瞄準AI的好未來，會迎來一個好未來嗎?

什麽是好未來想要的未來？

採訪、撰文：火柴Q、小北、屈晨鈺 編輯：甲小姐、馬輕勝

設計：火柴Q 微信公眾號：甲子光年（ID：jazzyear）

「塑造者」No.28

蘋果公司創始人喬布斯給世界留下了許多革命性的產品，但是，他也留下了一個小問題：“為什麽電腦改變了幾乎所有領域，卻唯獨對教育的影響小得令人吃驚？”

可惜他沒有能夠活到現在，否則，他或許可以看到這個問題的新答案。

好未來的“好生意”

自從2010年在美國紐交所上市以來，好未來就和更早上市的新東方成為了美股市場上中國教育概念股的雙雄。近3年來，好未來股價一直穩步上漲，特別是在2017年，受益於2016財年第三季度高達83%的收入增長，好未來的股價增長明顯。目前，好未來股價已經逼近150億美元。

看好好未來有很多理由，但是對於大多數投資者來說，最重要的原因在於：中國的教育產業有著巨大的發展太空。

隨著中國經濟發展，教育，特別是課後輔導教育在居民消費中的比重不斷提升。同樣的事已經發生在了其他經歷過經濟高速發展並且應試教育盛行的亞洲國家。在日本，課後輔導滲透率達到35%，韓國是60%，中國則僅有8.4%。由於好未來過去幾年業績的高速增長，許多投資者相信，押寶好未來，就是押寶兆級的中國教育市場。

但看好的同時，人們對教育行業的質疑也從來沒有停止過。

課後教育是不是一個好生意？理論上來說，是的。它現金流極佳，毛利率很高，並且屬於輕資產模式，規模可大可小，需求恆定高頻，也沒有地域限制，是一個非常容易賺到錢的行業。

但是，作為一種商業模式，課後教育的問題恰恰也就在於“門檻太低”了。

據統計，在中國，有120多萬家或大或小的課後輔導機構。即使是新東方和好未來這樣已經市值百億美金的上市公司，在整個課後教育市場的佔比也都在2%左右。身處這個高度分散的行業，好未來一直面臨著激烈的競爭——這種競爭不僅來自老對手新東方，還可能來自不知道從哪裡冒出來的新對手。

從成立到上市，好未來在競爭中最重要的依仗是其內容和口碑。以家教起家的好未來創始人張邦鑫，對教學內容非常重視，曾親自帶團隊開發教材和課程，建立了好未來自己的教學內容體系，再加上嚴格的培訓，好未來的教學品質總是能夠維持在一個較高的水準上。而這種高品質經過時間的沉澱，成了家長們口口相傳的好口碑，使好未來能從諸多教輔機構中脫穎而出。

但是，隨著好未來的發展壯大，特別是在其市值突破百億美金後，僅擁有內容和品牌兩條護城河顯然不夠了。

站上山巔的好未來，需要尋找一條新的護城河，一種新的玩法。

瞄準AI“好未來”

在對AI的態度上，新東方創始人俞敏洪和好未來創始人張邦鑫大相徑庭。

2017年8月18日，俞敏洪在當年亞布力中國企業家論壇夏季高峰會上表示，後悔將15億人民幣砸在人工智能和大數據領域：“這些錢就像打了水漂一樣，我只是感覺上網查數據速度快了一點。”

而另一位巨頭好未來，卻選擇大力投入人工智能，推進自研並收購外部團隊：

2017年，好未來集團在AI研發上投入了10億人民幣、4000研發人員；2017年7月，好未來收購以情緒識別技術見長的人工智能初創公司FaceThink，並成立AI Lab，由FaceThink創始人楊松帆擔任負責人。一年內，AI Lab的人數從20人快速擴張至240人。

一年後的2018年7月18日，蓄力一年的好未來在北京舉辦了“愛教育，AI未來”——2018好未來人工智能大會（TAL AI SUMMIT），發布了“WISROOM”智慧課堂解決方案以及“魔鏡”智能測評系統的全新更新版。

理解好未來AI布局的關鍵就是看懂“WISROOM”和“魔鏡”。

簡單來說，“WISROOM”是最後被改造成形的AI課堂，是浮在水面之上的冰山；而“魔鏡”則是水面下的底座，旨在用數據定義出什麽是好的課堂。隨著“魔鏡”的日趨完善，它上層的“WISROOM”也將持續進化，“魔鏡”之上也可能產生其他新的可能性。

兩天后，在學而思北京海育校區的一間教室內，「甲子光年」見到了“WISROOM”的目前形態：7個四年級的學生正在體驗一堂融入了AI互動技術的雙師數學課。

普通的雙師課堂中，一位名師通過直播，可以同步給20個甚至更多的班級上課，同時每個班級會配備一名輔導老師，做課前、課中、課後的輔導和互動。

而融入了“WISROOM”的雙師課堂則增加了基於AI技術的互動功能——比如“專注之星”：通過表情識別系統，好未來AI Lab構建的算法模型能根據學生的神態、動作評測出誰是課堂中最專注的學生。

在那天的數學課上，當輔導老師開啟“專注之星”功能後， 7位孩子全神貫注地等待著螢幕上的結果，最終獲得“專注之星”稱號的小女孩兒害羞地望向坐在後排旁聽的爺爺，爺爺則向她豎起了大拇指。與之類似的功能還有“作業之星”、“鼓勵小紅包”等。

給“WISROOM”提供底層支撐的“魔鏡”，則是一套智能評測系統，它的目標是完成對課堂的全面量化，從而找到“好課堂”的標準。

對“量化課堂”的渴求，來自楊松帆在四川大學任教時的體悟：“一直以來，教學過程其實是一個‘黑盒子’——當我們的教學結束，這個盒子就關上了，教學過程沒有被量化。”

“魔鏡”系統的目的正是讓這個“黑盒子”從不透明變成透明。“魔鏡”的原理，是利用影像和語音等人工智能技術將教學過程數據化，同時聯合教育專家的研究與實踐，結合腦科學理論，共同打造出的一套智能評測分析系統。

把“魔鏡”系統拆開看，硬體上，它包括“眼睛”和“耳朵”及其他器官”——通過安裝攝影頭和語音設備讓教室會“看”、會“聽”，通過答題器與ipad，記錄下學生在課堂中的練習和學習結果。與以往更關注到前排或活躍學生的老師不同，“魔鏡”可以對每個學生的資訊進行全面捕捉。軟體層面，它包含好未來AI Lab開發的深度學習框架，能做到識別身份、表情、姿態、狀態、聲音情緒等，從而進一步擬合出老師關注的數據，如平均專注度、課堂參與度等。

當課堂被量化後，下一步就是基於數據打造“優秀的課堂”。

“魔鏡”系統在分析了大量課堂數據後得出的好課堂要素是：“專屬於每個班的好老師”以及“專屬於每個學生的個性化互動”。“WISROOM”就是在努力實現這兩個目標，從而實現“重新定義課堂的40分鐘”。

在打造“WISROOM”的算法模型時，AI Lab做的第一件事是挖掘好未來自己積累的教育方法和理念。

據楊松帆回憶，去年7月底，在參加完CVPR（IEEE國際電腦視覺與模式識別會議）後，他回國的第一天就去課堂聽課。這之後，去教室旁聽及與一線老師一起拆分教學環節成了每個工程師的“必修課”。

與AI Lab同屬工程研發中心的好未來腦科學實驗室對認知過程的研究也將給算法構建提供更多科學基礎。同時，好未來AI Lab也宣布與清華大學、斯坦福大學、中科院計算所、四川大學四所高校達成戰略合作，以從高校獲得學術支持。

基於一整套測評、迭代、再測評、再迭代的演進思維，好未來其實是在用科學“解剖”並“克隆”過去被認為難以量化的、包含靈性交流的教學過程。

好未來AI Lab團隊慢慢地意識到，他們的探索已踏足一個人跡罕至的領域，沒有前人的經驗可以借鑒，在嘗試用AI技術改造傳統課堂這件事上，好未來是“吃螃蟹”的人。

教育科技化的前世今生

其實從成立之初，好未來就樂於“吃螃蟹”。

“我們一直都是一家科技教育公司。”從2006年起就在好未來任教的現任好未來技術商業化負責人陳體鑾回顧起好未來發展歷程中技術的作用如是說。

早在2008年，好未來就開啟了用技術手段改造教學核心環節的嘗試。

當年底，突然有幾位好未來的優秀老師集體跳槽到了另一家競爭機構。已成立5年的好未來遭遇了教育輔導行業的常見問題：由於上課體驗和老師強相關，家長和學生認老師不認平台，名師跳槽或自己單乾時，可能會影響機構的短期經營。

張邦鑫和團隊複盤時想到，也許可以用技術手段賦能每個老師，讓教學過程更標準化，從而減少因老師差異帶來的課堂品質差異，這促使了好未來ICS（智能教學系統，現已更名為ITS）的誕生，它解決的正是“標準化”問題。

至此，好未來進入了“用科技推動教育”的第一階段：資訊化——積累教學過程、學生表現的數據，進而完善教學流程。

沿著“資訊化”路徑，好未來又在2016年推出IPS（智能練習系統）。它解決的是標準化之上的“個性化”和“定製化”問題。

陳體鑾告訴「甲子光年」，之所以把IPS單拎出來，是因為根據當年他們自己帶班、做老師的體驗，教育中最難的是“不知道學生的問題在哪兒”，所以他們希望能用數據手段準確掌握每個學生的學習情況。

到2017年IPS更新為“學而思雲學習”時，這個系統已經積累了來自24個城市100多萬學員的35億條學習數據。基於這些大數據，IPS能生成每個學員的“學情報告”，幫助老師、家長進一步給出針對性引導。更新版的“雲學習”進一步開始為每個學員建立專屬學習模型，在布置作業、習題時，系統會根據不同學員的情況而做出不同安排。

從2015年起，好未來又在資訊化之外開始探索“互聯網化”，主要載體是“雙師課堂”。

當時，已經發展12年的好未來正處於從核心城市向三四線城市滲透、擴散的階段。管理層看到一個大趨勢：優秀的老師在選擇城市時，都傾向一二線大城市。

“那時我們總共才30個城市，還沒那麽痛苦，但是考慮到10年後的發展，一定會出問題。”陳體鑾告訴「甲子光年」。借助直播模式，讓名師資源能覆蓋更多班級的雙師課堂就是要解決這個10年後的大問題。

回顧這一階段，好未來教育科技化的大思路是做好兩件事：一、把教育環節拆分，二、用科技依次賦能每個環節。

ICS和IPS把 “教學內容研發”、“教學流程設計”交給了團隊，讓老師更專注於授課和輔導，這是對“後台”和“前台”的拆分。

雙師課堂則分開了“學”和“習”，直播老師負責帶孩子們“學”，輔導老師負責“習”，承擔組織課堂、鼓勵學生和判題等工作。

好未來現在對AI的投入，是此前10年探索的自然延續。

楊松帆清楚地記得，2017年1月的一個下午，張邦鑫來到FaceThink，對他講述了用AI重構課堂過程的想法。

當時，楊松帆還是FaceThink的CEO，於2016年4月成立的FaceThink是國內專注於情緒識別的人工智能初創公司。

在創立FaceThink之前，他先後在美國暴雪娛樂總部任數據科學家、四川大學電子信息學院擔任副教授。在情緒識別領域的技術積累與在學校的任教經歷使他天然接近“教育+AI”賽道。

當天，兩人聊了3個小時，張邦鑫的核心意圖，是想借助AI技術進一步做教育分工和賦能。張邦鑫坦言：“現在的教育就像中醫，通過望聞問切，也能治病。但是能不能有更多的數據化的、更科學的判斷標準？”

4個月後，FaceThink獲得了好未來的Pre—A輪投資。7月，好未來正式並購FaceThink，原CEO楊松帆成為好未來AI Lab負責人。

由此，AI開始成為好未來重點投入的技術方向。

為什麽是AI？

為什麽大力度投入AI？因為好未來相信，技術真的可以改造教育的核心環節，且效率提升和品質提升的程度具有商業上的有效性。

實際上，一直到資訊技術、互聯網技術已十分發達的2010年，人們對技術到底能在提升教育效果上起到多大作用仍有頗多爭議。

這一年，站在技術一邊的喬布斯在與時任美國總統奧巴馬會面時說：“所有的書、學習資料和測試都應該是數字化的，而且是互動的，為每個學生專門定製，並提供實時反饋。我很驚訝，直到現在美國老師依然站在講台上用教科書講課。”

而就在前一年，美國教育部通過對2.1萬名中學生抽樣調查發現，當時美國中學生在閱讀、數學、科學上的能力與30年前，即美國投入教育資訊化前相比並沒有明顯差異。人們開始懷疑，資訊技術真的能給教育品質帶來提升嗎？

但好未來相信，教育+AI 不會是一場徒勞的跟風。

楊松帆告訴「甲子光年」，在最初決定大力投入“教育+AI”時，團隊做了很多調研來確認技術的可行性。

許多研究給他們提供了信心和靈感，其中包括比爾·蓋茨基金會支持的教學有效性測量項目（MET）。這個啟動於2009年、歷時2年、覆蓋10萬學生、1萬堂課的項目給出了教學過程、教學結果的測量和量化標準，證明了“好的課堂”是可以被數據化的。

他向「甲子光年」進一步闡釋了為什麽教育場景很適合用AI來改造：一是教育場景的可控性強——它通常發生在受限制的封閉環境，如教室、家中，其光照、硬體能得到很好的控制。二是教育行業具備一定的容錯率——在自動駕駛領域，一幀影像的錯誤識別，就可能導致車毀人亡，而在教育場景，更重要的是具有統計學意義的指標和模型。”

技術邏輯之外，近幾年的行業現狀表明，AI和教育的結合顯然已成為一個新的增長極：VIPKID 、英語流利說、乂學教育等都是這一波新浪潮中湧現的佼佼者。

好未來CTO黃琰說：“一年前看到AI和教育的結合，我們嘗試奮勇前行，現在看，全球的教育科技已經是‘無AI不教育’。”

但好未來對AI的投入，和以上新玩家的出發點都不相同。

目前各公司對教育和AI結合的探索可以分為兩派：第一派是“AI+教育”，用科技開拓出嶄新的教育場景，做增量市場，英語流利說、乂學教育等用深度學習做純在線場景下“自適應學習”的公司是其代表；第二派是“教育+AI”，用AI技術融入千百年來已形成的課堂形態，看是否能更好地解決現有的問題。好未來顯然屬於第二派。

選擇“教育+AI”，是因為作為一家起步於Web時代，已經發展了15年的教育機構，好未來積累了大量線下、線上的教學經驗、數據和認知，他們握有教育場景端的優勢，這是任何一個新進入行業的玩家短時間內難以逾越的壁壘。

看清這個定位後，好未來投入AI的意圖更加明晰——用AI技術提升好未來已有的線下、線上多種課堂的體驗和效率。

現在的WISROOM產品，在商業上最大的貢獻，首先是大幅提高了教師人效。

“人效-體驗曲線 by 好未來AI Lab”

如上圖所示，在K-12教學場景中，人效和個性化教學體驗是一對矛盾的存在。人效，即每個老師覆蓋的學生人數，人數越多，人效越高。從面授1v1、線上1v1、面授小班，線上小班、雙師1vN、面授大班到線上大班，人效越來越高，個體學生的體驗和關注度不得不被犧牲。好未來CTO黃琰給出的數據是，即使一個非常優秀的老師，在一節課堂裡最多只能關注7名好學生或者活躍的學生。

而以AI技術為基礎的“WISROOM”，則有可能達到人效和個性化關注的“雙贏”。教師通過“WISROOM”自帶的教學輔助系統，能夠快速判斷 “哪些學生的參與度較低”、“哪些學生需要被關注”……絕大部分課堂行為都能轉化為老師的決策建議，實時輔助老師進行教學，最終在保證人效的同時也提升了對學生的個性化關注。

人效，目前是影響好未來利潤的重要因素之一。從2017年財年的財報來看，好未來的師生比為1：275，新東方為1：718，而兩家公司的毛利率分別為58.32%和49.9%，新東方比好未來高出10個百分點。

其次，AI技術將有利於好未來繼續將人效更高的雙師課堂模式拓展到三四線城市，獲取更多規模效益。

從需求端看，三四線城市的課後教育市場太空仍然很大，好未來目前已在30多個城市建立了500多間學校，覆蓋了所有一二線城市，未來的拓展方向是三四線城市。據陳體鑾透露，在目前拓展新校區時，他們都會推廣雙師課堂。

另一方面，從客觀效果來說，資本市場可能會更青睞一個技術實力進一步強化的好未來。

在紐約證券交易所上市的中國教育概念股的平均PE（市盈率）為27倍左右，而好未來目前的PE則達到96，這說明市場認為好未來具有規模、成長太空、龍頭效應等多方面的溢價因素。隨著技術在好未來業務版圖中重要性的上升，市場給好未來的PE可能會進一步靠近PE更高的科技股，從而推動整體估值上升。

好未來想要的未來

相信科技、投入AI，這條邏輯線的末端是什麽？

如今，C端驅動增長的邏輯逐漸失效，幾乎所有巨頭都在to B化，躬耕行業底層。作為教育行業的龍頭老大，好未來自然也將目標對準了整個行業——好未來加碼科技的真正野心，是給整個教育行業賦能。

2017年，好未來增設了“教育雲事業群”、“智慧教育事業群”兩個新部門，試圖將自身的教育科技與教研成果，以產品的形式輸送（封裝成產品和服務提供給）教育培訓機構和公立學校，打開to B（to Business）和toG（to Government）兩個新市場。今年5月，好未來正式成立“好未來教育雲事業部”，並首先發布了面向教培行業的to B服務產品“未來魔法校”（Magic School）。好未來CTO黃琰向媒體表達了想成為教育培訓行業“三觀正、進化快、活得久”的to B服務公司的想法，顯示了好未來希望從“獨立選手”轉向為“行業賦能者”的決心。

教育是一個重行業。重行業意味著自營模式總會面臨市場份額的天花板。全國有約120萬家中小型教育機構。但如上文所述，這是一個十分分散的市場，好未來和新東方雙巨頭所佔的市場份額也僅為2%——自己做學校的速度，一定跑不贏科技賦能的速度。

如果好未來可以在“重新定義40分鐘”的基礎上，將科技能力產品化、標準化地向行業輸出，則會拉低教育行業的準入門檻，增加好內容的輻射力，甚至可能逐漸改寫教育行業的本質。

“有許多難題要解決。”好未來在談及AI Lab產品將來的to B之路時表示。

首先是推廣中的定製化問題。To B過程中，不同教育機構有不同的教學目標、環境因素和教師/學生人數比，這就對算法模型提出了個性化和定製化的要求。比如在真正落地到具體場景時，可能會由於教室光線、層高的不同，需要重新訓練算法。

其次是規模化過程中的成本問題。目前麥克風、攝影頭等一系列必要的硬體成本還比較高，而輕量級的方案又不能解決實際問題。因此，降低AI技術的應用成本也將是AI Lab未來要著重探索的一點。

最後是教學體驗控制的難題。以雙師模式為例，雖然好未來在向其他機構輸出這項服務時，能控制直播老師和互動功能一端，但線下輔導老師是不可控的，而輔導老師的素質將直接影響這套產品的整體使用體驗。“WISROOM”能不能真正幫助中小機構提高報名率和續費率？這需要等待市場的檢驗。

在好未來看來，教育行業不僅僅是一個“經濟學命題”，教育關乎下一代的未來，教育科技化之路，是一個需要在慢與快中尋找平衡的路線：既要有對教育本質之“慢”的堅守和敬畏，也要有對科技迭代之“快”的敏感、魄力和敢為天下先的勇氣。

先行者總是會伴隨著爭議：AI會代替老師嗎？機器與人的邊界在哪裡？

好未來給出的回答是：機器教書，教師育人。

教育的最終目的，是教給孩子受益一生的思維能力和學習能力，知識教育只是基礎，是教育內容中最標準化、最可以用機器解決的部分，而教育的漫長事業，還需要老師的深度參與。

“在雙師的基礎上，未來AI在教知識上具備相當強的勝任力，而育人則以AI給老師賦能的方式，始終會以人為主體，以老師為主體。教書是AI+，而育人則是+AI，教師永遠不會被代替。”張邦鑫說。

END.

「甲子趨勢」

「塑造者」

「甲小姐對話」