圖片購於圖蟲創意
2019好未來TI教育智能大會上，一系列AI相關的產品首次亮相，最亮眼的莫過於好未來AI開放平臺1.0的首次對外發布。
2018年12月GES大會上好未來首次對外發佈教育開放平臺，引用一位業內人士的看法：好未來自我顛覆的魄力值得認可，但我更關心其平臺未來的開放程度。
時至半年後的2019年7月AI開放平臺的對外發布，開放的速度不得不說是驚人的，好未來似乎正不斷打磨自己“科技賦能者”的新角色。
縱觀行業，前有大廠開放平臺多行業賦能，後有教育科技公司教育信息化鋒芒不減，好未來的AI開放平臺到底還有哪些值得期待？
"圖片購於圖蟲創意
2019好未來TI教育智能大會上，一系列AI相關的產品首次亮相，最亮眼的莫過於好未來AI開放平臺1.0的首次對外發布。
2018年12月GES大會上好未來首次對外發佈教育開放平臺，引用一位業內人士的看法：好未來自我顛覆的魄力值得認可，但我更關心其平臺未來的開放程度。
時至半年後的2019年7月AI開放平臺的對外發布，開放的速度不得不說是驚人的，好未來似乎正不斷打磨自己“科技賦能者”的新角色。
縱觀行業，前有大廠開放平臺多行業賦能，後有教育科技公司教育信息化鋒芒不減，好未來的AI開放平臺到底還有哪些值得期待？
對標大廠開放平臺，更懂教育場景的AI能不能講得通？
大廠做教育，流量說早被驗證很難走得通，各大廠雖然流量池龐大，但流量真正轉化為在線教育付費的用戶並不是那麼容易的，續費率也要靠優質內容而不是靠流量來保障。
曾經的百度、騰訊和阿里，都曾以流量優勢想要佈局教育而分一杯羹，但是流量易得，變現卻極難。這本是有教育天然屬性決定：重體驗、重決策、試錯成本高。流量的轉化不僅僅是簡單的運營邏輯和轉換，更多的是產品設計、強大的內容支持和服務的優化。
從流量教育變現，到試圖以AI/技術開放賦能教育行業真實場景問題，Bug或許一直都在：本質還是對教育的理解以及科技該以什麼角度切入，並不是單純的能不能做的問題。
“當科技企業不斷地向AI技術巔峰發起衝擊時，深扎垂直行業的AI從業者正在思考如何結合場景解決用戶的痛點。比起如何將技術做到極致，‘垂直行業’的AI開放平臺已經開始著手推動行業的實際變革。”好未來WISROOM負責人楊松帆曾經在公開演講中講到。
“AI場景化難落地”的探討也是陳年舊調。而這在理論層面上，也成了好未來做AI最大的制勝法寶：落地教育場景，深知教育需求；擁有大量真實教學數據。
2018年，BAT三巨頭都在教育To B上各有動作：騰訊教育定位“工具”和“助手”，發力to B；阿里強調賦能繼續深耕“家校互動”領域；百度all in AI，百度教育B端的打法聚焦於AI+教育。背後的意圖都是指向都是產業賦能。
從某大廠開放平臺官網可以看出，其針對教育領域主要提供的：基於語音交互、人臉識別、人體識別、AR等多項AI技術，賦能軟硬件教學產品，實現更好的人機交互的教學體驗；同時打造智能校園，實現校園安全、校內考勤、課堂效果監測等關鍵場景業務升級，提升校園生活體驗和安全性，降低管理成本。
敲黑板！！可以看出大廠的優勢還是在AI產業信息化和通用的AI技術研發上，泛行業的技術開放平臺，關注重點更多集中在外圍的信息化上。早期的AI紅利被大廠們割走了，但隨著技術的發展和數據的普及，顆粒度更細分的AI和產業的結合到底該怎麼做？
誠如好未來CTO黃琰所說：“AI技術的聽、說、讀、理解，很多通用AI公司有這部分研發。但是在教育場景中有非常強的獨特性，很多的峰會上面已經有會議同聲傳譯了，但放到課堂場景準確率只有20%都不到。它聽不懂，老師說這道題3X的平方+2Y等於z，它什麼都聽不懂。教育場景中聽、說、讀、理解，未來都需要被重新定義。”
由此可見AI技術在教育中想發揮更大的作用，一方面依賴於真實的場景需求，另一方面自然是得益於純度更高的場景數據。反觀好未來，不就是擁有大量複雜教學場景、積累了大量標註數據的場景公司嗎？
"圖片購於圖蟲創意
2019好未來TI教育智能大會上，一系列AI相關的產品首次亮相，最亮眼的莫過於好未來AI開放平臺1.0的首次對外發布。
2018年12月GES大會上好未來首次對外發佈教育開放平臺，引用一位業內人士的看法：好未來自我顛覆的魄力值得認可，但我更關心其平臺未來的開放程度。
時至半年後的2019年7月AI開放平臺的對外發布，開放的速度不得不說是驚人的，好未來似乎正不斷打磨自己“科技賦能者”的新角色。
縱觀行業，前有大廠開放平臺多行業賦能，後有教育科技公司教育信息化鋒芒不減，好未來的AI開放平臺到底還有哪些值得期待？
對標大廠開放平臺，更懂教育場景的AI能不能講得通？
大廠做教育，流量說早被驗證很難走得通，各大廠雖然流量池龐大，但流量真正轉化為在線教育付費的用戶並不是那麼容易的，續費率也要靠優質內容而不是靠流量來保障。
曾經的百度、騰訊和阿里，都曾以流量優勢想要佈局教育而分一杯羹，但是流量易得，變現卻極難。這本是有教育天然屬性決定：重體驗、重決策、試錯成本高。流量的轉化不僅僅是簡單的運營邏輯和轉換，更多的是產品設計、強大的內容支持和服務的優化。
從流量教育變現，到試圖以AI/技術開放賦能教育行業真實場景問題，Bug或許一直都在：本質還是對教育的理解以及科技該以什麼角度切入，並不是單純的能不能做的問題。
“當科技企業不斷地向AI技術巔峰發起衝擊時，深扎垂直行業的AI從業者正在思考如何結合場景解決用戶的痛點。比起如何將技術做到極致，‘垂直行業’的AI開放平臺已經開始著手推動行業的實際變革。”好未來WISROOM負責人楊松帆曾經在公開演講中講到。
“AI場景化難落地”的探討也是陳年舊調。而這在理論層面上，也成了好未來做AI最大的制勝法寶：落地教育場景，深知教育需求；擁有大量真實教學數據。
2018年，BAT三巨頭都在教育To B上各有動作：騰訊教育定位“工具”和“助手”，發力to B；阿里強調賦能繼續深耕“家校互動”領域；百度all in AI，百度教育B端的打法聚焦於AI+教育。背後的意圖都是指向都是產業賦能。
從某大廠開放平臺官網可以看出，其針對教育領域主要提供的：基於語音交互、人臉識別、人體識別、AR等多項AI技術，賦能軟硬件教學產品，實現更好的人機交互的教學體驗；同時打造智能校園，實現校園安全、校內考勤、課堂效果監測等關鍵場景業務升級，提升校園生活體驗和安全性，降低管理成本。
敲黑板！！可以看出大廠的優勢還是在AI產業信息化和通用的AI技術研發上，泛行業的技術開放平臺，關注重點更多集中在外圍的信息化上。早期的AI紅利被大廠們割走了，但隨著技術的發展和數據的普及，顆粒度更細分的AI和產業的結合到底該怎麼做？
誠如好未來CTO黃琰所說：“AI技術的聽、說、讀、理解，很多通用AI公司有這部分研發。但是在教育場景中有非常強的獨特性，很多的峰會上面已經有會議同聲傳譯了，但放到課堂場景準確率只有20%都不到。它聽不懂，老師說這道題3X的平方+2Y等於z，它什麼都聽不懂。教育場景中聽、說、讀、理解，未來都需要被重新定義。”
由此可見AI技術在教育中想發揮更大的作用，一方面依賴於真實的場景需求，另一方面自然是得益於純度更高的場景數據。反觀好未來，不就是擁有大量複雜教學場景、積累了大量標註數據的場景公司嗎？
據公開報道顯示：在學而思線下雙師課堂中，利用語音和文本理解技術，批改學生的口述練習題，使人效提升20%以上，累計為教師節省時間超過5萬小時；在暑假上課高峰期，日均會有超過200萬次的調用。
如此看來，相比於傳統互聯網大廠在教育領域的技術開放，好未來能從真實教學場景中的需求出發，搭配本身積累的教育行業的教研和管理經驗，外加自研的配套軟硬件產品，串聯起整個【測-評-教-學-練】環節；因此也保證了場景落地下的數據純度更高，為進一步訓練AI模型提供了純度更高的數據。
區隔教育To B佈局，持續教研+科研的投入是必備原動引擎
當然除了技術型選手以技術開放賦能教育行業以外，教育行業的To B開放平臺中也不乏眾多教育科技企業的身影。
從在線工具到雙師課堂，眾多企業面向To B開放提供的包括標準化產品、個性化服務，以底層技術作為支撐。但值得注意的是，受各地地域內容、教育程度不同等因素的限制，這要求企業具備及時、迅速進行教研、教學本地化的能力。
對於好未來而言，長達16年的集中教研早早打下了基礎，通過近期對外發布的【教研雲】產品可以一窺好未來在智能教研上的發力：教研雲目前總計收入500萬試題、2000冊圖書、10000張圖片、4000個視頻和1000個小程序，這些內容帶有標籤，可以通過輸入關鍵詞進行檢索，供教研備課使用。
除了其教研持續的投入外，好未來技術打磨的能力也不容忽視。其中科研方向的投入就可見一斑：據好未來教育集團總裁白雲峰披露，近3年來，好未來每年在智能化上的研發投入超過10億元人民幣，目前共有5000多研發人員。
對好未來這樣的頭部企業而言，持續加碼自己的科技研發投入，也是必須的投入，也不是一般的創業公司能短期趕超的。據悉好未來在認知與腦科學的研究上也在持續投入：與清華、斯坦福等高校成立6個聯合實驗室，與北師大簽約合作建立腦科學和認知科學實驗室。18年成立硅谷研發部，19年第一家博士後合作站在好未來落地。
技術手段解決優質師資侷限的問題，可謂是大多數頭部教育企業急切希望實現的目標。就目前對外信號來看，更具互聯網基因的好未來的在線教育思路更為清晰：持續加碼“AI+教育”這一在行業以及政策的風口，真正深入教研和科研的核心。
好未來式開放：從產品到解決方案再到技術入口開放
從用技術解決方案到產品落地開放，再到最近的底層AI技術的開放，何嘗不是對場景和數據優勢的證明？
從18年底就對外發布的業務和產品形態，包括“AI外教課”樂外教和“AI數學”未來魔法校等獨立完整的以AI為主的業務形態。其中解決方案層的WISROOM智慧教室中也可以看到AI早已經在好未來的眾多實踐裡發揮著更大的作用：
1、個性化互動與課堂體驗：根據實時課堂過程反饋，利用AI技術實現個性化關注與互動。例如某個學生的注意力分散了，人工智能通過面部表情、姿態分析出信息，提醒老師對其進行關注；某個學生課堂過程中長時間未被關注到，WISROOM可以聰明地根據產品策略與學生進行科學的問答互動。
2、智能化的課堂評測：通過攝像頭、答題器和拾音器等前端設備，藉助人臉識別、語音識別、骨骼與姿態識別等人工智能技術對課堂進行量化分析；通過課堂調優和課後覆盤。
"圖片購於圖蟲創意
2019好未來TI教育智能大會上，一系列AI相關的產品首次亮相，最亮眼的莫過於好未來AI開放平臺1.0的首次對外發布。
2018年12月GES大會上好未來首次對外發佈教育開放平臺，引用一位業內人士的看法：好未來自我顛覆的魄力值得認可，但我更關心其平臺未來的開放程度。
時至半年後的2019年7月AI開放平臺的對外發布，開放的速度不得不說是驚人的，好未來似乎正不斷打磨自己“科技賦能者”的新角色。
縱觀行業，前有大廠開放平臺多行業賦能，後有教育科技公司教育信息化鋒芒不減，好未來的AI開放平臺到底還有哪些值得期待？
對標大廠開放平臺，更懂教育場景的AI能不能講得通？
大廠做教育，流量說早被驗證很難走得通，各大廠雖然流量池龐大，但流量真正轉化為在線教育付費的用戶並不是那麼容易的，續費率也要靠優質內容而不是靠流量來保障。
曾經的百度、騰訊和阿里，都曾以流量優勢想要佈局教育而分一杯羹，但是流量易得，變現卻極難。這本是有教育天然屬性決定：重體驗、重決策、試錯成本高。流量的轉化不僅僅是簡單的運營邏輯和轉換，更多的是產品設計、強大的內容支持和服務的優化。
從流量教育變現，到試圖以AI/技術開放賦能教育行業真實場景問題，Bug或許一直都在：本質還是對教育的理解以及科技該以什麼角度切入，並不是單純的能不能做的問題。
“當科技企業不斷地向AI技術巔峰發起衝擊時，深扎垂直行業的AI從業者正在思考如何結合場景解決用戶的痛點。比起如何將技術做到極致，‘垂直行業’的AI開放平臺已經開始著手推動行業的實際變革。”好未來WISROOM負責人楊松帆曾經在公開演講中講到。
“AI場景化難落地”的探討也是陳年舊調。而這在理論層面上，也成了好未來做AI最大的制勝法寶：落地教育場景，深知教育需求；擁有大量真實教學數據。
2018年，BAT三巨頭都在教育To B上各有動作：騰訊教育定位“工具”和“助手”，發力to B；阿里強調賦能繼續深耕“家校互動”領域；百度all in AI，百度教育B端的打法聚焦於AI+教育。背後的意圖都是指向都是產業賦能。
從某大廠開放平臺官網可以看出，其針對教育領域主要提供的：基於語音交互、人臉識別、人體識別、AR等多項AI技術，賦能軟硬件教學產品，實現更好的人機交互的教學體驗；同時打造智能校園，實現校園安全、校內考勤、課堂效果監測等關鍵場景業務升級，提升校園生活體驗和安全性，降低管理成本。
敲黑板！！可以看出大廠的優勢還是在AI產業信息化和通用的AI技術研發上，泛行業的技術開放平臺，關注重點更多集中在外圍的信息化上。早期的AI紅利被大廠們割走了，但隨著技術的發展和數據的普及，顆粒度更細分的AI和產業的結合到底該怎麼做？
誠如好未來CTO黃琰所說：“AI技術的聽、說、讀、理解，很多通用AI公司有這部分研發。但是在教育場景中有非常強的獨特性，很多的峰會上面已經有會議同聲傳譯了，但放到課堂場景準確率只有20%都不到。它聽不懂，老師說這道題3X的平方+2Y等於z，它什麼都聽不懂。教育場景中聽、說、讀、理解，未來都需要被重新定義。”
由此可見AI技術在教育中想發揮更大的作用，一方面依賴於真實的場景需求，另一方面自然是得益於純度更高的場景數據。反觀好未來，不就是擁有大量複雜教學場景、積累了大量標註數據的場景公司嗎？
據公開報道顯示：在學而思線下雙師課堂中，利用語音和文本理解技術，批改學生的口述練習題，使人效提升20%以上，累計為教師節省時間超過5萬小時；在暑假上課高峰期，日均會有超過200萬次的調用。
如此看來，相比於傳統互聯網大廠在教育領域的技術開放，好未來能從真實教學場景中的需求出發，搭配本身積累的教育行業的教研和管理經驗，外加自研的配套軟硬件產品，串聯起整個【測-評-教-學-練】環節；因此也保證了場景落地下的數據純度更高，為進一步訓練AI模型提供了純度更高的數據。
區隔教育To B佈局，持續教研+科研的投入是必備原動引擎
當然除了技術型選手以技術開放賦能教育行業以外，教育行業的To B開放平臺中也不乏眾多教育科技企業的身影。
從在線工具到雙師課堂，眾多企業面向To B開放提供的包括標準化產品、個性化服務，以底層技術作為支撐。但值得注意的是，受各地地域內容、教育程度不同等因素的限制，這要求企業具備及時、迅速進行教研、教學本地化的能力。
對於好未來而言，長達16年的集中教研早早打下了基礎，通過近期對外發布的【教研雲】產品可以一窺好未來在智能教研上的發力：教研雲目前總計收入500萬試題、2000冊圖書、10000張圖片、4000個視頻和1000個小程序，這些內容帶有標籤，可以通過輸入關鍵詞進行檢索，供教研備課使用。
除了其教研持續的投入外，好未來技術打磨的能力也不容忽視。其中科研方向的投入就可見一斑：據好未來教育集團總裁白雲峰披露，近3年來，好未來每年在智能化上的研發投入超過10億元人民幣，目前共有5000多研發人員。
對好未來這樣的頭部企業而言，持續加碼自己的科技研發投入，也是必須的投入，也不是一般的創業公司能短期趕超的。據悉好未來在認知與腦科學的研究上也在持續投入：與清華、斯坦福等高校成立6個聯合實驗室，與北師大簽約合作建立腦科學和認知科學實驗室。18年成立硅谷研發部，19年第一家博士後合作站在好未來落地。
技術手段解決優質師資侷限的問題，可謂是大多數頭部教育企業急切希望實現的目標。就目前對外信號來看，更具互聯網基因的好未來的在線教育思路更為清晰：持續加碼“AI+教育”這一在行業以及政策的風口，真正深入教研和科研的核心。
好未來式開放：從產品到解決方案再到技術入口開放
從用技術解決方案到產品落地開放，再到最近的底層AI技術的開放，何嘗不是對場景和數據優勢的證明？
從18年底就對外發布的業務和產品形態，包括“AI外教課”樂外教和“AI數學”未來魔法校等獨立完整的以AI為主的業務形態。其中解決方案層的WISROOM智慧教室中也可以看到AI早已經在好未來的眾多實踐裡發揮著更大的作用：
1、個性化互動與課堂體驗：根據實時課堂過程反饋，利用AI技術實現個性化關注與互動。例如某個學生的注意力分散了，人工智能通過面部表情、姿態分析出信息，提醒老師對其進行關注；某個學生課堂過程中長時間未被關注到，WISROOM可以聰明地根據產品策略與學生進行科學的問答互動。
2、智能化的課堂評測：通過攝像頭、答題器和拾音器等前端設備，藉助人臉識別、語音識別、骨骼與姿態識別等人工智能技術對課堂進行量化分析；通過課堂調優和課後覆盤。
針對更開放複雜的場景、高頻多樣的互動、多角色的需求以及高效實時的反饋，好未來堅持自研AI技術，突破通用AI技術在教育場景中的瓶頸。
如今是更底層的開放：好未來發布AI開放平臺，宣佈將自身最新技術積累開放給全行業。好未來將開放3大行業解決方案、21項定製AI能力、4大科研數據集：
"圖片購於圖蟲創意
2019好未來TI教育智能大會上，一系列AI相關的產品首次亮相，最亮眼的莫過於好未來AI開放平臺1.0的首次對外發布。
2018年12月GES大會上好未來首次對外發佈教育開放平臺，引用一位業內人士的看法：好未來自我顛覆的魄力值得認可，但我更關心其平臺未來的開放程度。
時至半年後的2019年7月AI開放平臺的對外發布，開放的速度不得不說是驚人的，好未來似乎正不斷打磨自己“科技賦能者”的新角色。
縱觀行業，前有大廠開放平臺多行業賦能，後有教育科技公司教育信息化鋒芒不減，好未來的AI開放平臺到底還有哪些值得期待？
對標大廠開放平臺，更懂教育場景的AI能不能講得通？
大廠做教育，流量說早被驗證很難走得通，各大廠雖然流量池龐大，但流量真正轉化為在線教育付費的用戶並不是那麼容易的，續費率也要靠優質內容而不是靠流量來保障。
曾經的百度、騰訊和阿里，都曾以流量優勢想要佈局教育而分一杯羹，但是流量易得，變現卻極難。這本是有教育天然屬性決定：重體驗、重決策、試錯成本高。流量的轉化不僅僅是簡單的運營邏輯和轉換，更多的是產品設計、強大的內容支持和服務的優化。
從流量教育變現，到試圖以AI/技術開放賦能教育行業真實場景問題，Bug或許一直都在：本質還是對教育的理解以及科技該以什麼角度切入，並不是單純的能不能做的問題。
“當科技企業不斷地向AI技術巔峰發起衝擊時，深扎垂直行業的AI從業者正在思考如何結合場景解決用戶的痛點。比起如何將技術做到極致，‘垂直行業’的AI開放平臺已經開始著手推動行業的實際變革。”好未來WISROOM負責人楊松帆曾經在公開演講中講到。
“AI場景化難落地”的探討也是陳年舊調。而這在理論層面上，也成了好未來做AI最大的制勝法寶：落地教育場景，深知教育需求；擁有大量真實教學數據。
2018年，BAT三巨頭都在教育To B上各有動作：騰訊教育定位“工具”和“助手”，發力to B；阿里強調賦能繼續深耕“家校互動”領域；百度all in AI，百度教育B端的打法聚焦於AI+教育。背後的意圖都是指向都是產業賦能。
從某大廠開放平臺官網可以看出，其針對教育領域主要提供的：基於語音交互、人臉識別、人體識別、AR等多項AI技術，賦能軟硬件教學產品，實現更好的人機交互的教學體驗；同時打造智能校園，實現校園安全、校內考勤、課堂效果監測等關鍵場景業務升級，提升校園生活體驗和安全性，降低管理成本。
敲黑板！！可以看出大廠的優勢還是在AI產業信息化和通用的AI技術研發上，泛行業的技術開放平臺，關注重點更多集中在外圍的信息化上。早期的AI紅利被大廠們割走了，但隨著技術的發展和數據的普及，顆粒度更細分的AI和產業的結合到底該怎麼做？
誠如好未來CTO黃琰所說：“AI技術的聽、說、讀、理解，很多通用AI公司有這部分研發。但是在教育場景中有非常強的獨特性，很多的峰會上面已經有會議同聲傳譯了，但放到課堂場景準確率只有20%都不到。它聽不懂，老師說這道題3X的平方+2Y等於z，它什麼都聽不懂。教育場景中聽、說、讀、理解，未來都需要被重新定義。”
由此可見AI技術在教育中想發揮更大的作用，一方面依賴於真實的場景需求，另一方面自然是得益於純度更高的場景數據。反觀好未來，不就是擁有大量複雜教學場景、積累了大量標註數據的場景公司嗎？
據公開報道顯示：在學而思線下雙師課堂中，利用語音和文本理解技術，批改學生的口述練習題，使人效提升20%以上，累計為教師節省時間超過5萬小時；在暑假上課高峰期，日均會有超過200萬次的調用。
如此看來，相比於傳統互聯網大廠在教育領域的技術開放，好未來能從真實教學場景中的需求出發，搭配本身積累的教育行業的教研和管理經驗，外加自研的配套軟硬件產品，串聯起整個【測-評-教-學-練】環節；因此也保證了場景落地下的數據純度更高，為進一步訓練AI模型提供了純度更高的數據。
區隔教育To B佈局，持續教研+科研的投入是必備原動引擎
當然除了技術型選手以技術開放賦能教育行業以外，教育行業的To B開放平臺中也不乏眾多教育科技企業的身影。
從在線工具到雙師課堂，眾多企業面向To B開放提供的包括標準化產品、個性化服務，以底層技術作為支撐。但值得注意的是，受各地地域內容、教育程度不同等因素的限制，這要求企業具備及時、迅速進行教研、教學本地化的能力。
對於好未來而言，長達16年的集中教研早早打下了基礎，通過近期對外發布的【教研雲】產品可以一窺好未來在智能教研上的發力：教研雲目前總計收入500萬試題、2000冊圖書、10000張圖片、4000個視頻和1000個小程序，這些內容帶有標籤，可以通過輸入關鍵詞進行檢索，供教研備課使用。
除了其教研持續的投入外，好未來技術打磨的能力也不容忽視。其中科研方向的投入就可見一斑：據好未來教育集團總裁白雲峰披露，近3年來，好未來每年在智能化上的研發投入超過10億元人民幣，目前共有5000多研發人員。
對好未來這樣的頭部企業而言，持續加碼自己的科技研發投入，也是必須的投入，也不是一般的創業公司能短期趕超的。據悉好未來在認知與腦科學的研究上也在持續投入：與清華、斯坦福等高校成立6個聯合實驗室，與北師大簽約合作建立腦科學和認知科學實驗室。18年成立硅谷研發部，19年第一家博士後合作站在好未來落地。
技術手段解決優質師資侷限的問題，可謂是大多數頭部教育企業急切希望實現的目標。就目前對外信號來看，更具互聯網基因的好未來的在線教育思路更為清晰：持續加碼“AI+教育”這一在行業以及政策的風口，真正深入教研和科研的核心。
好未來式開放：從產品到解決方案再到技術入口開放
從用技術解決方案到產品落地開放，再到最近的底層AI技術的開放，何嘗不是對場景和數據優勢的證明？
從18年底就對外發布的業務和產品形態，包括“AI外教課”樂外教和“AI數學”未來魔法校等獨立完整的以AI為主的業務形態。其中解決方案層的WISROOM智慧教室中也可以看到AI早已經在好未來的眾多實踐裡發揮著更大的作用：
1、個性化互動與課堂體驗：根據實時課堂過程反饋，利用AI技術實現個性化關注與互動。例如某個學生的注意力分散了，人工智能通過面部表情、姿態分析出信息，提醒老師對其進行關注；某個學生課堂過程中長時間未被關注到，WISROOM可以聰明地根據產品策略與學生進行科學的問答互動。
2、智能化的課堂評測：通過攝像頭、答題器和拾音器等前端設備，藉助人臉識別、語音識別、骨骼與姿態識別等人工智能技術對課堂進行量化分析；通過課堂調優和課後覆盤。
針對更開放複雜的場景、高頻多樣的互動、多角色的需求以及高效實時的反饋，好未來堅持自研AI技術，突破通用AI技術在教育場景中的瓶頸。
如今是更底層的開放：好未來發布AI開放平臺，宣佈將自身最新技術積累開放給全行業。好未來將開放3大行業解決方案、21項定製AI能力、4大科研數據集：
從概念到產品，從底層技術到實際應用，形成了好未來的AI研發閉環。
好未來的AI開放平臺與其說是更開放，也可以說是又一次低調秀了肌肉。從產品的發佈和迭代到AI開放平臺的全面開放，好未來的TOB的野心絕不僅僅是產品輸出而已。
擁有如此廣泛教育場景的公司發揮其AI想象力，在真實的教育場景中玩轉技術，從這個角度來看，好未來的AI+教育才邁出強有力的第一步。AI開放平臺的商業化轉化效果值得長期關注。
教育長期剛需，好未來的科技視野也不止於當下，加上了強大的增長引擎，好未來或許希望的是站在未來，更好地決定自己當下每一步低調或高調的出擊。
本文來自於投稿，不代表芥末堆觀點。
"