东亚AI教育出海:将“做题家方法论”转化为全球商业价值
中国及韩国教育创业者正利用AI技术,将东亚应试教育中积累的标准化解题、错题复盘和重复训练等“做题家方法论”,封装为APP反向输出至全球市场。以字节跳动的Gauth、作业帮的Question.AI、猿辅导的Uknow.AI以及韩国的QANDA为代表,这些产品凭借即时反馈、低边际成本和高效训练逻辑,在北美、东南亚及日本等地取得显著市场份额。这一趋势标志着东亚教育模式从本土内卷转向通过AI重构后向全球输出标准化学习解决方案。
事件概述
当东亚被长期诟病的“应试内卷”方法论遇上AI技术的重组,发生了一场反向的商业变局。中国、韩国的教育创业者不再局限于本土竞争,而是将这套经过半个多世纪验证的“做题家方法论”打包成APP,出口至全球市场。这些产品并非售卖文化或内容,而是售卖一套被AI重新封装的高效训练体系,目前在韩国、越南及北美等多个地区占据领先地位。
核心信息与案例
1. “做题家方法论”的AI化重构
该方法论的核心要素包括:
- 标准答案导向:围绕固定套路和明确评分标准,天然适配AI算法化。
- 错题集逻辑:基于“错误有固定模式”的假设,通过归集错误进行个性化诊断与针对性训练。
- 重复训练(题海战术):在同一知识点的不同变体中反复练习,形成条件反射。
- 教培SOP流水线:将学情诊断、目标拆解、任务布置、批改反馈及测评流程标准化。
过去依赖优秀师资的人肉复制模式,现已被AI模型替代,大幅重构了在线教育的费效比。
2. 中国AI教育出海的“御三家”
这三款产品均遵循“工具先行,课程跟进”的路径,通过免费搜题建立习惯,再向订阅服务延伸。
-
Gauth (字节跳动):
- 地位:截至2026年9月,全球安装超2亿次,月活5341万,是中国AI出海教育赛道的绝对第一。
- 数据:2025年9月全球月流水达122万美元,其中美国市场占比超90%。
- 功能演进:从拍照搜题升级为推出“AI Course”功能,将单一题目解析扩展为系统性知识视频课程。
-
Question.AI (作业帮):
- 地位:稳居北美iOS教育榜前五,2024年4月登顶美国App Store教育类排行榜。
- 差异化:提供“阶梯式解析”,不仅给出答案,更将解题过程拆解为可理解的步骤,体现东亚教育的任务拆解逻辑。
-
Uknow.AI (猿辅导):
- 策略:采取“农村包围城市”路线,主攻东南亚和东亚市场。
- 表现:在越南同类应用中用户活跃度排名第一,已覆盖越南、日本、印尼、马来西亚四国。
- 定位:24小时AI Tutor,支持K12多学科答疑,实现了国内AI能力和题库资产的海外变现。
3. 韩国及其他地区的差异化竞争
-
QANDA (韩国):
- 壁垒:深度嵌入韩国高强度的“私教育”考试文化,用AI替代部分家教功能。
- 数据:累计融资超1.05亿美元,Google为其对韩初创企业的首次投资。2025年营收约1.4亿元人民币,付费订阅用户约3万。
- 扩张:能力复制到越南、印尼等同样存在高强度考试文化的市场,在越南活跃度第一。
-
Socra AI / Santa (韩国/日本):
- 壁垒:获得权威考试机构认可。与ETS签署官方内容授权协议,采用ETS官方评分算法。
- 表现:在日本TOEFL备考市场六个月占据45%份额,2026年上半年日销售额同比增长86%,日本市场贡献总营收58%以上。
-
B2B/B2G模式探索:
- COMPASS (日本/Qubena):走B2G路线,通过地方政府采购进入公立学校。2026年度已在滋贺县草津市等20所公立中小学采用,每名学生年费7200日元。
- AvoLingo (韩国):走B2B路线,为语言培训机构提供服务。核心是自研ALA引擎,旨在缩短教师备课时间90%,自动完成作业生成与评分闭环。已与50多家机构合作,拓展至土耳其、德国等地。
值得关注
1. 为什么海外市场买单?
- 技能化训练 vs 输入式学习:欧美传统在线教育(如MOOC)多为名师授课的“输入”模式,完课率低。东亚方法论强调“做+被纠正”的输出循环,提供了老外未曾体验过的强“训练感”。
- 即时反馈机制:AI实现了“拍照即答案、做错即纠错、薄弱点自动标记”的即时反馈,符合人类掌握技能的规律。
- 极致的性价比:将原本昂贵的家教服务转化为每月几美元甚至免费的APP,边际成本趋近于零,降低了全球消费者的尝试门槛。
2. 市场潜力的重新定义
根据Inspired AI创始人贾子健的数据,全球每年参加雅思/托福等标准化考试的人数仅约400万,而全球学习者总数高达17-18亿。东亚教育AI出海的真正机会在于服务这庞大的非考试类语言学习者(如职场英语、旅行用语等),将“做题家”的能力泛化为解决各类场景学习问题的方案。
3. 行业启示
东亚教育AI出海输出的不是压力本身,而是**“如何高效训练一个人”的方法论**。通过将学习拆解为可量化、可执行、可反馈的步骤,这套曾被本土视为“负资产”的内卷经验,在AI解构后转变为全球教育市场的“正资产”。
