。 可喜的是，这二者的发展并不是背道而驰的，如墨水护眼屏和刷题练习场景的有效结合，这 一组合进化还体现在学习平板、词典笔、智能手写笔等多产品中，以更好地解决特定教学场 景下的痛点需求和功能提效问题。 本次报告作为教育智能硬件系列报告的第三篇，从中、美两个国家，校内校外两个市场，产 品-渠道-模式-生态多个层次，市场供给与用户需求两端，对教育智能硬件市场进行全盘分 析。天猫作为传统电商平 荣。学习平板作为综合性的超级品类，功能齐全，单 价高，规模大。同时多个垂直品类深耕细分场景，价值同样不可替代。中国校内的硬件应用则更加基 础，教育大屏覆盖率接近饱和，但重点解决的是教师的教学展示问题，学生端的硬件设备覆盖率仍然 很低，学习行为数字化程度较低。 • 反观美国，校内的硬件应用占据主导地位，大部分教师和学生实现了平板或笔记本电脑的人手一端， 教学测评练各环节均可基于平板或笔记本 量以及孩子的学习效果上。 家长用户对所购买的硬件目前多持好评态度。 • 校内品类“求全”：追求全链条的教学环节覆盖，考验一体化系统、生态建设及运营能力。学习平板 作为更加综合的品类，在改善护眼问题、降低单价后仍可能存在机会。同时，超高覆盖率的教育大屏 搭配无感采集的智能手写笔，亦有可能成为行之有效的模式。 • 校外垂类“求深”：深挖有效细分场景+适配产品特色与时代特征的渠道=爆款产品。

高效、安全稳定“的数字化技术平台，支撑学校业务应用场景的创新，提升学校 业务运营效率与师生服务能力。 1.2 教育信创的原则 教育机构在落实相关信创化战略，并在具体的推进与实施过程中会面临各种 各样的问题与挑战，甚至存在不同层面、不同程度的风险。为保证信创化是为了 实现“自主可控“的数字化转型这一目标，同时规避信创化推进过程中，可能遇 到的各种风险，教育信创应遵循以下五个原则： 1.2.1 建立体系，架构牵引 构框架之业务参考模型（SEAF-BRM），即智慧教育业务参考模型，采用的是业务 分类模型。业务分类将有利于整个智慧教育（包括基于信创的智慧教育）建设中 发现合作、共享和重用的机会，也有利于将复杂的问题简单化、系统化，分类分 层去解决。 智慧教育业务参考模型（如下图 3.4）将业务分为教学、科研、校园和管理 4 个业务域，10 个业务线和 35 个业务应用。其中，教学业务域分为教学计划、 个业务应用）都应该有一 个分块架构的开发，也就是把每一个应用作为一个分块进行架构开发。开发方法 可采用智慧教育架构开发方法 SEAF-ADM。最初的分块架构开发应该是一个高阶 的架构内容，如战略意图（需要解决的核心问题等），战略架构（数字化后将要 达到的未来状态等）及业务与信息需求（与其他业务的交叉协作需求及相互的数 据支撑等）。等具体需要时再做进一步细化的架构开发，如详细的业务架构、数 据架构和应用架构开

高等教育教 学新形态；加强国家高等教育智慧教育平台建设，拓展平台内容，完善平台 功能，建好内容丰富、服务高效的高等教育综合服务平台；做强“创课平 台”，系统集聚整合创新创业要素资源，提高学生解决实际问题和知识转化 能力等。 2022.9 关于加快部分领域设备更新 改造贷款财政贴息工作的通 知 设立设备更新改造专项再贷款，额度2000亿元以上，支持金融机构以不高于 3.2%的利率向教育、卫生健康 置、教育教学、科研创新面临新 一代人工智能的冲击和挑战，学 习资源获取方式也已拓展到物理、 数字“双空间”，多重内外因素 都在呼唤高等教育变革创新，而 数字技术与传统高等教育优势的 深度融合，为问题的解决和创新 人才培养提供了诸多可能。 创新性 高等教育作为科技第一生产力、 人才第一资源、创新第一动力的 重要结合点，其基础性、先导性、 战略性地位与作用可见一斑。因 此，推进高等教育的数字化转型， 高等教育数字化转型的推进逻辑 2025高等教育数字化研究报告 2025 Digital Research Report on Higher Education 数字技术作为高等教育数字化转型的物质基 础和底层支撑，在问题解决和变革创新实践 中，不断以数字技术的融合应用彰显技术生 命力、以价值共识推进高等教育体认技术， 将潜在可能变为现实。以高等教育强国建设 为目标，聚焦高等教育数字化转型的需求， 通过搭建智能一体化服务平台，推进数字技

网医疗应势而生，并在疫情期间快速积累了流量（截至 2022 年 12 月国内互 联网医疗用户规模达 3.63 亿、同比增长 21.7%），但也暴露出服务体验弱（局 限性、单一化、质量层次）、变现难（C 端服务付费意愿弱但医生成本高） 的问题。随着 GPT-4 和“文心一言”模型在医疗领域的商业化渗透，互联网 医疗有望迎来新机遇。 ❑ AI+问诊咨询：线上问诊咨询是对线下诊疗的重要补充，分为健康咨询和线上 问诊。①AI+健康咨询不 通过互联 网这一更便捷的方式解决问题，但网络上纷杂的碎片化信息很难让人们快速 锁定最佳答案、反而可能加重焦虑。所以不舒服时“有没有必要去医院？” 、 “去什么级别的医院？”的困扰持续存在。 ◼ 辅助就诊需求：虽然医院就诊流程已不断优化提效，但如何选择科室、如何 全面清晰地向医生描述自己的症状、老人独自就医如何寻找陪诊、手术前后 一肚子问题和焦虑无处解决等问题仍然存在。 ◼ 健康管理需求 次中国互联网络发展状况统计报告》显示，截至 2022 年 12 月，国 内互联网医疗用户规模达 3.63 亿，同比增长 21.7%，成为 2022 年用户规模增 长最快的应用。线上问诊咨询已发展二十余年来也暴露出了一些问题，例如：监 管不到位；服务缺乏连续性；医生回复不及时；误诊率高；平台服务费用高昂但 患者付费意愿薄弱等。 表 1 “互联网+医疗健康”相关政策梳理 政策名称 颁布部门 颁布时间 主要内容

紧密结合数学、物理、化学、天文等基础学科问题，围绕药 物研发、基因研究、生物育种等重点领域科研需求展开，布 局“人工智能驱动的科学研究”前沿科技研发体系 2022 年 3 月 国家药监局 《人工智能医疗器械注 册审查指导原则》 指导申请人建立人工智能医疗器械申报规范以及相关技术审 批要求，解决人工智能医疗器械注册审批推进缓慢、相关制 度缺失问题 2021 年 10 月 卫健委 用情况。 图 6：医疗 AI 三大应用场景 资料来源：招商证券 关于 AI 在医院端的应用，在本文开头所提到的医学住院实习生克里斯腾·陈所 经历的虚构场景中，也侧面回答了大众关注了两个焦点问题。 ◼ 关于 AI 能否承担医疗责任，我们认为仍需要医生进行二次确认：“通常， 在取信 GPT-4 的回答之前，他们会先进行二次核查。GPT-4 让她感觉自己 的能力得到了扩展。相较于仅仅依赖自己的大脑、尚未实现的传染病会诊 个性化医疗和分级诊 疗。相比于传统导诊系统，AIGC 技术交互性更强，通过直接连接医院门诊数据， 运用大数据、语言交互与深度学习技术，为患者精准匹配相应就诊科室甚至医 师，解决临床“挂错号，走错科”问题，满足个性医疗需求。对于医院来说， 智能导诊系统/机器人能减轻医护人员的重复性工作，起到降本增效作用，此外 还可以通过 AI 技术合理安排门诊分级分流，促进医疗资源有效利用，助力分级 诊疗政策实施。

期 护理需求快速增长。老年人群体是慢性病的高发人群，高血压、糖尿病、心脑血管 疾病等慢性病管理将成为医疗系统的沉重负担。3）医疗资源分布极度不均衡:在广 大的农村地区，医疗资源匮乏、覆盖不足的问题更为突出。这种不均衡不仅体现在 城乡之间，也存在于发达地区与欠发达地区之间，甚至在同一城市内部，优质医疗 资源也过度集中于少数顶级医院。4）老龄化社会的长期护理需求:随着老龄化程度 加深，失能 以上的文献筛选时间；案例：肿瘤科医生可快速掌握免疫治疗领域的最新趋势，集 中精力设计创新临床研究方案。2）数据分析与科研设计：DeepSeek 支持多源数 据整合分析（如影像、基因、随访数据），并胜任复杂统计学问题（如生存分析、 Meta 分析）；科研设计：模型可推荐研究类型、样本量估算及统计分析方法，优 化设计科学性。3）论文撰写与润色：DeepSeek-R1 模型在逻辑推理和文本生成 方面表现卓越， 战铺平了道路。 图20：AlphaFold 3 预测所有生命分子的结构和相互作用 资料来源：AlphaFold 官网，民生证券研究院 从国内来看，目前影响大模型在医疗领域渗透的主要问题在于数据。一方面， 医疗行业数据量非常大、质量较差，将医疗行业的数据进行整理清洗需要一个过程； 另一方面，医疗行业数据涉及患者隐私和国家安全等敏感信息，数据开放度低。尽 管面临着数据困难，但国

这意味着： 1）对使用者给出规范化提示词的要求降低。在处理复杂问题时，LLM 模型要求使 用者给出详尽的提示词以进行信息匹配，进而使用者给出的提示词一定程度会影 响模型处理任务的效果。而 DeepSeek 等深度推理模型即使提示词不够详尽也能根 据已知信息推断出合适的回答或解决方案。 2）完整逻辑分析链条在解决数学等复杂逻辑问题时更具优势。相较于传统 LLM 依赖统计模式匹配的解题方式，深度推理模型能够解析数学公式的语法结构，并 款应 用均采取免费策略，既通过双入口扩大用户覆盖，又通过九章随时问持续沉淀数 学垂类数据，意味着 MathGPT 可保留自研模型的独立训练。目前好未来旗下智能 硬件已嵌入了大模型，实现主题对话，解答问题，帮助练习口语及提供支持性陪 伴等功能。据公司公告，截至 2024 年 11 月 27 日的 12 个月，共有 2.3 亿人次使 用了硬件 AI 功能。 表6：好未来 MathGPT 面对数学数据集测试，表现较优准确度 3000 万元），从课程周期来看全年 至少可招两轮（全程上完 6-7 个月时间）。《王者美育班》从定价来看为高端产 品，亮点在于较为全面地覆盖核心素养各个板块，设立初衷是“一站解决语文学 习中遇到的所有问题”。余下的三类专项班则分别侧重于通识、阅读、写作三个 方面，可以视作是在综合全面课程的基础上进一步专项突破的课程。总体来看公 司课程设置合理，不同课程定位具有较大差异性，产品之间可以实现相互转化， 且基本实现不同人群需求的全覆盖。

公司拥有丰富的药物开发经验和数 敬请阅读末页的重要说明 6 行业深度报告 据以及资金实力，但 AI 技术能力较弱，对于互联网企业来说，算力和技术资源 丰富，但存在行业经验不足的问题，目前更多的情况是药企/CRO、AI Biotech 和互联网公司开展更多的合作，取长补短共同推进 AI 药物的研发。产业链下游 是 AI 制药需求方，包括药企、CRO 公司和科研机构等，中游企业根据需求向它