数字技术融入融合到高等教育体系之中 基础设施建设逐步完善，软件硬件逐步磨合，数字技术 整合应用到高等教育领域 高等教育将完成再造，与社会之间的界 限进一步打破 将实现高等教育理念、教学模式、教育治理 整体性变革，全面赋能学习者发展，形成教 育全新生态 高等教育实现自我转型与提升，高校内部各项业务流程 实现再造 通过对数据的深度分析和价值挖掘，实现教育各要素、各环 节的全面数字化转型 高等教育数字化发展的3个阶段 国际化，建强用好国家智慧教育公共服务平台，建立横纵贯通、协同服务的 数字教育体系。开发新型数字教育资源。建好国家教育大数据中心，搭建教 育专网和算力共享网络。推进智慧校园建设，探索数字赋能大规模因材施教、 创新性教学的有效途径，主动适应学习方式变革。打造世界数字教育大会、 世界数字教育联盟、全球数字教育发展指数、数字教育权威期刊等公共产品， 推动优质慕课（大型开放式网络课程）走出去。 2024.7 教育部办公厅印发《国家智 慧教育平台数字教育资源入 字化整体解决方案；组织学校有序接入“全国职业教育智慧大脑院校中台” 接受管理监测。教育部将在数字资源丰富、功能应用强大、赋能效果良好的 区域性信息化标杆学校的基础上，有组织地指导建设全国性信息化标杆学校。 到2025年建成 300所左右全国性信息化标杆学校，带动建设 1000所左右区 域性信息化标杆学校，推动信息技术与职业院校办学深度融合。 2023.5 教育部高教司2023年工作要 点 涉及11个方面重点内

年 02 月 19 日 ➢ AI 医疗产生的背景。全球医疗系统并非完美无瑕，其结构性矛盾由来已久， 且日益尖锐，成为驱动技术革命的根本性力量。1）全球医疗成本持续增长。2） 老龄化社会加剧系统性压力。3）医疗资源分布极度不均衡。4）老龄化社会的长 期护理需求。5）医疗人才培养周期长且流动性差。6）基层医疗体系建设滞后。 ➢ AI 医疗商业价值逐步释放。DeepSeek AI 的技术优势，将沿着以下四大路 AI 医疗的意义 全球医疗系统并非完美无瑕，其结构性矛盾由来已久，且日益尖锐，成为驱动 技术革命的根本性力量。1）全球医疗成本持续增长:世界权威机构 WTW 预测，至 2025 年全球医疗成本增速将飙升至 10.4%，亚太地区更将突破惊人的 12.3%。这 不仅是一个简单的数字，背后折射出多重复杂因素的交织。2）老龄化社会加剧系 统性压力：预计到 2040 年，中国 60 岁以上人口比例将达到惊人的 期护理需求:随着老龄化程度 加深，失能、半失能老人数量激增，长期护理服务需求增加，而相关服务体系的供 给明显不足，价格居高不下。5）医疗人才培养周期长且流动性差:培养一名合格的 医生需要漫长的时间和高昂的成本，而医护人员的地域流动性较差，不愿到基层或 偏远地区工作。6）基层医疗体系建设滞后:基层医疗机构基础设施薄弱、设备落后、 服务能力有限，难以满足居民的基本医疗需求。 图1：AI 赋能核心医疗

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+健康咨询不仅能提高专业度和精准度、也能加强互动性甚至给予 人文关怀，提高“轻问诊”体验。②AI+线上问诊带来“效率”与“效果”的 双重提升，通过诊前 AI 交流及历史健康档案数据提取高效生成精炼准确的主 诉、并通过相似案例比对精准推荐医生，在诊中诊后作为线上助理陪伴始终， AI+健康管理：国内“互联网+健康管理”经历了物种爆发→流量竞争加剧→ 淘汰整合的变革，我们认为发展瓶颈的原因主要包括对平台及相关数据信赖 度较低以及服务的碎片化和过于标准化。AI 的引入有望提高数据准确度和数 据连续性（智能可穿戴设备进行连续化数据采集，结合患者医院就医数据记 录），提供专业个性化健康服务（AI 医生/护士），并创造更多可能性（脑机 接口提供辅助运动与神经康复帮助，提高残疾病人生活质量等）。 至云端）提高医患沟通深度和有效性。③虚拟护理通过室内传感器、人工智 能和自动文档捕获来支持虚拟入院、虚拟查房和虚拟出院工作流程。④一站 式陪诊帮助患者通过手机完成从预约、导航、排号、就诊、宣教、检查、取 药再到院后随访、复诊提醒整个流程，实现就诊一站式服务。 ❑ 投资建议：我们看好 AI 赋能健康管理及医疗服务各个环节，对人们日常健康 管理和就诊行为带来颠覆性改变。受限于数据获取，当下应用于患者端的“AI+

进行共同发布，以期为行业输出有价值的数据、分析与洞察。 3 摘要 ABSTRACT SMS 国内探究 趋势前景 中美对比 用户洞察 • 中国校外教育智能硬件的品类多样，生态十分繁荣。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 道的公立学校进校流程复杂，政企共同青睐区域集采模式。 • 从模式力来看，传统商业模式中，仍以软硬功能、内容资源等一次售卖为主，增值服务模式尚未发力 但未来可期。AI智习室作为创新模式，通过线上录播自学+线下伴学服务，变革了传统模式，满足了 供需多重需求。 • 从生态力来看，产品生态促进数据协同并提高产品性能，用户生态推动消费决策与用户价值拓展。 • 教育智能硬件的家长用户以31-45岁、生活在一二线城市、中高家庭收入水平的职业白领居多， ”、教育信息化1.0、教育信息化2.0的多年 建设，当前网络及数字平台建设已较为完备，正处于多硬件终端的建设期。教育智能硬件是推动教育数字化落地的重要载体，其本 身就是教育数字化的外在形态，兼具知识性、个性化、规模化等特征。本报告将教育智能硬件放在教育数字化的范畴之内，对校内、 校外的硬件进行整体研究与探讨。 来源：公开资料，艾瑞咨询研究院自主研究及绘制。 网络及数字平台建设是教育数字化的基

测试优化消息推送机 制，提升用户留存度；3）用户付费：利用 AI 打造互动性更强的 Duolingo Max 产品，构筑 Super-Max 多层级订阅服务，同时利用 AI 加速课程迭代，提升 用户付费及续费率；4）循环：基于大量用户数据迭代优化技术产品。国内 教育企业可沿两条路径借鉴：用途上利用 AI 规模生产、以算法优化教学、 打造强即时性、互动性课程等；引流策略上，基于 AI 降本可提供低价/免费 内容打 投资建议：DeepSeek 大模型技术突破将成为 2025 年中国 AI 教育领域产品持 续落地的关键驱动因素。随着行情演绎，就 AI 教育主题，我们认为市场正 从“泛题材”切换至产品商业化路径及可持续商业模式搭建的实质性验证 上。借鉴多邻国以 AI 打造 C 端寓教于乐场景成功经验，同时考虑中国用户 消费偏好有别于美国（硬件付费意愿相对高于软件付费），我们看好 K12 教 育率先跑出可验证的产品及商业模式。从产品投产进度和市场验证来看，首 MOOCs、直播课系统）、自适应学习系统、 智能教学硬件、教育数据分析、教务管理系统，以及 STEAM 教育工具（编程学习 平台）等。疫情加速了线上线下融合的教学模式普及，同时 AI 技术进一步系统性 地重塑教育流程，为全球教育科技市场发展提供动力，2025 年全球教育科技市场 规模预计将达到 4040 亿美元（据多鲸出海数据）。在线教育市场是规模最大的 细分赛道，据 Statista 数据，2025

链和产业链的安全，实 现科技自立自强，是摆在中国产业界和教育界面前共同的课题。从技术架构和技 术体系来看，信息技术发展正在新的技术架构下形成新的技术体系，中国的产业 界和教育界应该抓住这一历史性机遇，实现信息技术应用创新（信创）下的“升 级替代”。即在新一代信息技术的技术架构体系和模式下，构建创新的中国技术 体系。 教育作为一个特殊的行业，在信创中起着非常独特的作用。首先，教育机构 在进行 IT 技术与产品的选型时，才能以我为主，有据可依。同时要注意 IT 技术 标准的制定，也要通过细化 IT 技术架构框架，进行体系化的 IT 技术标准建设， 避免 IT 技术标准体系混乱，可用性不强。 1.2.4 统筹规划，分步实施 教育信创化的工作推进，应完全融入到数字化建设的过程中进行统筹规划， 根据业务应用场景需求的紧迫程度，以及总体 IT 架构设计及解决方案的成熟度， 教 六大部分内容。 图 3.1 智慧教育架构框架（SEAF） 智慧教育的架构开发方法（SEAF-ADM）可以为智慧教育和教育信创的总体架 构设计及信创相关工作中的架构分析提供系统性方法。架构设计与架构分析是用 系统性的架构方法去描述转型（包括信创转型）过程中各要素的动态匹配关系， 包括业务与 IT 的关系、部分与整体的关系、当前与长远的关系。通过各领域、 各层级、各要素之间的匹配关系分析，可以指导相关工作的决策，从而保证相关

.....................................12 4.1 先进性原则...........................................................................................12 4.2 实用性原则.............................................. .............................................12 4.3 兼容性原则...........................................................................................12 4.4 扩展性原则...................................... .....................................12 4.5 可靠性原则...........................................................................................13 4.6 标准性原则..............................................

三、诊中治疗：AI 医疗器械方兴未艾，应用场景丰富 ..................................... 18 3.1、AI+诊疗器械：实现诊疗精准化，破解医疗资源的结构性矛盾 ................ 18 3.2、AI+医疗机器人：临床价值高，应用场景广泛 .......................................... 21 四、医院 资料来源：《超越想象的 GPT 医疗》、医药魔方、艾瑞咨询、招商证券 ChatGPT 为核心的生成式 AI 爆火，再次引发全球对于人工智能的关注，我们 认为 AI 将为包括医药行业在内的各个领域带来革命性变化。医疗 AI 的应用起 源于 20 世纪 70 年代，随着如 GPT-AI 在内的人工智能技术不断更新迭代，医 疗 AI 也向着更加智能化发展。最早的医疗 AI 应用集中于临床知识库，但受限 于当 承诺或医院的电子病历，她感到更加安心。” ◼ 关于 AI 是否会替代医生，我们认为 AI 将为医生带来效率的提升和帮助实 现更多更有意义的工作的开展：“有了 GPT-4，她就有更多时间督促其他 即将出院的患者关注预防性护理的重要性。她将病患的病历复制到手机 上……以发现病患护理计划中可能存在的漏洞。果不其然，它发现了一名 逾期未做结肠镜检查的患者、一名胆固醇偏高需使用他汀类药物治疗的患 者，以及一名有高风险心脏病但已经有

时作为一种新的药物研发模式，我们基于全球 AI 制药龙头 Schrödinger，重点 讨论 AI 制药的商业模式变迁，并梳理相关公司。 ❑ AI 可用于新药开发全过程，达到降低成本，增加药物研发可能性目的。根据 DPI 援引英矽智能数据，通过 AI 技术能将 ISM001 分子发现时间由传统手段 的 2 年降至 11 个月，总费用从 4.14 亿美元降低至 20 万美元，极大降低了新 药研发负担 型障碍相关的激越，利用 BioXcel 的 AI 平台，IGALMI 从获批 IND 到药物上市仅用了 4 年时间。从治疗领域看，AI 制 药管线主要分布于肿瘤和免疫疾病领域，占比达到 37%和 21%，其次为神经性 疾病、炎症和心脑血管。 图 9：AI 制药临床管线适应症分布 资料来源：DPI、招商证券 此外虽然目前 AI 应用集中于药物发现阶段，在临床阶段使用有限，但应用价值 较高。AI 往临床 试验数据，对当前试验方案设计优化；3）药物重定向：基于药物和靶点数据， 加速药物重定位研发，实现老药新用；4）数据整合分析：利用 AI 技术整合分析 数据，并生成相关报告；5）患者和用药依从性检测等。临床阶段作为药物开发 过程中时间和成本占比最高的环节，随着人工智能技术的应用，其效率仍有较大 提升空间。 敬请阅读末页的重要说明 8 行业深度报告 图 10：AI