142: 斑马CPO修佳明：一款能主动教学的 AI 产品是如何出现的

这两年多，我们其实是在跟 AI 模型搏斗。在我们看来，所谓的“幻觉”并不一定是一个负向的词，有的时候它代表了 AI 模型的创造力。AI 外教的一个很大优势，就是会降低情感过滤的阈值。

程曼祺

2011 年，乔布斯在最后一次与比尔·盖茨会面的时候，谈到了自己的一个观察：教育领域似乎没有从技术的巨大进步中受益。中文互联网世界有人把它总结为“乔布斯之问”。

盖茨对这个问题其实有过自己的解释：技术只有在更多致力于提供个性化课程，以及带有启发性的反馈时，才能从根本上重塑教育。这听上去很像现在大模型正在发生的事情。

在所有的教育类别里，语言，特别是口语学习，又是其中一个特别典型的代表。大模型提供了过往技术一直难以提供的口语交互、个性化表达和及时反馈，同时它又不依赖真人，很容易实现大规模部署。因此，很多人都认为，在大模型技术落地的领域当中，语言教育是一个非常确定的赛道。

但是事情真的是这样吗？今天，关于 AI 大模型、口语以及 AI 教育产品，我们很高兴邀请到了斑马口语的首席产品官修佳明。他从事儿童数字内容教育工作已经超过 9 年，我们很想听听他关于元力科技在教育，特别是口语领域落地的一些想法。

修老师可以先跟听众朋友们打个招呼，然后自我介绍一下。

听众朋友们大家好，我叫修佳明，来自斑马口语，主要负责斑马产品的研发工作。

程曼祺

真的很简短。来之前我们碰面的时候，修老师说他们一般不做很长的自我介绍。

我们之所以有今天这个契机，是因为斑马最近刚刚推出了一款全新的口语产品，它采用了基于 AI Agent 的策略。我们可以先请修老师讲一下这个产品，然后再回过头去聊此前做了什么，以及它是怎么一步步走到今天的，好不好？

可以。斑马口语是一款针对孩子口语学习、由 AI 驱动的产品，形式是一对一的 AI 外教直播学习。

产品界面是三分屏：一个直播区域是 AI 外教，它是一个二维的 AI 虚拟形象；另一个直播窗口留给孩子，用来播放孩子的直播流，孩子可以跟 AI 老师进行互动；主要的课件区域则是交互式动画课件。三个部分组成了整个课堂。

每节课 25 分钟，每个单元有 4 节课。我们一共分了 6 个级别，每个级别有 96 节课，大概是这样一个体系。

这种上课形式和传统的线上一对一外教学习比较像，区别是原来的真人外教换成了 AI 外教。但实际上，整个产品都是由 AI 内核驱动的，这个差异还是比较大的。

程曼祺

我们一开始看到这个产品形态的时候，我也简单试用了一下。刚才修老师提到，它主要针对小朋友的口语学习，其中一个区别是有一个虚拟形象，带着小朋友学习，而且是由 AI Agent 驱动的，对吧？

对。

程曼祺

一直以来，包括斑马自己在 AI 战略上的进展，我们其实都了解比较多。当然，也包括整个元力科技的 AI 战略。这几年，大家对于头部在线教育集团比较关注的一个新走向，就是它们在 AI 上的布局。

斑马口语当然是目前为止最新的一款产品。修老师可以给我们回顾一下，为什么在这个节点推出这个产品？它在整个集团、整个斑马的 AI 战略里处于什么位置？过去的发展又是怎样一步步走到今天的？

1. The Full Stack AI Bet

那我就从远一点开始说。我们公司在 2014 年开始组建 AI Lab，也就是 AI 实验室。那个时候大语言模型还没有特别突出，我们主要做的是自适应算法、视觉识别、TTS、ASR，也就是语音识别，以及测评等工作。

在这个过程中，因为斑马产品的落地，我们收集、积累了非常多儿童语音数据。这让我们拥有了可以说是行业里最好的儿童语音识别和儿童英语测评模型，它的精准度特别适配儿童这个年龄段。

程曼祺

但这个模型其实是更上一代的技术，对吧？

对，这是上一代。我的意思是，像斑马 AI 学一直都有很多 AI 技术作为底层支撑，只不过还不是大语言模型，所以我们对 AI 这块一直关注得比较紧。

大概在 2023 年 8 月左右，我们立项做斑马口语。那时候我们对 AI 一直比较关注，在现有的主线产品里也开始尝试结合 AI 做一些功能性改进。比如，有一些传统的对话功能，我们会引入 AI 模型，让对话更具有灵活度。

但这些都是在现有产品架构基础之上做的灵活性改进。在我们看来，它们还不属于 AI 时代的产品，仍然是上一个时代的产品思路，只是增加了一些 AI 功能。

斑马口语是整个集团目前发布的最早、也可以说最先进的一款完全从底层由 AI 构建的产品。它的产品架构和落地方案，我们内部有一个比喻性的说法，叫“全栈式”：从前端到后端，从后台到 UI，各个层面在设计时都考虑了怎么和 AI 配合。

整个产品能够成立，也是基于对 AI 能力的考量。我们选择的是一个非常细分的领域：儿童口语学习。这个领域非常窄，也非常细分。

我们为什么选择这么精细的方向？因为我们想先在一个比较有确定性的、比较窄的方向，去深入探索 AI 的能力。所以，我们做了这样一个尖刀型的产品，希望能够在一个问题上把整个事情彻底解决。这是我们当时做这个产品的初衷。

程曼祺

这里有两个关键点。第一个是，您刚才说这个项目是在前年 8 月立项的，对吧？做到现在其实已经两年多了。

对。

程曼祺

现在这个产品，在大家听到这期播客的时候，应该已经上线了，对吧？

对。

程曼祺

这是我理解的第一个关键点。第二个是，您刚才说希望彻底解决一个确定性的问题。我知道您研究儿童心理，也有儿童教育方面的背景。

我们在讨论 AI Agent 产品时，很多人都会担心它的幻觉、不可控性，或者一些比较模糊的地方。很多时候，这也被认为是 AI 产品很难落地、乃至商业化的关键。

您刚才说的“确定性”，让我很好奇：从 2023 年 8 月立项开始，在什么阶段，或者说技术发展到哪一步时，您觉得确定性的问题可以被解决？

这两年虽然大语言模型发展得比较快，但对于我们这个产品来说，最早的能力基本上已经够用了。后续的发展，只是让整体产品的呈现效果更好、效率更高。

2. Containing AI Hallucinations

在确定性这个问题上，其实从一开始就有了一个大致的解决方案。基本逻辑是让 AI 在一定边界之内自由发挥。这也是我们为什么做了两年多的原因。

这两年多，我们其实是在跟 AI 模型搏斗：一边要保留它的灵活性和生成性。在我们看来，所谓的“幻觉”并不一定是一个负向的词，有的时候它代表了 AI 模型的创造力。

在实践中我们也看到，AI 会给出很多我们预想不到的反馈，去配合孩子们的兴趣和表达。这是我们无法预先设定好的，我们也比较珍视 AI 的这种能力。

但另一方面，我们也要确定 AI 的表达限制在设定好的边界内，它是有范围的。一方面，它要完成教学功能，要跟着孩子把每一个环节的学习都落到实处。

为了促成这一点，我们通过整个产品的节奏设计来实现。每个 25 分钟的课堂都拆分成十几个环节，每个环节只有 2 到 3 分钟。在这么短的时间内，要完成的目标非常明确，AI 会事先知道这个环节要达到什么目标，并和孩子一起实现这个目标，所以它所有的话都会围绕这个目标展开。

这样，它就会成为一个导向性非常强、具有主导能力的 AI Agent，配合课件完成整个学习过程。

另一方面，我们也要考虑模糊性的问题，所以在 AI 模型上投入了非常大的人力，进行标注、质检和测验。其实在这 3 个步骤上，我们都做了专项操作。

训练模型时，我们会对数据进行清洗和分类，进行强化训练，也会进行对抗性训练，也就是“找茬”。如果它犯错了，我们就告诉它错在哪里，让它知道哪些话不能说、哪些用法不对。我们还会进行奖励性训练，给它一些正向例子让它学习。

上线前，我们还会进行大规模验证，会有测试集。测试集也会根据我们持续收集的数据不断更新。经过上线前的训练和测验，到了上线时，我们还接入了实时监控系统。

这是元力大模型提供的支持。我们会实时监控模型，如果涉及错误内容或敏感词，它就会识别出来。同时，产品使用后还会及时进行人工质检和标注，再用真实案例反过来约束大模型。

等我们验证一节课可以使用时，就把这节课作为一个独立单元进行研发。每节课 25 分钟，确认这 25 分钟可以使用了，才会放到产品里，然后再做下一节。

程曼祺

所以，这和我们过去想象中的 AI 产品开发方式不太一样。您的意思是，先做完 25 分钟，确认这一节课可以上线，再做下一节？

对。

程曼祺

刚才您说“跟 AI 模型搏斗”，这个概念很有意思。您说它会有意想不到的回复，印象中有没有什么让您比较惊艳的地方？

挺多的。AI 会做一些发挥。比如，它在跟小朋友聊天时，有一次小朋友说自己有一个礼物。

除了 AI 老师之外，我们还给小朋友设计了一些 AI 学伴，也就是小机器人。一个小机器人听到之后会说：“我很嫉妒你，I’m jealous。”

小朋友觉得很开心，因为它明显是针对小朋友的表达给出了一个有情绪化的回应。

程曼祺

小朋友也能听懂这个单词，对吧？

对。因为模型知道自己在做反馈时，也知道孩子的水平，所以它会筛选用词，保证孩子大概能够听懂。

程曼祺

这个产品针对的年龄段大概是 6 到 12 岁，对吗？

对，但主要还是根据英语水平来筛选。

程曼祺

所以词库范围在产品设计时就已经预先规定好了？

对，因为这个标准比较清晰，是根据不同 Level 的体系来确定的。

程曼祺

您刚才还说，这是集团上线的第一款 AI Agent 产品。听上去，集团内部应该还有不少其他 AI Agent 产品。

我们肯定在这方面有很多尝试，也做了很多 AI Agent。各个产品线里其实都有不少。

斑马口语最大的区别，是它是一款全栈式 AI 产品。AI Agent 只是这个产品的一部分，但从底层到最终的表达层，全部都接入 AI，由 AI 驱动。

这一点目前是唯一的。

程曼祺

刚才我们聊到了整个元力科技的 AI 战略，以及现在这个时间点。在这个节点推出斑马口语，主要基于什么考虑？

再说得大一点，到现在这个阶段，整个中国教育市场的变化趋势，包括您刚才提到的 6 到 12 岁这个年龄段，您有什么判断？

如果理想一点来说，我们希望在 2023 年或者 2024 年就推出这个产品。研发比较困难，这个之后可以重点聊聊为什么延期。

我们之所以选择在这个时间点推出，是因为已经确信这个产品是有效、安全、有益的。各个方面都经过了内部论证，外部也做了充分测试，我们觉得可以了，就第一时间发布。

具体是哪一天其实并不重要，但 11 月肯定是我们觉得可以发布的时间点。

程曼祺

所以在您看来，其实已经慢了？

肯定是慢了。我们还是希望这个产品能尽早让孩子们用到。

程曼祺

您怎么看孩子乃至家长在口语方面的需求？毕竟您在这个领域已经有很多年比较资深的经验。

3. Why Speaking Stays Stuck

我其实是作为一个观察者，看我们国内的家长和孩子面对英语学习时的状态。

英语学习很复杂，面向的能力也比较多。但其他能力，比如听力、阅读、单词、语法，实际上都可以通过自学或者老师教学学会。

只有口语这项能力，你必须有一个真人或者对话对象，和你实时交流；对方还要知道你的说话水平，能够让你继续说下去，并且提供充分、大量的开口机会，你的口语能力才能真正提升。

这个资源一直都很稀缺，不光是在中国，在所有外语学习者那里都是如此。成年人会在网上找语伴，小朋友以前会找外教教自己说口语，因为这确实无法替代。你不可能一个人坐在房间里就把口语练出来。

在儿童学习和成长阶段，语伴也没有办法达到提升口语的效果，因为其中涉及很多教学细节，包括教学路径设计、教学材料组织，以及针对性的知识点攻破。这些事情，非专业的母语者无法做到；专业的中国老师里，发音和口语能力能够达到相应水平、又能提供这项服务的人也比较少。

一直以来，按照我个人的观察，大概在 KET 水平之前，或者在一线城市大概在 PET 水平之前，孩子还可以通过各种方式学习，比如上斑马、跟着校内学习，或者去其他英语补习机构，口语大概能摸到那个水平。

但之后就停在那里了。一直到高考、大学，英语还是那个水平。比如大学毕业出国留学时，还要突击口语、突击托福口语，因为他的水平一直卡在这个瓶颈上。他不是没有需求，而是没有资源。

如果口语这一项落后很多，也会影响整体语言感觉和提升空间，影响学习英语的自信和兴趣。所以，这一直是我们学习英语时的一个痛点。

程曼祺

这就是中国人都很熟悉的“哑巴英语”，对吧？

现在不能说是哑巴英语了，因为大家都能达到一定水平，但就是止步不前，停在那里。

程曼祺

对于这种需求，比如市场规模或者用户数量，有没有量化数据可以做判断？

这个不能说死，但我的判断是，凡是学英语的孩子都有这个需求。

至少理想化地说，只要学英语，而且至少学到高中水平，就一定有口语学习和训练的需求。以前也有同事和朋友跟我聊，说口语学习挺难的，对成年人来说也很难，这是不是只是少数人的需求？

我举过一个例子：刚有汽车的时候，大家不觉得开车是需求。只有少数有身份、有钱的人开汽车，因为那时候汽车走得慢，不一定比骑马方便，汽车更像是身份象征。

但这不代表人没有需求。现在所有人对汽车都有需求。也就是说，没有这个产品时，大家可能就没有这个需求，但实际上需求一直存在。

英语学习的听、说、读、写，根本不需要论证，它就是一个需求，只不过之前没有被满足。

程曼祺

写作能力是不是也属于传统上中国同学比较难突破的部分？它好像同样需要个性化，而写作也是一种输出形式。

但写作训练相对简单，比口语简单很多。

写作不要求实时反应。我们有很多写作训练方法，比如从简单句写到复杂句，段落怎么构成，谋篇布局有哪些技巧。这些都可以练习。还有一些例子可以背，背下来之后模仿，模仿之后替换成自己的素材，通过积累来提升。

大家可以看到，孩子在学习过程中如果要准备考试，写作突击的效果很快。3 个月一定能见效。

程曼祺

您刚才说的这套方法让我想起了高考。

对，背范文、背独特的句子结构。写作确实能够训练，而且可以自己一个人默默地练。你可以阅读、模仿，多写，遇到卡住的地方就想一想。

但口语不行。你不能跟真人买东西或者问路时，突然停下来查字典、想一想，那样对话就进行不下去了。

程曼祺

在中国的标准化考试中，比如托福、雅思，口语好像一直都是平均分偏弱的部分。

对，一直都是弱项。大家往往要通过背题、背模板来应对。

程曼祺

很多人都有同样的经历。您刚才说到，不管是写作还是口语，都是输出式表达，而口语还多了一层互动性。

4. The Active Teacher Advantage

作为第一款产品，是不是可以把斑马口语理解成一款主动式 AI 产品，而不是过去一直以来起辅助作用的产品？

对。斑马口语的主动性差异非常大。

市面上叫 AI 外教的产品也比较多，AI 口语训练、陪练、陪聊也比较多。但要真正提升口语能力、真正进行学习，被动式的陪聊和陪练是不够的，最好的效果可能只是维持你现在的水平。

如果要提升一项能力，从二语习得或者外语教学角度来看，一定要在现有基础上不断提升。提升的幅度、提升的量，以及具体的选材，都很有讲究，这里面有很强的专业性。

比如看剑桥体系，哪个级别覆盖哪些词，这背后有一定科学原理。它和你在这个阶段阅读、听到、使用的材料有关，也和你的生活范围、认知范围有关。它会把这些词和句式纳入这个级别的学习内容。

这些东西大模型不了解，也不会应用。大模型还有一个问题，就是没有长期记忆。如果不把它做成专业产品，它只能记住过去几轮聊天，并不知道你的水平是什么，也没有办法给你定制一个长期计划。

我们一个级别是一年，其实很长。普通大模型没有办法制定一个长期学习计划，带着你扎扎实实地把口语提升一个台阶。

程曼祺

长期记忆是大模型技术演进过程中大家一直讨论的核心方向。我知道整个集团的模型基座既有自研模型，也有 DeepSeek 的模型。

在斑马口语里，您刚才提到的长线记忆，是怎样在产品化过程中解决的？

针对长期记忆，我们会给每个学员，也就是每个孩子，建立一个属于他自己的向量数据库。

他完成 25 分钟的学习，或者学习了 3 个月之后，说过的每句话、发出的每个行为，都会被转化成数据，存储在他个人的数据库里。它不是存储在模型里，对于模型来说，这是一个外部数据库。

再次和这个孩子交流时，孩子说出一句话，这是实时信息。模型会结合这条信息，以及由这条信息触发的外部数据库里的相关信息，综合生成反馈。这样，它就能呈现出对孩子个性化特点的理解，也就有了长期记忆。

这个数据库是多维的。它会记录孩子的学习水平、学习习惯、学习状态，也会记录孩子的个人信息，比如兴趣、习惯、家庭成员，甚至狗的名字，这些都可以存储。

程曼祺

刚才提到的主动式趋势和长期记忆，当然都是 AI Agent 技术的应用。能不能把这些理解成它和过去 AI 口语对话机器人之间的本质区别？

这是本质不同的一点。

程曼祺

除了我们刚才提到的几个点，还有什么想补充的吗？

我觉得还有两点。

5. Training a Specialist Teacher

第一，25 分钟学习过程中使用的模型，其实是我们自研的模型，我们会对它进行针对性训练。训练中融入了很多教学法、心理学和语言学能力。

我们还会把每一个课件的信息预先训练进模型，包括每个环节的学习目标，以及用什么数据反映目标已经达成。这样，它就是一个有教学引导能力、或者说有主导性的模型，必须配合课件展开学习活动。

这一点已经完全不是普通大模型所做的事情，而是一个领域专业产品。

第二，基于口语学习的需求，我们比较重视孩子情绪和兴趣的维护，所以会对模型提出很多针对性的要求，比如反馈方向永远是积极的，不能直接说“你错了”。

针对不同场景，我们会预先设定各种场景，并在测试过程中不断补充。比如孩子说累了、烦了、很开心，或者有疑惑，我们会告诉模型应该给出什么反馈。

同时，我们会提出一些条件：一定要结合孩子说的具体信息给反馈，不能只说“你很棒”，而要说“你刚才说的这句话里的某个地方说得很好”。这样，孩子才能不断接收到针对他个人的情绪鼓励。

所以，我们说它是一个有人格的 AI 外教。

程曼祺

这个人格化的部分，也训练进你们的专有模型里了？

对。我们会给它设定一些基础人设。针对所有孩子、所有课件，它都有一个基础人设：它是什么样的人，性格怎么样。这些内容是写在模型本身里的。

除此之外，还会有一些针对具体孩子的信息，那部分就是通过模型之外的外部存储来实现的。

程曼祺

所以还是一个模型内的人设，加上外部存储的长期记忆。

对。

程曼祺

刚才其实还想问产品结构的问题。关于基础人设和长期记忆，您已经讲得比较清楚了。

我们也用到了一点 DeepSeek 的能力，但不是在对话过程中使用。比如一节课上完之后，我们要整理孩子这节课的信息并进行存储，需要为他生成报告、梳理各个维度，这些环节有时会用到 DeepSeek。

程曼祺

所以是两个模型各司其职。

我还想问一个产品结构的问题。我看了一下产品的应用情况，很多时候孩子说话并不是对着麦克风，脸也不一定在那个框里，并不是标准的上课姿势。

比如语音拾取和处理，你们做了哪些工作？因为我看到，虚拟 AI 老师的反馈总体上还是能跟上孩子的反应。

这确实有难度。收音和识别方面，我们做了很多建设，会模拟各种各样的场景，比如背景音、嘈杂环境等。

这当然不是大模型技术，而是我们一直在做的上一代语音识别技术。虽然是上一代，但现在也没有特别完备，还在不断进化。

比如，我们可以剔除成年人的声音。还有一些家庭有二胎，姐姐在上课时，我们会记住姐姐的脸和声音，弟弟的声音就不会被识别进来干扰识别。

我们还会进行强化训练，比如针对距离远近、说话方向等情况进行处理。现在大概率已经达到可用状态。

程曼祺

您刚才也提到，打磨产品时会用到斑马过去积累的教学经验，以及一些教学法上的实践。我知道您也是研究儿童教育方面的专家。

对我们这些外行来说，可能会好奇，这些东西具体是怎么体现出来的？您刚才说课程开发很困难，因为要一节一节地打磨，既要基于课件，又要控制模型的幻觉。

6. Teaching Through Every Detour

教学法的部分，具体困难在哪里？或者说，哪部分最难交付？

一个方面是通用教学法和细节的应用。

比如讲一个句子时，孩子说不全或者说不准，但可能只有其中一部分说不准。这时应该怎么引导他把复杂句子说好，又不打击他的信心？

我们会提供脚手架策略，涉及拆分或者降级。

比如我先问一个特殊疑问句，孩子没答出来，就要根据具体孩子的水平和语境设计下一步怎么问。可以问一般疑问句，也可以先问选择疑问句。这取决于你对孩子水平的判断，可以降一级、降两级。

如果选择疑问句孩子答不出来，就问一般疑问句；一般疑问句还答不出来，就让他想，给他提示；给提示之后，让他跟读，带他读，读完再回头，慢慢回到这节课应该学习的水平。

也就是不断帮助孩子，把一个掌握得不太好的知识点真正掌握。

类似的情况很多。你要打一个比喻、做个类比、编一个故事。比如我们学习一个语言现象，之前学过另一个同类现象，AI 要知道孩子以前学过，并用他已经掌握的内容做类比。

比如 come 变成 came，become 也变成 became。孩子不知道 become 怎么变时，AI 要知道他之前学过 come，然后用这个类比提醒他。我不直接告诉他怎么变，而是通过之前的类比引导他自己推理出来，这样记忆会更深刻。

类似这样的细节教学法，需要一点一点编织进模型能力里。

还有一个更难的地方，是对难度的控制。

程曼祺

您说“编织到模型能力里”，是指训练专用模型的过程吗？给它很多事例，告诉它在什么场景下，结合孩子的特点应该怎么做。模型不会到最后变得很混乱吗？

有时候会乱，但必须不断调试，最后达到一个我们认为可用的平衡状态。

程曼祺

这花了多长时间？

要花很久。我们估算了一下，按照目前的产能，做一个新级别、做一套新课件，从确定 25 分钟课程的主题，到最终能够上线，需要一年的时间。

目前就是这样。我们现在做的课，要一年之后才能上线。

程曼祺

您刚才说更难的是对难度的把控，具体难在哪里？

不同阶段的难度区间非常敏感，也很细。

可以给它规划一个词库，只能使用词库里的内容，超纲了孩子就听不懂。这种方式我们也会使用，但又不能完全这么死，因为我们仍然希望 AI 发挥教学能力。

AI 有时候确实会带来很多惊喜，孩子的语言也可能超出我们的设定。有个孩子前两天自己说到，他们去美国玩，他说的是 Golden State。这个内容没有教过他，但他自己知道。

AI 得接住这个话题，要知道这是一个大桥，知道它在哪里，还要回应“你去过那里真好”，然后再把课堂重新引导回来。

程曼祺

所以它本身还要具有一些世界知识或者通识知识。

对。它的通识知识应该能够覆盖孩子所有的话题。孩子感兴趣的东西，比如奥特曼、Elsa、蛋仔派对，它都得接得上话。

程曼祺

像这种难度控制，最后落到技术层面，做了哪些优化？

这其实投入了很多人力，还是在边界设定上。

我们会设定多条件的边界：在 A 条件下怎么做；如果触发了 B 条件，比如孩子主动说了刚才那种内容，应该怎么样；结合孩子的水平，边界调整空间是多少；结合孩子的反馈，如果你说了一个词，孩子表现出听懂或没听懂，下一步应该怎么做。

我们会把条件设计得比较密。

程曼祺

但这些规则是可以复用的，对不对？

可以复用，也可以不断复用和迭代。

程曼祺

那新课件开发时就可以用到，对吗？

但都需要微调。孩子的学习水平会不断提升，模型也要根据孩子不断提升的水平，不断修改自己的边界范围，整体上是越来越往上提。

程曼祺

刚才我就想问，感觉儿童这个场景比较难，为什么不一开始做成人商务英语？我觉得那里的触发条件可能会少一点。

首先，我们一直做儿童教育。其次，成人口语的需求相对更低，也更场景化。

如果成年人真正需要学商务英语，可以去线下报班，而且成年人能够控制自己的学习过程。用这种模式让成年人学英语，我们还没有想清楚它是否合适，效率是否足够高，也不确定是否适合成年人。

程曼祺

这就回到了下一个问题。一个级别的课程长达一年，现在一共有 6 个级别，涵盖大概 6 到 12 岁对应的水平。

我确实没有上过这类课，为什么课程设计得这么长，跨越一年的周期？

因为口语能力提升是见微知著的，非常慢。

如果口语能力要提升一个台阶，真正看到效果，还是需要很长时间。它一开始会稍微快一点。我们看到孩子的表现也是这样：第一个月进步比较快，因为他从不太熟练，到熟悉课程，再到敢于开口。

之后会一个台阶一个台阶地前进，经历一段时间的瓶颈期，突破之后又会比较快地迈上一个台阶，然后再遇到瓶颈期，就是这样一步一步提升。

程曼祺

瓶颈期大概多久会出现？

因人而异，但基本上在 3 个月左右。

过了 3 个月，通常会遇到瓶颈期。熬过两周，或者最长一个月，就会又开始明显进步。再进步 3 个月，可能又会遇到一个瓶颈期。孩子确实会表现出这样的状态。

程曼祺

我看了产品演示，其中有个场景印象比较深刻。孩子的回答有点天马行空，AI 又是一个虚拟的东西，它们同时呈现在屏幕上时，形成了一种张力，好像突然变成了科幻情节里的一个可靠产品。

下一个场景是，外教问孩子：“你形容一下你的妈妈长什么样子，我可以给你画一幅画。”孩子描述眼睛大小、穿什么衣服之类的，最后真的生成了一幅画。这个设计有点超出我的想象，里面还有很多这样的花样。

这个功能也是基于大模型能力吗？

7. The Real Time Courseware Bet

不是，现在还不是。我们未来希望能够做到，现在也已经在局部尝试用 AIGC 的能力制作课件，也就是实时生成课件。

孩子和 AI 互动的过程中，课件可以实时生成。但现在有一些技术瓶颈，主要还是底层技术的瓶颈，所以实现起来不容易。

程曼祺

您说的底层技术瓶颈，是渲染太慢、生成太慢，孩子等不及吗？

对。你不可能孩子说“我想跟你聊一下奥特曼”，然后花 5 分钟画一幅奥特曼。肯定要当场出现，体验才会比较好。

目前还做不到实时生成课件，但我们会通过一些策略和逻辑，制作灵活性、可组合性比较高的课件给孩子。

比如画妈妈，孩子看到画时表情非常震惊，觉得画得还挺像。但外教问孩子像不像，孩子回答：“No。”

程曼祺

但他的表情很有意思。很多孩子看的可能不是画得像不像，而是这个过程本身。

如果长远来看，能借助更多 AI 能力，应该会很惊喜。

我还看到产品里有很多动效，比如给孩子一个礼物，整个页面突然充满礼物的动效。这些是不是基于教学法设计的，用来提高孩子的兴趣？

对，这些彩蛋是真正的彩蛋，需要在特定条件下触发。它不是完全随机的，而是有一定策略。

孩子必须聊到相关话题，在合适的时候，AI 才会调出彩蛋，不是每个孩子都能遇到。

比如生日礼物的彩蛋，我印象很深。老师问孩子：“你想不想办一个 party？你过生日想不想办 party？”

孩子说：“Can I say no?”也就是“我能说不吗？”

老师说：“当然了。”先安慰他，然后说：“但是你不办 party，我也得给你一个生日礼物。”因为孩子的情绪有点低落，所以老师给了他一个彩蛋。孩子看到之后还是很开心，整体比较自然，情绪价值也比较高。

程曼祺

我们这些大人有时候很难跟小朋友的路数同频。我特别想知道，在做儿童产品时，面对 AI 的不可控性，怎么应对“熊孩子”问题？

比如孩子不好好回答，或者有点挑衅，和 AI Battle。

8. The AI Meets the Unpredictable Child

确实有些孩子会这样。孩子年龄大一些之后，会有自主意识，会跟 AI 进行 Battle。

我们预期过这种情况，所以提前对 AI 做了界定。

比如孩子问到和课件关系不大的问题，AI 应该怎么应对；两轮之内要回到课件；如果偏得太远，就不回答、不回应；如果涉及敏感词，也不回答。

如果孩子偏题太远，要稍微严肃一点，说我们正在上课，并用比较简单、有趣的任务把他的注意力拉回来。

但在测试过程中，真正出现这种情况的孩子特别少。还有一个常识是，孩子要学很久，不是只上一节课。他上到第 4、5 节课时，对于和 AI Battle、调戏 AI 这件事已经没有动机了，因为不新鲜了。

而且对大多数孩子来说，可能从第一节课开始，他们也没有特别在意 AI 本身。孩子们早就用过大语言模型，和 DeepSeek、豆包都聊过类似的东西。

在这里，他们处于一个非常紧张的英语学习状态。和真人教学、和真正的外国人说话相比，当然已经轻松很多。我觉得这也是 AI 外教很大的优势，它会降低情感过滤的阈值。

但说英语肯定还是会紧张，因为毕竟是第二语言，而且要持续输出。一节课 25 分钟，要说一百多次，张嘴说一百多次，而且是有效输出。

所以对孩子来说，25 分钟的强度很大。他要跟着课件走，因为课件有剧情、有设计，一个小任务接着一个小任务，一个环节接着一个环节，像过关斩将一样。他的情绪应该是比较紧张的，但一直能够聚焦在学习上。

程曼祺

我之前看产品介绍时注意到，您提到老师有一种情感互动能力。这个老师人格上非常 nice、温暖。

和真人教师相比，这一点我特别好奇：为什么在产品定义时，会导向这样一个超温暖的人格？

这和学习规律有关，特别是外语学习，尤其是外语口语交际环境。

语言本身已经很陌生了，孩子压力很大，所以我们要想尽一切办法，让他处在非常舒适、自在、没有压力，而且愿意主动表达和输出的环境里。

我们要尽可能营造这样的环境，让孩子自由自在地表达，说错了也没关系，不会有人批评他，也没有人监督他。他可以畅所欲言，只要使用英语就可以。

我们觉得，这对英语学习非常关键，所以才把 AI 的性格设计成这样。但“好”本身不是目的，目的是让孩子学习。

我给他们定义的 AI 外教人格，并不只是说它性格 nice，或者永远对孩子有耐心，而是说，在孩子眼里，这个 AI 外教是有人格的。

孩子会对它形成一个认知，在心里建立一个图示：它特别，但它既不是普通老师，也不是真人老师，它又确实是一个老师。它到底是什么，现在可能还没有一个准确的名称，但它已经有了自己的位格和人格。

在孩子的认知里，它是一个处于不同位置的存在。这个存在对孩子会有一套稳定、特定的反应机制，孩子能够比较安全地知道：我说什么话，它大概会有什么反应。

其实我们理解每个真人也是这样。和一个人熟悉之后，我们知道朋友在某些情境下会给出什么反应，所以会和他做朋友。这个人在我们的认知里是有人格的，AI 外教和孩子的关系也是一样的。

程曼祺

有个问题没有写在提纲里，但我们既然聊到这里，也想问一下。

AI 老师好像有独立的位格，但它又不是真人。在人类现有的语言和概念体系里，似乎很难界定这种有独立位格、却不是人类的东西。

在产品中放入这样一个有独立位格的存在，会不会容易让人模糊界限？

举一个不太恰当、比较浅的例子：现在的小朋友看到玻璃就想摸，因为 iPad、学习机都是触摸式的。他们好像天然觉得，反光的东西、玻璃之类的都可以摸。这在某种程度上就是界限的模糊。

AI 老师当然更复杂。您怎么看这个问题？

我觉得这是一个自然形成的结果。我们在做之前并不是没有考虑，只是最初想的是怎样用产品把口语学习做好。产品完成后，通过观察孩子们的反应，以及 AI 外教真实的表现，我们才发现确实出现了这样的状态。

所以我和很多人交流时会举一个例子：我们不希望说 AI 外教有多少百分比像人，因为我们做的时候就没有把它往“像人”这个方向做。我们用的是二维动画，就像我们从来不会说狗有多少像人一样。

狗就是狗，它有自己在世界上的定位。小朋友还处于泛灵论阶段，看到小汽车、公主、洋娃娃，都会觉得它们在一定程度上有生命，虽然它们是物体。

在孩子的世界观和意识里，每个客体的生命性是不一样的。比如我家养的宠物狗，我会觉得它很有人性，它身上的人性比较多。我会和它说话，也会建立情感关系，但我完全不会误会它是人。

我觉得 AI 外教的出现，提供了一个新的位置。它只是一个新的点。孩子们都被称为 AI 原住民，对他们来说可能没有那么难接受。

他们可能还会看到其他 AI Agent 或其他东西，那些又是一个个新的点。在他们的认知体系里，这只是一种新的存在形式，带有一定的人性。

这种人性是通过交互过程中的反应建立起来的，但孩子不会误会它是人。

程曼祺

这让我想到一个外国小朋友很流行的视频合集：当孩子第一次被告知圣诞老人是假的时，他们崩溃的样子。那可能就是某种东西在成长过程中被消弭。

对，这是成长过程中必经的一步。但我们这个问题不涉及这一点，因为孩子一开始就知道它不是真人。

程曼祺

也不能说它是假的，它不是假人。

对，它的定位就不是假的。它不是“假”，而是一个不同的存在。

程曼祺

这个问题和口语学习特别有意思的地方有关，因为口语强调互动。人与人互动时会产生很多复杂的东西，不只是语言，还会有更多内容。

今天这个产品虽然是技术导向的，但我觉得它可能会诞生一些更广泛的意义，也会引发一些伦理思考。

特别是口语的互动性。我在想，如果一个人很小的时候就开始接触第二门语言，可能很难想象自己会怎样理解这个过程。

说到这里，内测阶段的用户数量和样本情况，修老师有没有什么数据？

9. Measuring Real Speaking Gains

我们现在一共测了 7000 节课。最早的一批测试用户已经跟着我们上了半年多，最多的用户已经完成了 26 周的学习。

程曼祺

在这个过程中，内测用户有没有什么特别重要的反馈，或者比较重大的迭代？和最开始的产品定义相比，有没有明显变化？

重大的变化没有，但局部细节非常多。因为每一节课我们都会拿过来看。

最近有一个孩子在教师节，也就是 9 月 10 日，拿着贺卡和花，去跟 Jessica 说“教师节快乐”，把礼物送给这个 AI 老师。

但 AI 老师的反应有点淡漠，有点冷漠。它在语义上没有问题，表情也是笑的，反应是正确的：它笑着说谢谢。但看起来不够激动，没有那种爆炸式的感动。

孩子拿礼物时，整个氛围已经被营造出来了。我们看到之后意识到，这应该是前期设定时的疏忽。

当时的设定更多是在模型层，还是策略层。因为产品还比较早期，我们没有对自然日历上的关键节日做特殊设定，所以马上回去补充了。

教师节，以及接下来的圣诞节、元旦、春节、中秋和端午，我们都会做相应的设计。

程曼祺

但它不是一个超温暖人格吗？

是，它其实也挺温暖的，只是没有意识到当天是一个特殊节日，所以没有给出更强烈的反应。

程曼祺

如果是一个比较平静的小朋友说“教师节快乐”，这个反应其实就算对了，对吗？

如果孩子主动说出“教师节快乐”，对于 AI 外教来说应该是一个非常大的鼓励。作为这样的性格设定，它至少应该给出一个彩蛋。

这个策略是我们后来设计出来的。

程曼祺

很多时候需要模拟对话者的意图和心态，预先做设计。但具体说什么话，我们管不着，大模型在这方面不能发挥作用吗？

模型直接生成反馈时，语言生成没有问题。在规定范围内，它的语言完全自主，也很恰当。

但我说的反馈，不依赖于语言模型本身。语言没有问题，它的状态和性格没有触发彩蛋。

AI 外教还需要做动作，动作也要结合语言调动，配合起来比较复杂。当时它没有做出最夸张的反应，也就是没有把这个反应设计到最强。

程曼祺

我原本以为老师的某些反应更多依赖模型。

平时确实是这样。

程曼祺

如果这种反应还要非常具体地写规则，规则是不是会特别多？

其实不多，大部分是场景。我们会把场景交给模型。

但有些情况是我们想保证的。我们不能说 AI 一定做不到，但没法预测它一定会反应得这么激烈。我们的判断是，这种情况下必须激烈，所以就会增加一些策略外挂。

程曼祺

内测阶段还有其他让您印象深刻的反馈吗？

最开始的第一版，有个小朋友当时可能面对 AI 的严格度调得太高，一句话读不过去，读了 5 遍，差点读哭了。

程曼祺

然后 AI 还是继续？

AI 很耐心地带着他读，但那是一种冷漠的耐心，一直重复。

这对我们来说非常糟糕，所以针对这个问题又做了很多调整，包括限制轮次，以及不断加强教学法：怎么先让孩子说熟悉的、短的内容，甚至更换原材料，带着他完成任务。

程曼祺

内测阶段衡量教学效果时，用了什么量表或者指标？

我们围绕这个产品构建了一个叫“口语力”的指标体系，分成口语表达的准确度、流利度和丰富度 3 个大维度。

每个大维度下面有 2 个小维度，每个小维度下面都有一些客观数据指标进行聚合。我们为每个小维度设定了公式，最后再通过一个总公式转化成分数。

其实相对简单，但做了很长时间。现在产品快上线了，口语力体系应该会比产品发布晚一点点发布。之后用户也能比较直观地看到自己的提升程度。

程曼祺

因为一节课有 25 分钟，孩子要说一百句话左右，所以一节课就能大概评估出来。上 4 节课之后，应该就能估得比较准确，对不对？

对。这个模型是我们未来会重点看的指标。

早期我们看一些比较粗的指标，比如 25 分钟内的有效开口次数。100 次以上，我们就觉得比较合理，因为平均每分钟要有 4 次完整表达，这个强度还是很大的，也能够完成教学目标。

程曼祺

最后是不是还是要通过考试，才能看出孩子的进步程度？

口语不太需要考试。因为一节 25 分钟的课里，孩子就必须说出这些话，没有太多拐杖。

除非他不会，老师可能会提供一些帮助，但最终还是要靠他自己说出来。其实每一节课都是一次考试，都可以完成测验。

如果要验收成果，在 L4 水平，我们要交付 KET 水平。所以到 L4 时，我们会赠送很多 KET 口语模考。

程曼祺

赠送模考？

对，赠送模考。你不考也可以，这不是课内内容。

程曼祺

这就是真正的彩蛋，小朋友突然收到模考试题。

对。口语学习最终还是要交付成果。如果对我们自己的口语力体系不是非常有信心，也可以通过外部考试进行测验。

程曼祺

10. From AI Product to Learning Business

我第一次看到斑马口语时，有一个最大的疑问。产品现状我们已经聊得比较完整了，接下来可以聊未来和商业化。

我一开始的问题是，为什么课程不能复用？我还专门和你们的老师确认过。真人外教很难找，所以我想找 AI 外教，但 AI 老师好像也只给我一次机会。

我不是做这个行业的，但这对我来说挺奇怪，不知道为什么。

主要是因为我们判断没有必要，没有再次学习同一节课的场景。

一个主题有 4 节课：两节对话课、一节表达课，还有一节综合运用课。综合运用课带有复习性质，会把前三节课的能力和知识，通过一个连贯的剧情，让孩子在完成任务的过程中重新复现一遍。

此外，我们还有配套的预习、复习等课外环节。所以孩子完整上过一节课之后，不再存在重复上一遍的需求，我们也不建议他重复上。

我们不希望孩子浪费时间。25 分钟对孩子来说很宝贵，而且一周两次已经是很多家庭的极限。大多数家庭不只是学英语，还有很多科目和项目，能够抽出两天、每天 25 分钟专门练习英语口语，已经很不错了。

在这种情况下，没有必要重复上一节课。课程里的单词、句型和对话能力，都会在后续学习中循环复现。

比如这节课学了将来时，可能 4 周之后还会再学将来时，只是难度稍微高一点，会在已经学过的基础上继续。

程曼祺

这就是您说的教学体系的节奏，对吧？孩子不需要当场把一个知识点彻底学会。

对。从教育角度来说，也不建议孩子非要在当场把知识点完全掌握。所以我们干脆不开重复上课的功能。

程曼祺

继续谈谈未来。刚才稍微聊到，未来可能在产品里接入 AIGC 能力。

首先，产品本身未来会怎样演化，除了增加更多课件之外？其次，它和 AI Agent、大模型技术的发展之间是什么关系？

我们现在首先确实需要完成更多课件。

这不仅是数量问题，还包括更高级水平能不能胜任，以及基础更差的孩子能不能使用这个功能，这些都需要继续验证。基础更好的孩子，我们比较有信心，基础更差的孩子还需要大量投入。

如果畅想一下，我觉得实时生成课件会是一个很大的突破。

孩子的想法有时天马行空，大模型的能力也很强。仅从语言交流来说，它们能做到的事情很多。但我们现在仍然相对受限，必须依据设定好的课件和课纲来做。

实际上，大模型有能力进行针对性教学。但因为是儿童学习，如果课程只是一个脸对着另一个脸，课是进行不下去的，一定要有素材和课件支持。

如果课件能够由 AI 根据孩子的兴趣点和当天的话题实时生成，比如当场画妈妈，真的画得更像，还能调用更多数据形成课件，教学效果应该会更好。

另外，我们现在的对话实现方式也有改进和优化空间，但目前技术还不够成熟。

程曼祺

您觉得技术主要的问题在哪里？

目前的流程是先识别孩子的语音，转成文字，再由模型理解文字、生成文字，最后通过 TTS 把文字生成语音。

程曼祺

也就是说，它还不是原生多模态模型，仍然是文字模型？

对。在这个场景下，原生多模态模型暂时还做不到直接使用。

因为我们有教学要求。比如孩子一句话说得不好时，我们需要把他的原话打在屏幕上，让他看到自己的口语输出；如果某个词说得不精准，就直接标出来，替换成精准的词，老师再重读一遍。

真人外教很难做到这一点，这也是 AI 外教的一个优点。但这要求我们优先识别语音并转换成文字，所以它和教学有关系。

现在仍然有少量延迟。我们评估过，在正常网络状态下，它和真人外教在线上课时的延迟差不多，体验没有更差，但还可以做得更好。

这些细节看起来很小，大概就是一百毫秒左右，人很难明显感知差别，但仍然需要底层技术继续发展才能支持。

程曼祺

我看到斑马口语时，因为它是主动式、基于 Agent 的全栈式产品，所以“主动”这个点对我来说更重要。

我们知道在教育场景里有很多争论：构建在模型上的产品，可能会随着模型能力进化而被冲掉。过去我们看过很多例子，模型一开始只能处理文字，于是有人在上面增加工程化能力，做成一个产品。

但当 OpenAI 等公司发布新模型，模型本身的能力大幅提升，Agent 也会发生变化。比如自主编制 Agent 的门槛越来越低，甚至只用自然语言 Prompt，就可以比较容易地编制出 Agent。

斑马口语是收费产品，这就涉及商业化。您会不会担心，模型加速进化、加速普及后，制作 Agent 的门槛进一步降低，从而冲击产品定位和价格？

我还是比较期待模型能力大幅提升。我们也会跟得很紧，如果模型能力有提升，在需求这一块我们肯定会更快行动。

因为我们积累的经验和数据更多，儿童教学确实和其他领域不太一样。我想了一下，医疗、教育和 AI 的结合，可能和其他领域都不太一样，因为涉及人命关天的事情。

特别是教学，没有办法一蹴而就。模型不管发展得多好，终归还是要基于人类数据、基于过往数据。

但教育这件事，数据没有经验更有说服力。无论是从网上、各大企业还是学校拿来的数据，都没有办法直接用于面对这个孩子时“应该怎么教他说英语”这个问题。

其中经验和人力的比重特别大。这里仅限于教学这一段，但比如成年人学英语就不一定。成人商务英语可能完全可以告诉 AI 怎么做。

程曼祺

我其实有个不同看法。

对，但儿童教育还是很精密。先学哪些词，后学哪些词，哪些能力应该怎么发展，都不能让 AI 随便发挥。

程曼祺

这是不是构成了一种张力：一边是大模型的能力边界，另一边是对它的应用进行控制？

对，就像汽车一样。原则上你可以开得非常快，但不能让法拉利在大街上像赛道一样跑。

程曼祺

法拉利当然可以在大街上跑，但不能按照赛道模式放开跑。

对，不能放开了跑。还是要注意人的需求。

所以我们在看待产品时，也不觉得所有教学和学习场景都适合斑马口语这种做法，也不觉得所有场合都有可能实现。

但就对话这个需求来说，短时间内仍然需要人的强干预。除非像我们刚才聊到的，AIGC 能力发生蜕变，能够实时生成课件。

如果实时生成课件成为可能，对我们来说就是非常好的消息。我们会很快把现在的课件全部取消，去做新的产品。

在此之前，课件就是学习的一个壁垒。

程曼祺

这可以理解成护城河吗？您刚才提到的经验，很难在短时间内被轻易拿走。

对。这是基于斑马一直以来对儿童教育的研究积累。

我们一直对全年龄段儿童进行比较细致的观察和研究。实际工作中的经验告诉我，比如招聘教研老师或者产品人员参与这个项目，至少要培训两个月。

一个人只需要完成其中一个环节，而且他已经有教学经验，英语很好，也有教学经验，但仍然至少要培训两个月才能上手，并且只能胜任一个方面。

所以现在包括我在内，没有任何一个人能够全盘掌握这个产品的所有逻辑。

哪怕把所有资料公开，复制给另一家公司，也很难做出来。因为有些东西看也看不懂，里面的逻辑非常复杂。

程曼祺

下一个问题是产品定价策略，或者说付费逻辑。修老师可以整体讲一下吗？

付费这件事我们讨论过很多轮，最后确定先按照级别收费。

我们还是放弃从 AI 产品的角度看这个事情，而是从学习产品的角度来看。我们看了市场上口语学习产品大概的定价区间和付费习惯，觉得口语按照一个级别一个级别地学习，对家长和学生来说是比较完整的一次学习体验。

所以还是按级别付费，一个级别 3600 元。

这个价格比较符合大部分用户对一年口语学习产品的心理价位。我们觉得其实定得稍微低了一点，但因为它是 AI 外教，很多家长很难一下子完全信任，所以我们不希望价格成为阻碍很多人使用这款产品的因素。

内测时我们是打折卖的，大概是 7.7 折，价格在 1500 到 2000 元之间，基本没有人觉得不能接受。

所以我们觉得 3600 元还可以。我们也调研了家长的预期，家长其实很实在。他们不太关心这是 AI 外教还是真人外教，也不太关心具体形式，只关心你交付什么样的教学效果，多少天能带来什么学习效果。

因为我们提供试听，孩子会自己试听并反馈，所以家长在消费决策上还是比较理性的。

程曼祺

您刚才说，内部开过很多会，最后决定把它当作学习产品来推。为什么？

它的根本起点是解决一个需求，也就是解决口语学习的需求，交付结果也是口语学习成果。

程曼祺

所以产品框架逻辑不一样，但更高层的概念还是一样的，都是为了解决一个问题。

我说的其实是 AI 产品的付费逻辑。现在关于 AI 产品的付费逻辑、市场潜力和付费意愿，有很多争论。

比较主流的一种看法是，模型本身可能不值钱，构建在模型之上、能够形成数据飞轮和用户黏性的产品，才更有价值。

这确实涉及商业模式和对 AI 产品的理解。

同类竞品目前还没有，我们其实不排斥竞争，反而希望更多人来做，但现在还没有。

一方面，产品形态非常新；另一方面，外教真的太难找。合法途径很少，线下外教也参差不齐，但大家学习口语的需求又非常强烈。

至少在 10 万以内的规模里，我们觉得压力不大。在这个基础上，预期空间还会更大。

程曼祺

这也是下一个问题。主动式口语产品等于是斑马第一个做，我们也知道，除了教育品牌之外，很多互联网公司也在布局教育赛道，特别是软件产品，而不是硬件。

您怎么看待这种竞争？行业先发有时意味着抢跑、独树一帜，但有时也代表大家对这个赛道存在犹豫，或者还没有完全看准。

基于您的视角，您怎么看斑马口语率先推出这款产品，以及未来竞争环境可能怎样演变？

结合我个人参与这款产品研发的经验，之前我也说过，我们觉得推出得晚了，所以其实并没有抢跑，一直在拖延，直到把产品做到内部满意才推出。

其他家只有亲自做了才知道，这个工作太苦了。产品表面看不出来的东西都得做。如果不做，有效性或者可靠性可能从 99.9% 降到 97%。

但对教育产品来说，97% 是不能接受的。100 个人里有 3 个人在教育上出错，这是我们不能接受的。

看起来只有 3% 的工作，实际要投入非常多，投入和结果并不成正比。前期研发投入很难计算。

虽然 AI 很智能，但在现在这个阶段，仍然需要大量死功夫、硬功夫，还要反复测验。这里面吃的苦很多。

所以我觉得，规模一般的公司现在不太能做这件事。我们也投入了很多，光研发投入就已经算到 2 亿元了。一般规模的公司或者创业公司，不太能做这样的事情，我们不太担心这方面的竞争。

同等规模的教育公司，就要看它们的决心，以及各自的教研特长。有些公司擅长数学，有些公司擅长语文，每家公司都有自己的专长。

斑马对英语确实极度擅长。其他公司在 AI 探索上，也可能优先推出 AI 语文产品，这完全有可能。但教育行业里，一个公司对某个方向的专业度，会非常影响产品推出的力度，以及最终能不能实现。

对于非教育类大厂来说，我觉得还要看它们的眼光和战略。它们面对教育时，可能更想做通用型工具，或者市场更大的产品，不一定会像我们一样，花很多精力去做一个像钉子一样垂直下钻的产品。

程曼祺

最近我们也看到豆包出现了一些教育相关功能。

我觉得做得挺好，比如高年级的批改、答疑。但这些是通用基础功能。

根据我们目前的评估，市面上所有可见的 AI 教育科技产品，基本都可以平替真人老师的水平。只要我能找到一个优秀老师，我也可以做出一个平替 AI 的产品。

反过来也是一样，双方都可以互相平替。能做到平替优秀老师，已经是非常好的工具。

但斑马口语抓的点是：老师平替不了我们。随便找一个老师，都无法完成 AI 外教能够完成的口语训练。

未来做其他教育产品时，我们也可能结合 AI 技术发展继续研发，但会坚持这个方向：如果一件事老师能做、人也能做，我们就不做。大概是这样一个产品方向。

程曼祺

您刚才提到产品开发需要一定规模优势，可以简单介绍一下研发团队的规模和组成吗？

团队组成相对传统。

首先是教研团队，负责教学体系设计、教学法录入，以及专业知识等内容。

然后是动画交互团队，负责整个课件的交互设计和实现。这些属于内容团队。

还有产品团队，负责产品框架设计；研发团队，负责产品整体落地实现。

我们还有音视频中台，负责直播引擎、声音等部分，再和 AI Lab 合作，接入模型、进行模型训练，以及语音识别、TTS 等训练。

除此之外，还有一个跨部门的标注和质检团队，主要也还是由教研负责。因为需要比较专业的判断，所有数据都要进行标注和质检，质检之后还要继续调优。

我们的产品还涉及一件事：每一堂课都要打分。过去我们会给外教打分，评价一节课上得怎么样，现在用同样的维度给 AI 模型的每节课打分。

如果某些维度得分偏低，就会迭代课程。

所以我们内部还有一条平行的迭代线，相当于两个团队在做这件事：一个团队负责测试，测试完之后，另一个团队负责迭代，迭代后的版本再上线。

程曼祺

这样团队总规模一共有多少人？

加起来大概 200 人左右。

程曼祺

开发逻辑和一般产品差别很大吗？

我们觉得其实差别没有那么大，主要是标注和质检的量比较大。

程曼祺

您说的标注，主要是教学数据吗？

对，主要是教学数据。

程曼祺

咱们是几号发布？

18 号。

程曼祺

它是软件形式吗？之后会快速迭代，还是按照版本更新？

现在只有一个级别，很快会有两个级别。

程曼祺

更新周期是什么样的？

会按照研发进度推进，大概一年上线一个级别。

程曼祺

那岂不是一个 5 年规划？

对。

现在上线的是 Level 1。低年龄段的产品比较难做，高年龄段相对简单，但内容会偏难，可能学习的人比较少，大部分用户可能需要从我们这里逐步升上去。

所以我们先从中间年龄段开始，再向两边拓展。