AI浪潮下，語言學(xué)習(xí)應(yīng)用真的會被大模型取代嗎？多鄰國用1.3億月活的成績給出否定答案。本文將深度解析這款產(chǎn)品如何將GPT-4轉(zhuǎn)化為結(jié)構(gòu)化教學(xué)工具，以及其核心壁壘Birdbrain模型背后的個性化學(xué)習(xí)邏輯，揭秘教育科技獨(dú)角獸在AI時代的生存法則。

———— / BEGIN / ————

在人工智能快速發(fā)展的背景下，很多傳統(tǒng)軟件公司都面臨一個現(xiàn)實(shí)問題：

當(dāng) AI 可以直接完成原本由軟件實(shí)現(xiàn)的功能時，這些產(chǎn)品是否會被“繞開”？

語言學(xué)習(xí)類應(yīng)用尤其如此。

大模型已經(jīng)可以對話、翻譯、糾錯，看起來似乎可以直接替代一整套學(xué)習(xí)軟件。

但從多鄰國（Duolingo）的表現(xiàn)來看，事情并沒有沿著這條路徑發(fā)展。

公司概況

多鄰國成立于 2011 年，創(chuàng)始人是著名的“驗證碼之父”、卡內(nèi)基梅隆大學(xué)教授路易斯·馮·安。他的初衷非常純粹：利用技術(shù)力量，讓每個人都能免費(fèi)獲得高質(zhì)量的教育。

起步之初，多鄰國采用了一種奇妙的眾包模式:讓用戶在練習(xí)翻譯句子的同時，順便幫互聯(lián)網(wǎng)公司翻譯網(wǎng)頁。

雖然這個商業(yè)路徑后來發(fā)生了轉(zhuǎn)變，但其核心的免費(fèi)+游戲化基因保留了下來。

亮眼的市場表現(xiàn)（截至2025年底數(shù)據(jù)）：

• 用戶規(guī)模：月活躍用戶已突破1.3 億，每天有超過5000萬人跟著那只綠色小鳥打卡。

• 財務(wù)表現(xiàn)：2025 年全年收入預(yù)計突破10億美元，且已實(shí)現(xiàn)規(guī)?；?。

• 資本認(rèn)可：公司目前市值穩(wěn)定在80億至100億美元（約合600-700億人民幣）區(qū)間，是全球教育科技領(lǐng)域當(dāng)之無愧的領(lǐng)頭羊。

在傳統(tǒng)教育軟件中，最難、也最貴的事情之一，是持續(xù)生產(chǎn)高質(zhì)量內(nèi)容。

無論是語言課程，還是數(shù)學(xué)、邏輯訓(xùn)練，都需要大量專家參與：編寫教材、設(shè)計題目、控制難度、反復(fù)測試。

這使得擴(kuò)展新語言、新學(xué)科的成本非常高。多鄰國近年來逐步改變了這一結(jié)構(gòu)。

1. 內(nèi)容生產(chǎn)從人工創(chuàng)作轉(zhuǎn)向工程流程

多鄰國將內(nèi)容生成拆解為一套流水線：

• 人類專家負(fù)責(zé)定義規(guī)則、學(xué)習(xí)目標(biāo)和質(zhì)量標(biāo)準(zhǔn)

• AI 負(fù)責(zé)大規(guī)模生成練習(xí)內(nèi)容

• 再由人工進(jìn)行抽檢、修正和驗證

在這個模式下，內(nèi)容不再是“手工藝品”，而是可以規(guī)?；瘡?fù)制的產(chǎn)品。

2. 新學(xué)科、新語言的單位成本顯著下降

正是在這一基礎(chǔ)上，多鄰國開始拓展語言之外的領(lǐng)域，例如數(shù)學(xué)、國際象棋等。

這些新業(yè)務(wù)并不意味著重新搭建一整套團(tuán)隊，而是復(fù)用已有的內(nèi)容生成和評估體系。

從結(jié)果看，AI 并沒有讓多鄰國變得更花哨，而是讓擴(kuò)張變得更便宜、更快。

GPT-4 在多鄰國里，并不是聊天，而是練習(xí)工具

多鄰國確實(shí)使用了 GPT-4，但方式與直接聊天并不相同。

1. 角色扮演：對話被結(jié)構(gòu)化了

在 GPT-4 支持下，多鄰國推出了角色扮演式對話練習(xí)。

學(xué)習(xí)者不再是隨意聊天，而是進(jìn)入一個設(shè)定明確的情境，例如點(diǎn)餐、問路、面試等。

AI 的作用不是自由發(fā)揮，而是：

• 根據(jù)學(xué)習(xí)者水平控制用詞和句式

• 在對話中有意識地引導(dǎo)特定語言點(diǎn)

• 在出錯時及時給出反饋，而不是簡單糾正

這種設(shè)計的關(guān)鍵在于：AI 并沒有替代教學(xué)結(jié)構(gòu)，而是被嵌入進(jìn)教學(xué)結(jié)構(gòu)之中。

2. Explain My Answer：在犯錯瞬間提供解釋

另一項功能是“解釋我的答案”。

當(dāng)用戶答錯時，GPT-4 會根據(jù)上下文解釋為什么錯、錯在哪里，以及正確思路是什么。

在傳統(tǒng)學(xué)習(xí)中，這類即時解釋通常只有私人教師才能做到，成本極高。

AI 的引入，讓這種反饋可以被大規(guī)模復(fù)制。

真正的核心壁壘：Birdbrain，而不是生成能力

如果說 GPT-4 解決的是“怎么練”，那么多鄰國真正長期投入的，是“練什么、什么時候練”。

這背后是一套名為Birdbrain的內(nèi)部個性化模型。

1. 決定學(xué)習(xí)路徑，而不是生成題目

在 AI 時代，生成練習(xí)并不難。難的是判斷：

• 用戶當(dāng)前真正掌握了什么

• 哪些內(nèi)容正在被遺忘

• 下一步應(yīng)該給出多難的練習(xí)，才能既有挑戰(zhàn)又不至于放棄

Birdbrain 的目標(biāo)，就是對這些問題進(jìn)行持續(xù)預(yù)測。

2. 數(shù)據(jù)規(guī)模帶來的正反饋

多鄰國目前擁有超過 1 億月活躍用戶。

每一次答題、跳過、放棄、回歸，都會形成明確的行為信號。

這些信號不斷反饋到 Birdbrain 系統(tǒng)中，形成一個閉環(huán)：用戶越多 → 數(shù)據(jù)越多 → 個性化判斷越準(zhǔn)確 → 學(xué)習(xí)體驗越好 → 留存率越高

這是一個難以被小規(guī)模產(chǎn)品復(fù)制的結(jié)構(gòu)性優(yōu)勢。

3. 不自研大模型，反而是一種策略選擇

多鄰國并沒有嘗試訓(xùn)練自己的通用大模型，這并不是能力不足，而是定位清晰：作為應(yīng)用層公司，吸收外部最優(yōu)模型。

多鄰國的策略是：直接使用當(dāng)前最強(qiáng)的通用模型，在外部模型之上構(gòu)建安全、穩(wěn)定、可控的產(chǎn)品體驗。

這樣做的好處是，可以持續(xù)吃到模型進(jìn)步的紅利，而不承擔(dān)基礎(chǔ)模型研發(fā)的高成本和高風(fēng)險。

4. 游戲化環(huán)境天然適合強(qiáng)化式優(yōu)化

多鄰國的學(xué)習(xí)過程會產(chǎn)生大量清晰反饋：完成/放棄、正確/錯誤、次日是否回歸、是否續(xù)費(fèi)。

這種明確結(jié)果，非常適合進(jìn)行類似強(qiáng)化學(xué)習(xí)的優(yōu)化，用來持續(xù)微調(diào)內(nèi)容順序和難度。

基于此，多鄰國近年來向數(shù)學(xué)、音樂、國際象棋等方向擴(kuò)展，并非偶然。

關(guān)鍵在于，它的核心資產(chǎn)并不是某一門課程，而是三件事：

1. 高頻、低門檻的學(xué)習(xí)行為

2. 明確的進(jìn)度與反饋

3. 可復(fù)用的個性化與激勵機(jī)制

在這樣的架構(gòu)下，新增一個學(xué)科，更像是增加內(nèi)容層，而不是重新做一個產(chǎn)品。

從更宏觀的行業(yè)視角看，多鄰國的案例說明了一件事：

在 AI 能力快速外溢的階段，真正安全、甚至可能受益的公司，并不是那些最先用上 AI 的產(chǎn)品，而是那些

原本就具備高頻使用場景、清晰反饋機(jī)制和長期用戶關(guān)系的應(yīng)用。

這也給整個應(yīng)用層一個明確啟示：

AI 的長期價值，不在于替代產(chǎn)品，而在于放大那些已經(jīng)被驗證、但過去受限于成本與規(guī)模的產(chǎn)品機(jī)制。

本文來自公眾號：Fun AI Everyday作者：張艾拉

想要第一時間了解行業(yè)動態(tài)、面試技巧、商業(yè)知識等等等？加入產(chǎn)品經(jīng)理進(jìn)化營，跟優(yōu)秀的產(chǎn)品人一起交流成長！