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”。

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】呢？

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，atv，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。