatGPT冲击并首次尝试转型
支持所有年级和科目
与1000+所
大学合作
受20+万名
学生信任
全面的AI辅助
✓ 7500万+个经过验证的答案
✓ 基于
✓ 使用支持图像识别的高级AI模型
独家作业编辑工具个性化指导
➢ 根据个人学习进度量身定制计划
➢ 人工智能导师提供实时互动
➢ 发生过的对话实时存档
将有更多资源集中在CheggMate
上，直接为CM工作的员工达
77%
100+人
日期
38© iResearch Inc.
Chegg转型step2：自研教育大模型
守好数据护城河，自我重构研发教育垂类大模型，放大数据优势
2023年8月，基于成本优化、教育效果等原因综合考虑，Chegg与Scale AI达成合作，共同开发教育垂类大模型，意在实现二次转型。
Chegg多年深耕教育行业积累的用户信息和历史数据是其立足之根本，独特的强大数据集是其最大的护城河，同时Chegg享有大量
专家资源参与AI生成过程，以辅助提升内容的准确性和针对性。自研教育大模型能够放大Chegg的原有优势，实现通用模型无法做
到的功能，进一步优化大模型在教育场景落地的效果。Chegg认为未来教育大模型落地后能够实现降本增效，在增强原有用户黏性
的同时拓展新客户，届时Chegg将显著区别于竞争对手。
来源：Chegg官网等公开资料，艾瑞咨询研究院自主研究及绘制。
二次转型
Chegg第二次尝试转型：自研教育大模型
技术层面：Chegg与Scale AI合作，开发教育垂类大模型。产品层面：提供完全个性化的AI学习体验，利用AI打通整个业务线，赋能全线产品。
8月7日，Chegg宣布与数据
标注公司Scale AI合作，开发
专有语言大模型
向第一批受邀用户展示新功能，
包括全新的简洁页面和统一的
问答体验
向更多学生开放内测，展示更
多功能：
✓ 多轮聊天：简便流畅的对
话体验
✓ 个性化AI增强学习辅助工
具，如练习测试、评估、
学习指南等
2023年11月一项全球调查结果表明，55%的本科生希望有人类专家参与AI答案生成过程
“教育领域没有企业拥有比Chegg更好的学习数据集。我们认为，AI的运行基础是能够创造个性化体
验的数据，而非人工智能本身。” ——Chegg首席执行官兼总裁 Dan Rosensweig
• 更适合学习全流程
• 为每个学生创造精准独特的学习体验
• 价格上经济实惠
150,000+名人类专家参与
相比通用大模型 垂类大模型的比较优势
ChatGPT
• 适用于对话、描述和解释
• 主要用于写作
• 准确性和可靠性存在不足
Chegg大模型
转
型
路
径
自
研
垂
类
大
模
型
优
势
大模型落地后预计实现成果
强大的独家数据集：100,000,000+个解决方案
✓ 降低成本 ✓ 提高收益 ✓ 增强原有用户黏性✓ 拓展新客户
优势一
优势二
24Q1
+4%
日期
• 消息公布第二天
Chegg股价回升
+18%
日期
• 11月15日宣布回购
亿美元股票
Chegg股价上涨
39© iResearch Inc.
AIGC+教育落地难点及应对措施探索
当前面临数据安全、内容合规及准确性等难题，相关方正从国家监管、行
业标准、技术完善、功能升级等方面合力应对
知识
幻觉
来源：公开资料，艾瑞咨询研究院自主研究及绘制。
AIGC+教育落地难点 各方面应对措施
内
容
层
准
确
性
数
据
层
安
全
性
企业 个人
• 私域数据等敏感数据价值高昂
• 一旦泄露会导致巨额经济损失
• 存在个人隐私泄露风险
• 存在深度合成伪造风险
合
规
性
需满足监管要求，遵守法律法规、尊重公序良俗等，当前
存在以下风险：
• 价值观冲突• 虚假信息 ……• 侵犯知识产权
用
户
层
目前存在用户对AI持保守态度
部分用户甚至表示排斥
认知
应用 学术诚信问题 • 论文抄袭• 考试作弊 • 作业代做
➢ 怀疑：不信任人工智能
➢ 守旧：排斥新事物
是指大模型会对自身不确定或完全无知识储备的内容进行随机
作答，造成答案完全偏离事实的失真现象。
• 事实性幻觉：与现实不符 • 忠实性幻觉：与指令不一致
国家
监管
国家网信办等部门发布《生成式人工智能服务管理暂行办法》政策
提出信息安全等服务规范，要求教育等部门加强对AIGC服务的监督管理
行业
标准
教育部等部门开展宣传普及教育，帮助大众科学认识并理性使用AIGC
✓ 应用场景 ✓ 法律法规 ……
松鼠Ai牵头成立IEEE人工智能教育大模型标准工作组，旨在通过资源整合、
战略研究和交流平台搭建等，推动大模型技术在教育领域的支撑和应用
各协会、科研机构、高校、企业等联合编制AIGC在教育行业的应用规范
中信所联合三家国际出版集团发布《学术出版中AIGC使用边界指南》
教育部信标委、上海市人工智能行业协会与相关高校、头部企业共同发布
✓ 风险意识✓ 基础扫盲
《教育通用人工智能大模型标准体系研究报告》《教育通用人工智能大模型系列标准》
功能
升级
• 设定AI不直接给出问题的答案
• 而是提出问题来引导学生思考
帮助引导 存档复盘
• AI记录与学生的问答过程
• 允许家长和教师访问未成年使用情况
——针对作弊现象 ——针对孩子使用AI用途未知现象
技术
完善
✓ 开发教育垂直大模型，如松鼠Ai开
发的智适应教育大模型LAM
安全
合规
准确
质量
——实现数据加密保护
✓ 大模型私有化部署
✓ 建设数据安全管控体系
• 实时监控用户与原AI的对话
• 有问题立刻终止对话并上报——开放提供生成答案的来源
——检索增强生成（RAG）
• 扩知识：针对薄弱领域定向补充
知识
• 扩规模：提升模型参数量级
设置第二AI专用于监控
✓ 结合大量教育场景数据训练大模型
质量 全面性：
➢ 数理：不擅长解复杂的数学题
➢ 逻辑：难以充分理解信息间逻辑关系
➢ 中文：语境理解和文字表达弱于英文
以ChatGPT为例
场景
不足
人工智能形成的观点可能过于片面，或者带有偏见
• 目前生成的内容
在教育的特定场
景存在欠缺
40
标杆案例：企业落地剖析
Outstanding Enterprise
04
41© iResearch Inc.
松鼠Ai
松鼠Ai智适应教育大模型LAM，提供追根溯源打地基个性化教育服务，
关注学生情感需求
松鼠Ai成立于2014年，是国内较早将人工智能自适应学习技术应用在教育领域的科技创新型独角兽企业，其在人工智能领域的投入
已经超过9年。松鼠Ai智适应教育大模型LAM通过结合智适应技术和大模型，完成产品性能升级，让技术赋能效果。松鼠Ai智适应教
育大模型LAM可以更好地捕获数据中的复杂关系和模式，更快速发现知识点和知识点之间、知识点和题目之间、题目和孩子能力之
间的关系，更高效地绘制学生的学习画像，为学生提供个性化教育服务，从而进一步提高学生学习效率，同时推动五育并举、关注
学生情感需求，实现大模型技术在教育领域落地应用、发展及推广。
松鼠Ai智适应教育大模型LAM
来源：松鼠Ai等公开资料，艾瑞咨询研究院自主研究及绘制。
应用层
模型层
数据层
（多模态教育基础大模型+知识图谱&检索增强生成+人工智能体）
松鼠Ai智适应教育大模型LAM
DATA
MODEL
APPLICATION
海量学生学习历史数据
优势一
优势二
优势三
采用多模态大模型进行应用与开发。
松鼠Ai拥有多年积累的场景、数据、算法等方面的技术与行业经验，充足的训练数据，能够保障模型的生成能力及精度，
改善大模型在学生专业知识、理解能力上的局限性。
基于独有的知识图谱和MCM（学习的思想、能力、方法）图谱，松鼠Ai能够真正提高教学效率，并且把每个孩子的个性、特
长、潜在优势充分发挥出来。
框
架
• 智适应学习推荐
• 智适应学习情感干预
• 智适应学习习惯培养 • 智适应学习路径规划
• 学习行为 • 学习进度 • 学习路径 • 学习效果
• 全学科微颗粒知识图谱
• 智适应学习兴趣启发
• 海量学习资料、海量视频讲解、海量测评与题库
优
势
42© iResearch Inc. © iResearch Inc.
来源：松鼠Ai等公开资料，艾瑞咨询研究院自主研究及绘制。 来源：松鼠Ai等公开资料，艾瑞咨询研究院自主研究及绘制。
松鼠Ai
松鼠Ai智能学习机基于大模型的智适应学习系统，打造孩子专属学伴
松鼠Ai智适应系统旨在实现千人千面的个性化学习，松鼠Ai借助大模型的能力作为基座，建立多模态的智能体（Intelligent
Agent），以拟人的Agent作为主要交互方式，打造新的大模型智适应学习模型，形成具有自主进化能力的系统，可以进一步泛化学
习内容与教学。以松鼠Ai智能学习机为代表的松鼠Ai智能硬件产品，基于自研的智适应系统，打造完整的孩子专属智能学伴硬件套
组，通过多产品渠道数据采集与分析形成全面完整的、家长放心的成长体系管理方式。
松鼠Ai基于大模型的智适应系统能力 松鼠Ai智能硬件十大优势
学习数据分析与
个性化学习推荐
根据学习者的学习状态，
以拟人的学习伙伴的角色
和学习者进行交互，通过
鼓励、支持、提醒的方法
使学习者的学习过程趣味
化、动态化、可持久。
知识体系泛化能力
(数学)
对于不在已给定的知识
空间中的知识点，不在
已总结的错因类别，以
及不在已给定的MCM
（思想、能力、方法）
中的内容，系统能够泛
化匹配。
文章的阅读理解与
写作辅导能力
• 对学习者的文章理解
作答进行评分和批改
• 和学习者交互沟通对
文章的理解及分析
• 对一个写作主题进行
模仿，引导和训练。
01
02 03
04 05
拟人化学习过程
情感干预
根据学习者的学习数据，
进行总结、分析、提炼，
挖掘其学习过程亮点及
不足，并给出个性化学
习的建议与推荐。
跨年级跨学段的追根溯源
学习，解决学习薄弱点
Ai打地基
超高清精准定位
让知识点更容易学会
Ai微颗粒知识点拆分
知识漏洞诊断更精准
学习水平情况更全面
Ai智能诊断
模仿名师教学思路
定制学习内容任务
Ai流程式学习
大数据探寻错误原因
避免重复错误再出现
Ai错因分析
智能诊断思想能力方法
可定义传授的靶向训练
Ai MCM（思想、能力、
方法）训练
L5级全自动授课AI虚拟老师
沉浸式人机互动学习感受
L5级人机互动
知识学习结果导向
学习报告一目了然
Ai报告反馈
创建专属错因知识图谱
结合日常学习精准推荐
Ai错题本
遗忘曲线+知识点特性+学习
的数据，定期复习遗忘知识点
及时巩固
Ai遗忘复习
动态深度答疑能力(数学)
• 未知题目的给定答案解析
• 对问题解决中具体步骤给
出解析，并能与学习者进
行探讨，并向下追踪知识
依赖，回溯整个知识链条
到数学定理层面。
• 对学习者特定的错误步骤
或结果给出解析说明
43© iResearch Inc.
知学云
AI驱动学习数智化变革
知学云是一家聚焦组织学习的智能科技企业，为客户提供基于AI的数智化学习解决方案，将AI与组织学习深度融合，帮助客户实现
人才培养的规模化、智能化和个性化。知学云研发了完全自有知识产权的低代码PaaS学习平台，同时依托自研的AI Agent人工智能
平台，将生成式人工智能与政企客户的私域知识和业务场景有机融合，帮助客户将知识资产快速转变为组织生产力。知学云是政企
领域学习和知识服务的行业领导者，目前服务企业超过2500家，用户超过3000万人，是多个国家级大规模数字化学习平台的支撑单
位。
知学云AI知识服务解决方案
来源：知学云等公开资料，艾瑞咨询研究院自主研究及绘制。
知识生产 知识管理和运营 知识交付
AI专家
智能化知识服务
业务层
模型层
应用层
知学云AI Agent平台
智能化知识服务平台
AI虚拟人
AI视频课程生成
知学云混合式
企业服务大模型
第三方大模型 客户私有化大模型
AI教练
个性化教育服务
AI机器人
智能化教务服务
规模化 →个性化教育
在解决大规模人群覆盖的基础
上，进一步提供个性化教育
人才培养 → 绩效支持
从培训赋能到知识服务到绩效
支持，成为业务的实时伙伴
知识资产 → 生产力
让知识资产转变为生产力，让企业
的人才智慧成为企业的核心竞争力
解
决
方
案
客
户
价
值
44© iResearch Inc.
知学云
来源：知学云等公开资料，艾瑞咨询研究院自主研究及绘制。
智能化、个性化的AI学习解决方案
知学云AI知识服务应用
基于智能知识点和题目生成的精准学练平台
通过自然语言交互，依托企业自有知
识库，为员工生成所需知识
知识助手
模拟特定领域的专家以及真实专家的
数字分身，为员工提供个性化知识服务
领域专家
基于公文模板帮助员工生成报告、摘
要、手册等文档，减少人力投入，并
保持一致性
创作助理
基于智能化能力的一对一
精准学习和辅导
精准学习
基于知识地图和智能辅导
的强化训练
以练促学
AI专家支持用户在工作场景
中的知识服务和绩效支持
以学促用
教学助手
教
Teaching
数字人
智能助教/助手
学
Learning
知识地图
错题解析
练
Practice
智能报告
智能出题
测
Assessment
智能阅卷
AI专家 AI教练
AI+教育的应用场景
45© iResearch Inc.
Class Companion
2023年创立于美国旧金山的Class Companion是一家初创教育AI公司，核心理念为“人工智能无法取代教师”。公司的产品Class
Companion是一款供教师和学生免费使用的AI助教，该平台调用GPT-4大模型，内含丰富的解决方案，包括21个主题科目、3种作
业格式、6种评分规则等。Class Companion的使用流程完整明确，改善了教师批改作业、学生完成作业等环节的体验。Class
Companion推出仅六个月迅速风靡全美，已有超过5000所高中使用。2023年10月，Class Companion获得由Index Ventures领
投、OpenAI创投基金参投的400万美元种子轮融资，该资金将用于团队扩张和产品升级。
来源：Class Companion官网等公开资料，艾瑞咨询研究院自主研究及绘制。
公司概览：产品推出后迅速风靡，覆盖作业布置、批改、反馈全流程
Class Companion平台产品
平
台
特
色
批
改
流
程
学生完成作业，获得AI反馈老师添加任务和评分规则 老师检查
3种作业格式
简答
论文
大纲
涵盖21个主题
4种
作业添加方式
问答形式，答案通常较为简短
制定
评分规则
支持打字和手写两种形式，其中手写形式需
要几天时间给出反馈
即为论文撰写提纲
要求：简明扼要，要点全面，层级结构清晰
13门
AP课程
8门
通识课
生物学
西班牙语
美国历史
世界历史
英语公民学
流程 流程
• 老师检查学生
作业完成情况
• 回答学生提出
的质疑
• 借助AI生成的
报告分析学情
• 学生完成一道题目，
获得即时反馈
重复
练习
提出
质疑
• 学生对评分结果有
疑问，写下想法
分类筛选作业
✓ 作业格式
✓ 教学单元
✓ 完成进度
✓ 通过情况
➢ 完成每道题目的时间
➢ 每次练习撰写的答案
存档复盘
心理学
环境科学 ……
艺术史经济学
……
多维度
定义作业内容
即时
反馈
• 在教师设置的允许
次数内重复练习
内置
规则
上传 作业格式
作业问题
作业摘要 自建
规则
复制
撰写
AI生成 ……
46© iResearch Inc.
Class Companion
Class Companion不仅给教师和学生带来极大便利，也鼓励了师生之间的良性互动。Class Companion能够辅助教师灵活布置作业，
生成深度报告汇总学生的学习进度，以供教师进行学情分析，平均每周为教师节省了12小时。Class Companion还能为学生提供个
性化的即时反馈和无限制的练习，辅助学生不断迭代作业的完善程度。如果学生不满意AI生成的反馈，可以进一步寻求老师的帮助。
整个过程中，AI只是教师的辅助工具，最终决定权在老师手中。 Class Companion增进了师生之间的信任，分别为师生带来良好的
教学和学习体验。
来源：Class Companion官网等公开资料，艾瑞咨询研究院自主研究及绘制。
产品优势：支持作业灵活布置、反复练习并即时反馈，增进师生良性互动
Class Companion平台优势
作业涵盖内容作业添加方式作
业
布
置
学
情
分
析
教师层面：灵活教学 学生层面：高效自学
✓ 学生参与度
作业完善次数
寻求AI帮助情况
提出质疑情况
Class Companion评估传统批改
即
时
反
馈
✓ 无需完成所有作业，仅一道题也可反馈
✓ 节省教师批改时间
✓ 学生在最佳状态下理解题目并改进作业
学生完成作业
老师统一批改评估
学生收到延迟反馈
可能遗忘此前困惑
平台生成报告，跟踪学生进度
师生互动：以教师为核心，以AI为工具
质疑AI
学生不同意Class Companion生成的作业反馈 在对应位置提出质疑 老师查看学生质疑，给予解答
✓ 学生掌握程度
学生完善作业
前后分数对比
班级平均分
流
程
优
化
练
习
学生获得个性化的即时反馈
VS
✓ 提升自我的资源
✓ 学习成长的工具
错题
✓ 学生拥有低风险、无限制的练习机会
✓ 能够不断更正错误、优化作业
✓ 每次练习都能得到Class Companion反馈
使用Class Companion学习的整个过程中，人工智能只是教师的辅助工具，教师可以超越AI拥有最终决定权
迭代完善作业内容
答疑流程
教师为本
• 上传自制作业
• 使用内置作业库
• 利用AI生成
• 从零创建作业
主问题和子问题
摘要、来源、引用
允许学生改进的次数
• 6种内置规则
• 自建规则-形式：
段落或表格
评分规则
47
思考启发：前景与挑战
Prospects and Challenge
05
48© iResearch Inc.
内容适配：素质教育发展新方向
AIGC与素养发展具有天然相似的基因，发力C端小模型引领行业发展
AIGC技术的出现，是强化素质教育的重要契机。技术在知识经验、高效处理、泛化能力等方面的优势，反向凸显了人的创造性、灵
活性等通识素养的优势。素质类内容也与AIGC技术有着天然的亲近性。学科类内容关注结构化的知识，知识相对更加清晰明确，评
估方式也更加标准化，更适合结构化的知识图谱技术、匹配分类的判别式AI技术。而素质类内容关注知识的生成能力，知识面更广
更深而素养点更散，知识建构和评估非标准化，更适合基于神经网络的生成式AI技术，需要大模型提供连接和支撑能力。从落地逻
辑来看，如前所述，B端和G端是集体行动逻辑，灵活性较差，而C端有着公开数据丰富、用户群体广泛且容错率高的优势，是最佳
的发力领域。企业可通过调用开源大模型裁剪并调优或搭建小模型的方法，进入如表达、国学、艺术等赛道，并逐步深耕打牢用户
基础，再寻求拓展其他模式。
来源：公开资料、专家访谈，艾瑞咨询研究院自主研究及绘制。
基于神经网络技术
素质类—关注知识生成能力
生成式AI
新知识
新知识
新知识
新知识
……
素质类适用性
知识面更广更深
素养点散，非标化
知识图谱难以支撑
需大模型连接支持
学科类—关注结构化的知识
基于结构化的知识图谱 判别式AI
匹配与归类
学科类适用性
知识清晰明确
建构和评估标准化
知识图谱可支撑
AIGC与素质发展具有天然相似的基因
A
IG
C
技
术
传
统
技
术
AI
C端发力最佳，具有数据源及用户优势
人文社科、人
文素养类公开
数据资源丰富
素养类内容容
错率高，用户
可接受度更高
受众群体广
泛，长尾效
应明显
发展垂类小模型，引领行业模式
调用开源大模型，
针对素养教育进
行裁剪和调优
垂直赛道固定深耕，
打牢用户基础，逐
步拓展其他模式
1 2
初步搭建小模
型，并逐步深
化、精细化
1
C端垂类小模型引领行业发展
领
域
方
法
数据来源 用户群体 用户接受度
素质教育发展新方向
49© iResearch Inc.
技术结合：AGI完全体与教育畅想
大模型分析+多模态交互+Agent规划+具身智能行动，教育场景深度适配
AIGC的外化与硬件化是技术发展的必经之路，但若仅是软件功能的简单搭载，则无法发挥硬件的独特优势和多模态数据融通价值。
AIGC相关技术正在进行融合交汇，大语言模型解决高层次的认知问题，多模态提供数据交互和融通的通道，Agent和具身智能机器人
分别解决虚拟和物理世界的任务规划和执行问题，使得AGI（通用人工智能）完全体跃然纸上。从教育场景来看，大模型解决个性化
教学数据分析与内容生成问题；原生多模态打通各类学情数据以全面分析评估学生，并输出多模态资源满足如特殊儿童的个性化资
源需求；Agent可以帮助教师完成课件生成、作业批改等部分任务，在科研中可以完成实验规划和实施，数据预测等；具身智能机器
人具有使用场景泛化，传感单元众多的特定，可以深入了解特定教学场景。同时机器人具有社会实体的优势，能够以表情、肢体等
与学生交互并建立情感联结，起到教学陪伴与激励作用。
来源：公开资料、专家访谈，艾瑞咨询研究院自主研究及绘制。
通用及教育
垂类大模型
• 具身智能机器人解决物理世界的行动问题，可以摆脱
机械驱动，自主下达动作指令并在物理世界执行。
• 机器人具有社会实体的优势，能够以表情、肢体等与
学生交互并建立情感联结。机器人使用场景泛化，传
感单元众多，可以深入了解特定教学场景。
原生多模态
Agent
任务规划与执行
具身智能
机器人
• Agent解决虚拟世界的行动问题，是提示工程的进化体，
可拆解用户指令并执行任务。
• Agent可以帮助教师完成部分课件生成、作业批改等任
务，在科研中可以完成实验规划和实施，数据预测等
• 多模态解决信息输入与输出问题，包含文本、图像、
音频、视频，甚至情感沟通等。原生多模态超越分割
拼接达到天然统一，极大提高了数据融通的效率。
• 原生多模态学情的分析，可以全面了解学生，多模态
的资源输出可以满足如特殊儿童的个性化资源需求。
• 大模型解决高层次的认知、分析、判断问题，为信
息交互、行动执行提供决策依据。
• 通用大模型解决文本润色过渡、兴趣科普等问题，
教育垂类大模型解决特定场景的个性化教学问题。认知分析
信息交互
行动-虚拟世界
行动-物理世界
➢ 硬件作为终端的数据采集能力，数
据生态价值，多硬件数据的融会贯
通，而不是点状数据的结合
➢ 硬件独特的价值，陪伴感、交互性
等、社会实体优势等
硬件结合关键
➢ 词典笔等硬件聚焦于作业完成、自
主练习等课桌场景，传感设备有限，
难以完全了解环境和真实情况
➢ 部分产品只实现了软件功能的简单
硬件化，多方硬件的数据未实现融
会贯通，硬件独特价值未发挥
硬件落地现状
硬件简单结合 AGI完全体与教育畅想
AGI完全体与教育畅想
50© iResearch Inc.
福祉落地：直面人工智能鸿沟
AIGC+教育福祉的落地，需努力克服机会、技能、资源的三大鸿沟
教育是一项社会公益事业，事关人的发展权，教育福祉应尽可能的保证公平和均衡。如前所述，AIGC技术对教育行业有诸多助益，
但在具体落地中，可能面临机会、技能、资源的三大鸿沟。在机会鸿沟层面，首先应尽可能地保证普通老师和学生使用AIGC技术的
同等可能，如松鼠Ai计划永远向全球20%的最低收入家庭的孩子免费提供松鼠Ai系统；在技能鸿沟层面，首先需要加强AIGC技术科
普，进一步拉起齐师生的认知，并在师资培训、信息素养课程中加大AIGC技术能力培训，以缩小先天的生物性差异；在资源鸿沟层
面，教育资源、算力资源的分配不均衡都是老生常谈的重难点问题，需从国家及行业层面进行教育资源、算力的再分配，以防止技
术落地中可能进一步强化的马太效应。
来源：第52次《中国互联网络发展状况统计报告》，IDC等编制的《2022-2023全球计算力指数评估报告》、罗杰斯《创新扩散》等公开资料，艾瑞咨询研究院自主研究及绘制。
机会鸿沟：技术平权但有限
菜
单
式
交
互
…
…
…
…
…
…
…
xxxxxxxxxxx
xxxxxxxxxxx
问
答
式
交
互
传统AI工具
• 需环境和软件配置
• 人工智能专家使用
• 使用费用高昂
AIGC工具
• 无需下载和配置
• 普通用户可使用
• 模型开源及API降价
技术平权
尽管问答式的交互方式降低了使用门槛，普通人也可使用到AIGC
技术。但2023年6月，中国互联网普及率为%，仍有近1/4的
国人未接入互联网。就网民群体而言，免费开源的大模型通常是
低参版本，不同质量的大模型存在阶梯性差异，更优质的大模型
仍需高价购买。
机会有限
技能鸿沟：意愿与能力的生物性差距
意愿差距
创新与守旧向来是两
股对抗势力，尤其对
于新技术的应用而言，
创新者与守旧者之间
有着巨大的了解和使
用意愿鸿沟。
能力差距
大模型的生成性指的是文
字内容的生成性，而不是
创造能力及意义的生成性，
不同教师和学生的提示能
力仍存在生物性差异，生
产能力仍然遵循二八定律。
资源鸿沟：数据与算力的不均衡
AIGC技术非常依赖数据资源，而教育资源分
配不均衡是老生常谈、尚未解决的问题，以
此为基础的大模型技术，会进一步加剧不同
国家、阶层的教育资源不均衡问题。
教育资源不均衡
AIGC技术对算力有着巨大需求，但当前国际国内
的算力资源存在较大差异。全球来看，据《2022-
2023全球计算力指数评估报告》数据，各国之间
存在算力阶梯。中国来看，国内同时存在着东西部
算力资源分布不均的问题。
算力分布不均衡
计算力指数82分 计算力指数71分 计算力指数58分
……
创新者
%
早期采用者
%
早期大众
34%
后期大众
34%
落后者
16%
技术爱好者
有远见者
实用主义者 保守主义者
怀疑论者
创新扩散理论图
教育福祉的人工智能鸿沟
51© iResearch Inc.
人机协作：人机关系演进新历程
人机共育，生命循环，互为滋养，人类与AI一起永无止境地学习、构建
一种技术的长处，将导致一种新文明的诞生。AIGC技术在巨量数据的加持下，在发现、认识、运用规律上相比于人脑有着明显的优
势，在劳动贡献、价值创造中逐渐与人比肩甚至超越人类，推动人机关系由“共生”走向“互生”。在“共生”层面，体现为人机
共育和资源共享。人类和人工智能同样是学习和贡献的主体，人工智能是人脑智能的外化和延伸，在内在逻辑上有一定的相似性，
二者的成长都需要大量的社会资金及数据资源支持。在“互生”层面，AIGC技术可视为人的“外脑”，与“内脑”各有功能定位并
相互协作。内脑因其创造性、灵活性等，需把握人机协作方向及技术边界，同时可基于个性化需求定制外脑，并培养AI成长；外脑
可高效、标准化地完成大量任务，同时在不同场景下有着泛化处理能力，可显著提高人脑效能。在漫长的文明演进过程中，人类与
AI将一起永无止境地学习、构建。
来源：公开资料、专家访谈，艾瑞咨询研究院自主研究及绘制。
共生：人机共育，资源共享 互生：生命循环，内外脑协作
➢ 价值创造：人类和人工智能都是学习和劳动贡献的主体
➢ 智能延伸：人脑和人工智能可能是同构异型的，体现为信息输入-处
理加工-信息输出的基本逻辑，人工智能是人脑智能的外化和延伸
➢ 人机共育：二者的成长都需要社会资金、数据等教学资源的支持
内脑
✓ 创造性思维
✓ 灵活性应变能力
✓ 情境感知能力
✓ 情感与人文关怀
ˣ 知识经验有限
ˣ 高能耗低效率
ˣ 个体生物差异
ˣ 碳基生命有限
外脑
✓ 高效数据处理
✓ 标准化与规模化
✓ 智能泛化能力
✓ 硅基生命无限
ˣ 缺乏创造性
ˣ 缺乏人文关怀
ˣ 偏见与道德伦理
• 把握方向及技
术边界
• 提出个性化需
求，定制外脑
• 培养AI成长
• 高效、标准化
完成任务
• 不同场景下，
泛化智能处理
• 提高人脑效能
人机关系演进新历程
警惕算法偏见等技术伦理问题，以公平、向善的价值观支撑
52© iResearch Inc.
附录-产品列表—国内教育AIGC产品功能
来源：公开资料不完全统计，艾瑞咨询研究院自主研究及绘制。
企业名称 产品名称 适用领域 产品功能
字节跳动 豆包 K12教育 可实现提供信息、解释词语和概念、翻译文本、生成文本、与用户对话等功能。
作业帮 银河大模型 K12教育 基于中国市场的教育大模型，包含多学科解题、中英文作文批改、多语言对话等多应用场景。
汉王科技 天地大模型 K12教育
汉王AI电纸学习本搭载了定制化的教育专业大模型，可实现AI作文批改、智能判题、AI口语陪练、
定制学习计划等功能。
好未来 MathGPT K12教育 以解题和讲题为核心的数学领域垂直大模型，国内首个专为数学打造的大模型。
希沃 教学大模型 K12教育 能够实现课件自动生成、集备研讨、课堂智能反馈、学情分析、作业批改等功能。
优学派 智慧教育AI大模型 K12教育
实现更智能的AI作文批改，通过启发式引导帮孩子提升作文思路；赋能AI语音助手“小优”智能升
级，让小优可以通过写诗歌、讲故事的方式启发孩子创意。
淘云科技 阿尔法蛋儿童认知大模型 K12教育
儿童认知大模型，基于该模型打造的阿尔法蛋儿童GPT机器人为孩子在练表达、塑情商、启创造、
助学习等方面带来全新交互体验。
松鼠Ai
松鼠Ai智适应教育大模型
LAM
K12教育
能够更快速地发现知识点和知识点之间、知识点和题目之间、题目和孩子能力之间的关系，更高效
地绘制学生的学习画像，为学生提供个性化教育服务，从而进一步提高学生学习效率。
百度 小度灵机大模型 K12教育 涵盖互动式AI讲题、AI口语练习、AI精准学等功能。
世纪天鸿
笔神作文
小鸿助教
K12教育
笔神作文批改：作文批改、素材积累，帮助孩子写作；
小鸿助教：帮助老师整理备课素材、启发教学灵感、起草工作文件，从而提升工作效率。
云蝶科技 AI教研系统 K12教育
在课堂教学过程中，收录海量课堂语音并转换为文字，自动编码标注并分析课堂语言特征，形成统
计分析报告；可智能分析课堂教学行为序列，并结合教学问题系统地给出教学建议。
阿里云 智海-三乐 高等教育 集成了搜索引擎等功能，可提供智能问答、试题生成、学习导航、教学评估等功能。
高途 高途AICan 高等教育 负责考研学生的学习规划和问题解决。
湖南赤道银河
科技有限公司
SciRadar猎研 高等教育 一站式研究检索平台，提供科技文献检索、统计分析、网络分析、数据可视化和报告生成等功能。
优必选 人形机器人 素质教育
面向K12、中高职、高校学生推出的开源人形机器人教育平台，应用于课程教学、竞赛、科研活动
等场景、帮助学生学习AI、编程、机器人运动等相关知识。
53© iResearch Inc.
附录-产品列表—国内教育AIGC产品功能
来源：公开资料不完全统计，艾瑞咨询研究院自主研究及绘制。
企业名称 产品名称 适用领域 产品功能
创业黑马 黑马天启科创大模型 职业培训 能够实现文件智能识别、AI生成内容、信息自动填写、项目快速递交、材料智能生成与调整等功能。
中公教育 虚拟数字讲师“小鹿” 职业培训
中公推出“AI数智系统班”，由虚拟数字讲师“小鹿”全程授课，并为学员提供全天候的教学答疑
和互动支持，提升教学效率、促进学习工具智能化。
知学云 AI知识服务解决方案 职业培训
提供智能化、个性化的AI学习解决方案，依托自研的AI Agent人工智能平台，将生成式人工智能
与政企客户的私域知识和业务场景有机融合，帮助客户将知识资产快速转变为组织生产力。
凯泰智能 文心医考通 职业培训
主要用于西医综合考试和执业医师资格考试的备考复习，运用AI技术系统梳理了教材中的重点考点
精华片段，帮助考生更有针对性地刷重点、刷真题，洞悉专家出题规律。
智云智训 AI职教 职业培训 专注于职业教育的自适应平台，提供AI咨询、AI助教、AI办公等功能。
保利威 POLYV AI 职业培训 涵盖AI助教、智能制课、智能剪辑、智能总结纪要、AI隐形溯源水印等功能。
科大讯飞 星火大模型 综合应用
具备内容回复、语言理解、知识问答、数学推理、代码理解与编写等能力，为学生提供个性化教学、
智能答疑、口语陪练、自动批改评估等功能，为教师提供辅助教学设计研究、教学评估反馈等功能。
华东师范大学 EduChat 综合应用 教育领域专用对话大模型，涵盖作文批改、基于对话的学习辅导和情感支持等多功能，现已开源。
万兴科技 万兴智演 综合应用 能够简化课件制作过程，内置录制、直播功能，为讲师等用户带来更智能高效的视频讲演体验。
木愚科技 AI云课平台 综合应用
集数字教师模型训练与合成、数字化课程编辑于一体的在线课程生成工具，可以完成各类在线课程
的制作，解决教师在此类课程制作费时费力的痛点，可实现课程的快速更新。
全美在线 AI辅助出题 综合应用
提供考试服务，可实现智能选材、核查语言规范、拒绝试题雷同、自动提炼、科学把控试题、细节
翔实等功能，集成在“悦题”系统上。
网易有道 子曰大模型 语言学习
包含六大创新应用：“LLM 翻译”、“虚拟人口语教练”、“AI 作文指导”、“语法精讲”、
“AI Box”以及“文档问答”。
清睿智能 口语100 语言学习 英语学习工具，涵盖对话、写作、内容生成等多方面。
北京火山创想
科技有限公司
SpeakGuru 语言学习
口语练习工具，致力于从各个方面达到接近真人对话的水平，包括响应速度、流畅度、对话内容、
母语批改、高情商聊天等多维度。
孩子王 KidsGPT 早幼教
能回答用户的母婴育儿问题，是一个拥有智能对话、智能绘图、智能商品及服务推荐功能的“智能
育儿顾问”。
洪恩 洪恩智能AI 早幼教
搭载了AIGC技术的AI语聊机器人“小雨点”更具有人类性格特点，儿童用户可以和小雨点一起讨
论神奇动物、人体奥秘、自然现象、科技生活、宇宙奥秘等各方面的科普知识。
54© iResearch Inc.
附录-产品列表—国外教育AIGC产品功能
来源：公开资料不完全统计，艾瑞咨询研究院自主研究及绘制。
企业名称 产品名称 适用领域 产品功能
Chegg CheggMate K12教育 一款对话式的学习助手，为学生提供适应性辅导、即时性反馈等驱动性方案，满足学生个性化学习需求。
LitLab K12教育 阅读软件，根据学生选择的角色和场景快速生成极具个性化的插图故事，提高阅读对孩子的吸引力。
PRESSTO PRESSTO K12教育 结构化写作工具：便于教师实时掌握学生的学习进度；帮助学生写作，并在写作过程中给予实时反馈。
Quill Quill K12教育 一家非营利组织，提供免费的写作课程、句子结构诊断以及文本校对修改，提高学生的写作技能。
TeachFX TeachFX K12教育 TeachFX利用语音AI对课程录音，课堂结束后生成反馈报告，目的在于提高学生的课堂互动及参与度。
Copilot Education Copilot K12教育 课程规划器，为教育工作者提供课程计划、写作提示、教育讲义、学生报告、项目大纲等功能。
Gizmo Gizmo K12教育 人工智能测验，将笔记和学习材料转化为基于认知科学的有趣测验，提供间隔重复和主动回忆功能。
Khan Academy Khanmigo K12教育 人工智能助教，帮助老师制定课程计划、批改作业，并通过对话的方式为孩子提供一对一辅导。
Merlyn Mind Merlyn Mind K12教育
在课堂上，学生可以口头向语音助手提问，也可以要求语音助手根据正在进行的对话生成测验和课堂活动；教师能够根据自
己的课程内容制作幻灯片、教案和评估等内容。
Quizlet Q-chat K12教育 AI导师，个性化的一对一辅导，通过聊天界面、针对性的问题和测验，帮助学生学习各个学科。
Eduaide K12教育 可帮助教育工作者创建课程计划、提供教学资源和评估。
BYJU'S BYJU’S WIZ K12教育
包括3个人工智能转换模型：BADRI能够确定每个学生的学习长处和短处；MathGPT为复杂的数学学习问题提供解决方案；
TeacherGPT能够为学生提供个性化指导，并对学生的回答进行评分。
Noodle Factory Walter+ K12教育 帮助教师建立教学知识库、设计学习路径和测验；为学生提供个性化的学习路径和即时反馈等。
TutorAI TutorAI K12教育 涵盖数学、科学、外语、历史等多主题，会根据用户的学习速度调整，确保用户理解每个主题后再继续学习。
Magic School Magic School K12教育 为教师提供生成课程计划、自动备课、定制教学内容、评估写作、文本校对、针对学生问题给出建议等功能。
NOLEJ NOLEJ K12教育 可将任何静态内容转换为交互式电子学习材料，以供教学设计人员和教师使用。
Class Companion Class Companion K12教育 个性化的作业批改工具，支持作业灵活布置、反复练习并即时反馈，能够增进师生良性互动。
Jagoda K12教育 个性化家庭作业辅导导师，通过聊天解决学习困惑，支持拍照搜题，提供20+种语言辅导。
Prometric Finetune K12教育 可实现评估、内容生成和分类等功能的学习工具。
questgen questgen 综合应用 一键从任何文本生成测验。
Algor Algor 综合应用 是将文本、录音和图像转换为视觉学习资料（如PPT和思维导图）的AI工具。
Learning Pool Learning Pool 职业培训 允许企业员工与由AI生成的虚拟角色练习具有挑战性的工作场景对话。
sana sana 职业培训 用于企业培训，具有语义搜索、聊天机器人、会议转录、自动执行重复性任务、管理学习计划等功能。
55© iResearch Inc.
附录-产品列表—国外教育AIGC产品功能
来源：公开资料不完全统计，艾瑞咨询研究院自主研究及绘制。
企业名称 产品名称 适用领域 产品功能
Docebo 高等教育 教学者设计课程环节，平台自动生成个性化和游戏化的交互式学习课程。
QuillBot QuillBot 高等教育 涵盖多种写作工具，包括改写工具、语法检查器、摘要撰写器、引文生成器、剽窃检查工具、翻译器等。
Turnitin Gradescope 高等教育 教学评分工具，教学者可以自主设置评分规则，支持考试、纸质作业、编程代码等多种形式以及多学科评分。
Rephrasely Rephrasely 高等教育 提供改写、段落生成、抄袭检查等写作功能。
Mainstay Mainstay 高等教育 为高校学生提供AI聊天机器人，涵盖日程提醒、解答问题、对话聊天等服务。
Coursera Coursera Coach 高等教育 AI助教，帮助学生总结讲座等材料、提供职业建议、准备工作面试；辅助教师创建课程、生成教学材料。
Grammarly Grammarly 高等教育 写作工具，包括语法检查器、抄袭检查器、引文生成器等功能。
Nodus Labs InfraNodus 高等教育 用于学术研究，网站提供文本分析、数据分析、主题建模和网络图分析等功能，揭示主题之间的关系。
Elicit Elicit 高等教育 从丰富的论文数据库中检索论文，归纳主题和概念，总结论文要点，给出相应回答及答案来源。
Explainpaper Explainpaper 高等教育 论文阅读工具，能够上传论文、高亮显示标记文字、帮助用户理解论文中复杂内容等。
宾夕法尼亚
州立大学
PyrEval 高等教育 用于学术科研，能够阅读文章并提取关键要点。
ChatDOC ChatDOC 高等教育 文件阅读工具，可以快速解析、定位和总结上传的pdf文件内容，能够快速给出针对文件内容提问的答案。
SciSpace SciSpace 高等教育 支持论文阅读、批注、理解的辅助工具。
ELSA ELSA AI 语言学习 口语练习工具，用户选择场景主题与ELSA对话，获取个性化反馈，提高英语流利度。
Astrid Astrid 语言学习 口语练习工具，提供针对性的发音实时反馈，用户可以通过引人入胜的故事练习口语，适合儿童和青少年。
Speak Speak 语言学习 口语练习工具，Speak拥有独一无二的语音识别功能，跟手机对话就像跟母语人士交谈一样真实。
Duolingo Duolingo 语言学习 口语练习工具，通过单元、经验值、关卡升级等设定，用户在完成游戏化任务的过程中轻松实现语言学习。
Polyglot AI Polyglot AI 语言学习 语言聊天机器人，通过与机器人对话来提高用户的语言技能，支持多种语言。
Myshell 语言学习 提供多语种口语训练。
Woebot Health Woebot Health 素质教育 一款心理健康工具,用户向app倾诉情绪，app给出有助于心理健康的回复，让用户深度参与互动，从而达到心理疏解的目的。
EVITA EVITA 素质教育 用户上传唱歌录音，EVITA为用户提供有效的指导、练习步骤、声乐技巧和具体的行动计划等，帮助改进声乐水平。
Kinnu Kinnu 素质教育 游戏化的智能学习引擎，提供文化、历史、科学、心理学四大门类课程。
koko koko 素质教育 非盈利组织，能够检测高风险内容，为用户提供改善情绪、防止自我伤害的服务和课程，以干预用户情绪。
THANKS
艾 瑞 咨 询 为 商 业 决 策 赋 能
封面
幻灯片 1
幻灯片 2
幻灯片 3
幻灯片 4
幻灯片 5: 时代背景：变迁与革新
幻灯片 6: 宏观：AIGC带来的生产力革新
幻灯片 7: 宏观：AIGC带来的人力需求变革
幻灯片 8: 中观：语言的发展及其教育影响
幻灯片 9: 中观：AI技术的发展及其教育推动
幻灯片 10: 中观：AIGC与现代教育结合的必要性
幻灯片 11: AIGC+教育的时代瞩目-经济
幻灯片 12: AIGC+教育的时代瞩目-政策
幻灯片 13: AIGC+教育的时代瞩目-学术与社会
幻灯片 14: 社会态度：与时俱进，守正创新
幻灯片 15: 教育进化：教育框架反思
幻灯片 16: 技术发展影响教育形态
幻灯片 17: AIGC重塑当代教育框架
幻灯片 18: AIGC影响教学主体
幻灯片 19: AIGC介入教学载体
幻灯片 20: AIGC改变教育内容
幻灯片 21: AIGC与学习主体的竞争
幻灯片 22: 商业实践：技术应用扩散
幻灯片 23: 应用场景—师生—学术科研
幻灯片 24: 应用场景—教师—备课规划
幻灯片 25: 应用场景—教师—作业生成及批改
幻灯片 26: 应用场景—学生—自主学习
幻灯片 27: 应用场景—学生—辅助练习
幻灯片 28: 应用场景—学生—测试评估
幻灯片 29: 应用场景—管理服务
幻灯片 30: 各细分场景落地速度
幻灯片 31: 细分场景机会剖析一：全流程闭环
幻灯片 32: 细分场景机会剖析二：触摸科研天花板
幻灯片 33: 企业图谱—按细分领域、国内国外划分
幻灯片 34: AIGC+教育商业模式探索
幻灯片 35: 技术落地关键及厂商占位
幻灯片 36: 通用大模型or教育垂类大模型
幻灯片 37: Chegg转型step1：调用通用大模型
幻灯片 38: Chegg转型step2：自研教育大模型
幻灯片 39: AIGC+教育落地难点及应对措施探索
幻灯片 40: 标杆案例：企业落地剖析
幻灯片 41: 松鼠Ai
幻灯片 42: 松鼠Ai
幻灯片 43: 知学云
幻灯片 44: 知学云
幻灯片 45: Class Companion
幻灯片 46: Class Companion
幻灯片 47: 思考启发：前景与挑战
幻灯片 48: 内容适配：素质教育发展新方向
幻灯片 49: 技术结合：AGI完全体与教育畅想
幻灯片 50: 福祉落地：直面人工智能鸿沟
幻灯片 51: 人机协作：人机关系演进新历程
幻灯片 52: 附录-产品列表—国内教育AIGC产品功能
幻灯片 53: 附录-产品列表—国内教育AIGC产品功能
幻灯片 54: 附录-产品列表—国外教育AIGC产品功能
幻灯片 55: 附录-产品列表—国外教育AIGC产品功能
幻灯片 56
幻灯片 57
幻灯片 58
