2019年 大 事 记 • 教育大屏应用已全面铺开，市场 接近饱和，竞争格局相对稳定。 • 教育市场需求持续下滑，换机潮 尚未爆发。 三类产品均呈多点开花状态，处于区域、 地方试点探索中 产品成熟度 教育大屏 学习平板 智能手写笔 XR设备 渗 透 率 50% 100% 50% 100% 0 2019年，中国交互 平板教育市场覆盖率 Q1 市 场 产 品 结 构 教育大屏 www.iresearch.com.cn 中国校内—原因探索 采购成本、产品成熟度、政策支持力度、健康适宜度多重因素作用的结果 从多因素综合考虑来看，教育大屏兼具价格优势、较高的产品成熟度、政策支持力度和健康适宜度，这些都共同决定了其在校内的 主导地位。而其他品类只在某些维度上比较占优，因此当前校内尚未大规模铺开，呈地方多点开花的态势。 主研究及绘制。 教育大屏：400元左右 智能手写笔500-1000元 学习平板2000—6000元 XR设备2000-7000元 生均采购单价 教育大屏 学习平板 智能手写笔 XR设备 产品成熟度 教育大屏 XR设备 智能手写笔 学习平板 政策支持力度 智能手写笔 教育大屏 学习平板 XR设备 健康适宜度 点阵笔对屏幕的依赖度低，更加自然无感的使用方式，更接近传统的使用习惯，健康

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， 教育机构的数字化组织人才及各种资源等的约束条件，排定合理的实施计划，分 步推进实施。 1.2.5 生态建设，能力保障 教育信创化是通过 IT 架构与解决方案创新的牵引，选择符合信创化要求的 研、校园和管理四大类。按照企 业架构层次的划分（基础架构、共同系统架构、行业架构和组织特定架构），业 务应用也可以划分为行业通用业务应用和组织个性化应用。其中，行业通用应用 可直接采用市场上的成熟套件，组织个性化应用可让相应厂商进行二次开发或自 12 行开发。业务应用的功能模块，不管是采购还是自行开发，都应该遵循业务参考 模型中提到的业务分块架构内容的指导和约束。 应用入口 3.7）可以大体划分为基础设施的运营参考模型和软件开发的运营参 考模型两大部分内容。 图 3.7 智慧教育架构框架之运营参考模型（SEAF-ORM） 在信创工作中，由于软硬件产品的不成熟，更需要一套完善的运营体系来保 证快速地解决问题。基础设施运营参考模型可以参考国际上的 ITIL 模型。ITIL 本身起源于基础设施的运营维护管理，它主要分为服务交付和服务支持两大部分。 其中

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 应用系统。国内医疗 AI 起步较国外晚，但发展迅速，20 世纪 80 年代我国开始医疗 AI 的研究，1978 年北京中 Insights、招商证券 中国市场起步较晚，处于高速增长期。根据 IQVIA 数据，2021 年中国 AI 医疗 市场规模不足 40 亿元，主要以智慧病案、信息系统和 CDSS 等应用为主，而 在国外较成熟的医学影像和 AI 制药占比较低。未来 10 年，预计中国医疗 AI 市 场空间将以超 30%的复合增速增长，AI 医学影像（CT、X 光、病理、超声等） 和 AI 制药将成为增长最快的细分市场。 技术经过数十年发展，应用领域百花齐放，我们根据不同终端用户，将 医疗 AI 分为 to 医院、to 药企和 to 个人用户三大类。其中医院作为医疗行为的 主要发生场所，AI 应用场景丰富、在商业化落地上亦相对成熟，因此本篇报告 作为招商医药团队医疗 AI 系列专题第一篇报告，将重点聚焦 AI 在医院端的使 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

婴健康、心理健康、养老、残疾人关怀等）等。 图 11 健康管理需求、手段与目的 资料来源：招商证券 过去十余年来，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，但并没有出现非常成熟的商业模式，也未对人们日常健康管理带 来颠覆性的改变。我们认为其中主要的原因包括： ◼ 消费者对平台及相关数据信赖度较低。当期可穿戴设备采集数据准确性和稳 定性较差、参考价值有限，且仅提供统一的固定公式对数据进行分析、难以 人工智能技术推动全病程管理的规模化应 用，致力于打造具有中国特色的 MCO（管理式医疗组织）。 六、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：目前互联网医疗尚未形成 成熟的变现模式，AI 模型的引入是否会加强个人客户的支付意愿尚不可知。 ◼ 技术迭代风险：AI 技术更新迭代快，如无法掌握最新技术，可能出现被市 场淘汰风险。 ◼ AI 生成信息错误风险：AI

➢ 催化 AI 医疗发展的核心原因。技术迭代与数据积累。AI 医疗的起源可追溯 至 20 世纪 70 年代，早期以专家系统（如 QMR、DXplain）为主，但因技术限 制（如算力不足、算法不成熟）未能大规模应用。21 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 2.1 催化 AI 医疗发展的核心原因 技术迭代与数据积累：AI 医疗的起源可追溯至 20 世纪 70 年代，早期以专家 系统（如 QMR、DXplain）为主，但因技术限制（如算力不足、算法不成熟）未 能大规模应用。21 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

一些量级较小的业务，如彼芯托管、海外教培、大学生业务等。公司 K12 培训业 务深度受益于“双减”后 K12 教培市场供需错配的红利，依托多年沉淀的 OMO 运 营体系及突出的教研能力，营收快速增长修复；叠加多年打磨的成熟商业模式下 经营杠杆优化，经营利润率预计也不断修复。学习内容解决方案板块主要包括智 能学习平板产品、图书等，在智能学习平板层面，公司已构筑包括 Xpad（经典产 品）、Xpad Pro（高端产品）、学练机（专注练习）的产品体系。