“外卖英语”之外，让更多群体享受到AI教育带来的个性化便利，从而培育市场认可，流利说等AI+教育企业已经抢到先机。但是，占领一定市场份额后，随着对技术进阶、对用户体验追求的加深，企业们无疑还有“很多的路要去走”，好在，AI技术的特性也决定了个性化颗粒度的精细化在到达一定阶段后，会实现“自驱动式”发展（有了基础的架构，后续只需要数据自然地富集和沉淀），这在资源投入上不会是一个无底洞。
2、既然是AI，就无法停下“迭代”的脚步
AI+教育与非AI概念的教育模式区别可能有很多，但核心点在于，AI驱动意味着教学方式、方法处在不断的自我迭代中，不会有静态的模式或者规则。
一般的在线教育无非是设定一个商业模式，剩下的就是拉学员、拉资源、搞运营。而对AI+教育来说，长期研发投入支撑系统不断迭代必不可少，这个过程需要资源投入，也需要时间等待及海量数据反哺。
以流利说为例，其提供自称“多维度、多粒度”的口语评价引擎（应属语音识别领域），能智能识别口语发音的问题，也提供不依赖样例答案的写作评分系统（应属NLP领域），能定位用户答题的错误定位并针对性指导，但这些智能系统一方面需要算法的不断优化，另一方面还需要数据的不断喂养。
而提供用户千人千面学习体验的深度自适应学习系统，更是内在需要自我学习、自我进化，而不只是一套静态的学习“规则”，即便这样的规则来自XX名师、多么有价值，也不符合AI的本质要求。
这些都说明，研发费用是AI教育的“特殊负担”，这种模式会造成财务报表在“慢时期”不太好看。
不过，做AI的企业，其研发费用往往又都是前瞻性的研发费用投资，一次投入可以往前看很多年。把时间轴拉长，成果和效益出现的后续时期，对应的研发费用反而会大大下降，成功的规模效应下，先期让财务报表不好受的研发费用最后占营收比例会大大下降，而这，也是“慢生意”更值得等待和期待的重要原因。
3、AI教育的市场认知需要量变的积累
AI在所有场景的应用，带来的都是创新的体验，都不会被直接、快速地接受，智能音箱磕磕绊绊好几年才有普及的迹象，人脸支付被支付宝大力推广才逐渐为大众所接受。
因为理解成本的存在，从AI转化到用户感知需要无法被压缩的时间周期。
例如人脸识别、智能语音这些直接的交互活动，大众一眼就看出它是做什么的、能产生什么作用，但自动驾驶一类的复杂AI体系，大众的理解成本会大大提升。
