先看一个数字：80%。

一家印度AI学习平台，2024年成立，刚完成1000万美元A轮。它服务10到12年级的学生，主攻会考和医学类入学考试。八成订阅用户，来自三线城市和农村。

这个数字比1000万美元更值得看。

大多数教育科技公司的客户在中心城市：产品按中心城市的需求设计，价格按中心城市的支付能力定，增长靠中心城市的密度。它反过来做，八成用户在最不容易做的地方。

这就带出一个必须算清楚的账：在县城和农村做AI教育，成本到底省在哪，又贵在哪。

一、先把口径说清楚：“低12倍”是公司自述

团队称，成本比传统平台低12倍。

这句话要先打个折。它是自述，没有审计，也没说清分母——是低到十二分之一，还是降低了十二倍，这两个意思完全不同，后者在算术上根本不成立。

行业里这类表述很常见。听的时候不必较真数字，但要抓住方向：AI 确实把某些环节的边际成本压下来了。

真正有用的问题不是“是不是12倍”，而是“压的是哪几段，哪几段压不动”。把钱拆成四层看，答案会清楚很多。

为什么值得看一个印度市场。因为它的结构跟我们县城很像：支付能力有限、师生比紧张、语言不统一、家长只认结果。同一个成本难题，在两种市场会得到相似的解法。

所以这篇不做跨国比较，只拆它的账。哪些成本它砍掉了，哪些一分没省，对照到国内县域机构，基本能对上。

二、四层成本，先摆在一张桌上

教育产品的成本，大致可以拆成四层：内容生产、答疑、学习路径、获客。每一层被AI改造的程度不一样。

四层里，前三层是技术红利，第四层是市场选择。很多公司只看到前三层，忽略了第四层才是它成本低的真正原因之一。

三、第一层｜内容生产：省的是“录课”这道工序

传统做一门课，流程很长：定大纲、写脚本、约老师、租场地、录制、剪辑、加字幕、返工、上线。一门系统课，两个月算快的。

语音与视频自动生成，砍掉的是中间那一大段：不用约老师进棚，不用等剪辑，改一版脚本当天就能出新版本。

但省的是工序，不是判断。讲什么、讲到什么深度、例题怎么选、哪里该停一下让学生自己想——这些还得人来定。

素材里有一句话很关键：它自称全自动，但课程仍由真人老师与AI搭配授课。

这句话说明，内容生产这一层，AI 替代的是“制作”，不是“讲授”。制作是成本，讲授是价值。搞混这两件事的公司，做出来的课很便宜，也没人看。

四、第二层｜答疑：生成和验证，两道工序一道都不能省

它的做法是：基于开源模型微调，生成答疑内容，然后验证答案。

注意后半句。生成是简单的那一半，验证是难的那一半。

生成可以批量，一次出十条；验证必须逐条，因为错一条的代价不是一条，是信任。备考类的用户对错误极其敏感——他花了钱，是为了少走弯路，结果你给的答案是错的，他会立刻怀疑整套产品。

所以验证的成本，通常比生成高。这也是AI教育里最容易被低估的一项支出。

能自动生成答案的公司很多，敢自动发布答案的公司很少。差别就在验证这一道。

对照到机构身上：你用AI出讲义、出练习、出模拟卷，谁在验？如果答案是“没人验，老师看着差不多就用”，那省下来的时间，迟早会在家长群里还回去。

五、第三层｜个性化路径：省的是编排，不是判断

个性化学习路径这件事，听起来很高级，拆开看只有两部分。

一部分是编排：这个学生哪几章弱，先补哪章、后补哪章、中间插几道巩固题。这是排列组合，机器比人快得多。

另一部分是判断：这个学生现在该补基础，还是该冲难题；该稳分，还是该搏一把。这是判断，机器给不了。

备考场景还有一层硬约束：路径必须跟着考试时间走。什么时候必须进入总复习，什么时候必须停新课，这是日历决定的，不是算法决定的。

所以“个性化”在备考赛道里，天花板并不高。它解决的是效率，不是方向。方向错了，路径再顺也没用。

六、第四层｜获客：八成在下沉，是一种成本选择

下沉市场和中心城市的获客，是两套算法。

中心城市靠投放：按线索成本算账，规模越大，单价越贵。一个校区周边三公里可能有两百个竞品，只能靠钱抢注意力。

县城不一样。半径小，熟人密，一个班教得好，第二年能自己招满。投放的效率反而低——人群分散、客单价低，买量算不过账。

所以八成用户来自三线县城，不只是“市场定位”，也是一次成本选择。它主动避开了最贵的那条获客路径。

在下沉市场，获客成本不是买来的，是攒出来的。

攒的代价是慢。这种模式不会一年翻几倍，只能一个县一个县地滚。融资故事里不好听，但账算得过来。

七、方言：被忽略的那条产品线

它必须支持方言。原因很直接：八成用户在三线县城和农村，很多学生和家长的日常语言不是标准普通话。

表面看这是技术问题，语音识别和语音合成要覆盖更多口音。实际是产品问题。

本土化不是翻译。把“一元二次方程”翻译成方言没有意义，数学术语没有方言版本。真正要本地化的，是讲法：用当地人熟悉的场景、当地的说法，去解释一个抽象概念。

方言真正的价值，不在“听懂”，在“信任”。家长判断一个老师靠不靠谱，第一件事是听口音。口音对了，戒备心先放下一半；口音不对，后面讲得再好，也隔着一层。

这条产品线，在三线县城是刚需，在一线城市是噱头。同一个功能，两个市场，两种价值。

对县域机构来说，这里藏着一个几乎不要钱的优势：你的老师会说本地话，全国性品牌的老师不会。这个优势不用开发，只需要别浪费——别逼着老师上课全程说标准普通话，别把“本地例子”当成不专业。

八、宣传口径和交付结构，差在哪

它自称“全自动在线学习平台”，实际课程仍由真人老师与AI搭配授课。

这不完全是吹。全自动是融资语言，真人加AI是交付现实，所有AI教育公司都夹在这条缝里。

但校长要学一个动作：听到“全自动”，问一句“哪一段还需要人”。

这一问很值钱。它既能问出对方的成本结构，也能问出它到底能不能规模化。答不上来的，多半是把“自动化”和“自动生成”混为一谈了。

九、四层成本，哪些能砍，哪些砍不得

把四层摊开之后，取舍就清楚了。

AI 能把重复劳动的成本压到很低，压不掉的是第一次建立信任的成本。

这句话解释了为什么它必须做方言，也必须保留真人老师。技术能把边际成本压到接近零，但把一个陌生人变成付费用户，那一步从来不是技术完成的。

十、对照县域机构：一张能砍不能砍的清单

把上面四层翻译成县域机构的日常，会更具体。

县域机构的成本结构里，最大两块是老师和房租。AI 动不了这两块，所以别指望它救利润。

它能动的是第三块：重复劳动。备课、答疑、排课、通知、统计，这些占掉的工时，才是AI真正能还回来的部分。

这个判断有点扫兴，但很实用。指望AI砍掉老师，到头来会发现课上不下去；指望AI砍掉重复劳动，一年多出几百个工时，是能兑现的。

还有一个容易被忽略的差别：可省的成本会随着规模放大，不可省的成本也会。

答疑的验证环节最典型。一百个学生的时候，一个老师抽空能验完；一千个学生的时候，验证就成了瓶颈，要么加人，要么放宽标准。放宽标准的代价，半年后会在退费率上体现。

所以AI教育的规模化，卡点通常不在生成，在验证。谁能把验证的成本压下来，谁才真的能把规模做大。

十一、招生：下沉市场的三件套

八成用户来自县城，这个数据反过来告诉我们，这个市场的招生靠什么。

这三件套有个共同点：都不靠“讲得好”，靠“看得见”。

下沉市场的支付能力有限，家长做决定更谨慎。他没有余钱试错，所以要看到别人家孩子的结果，才肯掏钱。

招生动作就该围绕这个设计：把进步做成可以展示的东西，把口碑做成可以传播的东西，把老家长做成可以带新人的东西。

学邦教务教学管理系统的招生二维码可以把每个渠道的来源记清楚，电服宝外呼跟进试听名单，转介绍关系留痕；学员档案里的阶段成绩和回访记录，正好是家长要看的那份“看得见”。

写在最后

这家公司最值得学的，不是它的模型，是它先算清了成本结构，再决定做哪个市场。

很多机构反过来：先冲进一个市场，再想办法把成本降下来。顺序错了，越努力越亏。

精细化管理不是把每个环节都做到极致，是知道哪一块该省、哪一块一分都不能省。

关注「学邦技术」公众号，回复「招生」，即可领取本文对应的完整版管理资料（含县域机构成本清单、试听转化跟进表、转介绍激励方案模板），持续获取教培运营干货。

点击公众号菜单「免费体验」，还可预约学邦教务教学管理系统演示——排课、考勤、课消、家校沟通、财务报表一站搞定，让教务老师从表格里解放出来。