................ 16 4.1.1 基础硬件层............................................................................................................................. 17 4.1.2 基础软件层......................... .................................................................................... 25 4.2.2 信创云基础设施与软件定义的数据中心...................................................................... 26 4.2.3 信创云原生平台与容器云 一转型过程中的各种复杂关系。 智慧教育架构框架之架构开发方法（SEAF-ADM）（见图 3.2）采用的是数字 化转型中的通用架构方法。该方法是北达软在参考国际上 TOGAF、DoDAF 和 FEA 等方法论基础上总结出来的，既适合自上而下的架构开发与分析，也适合自下而 上的架构开发与分析。 7 图 3.2 智慧教育架构框架之架构开发方法（SEAF-ADM） 对于自上而下的架构开发与分析，我们首先将信创的愿景和需求等放到战略

教育渗透 ........................... 6 市场规模：中国教育科技市场庞大，呈现出 C 端主导，AI 渗透率低的特点 ..................... 6 科技基础：决策式与生成式 AI 在科技端双轮驱动 AI 教育发展 ................................ 7 模型层面：高性能、低成本、开源的 Deepseek-R1 适配教育领域，国内 . 17 国内教育公司 AI 实践梳理 ...................................................... 17 国内实践概况：降本增收两侧赋能，构筑“基础内容-技术方案-产品应用”的三级产业链架构 ...17 有道：语言学习科技先锋，加码智能硬件 AI 教育生态 ...................................... 20 好未来：传统教培+教育科技龙头，发力 ......... 25 盛通股份：印刷+STEAM 教育龙头，AI 重构青少年机器人编程教育 ............................ 30 天立国际控股：民办基础教育标杆，探索 AI 赋能基础教育路径 .............................. 32 请务必阅读正文之后的免责声明及其项下所有内容 证券研究报告 4 图表目录 图1： 2017-2028

www.iresearch.com.cn 研究范围与价值特征 教育智能硬件是教育数字化落地的重要载体，兼具规模化与个性化价值 教育数字化是一个逐层建设的过程，其关注点从基础设施层的高带宽网络覆盖到多终端数据采集的硬件发展策略，再逐渐关注到学 情数据的分析和应用过程，由底层到顶层，逐层深入建设并发挥效力。经过“三通两平台”、教育信息化1.0、教育信息化2.0的多年 建设 育数字化落地的最终效果和价值。 多硬件终端可实现数据采集与人机交互， 是教育数字化战略落地的重要载体。截 至2020年底，全国学校统一配备教师 终端1060万台、学生终端1703万台。 信息化基础设施 教 育 智 能 硬 件 知识性 承载教育内容资源，搜集教育学情数据， 生成教育场景适用内容 个性化 通过AI技术进行智能化分析，针对学生 特点进行个性化规划与适配 数字化 硬件本身是数据采集终端，教育智能硬 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人手一端，教学测评练各环节均可基于平板或笔记本电 脑展开，数字化水平领先。校外的硬件应用则作为学习补充手段，以素质教育品类为主，强调寓教于乐和科技体验。 校内：应用更基础，重点发展教学环节 重

2025高等教育数字化研究报告 2025 Digital Research Report on Higher Education 转化阶段 转型阶段 智慧阶段 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 相关内容 2025.4 教育部等九部门关于加快推 进教育数字化的意见 探索“人工智能+教育”应用场景新范式，推动大模型与教育教学深度融合。 推动思政、科学教育、美育、心理健康等领域及数学、物理等基础学科专题 大模型垂直应用，培育应用生态。 2025.1 教 育 强 国 建 设 规 划 纲 要 （2024－2035年）》 实施国家教育数字化战略。坚持应用导向、治理为基，推动集成化、智能化、 安全责任。各地要强化统筹，加大财政支持力度；指导学校系统设计校本数 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

科技等；2）AI+电子病 历：智慧病案利用 AI 技术，实现诊疗过程全流程质控和核查，辅助临床决 策，相关公司：嘉和美康、科大讯飞等；3）AI+医院管理/医保支付：在传 统 HIS 和 CIS 系统基础上，以 AI 技术赋能，提升医院综合管理水平，并促 进医保资金安全有效使用，相关公司：卫宁健康、创业慧康、东软集团、万 达信息、久远银海等。 ❑ 风险提示：技术迭代、市场竞争、政策监管、产品落地不及预期风险、企业 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 于当时成本高昂和互联网基础设施有限，并未得到广泛应用。此后随着机器学 习、NLP 等技术普及，AI 手术机器人、AI 制药、CDSS 等应用领域逐渐成熟落 地，并涌现了如 IBM Watson、DeepMind 等知名医疗 AI 物 联网、人工智能、云计算、大数据等在医疗卫生领域中的应 用 2023 年 3 月 科学部、自 然科学基金 委 《人工智能驱动的科学 研究》 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》

世纪初，深度学习、自然语 言处理和计算机视觉技术的突破重新激活了 AI 在医疗领域的潜力。医疗行业数 据量庞大（占全球数据总量的 30%），但 97%未被有效利用，这为 AI 模型的训 练提供了基础资源。例如，AI 通过分析医学影像和电子病历数据，实现了从辅助 诊断到药物研发的跨越式发展。政策与资本的双重推动：1）政策支持：数字社 会下，全球医疗数字化转型已成为大趋势，各国相继出台相关政策布局数字医疗 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 资料来源：艾瑞咨询，民生证券研究院 随着科技的飞速发展，人工智能（AI）技术逐渐渗透到各个领域。医疗领域也 医疗场景的数据往往呈现多模态的特点，例如影像、文本、基因数据等。 基因分析效 率呈指数级 增长 全基因组测序数据处理时间从 72 小时压缩至 8 小时，极大地加速了基因分析速度，为精准医疗和基 因治疗发展奠定了基础。 行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 5 临床决策支 持系统更加 智能 DeepSeek AI

，当下应用于患者端的“AI+ 医疗”更多是基于文本生成、信息收集等方式提供服务，尚处早期发展阶段。 随着文心一言和 GPT-4 在医疗领域的应用，龙头企业有望优先受益。建议关 注已具备一定流量及数据基础、积极引入 AI 模型的互联网医疗企业，例如京 东健康、阿里健康、平安好医生、智云健康、百度灵医智惠、微医、春雨医 生、好大夫在线、微脉等。 ❑ 风险提示：个人客户支付意愿不强导致商业化不及预期风险，技术迭代，生 下患者投诉线上问诊平台的新闻比比皆是，用户体验感差是付费意愿低下的 主要原因，究其根源在于医生在线上难以用长篇文字解释、仅能简单讲述， 从而导致患者与医生的交流效率低下、问诊效果差。 ◼ 在传统互联网问诊的基础上，AI 辅助完成问诊前的信息梳理、问诊中的以 及问诊后的患者关切工作：1）问诊前，AI 能够快速准确的将患者基本信息、 过往病历、当前问诊数据等相关资料自动生成一份患者档案，极大压缩医生 与患者交流基本信息的时间；2）问诊中，AI 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+医疗”更多是 基于文本生成、信息收集等方式提供服务，尚处早期发展阶段。随着文心一言和 GPT-4 在医疗领域的应用，龙头企业有望优先受益。建议关注已具备一定流量 及数据基础、积极引入 AI 模型的互联网医疗企业。 相关公司： 京东健康：致力于打造以医药及健康产品供应为核心，医疗服务为抓手，数字驱 动的用户全生命周期全场景的健康管理平台。其零售药房和在线医疗健康服务业

... 8 敬请阅读末页的重要说明 4 行业深度报告 一、AI 制药蓝海市场，人工智能赋能药研全流程 人工智能赋能新药开发，是指在规模化医药数据基础上，运用机器学习、深度学 习、自然语言处理等技术参与药物开发各个环节，包括靶点发现、化合物合成、 化合物筛选到患者招募、临床试验设计等，通过 AI 技术的运用有效解决传统新 药研发痛点，缩短研发周期，提高研发成功率，降低研发成本。根据 资料来源：公司官网、招商证券 资料来源：公司公告、招商证券 可以看到，Schrodinger 通过软件服务起家成为全球 AI 制药的龙头企业，随着 AI 软件服务得到客户认可并积累一定的技术基础，公司意愿更深度参与药物研发 流程，拓展业务至新药开发领域。一方面增加公司收入来源，另一方面通过辅助 客户新药研发或者自研等模式有助于形成更强竞争壁垒，基于 AI 核心技术实现 各业务的有效协同。