原标题：AI 教育长期看好 但市场培育更需要 慢工出细活

　　回到开篇老于学英语的故事，某种意义上，流利说在华人圈已经形成了属于自己的认可，这其实就是一种产品、技术、规模之外的品牌式市场培育结果。

　　但流利说似乎也有自己的苦恼。

　　不久前，流利说宣布计划在未来 12 个月内用现有资金回购不超过 2000 万美元的公司美国存托凭证（股份的一种形式）。

　　按创办人、董事长兼 CEO 王翌的说法，这是流利说管理层 " 对未来业务的信心 "，对公司 " 基本面和长期愿景的信心和乐观态度 "，同时 " 对中国人工智能驱动的语言学习市场前景保持乐观 "。

　　诚然，作为老牌在线英语培训机构，截止 2019 年 6 月 30 日，流利说已经积累了接近 1 亿 4 千万的注册用户量，覆盖中国 384 个城市及全球 175 个国家，这样的基本盘十分可观。

　　但是，回购股票作为重要的利好，真金白银掏出来，代表管理层长期看好的信心，另一面往往也是对市场的一种主动回应，流利说面对的质疑并不比 VIPKID 少。

　　作为中国 "AI+ 教育第一股 "，AI 成为流利说在在线教育领域的核心优势，但从 " 慢生意 " 的角度看，加上 AI 这个要素，客观而言，市场当下更是需要一定培育周期的时候。

　　技术赋能固然能带来长期的可持续增长，为投资者创造更高的价值，但在一个在线教育 " 泥沙俱下 " 的时代，无法做 " 慢生意 " 的企业被市场唾弃，也同时导致正在做 " 慢生意 " 的企业受到牵连，毕竟，在慢生意背景下，在线教育最直接需要的是资本方的耐心，但资方的耐心往往又随大盘子而动。

　　具体而言，包括主攻英语的流利说在内，造成 "AI+ 教育 " 慢生意 " 更慢 "、更需要时间培育的原因，无非有三点：

　　1、AI+ 教育的 " 颗粒度 " 在不断提升，但打磨需要时间的 " 慢功夫 "

　　最近，微博热搜出现了一件有意思的事：

　　来自江西的饿了么外卖员徐小超在上海送外卖，有时候会碰到外国人用户，出现 " 无法交流 " 的情况，徐小超便自学英语，工作之余在星巴克 " 勤学苦练 "，背单词、记笔记，最后被网友抓拍。

　　饿了么官方当然鼓励这样的上进行为，联合流利说为徐小超送出了全年 AI 智能英语学习课程。

　　本来只是一件饿了么品宣上的事，但流利说的表态值得关注，其称未来将携手为骑手开发 " 外卖英语 " 定制课程，按骑手们的职业需求和个人英语水平定向研发。

　　这个表态涉及 AI+ 教育概念中十分重要的 " 定制化 " 概念，即拒绝千人一面。

　　以流利说对应的产品 "AI 英语老师 " 为例，其设计初衷是要为用户提供个性化的学习内容和计划，本质是基于 AI 深度学习的移动端自适应系统课程。

　　然而，" 问题 " 也来了，这样的 " 个性化 " 是永远在进化的，" 千人千面 " 实现后，一定还有 " 万人万面 "、" 亿人亿面 " ……技术就算到了足够高的水准，仍然不会是极致。

　　国际商务精英，出国留学的学生，外卖员徐小超，纽约电召车司机老于……各行各业各色人群都对熟练说英语有自己的需求，随着市场渗透的加深，用户群体的庞杂必然要求 AI 教育的 " 自适应 " 能力不断向更深处去。

　　从 AI 的角度看，每个人的方案都是由不同知识、能力的掌握情况综合而来，这就要求知识点颗粒度在已经足够精细的基础上，还要更进一步。

　　一些国外数学领域的 AI 教育产品曾经把 300 个知识点拆到了 3000 个，后来还有拆到 30000 个—— 3000 已经很好了，但 30000 显然要更好。

　　" 外卖英语 " 之外，让更多群体享受到 AI 教育带来的个性化便利，从而培育市场认可，流利说等 AI+ 教育企业已经抢到先机。但是，占领一定市场份额后，随着对技术进阶、对用户体验追求的加深，企业们无疑还有 " 很多的路要去走 "，好在，AI 技术的特性也决定了个性化颗粒度的精细化在到达一定阶段后，会实现 " 自驱动式 " 发展（有了基础的架构，后续只需要数据自然地富集和沉淀），这在资源投入上不会是一个无底洞。

　　2、既然是 AI，就无法停下 " 迭代 " 的脚步

　　AI+ 教育与非 AI 概念的教育模式区别可能有很多，但核心点在于，AI 驱动意味着教学方式、方法处在不断的自我迭代中，不会有静态的模式或者规则。

　　一般的在线教育无非是设定一个商业模式，剩下的就是拉学员、拉资源、搞运营。而对 AI+ 教育来说，长期研发投入支撑系统不断迭代必不可少，这个过程需要资源投入，也需要时间等待及海量数据反哺。

　　以流利说为例，其提供自称 " 多维度、多粒度 " 的口语评价引擎（应属语音识别领域），能智能识别口语发音的问题，也提供不依赖样例答案的写作评分系统（应属 NLP 领域），能定位用户答题的错误定位并针对性指导，但这些智能系统一方面需要算法的不断优化，另一方面还需要数据的不断喂养。

　　而提供用户千人千面学习体验的深度自适应学习系统，更是内在需要自我学习、自我进化，而不只是一套静态的学习 " 规则 "，即便这样的规则来自 XX 名师、多么有价值，也不符合 AI 的本质要求。

　　这些都说明，研发费用是 AI 教育的 " 特殊负担 "，这种模式会造成财务报表在 " 慢时期 " 不太好看。

　　不过，做 AI 的企业，其研发费用往往又都是前瞻性的研发费用投资，一次投入可以往前看很多年。把时间轴拉长，成果和效益出现的后续时期，对应的研发费用反而会大大下降，成功的规模效应下，先期让财务报表不好受的研发费用最后占营收比例会大大下降，而这，也是 " 慢生意 " 更值得等待和期待的重要原因。

　　3、AI 教育的市场认知需要量变的积累

　　AI 在所有场景的应用，带来的都是创新的体验，都不会被直接、快速地接受，智能音箱磕磕绊绊好几年才有普及的迹象，人脸支付被支付宝大力推广才逐渐为大众所接受。

　　因为理解成本的存在，从 AI 转化到用户感知需要无法被压缩的时间周期。

　　例如人脸识别、智能语音这些直接的交互活动，大众一眼就看出它是做什么的、能产生什么作用，但自动驾驶一类的复杂 AI 体系，大众的理解成本会大大提升。

　　放到 AI 教育上，一方面，像流利说这种通过 AI 提供个性化英语学习方案，只有在学习过程中才能体会，并不能 " 一眼望穿 "，另一方面，不论是少儿英语还是成人英语，通识教育毕竟有个体在学习能力自律能力的各种差异化，AI 带来的价值几何，存在着相去甚远的理解偏差。

　　所以，AI 教育要完成市场认知，塑造 " 这是 AI+ 教育，能带来个性化学习体验 " 的市场认可，一定需要较长时间的量变积累。