AI+教育受资本追捧 教育巨头争相布局
今年，人工智能在教育领域的发展迎来新一波高潮。一方面，不断有教育企业瞄准人工智能自适应赛道，人工智能教育产品陆续问世；另一方面，该领域受到资本的追捧，其中K12辅导和语言学习领域最受资本关注。根据记者的不完全统计，目前，已有50余家机构宣布入局AI+教育赛道，自2017年起至今，该赛道内发生投融资、并购逾30起。业内人士认为，未来人工智能技术将是在线教育发展的关键。
人工智能如何赋能教育？已落地教育场景有哪些？随着人工智能与教育的融合逐渐加深，教育行业的发展将面临哪些机遇和挑战？
“希望人人都有一个AI教学助手……”在7月下旬举办的全球人工智能与教育大数据峰会上，科大讯飞执行总裁吴晓如说道。当日，科大讯飞发布了专业星空图、专业兴趣测试、高中发展指导平台等AI+教育新产品；此前，好未来集团AI Lab发布WISROOM智慧课堂和教学效果智能评测产品MAGIC MIRROR魔镜系统；新东方教育科技集团董事长俞敏洪聘请斯坦福大学专家任新东方AI实验室脑科学与图像识别技术中心顾问……
两个月以来，各大教育机构在AI+教育赛道布局动作不断。除产品发布外，AI+教育领域的投融资事件也十分频繁：6月21日VIPKID获5亿美元D+轮融资，宣布将发力AI技术；同一天，主打人工智能自适应教育的乂学教育获10亿人民币A轮融资……AI+教育颇受资本追捧。据新京报记者保守统计，自2017年起至今，该赛道内发生投融资、并购逾30起。
实际上，AI+教育行业持续升温有着国家政策背景。今年4月，教育部印发《教育信息化2.0行动计划》，强调发展智能教育；教育部发布《高等学校人工智能创新行动计划》也提出，未来将形成“人工智能+X”的人才培养模式，并提出构建人工智能多层次教育体系。
同时，相关技术的逐渐成熟也为其发展提供土壤。蓝象资本投资总监王凯峰表示，随着更多维度和更大量级的数据采集，以及更智能的数据处理方法，人工智能已经开始渗透到了教育行业。人工智能正在迎来新的产业爆发期，学术研究、行业发展和资本活跃。
有相关专家表示，在人工智能浪潮的冲击和影响下，教育领域正在经历一场深层次变革，技术正在重塑教育的新形态。联想之星投资经理王征提到：“在2015年、2016年时，所谓的‘AI教育’并不是真正的‘AI教育’，技术更多是一种辅助、一个配角，而2017年、2018年以来，技术变得更主动了，把人脑所具备的知识和能力进行数据化和复制，技术参与到教育中‘教’和‘学’两个核心环节。”通过人工智能应用于教育领域，实现大规模精准化、定制化教育服务，以学定教正在实现。
领域更细分 K12辅导最受关注
有专家对记者透露，过去一年，市场上主打“AI教育”的产品也从此前的设想阶段开始慢慢“落地”。
据不完全统计，截至目前，已有50家机构入局AI+教育赛道。相比去年，产品类别拓展至涵盖K12辅导、语言学习、学前教育、生涯规划教育等多个细分领域。王凯峰表示，目前AI已在个性化学习、虚拟学习助手、专家系统、商业智能等四个方面有广泛应用（具体产品分布详见图表），分别对应自适应练习等细分教育产品；提供拍照搜题和对话机器人功能的虚拟学习助手；能帮助学校和机构更好地解决教学效率和运营效率的问题的相应平台；以及提供复杂决策的如升学规划、职业规划、留学咨询等系统。
同时，教育场景已从涉及教育单一环节延伸至贯穿了“教、学、练、评、管”的教育全过程。联想之星投资经理王征观察到：重技术实力的教育项目增多了，原来是“教育+技术”，现在更像是“技术+教育”。
而从融资角度看，融资轮次从前期的种子轮、天使轮逐渐迈向中期的B轮、C轮，甚至属于后期的E轮融资也不鲜见。其中，K12辅导和语言学习类产品颇受资本的关注，根据艾瑞咨询发布的《2018年中国人工智能自适应教育行业研究报告》显示，K12辅导和语言学习是2015年至2017年业内融资事件最多的两个细分领域，融资数量分别占52.2%、34.8%。不仅如此，目前市面上深耕K12辅导和语言学习类产品占据了半壁江山，且涌现出一批主打“人工智能自适应教育”的机构和产品。
在北京大学教育技术学院教育技术系教授贾积有看来，巨大的市场需求和相对成熟的技术，让K12辅导和语言学习领域的人工智能教育最受关注。一方面，源自国民对基础教育的高度重视，这种重视既包括政府政策指导和经费投入，也包括学生、家长对基础教育的迫切需求；另一方面，在语音、词语形态、句法、语义、语用和篇章等各个层次上，自然语言处理技术都取得了长足进步，进入了成熟和实用化阶段，为相应产品的研发提供了技术支撑。
朗播网首席数据科学家贾艳明表示，语言学习领域的人工智能教育准入门槛也更高。“语言学习领域相对于理科领域会更难些，不仅要求学生‘知道’还要‘会用’，其知识点很难穷尽，因此针对于理科的是静态的知识图谱，而语言学习领域则以能力图谱为基础。就AI技术应用的标准化模型而言，语言学习领域的标准化模型更难搭建。”同时，如何在语音识别的基础上，进行一定的改进，更加准确地评价发音、语调等；如何增进自然语言在语义方面的理解等都是挑战。