摘要

Duolingo的“AI-first”首先意味着内容生产速度。 公司花了12年才做出最初约100门课程；如今在人工设计课程体系、AI生成句子内容的情况下，一年又上线了148门课程——“过去根本不可能做到……得花几十年”。Severin描绘的终局，是即时个性化：“我们为什么还要在后台批量生成这些内容？”用户打开App时，每道练习都动态生成，复刻只有国王和亿万富翁女儿才负担得起的一对一导师。
Severin认为，工程师会被迅速替代是“硅谷式夸张”。 AI工具很擅长把简单App从0做到80%，也擅长处理单文件改造；但“代码库越大……表现越差”，还会制造自己无法修复的技术债。一年前他会说5年后工程师数量增加“100%”，现在没那么确定了——但降本带动需求上升的悖论，可能意味着软件供给和创造软件的人都会更多；而产品、工程和设计岗位占Duolingo员工的70-80%，未来可能合并成“产品工程设计师”。AGI加全民基本收入：“不是未来5年……也许10年……更可能是20年。”
OpenAI带来的威胁，核心是动机问题。 ChatGPT摧毁了“作业作弊生意”，Duolingo却曾被市场误判为AI输家，后来转成赢家。Severin的防守建立在动机之上：Duolingo是“动机引擎”；用户被问到没有Duolingo会做什么时，“从来没人提其他语言学习竞品——他们说，哦，我会花更多时间刷社交媒体。”Harry的反驳也成立：语言学习是OpenAI继聊天、客服和编程之后的第四个显而易见的垂直领域——“LLM这个名字里就有语言模型。”
对消费级学习来说，留存是唯一重要的指标，而这个市场赢家通吃。 连续12年，每年都有一两家风投支持的竞品靠买量快速增长，但“最终不可避免地又掉下去……没有留存就是漏水的桶”。他真正担心的，是一家留存率高于Duolingo的公司。投资人不愿听的秘密配方是“成千上万次A/B实验”——仅连续打卡机制就做过约300次微调实验。
融资时，信号比条款更重要。 “融到300万美元比融到1亿美元更难。”Duolingo在2011年的A轮融资是300万美元、投后估值1500万美元；按他的回忆，当时只有一个报价——“要么USV，要么回学校”——因为所有硅谷VC都要求他们搬去硅谷。“永远尽量从最顶级的一级VC融资，即便条款略差，因为信号效应太大。”交易只有3种：没有交易、标准交易，以及一代人中才出现一次的极端离群值——Duolingo基本拿到的是标准交易。
对欧洲的结论很残酷：年轻的欧洲AI创始人应该“100%去硅谷”。 “我可以保证，Duolingo不可能在欧洲融到钱——前5年我们零收入。”他甚至认为，欧洲最好的局面可能是美国限制创始人移民，因为如今有抱负的人直接用脚投票。欧盟《AI法案》是“有史以来最愚蠢的监管之一”——就像奥斯曼帝国禁止印刷术。
AI的利润率逻辑必须拆开看。 内容生成是一次性成本，“对毛利率极其有利”；Video Call with Lily这类对话功能则按API调用产生单位成本，因此在推理价格下降前被放在最高档的Max订阅里。Decagon的AI能处理70-80%的客服工单，而降本带动需求上升的逻辑再次成立：成本降到原来的1/10至1/100后，客服可能从付费订阅用户扩展到所有人。模型层面会保持竞争，专业音频和语音则不同，11 Labs“可能更难被简单替代”。
Severin觉得，公开市场对可预测性的重视“甚至超过利润率或增长”。 Harry指出，在不可预测的AI时代，这可能反而是弱点；Severin承认，眼下留在私有市场的理由更充分，但仍支持上市：Duolingo IPO造就了一批百万富翁，他们把资金重新投入匹兹堡生态，“这正是欧洲需要的”。关于财富，退出创始人研究对“多少钱才够”的答案是1亿美元。

精读

1. “AI-first”意味着一年新增148门课程，而不是战略转向

Severin重新定义了Duolingo：它从一开始就在做一件事——让所有人都能获得只有精英才能负担的一对一导师。“最好的教育过去只有最富有的人、国王才能获得”，现在仍然如此：他回忆的一场美网决赛中，参赛者里有“2位亿万富翁的女儿”，她们正是1对1教练模式培养出来的。“Duolingo从第一天起就是技术优先……当时我们叫它软件，现在叫它AI。某种意义上，除了AI变得好得多，其他并没有太大变化。”
关键证明是：做出最初100门课程花了约12年；借助AI，Duolingo一年又做出了148门。“过去根本不可能做到。得花几十年。”
在真正关键的环节，人类仍然参与：课程设计“完全由人完成”。AI在严格约束下生成课内短句——一次引入一个新词，“写一个使用这些词、不能使用其他词、且只使用这些语法概念的句子”。作为OpenAI可能在GPT-4时期的早期发布合作伙伴，他第一次接触时的反应是“iPhone时刻——你突然意识到，这就是未来”。

2. 终局是按用户即时生成课程

Harry追问，既然Duolingo拥有“数亿”学习者的完成率数据，难道不该让AI来设计课程吗？这相当于“最大的学校”对比只有20-30名学生的教育研究。Severin进一步提出：“我们为什么还要在后台批量生成这些内容？为什么不即时生成？”用户喜欢橄榄球、即将去法国旅行，于是每道练习都在打开App的瞬间为他定制。
个性化之所以有效，是因为这正是一对一导师的优势——“他们特别擅长评估。他们知道你现在在哪，也知道你需要去哪里”，还知道你的兴趣。他认为：个性化就是教育的未来，而且一定会是多模态的，100%会。
现在的实时版本是Video Call with Lily：紫发角色Lily“不是一对一导师，更像朋友，但她会记得一些事”，比如用户喜欢做饭、住在哪里。完整对话曾是用户呼声最高的缺口——“我想提高口语”——而“两三年前你还做不出来”。

3. 3条内部AI路径，不强制指定工具

Severin将AI分为3类：(1) 内容生成——最大的成功，“彻底改变了我们的内容生产方式”；(2) 过去无法构建的AI功能，比如Lily；(3) 全公司生产力——工程师使用Cursor，AI负责客服支持。
在工具政策上，Duolingo“出奇地平等、由下而上”：不强制指定工具——“用任何能让你更高效的工具，我们来付钱”——Cursor、ChatGPT、Copilot都可以，“然后看大家实际在用什么”。
经典的幻觉问题在这里并不构成障碍：“我们教的是语言——只要语法正确，就没问题。如果它编造历史事实，我们又不教历史。”

4. AI编程工具的真实水平：0到80%很强，大型代码库里就迷路

他给硅谷式乐观降温，同时保留了限定语气：“我认为，软件工程师会被迅速替代这件事里有很多硅谷式夸张。我没那么确定。”这些工具擅长把简单App从0做到80%，也擅长简单App构建器的场景和孤立的单文件改造。
失败模式是：“代码库越大——哪怕是会自我生成的代码库——表现越差。”后面的10%和前面的80%花费同样长的时间，而且工具“会制造自己也无法真正解决的技术债”。它们目前还做不到的，是“给大型代码库增加一个功能，哪怕是简单功能”。他两次强调自己的不确定性：“也许我错了，也许这段话以后会显得过时。”

5. 工程师会更多还是更少？降本逻辑与岗位融合

被问到5年后Duolingo的工程师会更多还是更少时，他说：“如果你一年前问我，我会说多100%。现在我没那么确定了。”但两股力量仍在推动软件供给增加：进入门槛下降了——“你妈妈可能都能用Lovable做一个App”；单位代码成本也在坍塌，形成降本带动需求上升的悖论：软件越便宜，需求可能越大。
结构性判断是：产品、工程和设计岗位合计占Duolingo员工的70-80%，而AI会催生“某种意义上的产品工程设计师——一个人可以在一定程度上完成所有这些岗位的工作”。软件更多，创造软件的人也更多；“至于我们还会不会叫他们软件工程师，我不确定。”
关于计算机科学学位，他认为大学并不真正教授编程——“计算机科学某种意义上是应用数学”；Java、Python的具体细节“会消失”，但逻辑解题能力会留下。给18岁年轻人的结论是：“未来5年，可能仍然是一个不错的投资。”
对AGI和全民基本收入，他是相信的，只是时间很长：“未来5年不会……也许未来10年……更可能是20年。”更具哲学意味的是：最接近AI革命的人，恰恰从工作中获得意义，这正是“我们最害怕它的原因——我们觉得自己可能失去意义”。进入后工作时代，人们开场不再问“你做什么工作”，而会问“你的爱好是什么”。

6. 继续招初级员工——“只招高级工程师”的共识是错误的

Harry转述了一位可能叫Jason Lemkin的人提出的判断：AI已经能匹配初级技术工人，“12个月内我们会看到这一层级出现大规模失业”。Severin说：“我不确定。”市场共识是AI能做实习生的工作，因此停止招实习生，“这是错误的，Duolingo实际上没有这么做。”从一开始就和这些工具一起成长的人，会更擅长使用它们：“我敢打赌，一个花1000小时使用ChatGPT的人，会比我更会用它。”
Gen Z的案例是Duolingo的社交媒体团队：他们从Z世代中招人，Zaria“从根本上理解这件事，不是Z世代的人永远无法以同样方式理解”。Severin坦言：“我打开TikTok，看我们自己的Duolingo内容，完全看不懂。哪里好笑？为什么大家会看？但它就是非常受欢迎。”

7. 客服经济学：Decagon能处理70-80%的工单，降本逻辑再次成立

Duolingo使用Decagon提供AI客服，能处理70-80%的工单。剩余部分仍由人工客服完成，但真正的变化在于服务范围可以扩大：目前客服只向付费订阅用户开放；“如果我们能把客服成本降低10倍或100倍，就可以把它提供给所有人。”这仍是降本带动需求上升的悖论：“成本下降，需求就会上升。”
不同场景的利润结构不同：内容生成是一次性成本，“对毛利率极其有利。”Lily这类对话功能则每次API调用都有真实的单位成本，因此Lily被放在3档订阅中的最高档Max里——免费、Super、Max。“我们希望把它给所有人，但现实是现在确实有单位成本。”他的判断是，批量处理的成本已经在竞争中下降；实时多模态也会跟上，“最终……几乎所有人都能用”。
关于模型关系，通用模型会面临竞争，但在专业领域——视觉，尤其是音频——竞争更少，也能看到一些公司持续保持领先。11 Labs的声音“可能更难被某一个模型简单替代”。

8. OpenAI问题：核心防线是动机

Harry把他带回市场曾担心ChatGPT吞噬语言学习、导致股价下跌的问题。Severin的结构性回答是：ChatGPT最初的杀手级用例是“作业作弊，如果要找一个不那么好听的说法”，这对那些“自称教育公司、实际上做的是作业作弊生意”的企业是“毁灭性的”。Duolingo被错误地归入其中——市场最初把公司二分为AI赢家和AI输家，先把Duolingo归为输家，后来才转向赢家，享受AI顺风。
他认为，重复了10年却仍没人真正相信的核心洞察是：学语言最难的部分是动机。“Duolingo是一台动机引擎……只要你坚持，就真的能学会一门语言。”用户被问到如果Duolingo消失会做什么时，给出了最直接的答案：“从来没人提我们的语言学习竞品——他们说，哦，我会花更多时间刷社交媒体。”
他承认Harry的场景确实存在风险：ChatGPT用一个简单的“和朋友聊天”模式吸走休闲用户，“肯定是某种程度上的担忧”。但他两次反驳：“如果我是Sam Altman……我会去攻打搜索或社交媒体这类万亿美元级公司”；同时，Luis提出的框架是，把游戏化机制塞进另一个App里只是二等公民——“很难让这种体验像专门为此打造的App一样有黏性。”Harry的反驳值得保留：OpenAI显而易见的垂直领域依次是聊天（已经拥有）、客服（会买下）、编程（刚刚买下），第四个就是语言学习——“LLM这个名字里就有语言模型……这并不牵强。”Severin回答：“好吧，我们拭目以待。”

9. 细节就是产品——数学App折返教会了超级App战略

Severin借用了一句可能来自Spotify的Gustav Söderström的话——“细节不是细节，细节就是产品”——并完全认同：“归根结底，产品质量就是细节。”Luis能在半秒内发现某个东西没有正确对齐。细节决定留存——也是核心指标——以及用户推荐：“这就是好App和伟大App的区别。”
他坦言，拓展数学业务时，他们做了一个完全独立的Duolingo Math App，后来却发现自己在重新实现排行榜、联赛和连续打卡机制；用户则要经历发现、下载、安装、授权的一连串流程，还要面对一个令人困惑的第二个连续打卡。由此形成的规则是：“不再做新App。如果是教育内容，就放进主App。”这在公司内部就是超级App战略。内容已经迁移过去，因此并没有浪费。
国际象棋展示了新的开发速度：2名内部对其充满热情的员工——一名有一定工程背景但几乎不会编程的产品经理，加上一名设计师——用Cursor和AI工具做出了第一个版本；“正是这个原型说服了我们……如果当时只有一份Figma设计，我们可能会说，也许，也许不会。”完整课程在9个月内上线，是有史以来最快做出的课程；过去通常要花数年。

10. 挑战哈佛，解决的是资质与社群，而不只是教学

Severin把高等教育拆成3部分：教学、资质——“否则你永远都要重新证明自己懂某件事”——以及人们结识伴侣、建立人脉的社交层。“大多数教育科技公司只关注第一项。如果真的想颠覆哈佛这样的机构，就必须解决这3件事。”被问到Duolingo实现使命是否意味着颠覆哈佛时，他回答：“是的，我们会。”
在资质方面，切入口是Duolingo Score——“我的法语Duolingo分数是61分”——他们希望它成为描述语言熟练度的标准词汇。社交层是他目前最着迷、也承认最没想明白的部分：用户规模巨大，品牌喜爱度很高，“连接Duolingo用户的潜力还没有被开发——我不知道该怎么做。”（Harry提出的Duo Dates：“不是个糟糕的主意。”）
K-12教育更现实的一面是：“很多K-12教育其实是托儿服务。”即便AI导师非常优秀，也不会让学校消失；人类仍然负责引导、辅导，以及回答“我为什么要学这个”。但他的判断是绝对的：“AI导师会变得非常、非常好，未来大多数人学习大多数东西的方式就是AI导师。我确实相信这一点。”
机制仍然比任何人想象的更重要：推送通知“仍然会带来巨大影响——每当发送推送通知的服务宕机，你都能看到数据下滑”。连续打卡本质上是损失厌恶；用户在攀登珠峰期间发邮件要求恢复连续打卡，Duolingo还曾在葡萄牙—西班牙大停电期间主动延长连续打卡。

11. 赢家通吃：留存是唯一记分牌

12年的模式识别告诉他：“每一年，语言学习领域都会有一两家公司增长非常快……然后不可避免地再次下滑。”这些公司用风投资金在Facebook和Google上投广告买增长，但“我们这个领域唯一重要的事就是留存。没有留存就是漏水的桶。”他真正害怕的是：“唯一让我担心的公司，是留存率高于Duolingo的公司。”每天的核心指标是：今天使用Duolingo的人里，有多少人明天会回来——所有留存曲线都与它相关。
投资人听到会“失望”的秘密配方，不是连续打卡，不是排行榜，也不是攻下巴西，而是“成千上万次A/B实验”。连续打卡本身只是一次实验；“我们可能做过300次实验来微调连续打卡机制，留存增长就来自这里。”同一套流程——“绿色机器”——也驱动营销：在TikTok和Instagram上不断测试，什么有效就加码什么。
Harry提出的保留意见是：压缩测试周期会扼杀需要复利的长期下注，就像健身——“第一天不会长肌肉……但3个月后就能看出来”。Severin对此确实让步：要运行一个变化组合，既有小而低风险的测试，也有国际象棋、数学这样的重大尝试，“否则你会陷入局部最优，把自己优化进死胡同。”
相关的品牌经济学是：营销团队约40人，建立在零美元预算之上——“我们没有钱可花。”Duolingo的营销“不是由钱驱动，而是由创意驱动”。一度，Duolingo在TikTok上的规模超过了Nike。

12. 欧洲：“100%去硅谷”——以及旧金山办公室陷阱

他“内心非常矛盾”，但给年轻欧洲AI创始人的建议毫不含糊：“100%去硅谷。你要把成功概率最大化。”事实依据是：“我可以保证，Duolingo不可能在欧洲融到钱。前5年我们零美元收入。在瑞士不行，任何地方都不行。”对于留在欧洲的创始人，他的判断是：“最好也只有一半那么成功，有些人可能是0%。”背后的文化问题是：“这里几乎存在一种怀疑——你不能太成功，也不应该有太大野心。”
他最反主流的判断是：“欧洲最好的局面，是美国把创始人移民变得非常困难。”因为现在有抱负的人用脚投票，欧洲内部没有压力去修复监管。对于欧盟《AI法案》，他的评价是：“有史以来最愚蠢的监管之一——简直像奥斯曼帝国禁止印刷术……因为AI可能有负面副作用，所以我们别做AI。就是这么愚蠢。”针对Harry提出的“没有伟大创业者会被监管阻止”，他反驳说，Uber和Airbnb面对的是地方规则，仍有另外200个城市可以选择；而面对欧盟范围内的统一规则，创始人可能直接离开。
还有一个不显眼但重要的运营判断：Duolingo差点在旧金山开办公室，后来他们调查了那些总部不在硅谷、但曾经开过旧金山办公室的公司创始人。“所有人都说：这是他们做过的最糟糕的单项决策。”办公室会形成一条内部人才通道，把最优秀的人送到旧金山；在那里，“他们会被当时最热门的硅谷公司挖走……你实际上是在为硅谷建立招聘漏斗。”Duolingo永远不会开旧金山办公室。（对Harry个人而言，作为创始人他会搬过去；作为投资人，成为欧洲竞争较少市场里的头号人物，“不一定是损失”——这正是Severin当初在匹兹堡做天使投资的逻辑。）

13. 要么拿到一个报价，要么回学校——一级VC的信号为何胜过条款

起点是卡内基梅隆大学的研究项目：Luis是教授，Severin是博士生，项目由NSF资助，没有种子轮，也没有pre-seed。2011年的A轮融资是：300万美元，投后估值1500万美元，基于一个网站原型；按他的回忆，当时只有一个报价：“要么USV，要么回学校。”硅谷VC都感兴趣，但都要求他们搬家；USV说：“我们是唯一不在乎你们身处匹兹堡的投资人。”真正促成交易的是Luis此前的2次退出——投资人“本质上是在买下一家公司的入场券”。
由此得出的普遍经验是：“永远尽量从最顶级的一级VC融资，即使条款略差，因为信号效应太大。”拿到USV之后，“后面每一轮都容易得多。融到300万美元比融到1亿美元更难。”
他也拆解了条款的神秘感：每个创始人都以为自己的交易是定制的，但“交易其实只有3种”——没有交易（默认结果）、标准交易（按当时价格稀释约15-20%），以及极端离群值，即“一代人中只有一两家公司能拿到”的交易，比如Facebook、Uber。Duolingo基本拿到的都是标准交易，并且刻意避免在估值峰值融资，以躲开下轮融资和“我们无法承受的极端预期投资人”；公司从未裁员。
他承认的2个错误，“不致命，但确实是”：变现太晚——5年里对商业模式的回答字面上就是“风险投资”，投资人把他们类比成先做用户增长的Twitter，而团队也觉得使命与收费不兼容，直到重新定义为普惠：“你应该不需要银行账户就能在Duolingo上学习任何东西。”这点今天仍然成立，大多数用户并不付费。另一个是太晚招聘高级管理者——公司到约30人时仍然扁平且混乱。针对播客圈流行的“多提拔年轻人”观点，他说：“你不可能让一家公司在全是应届毕业生的情况下发展到1000人……世界上最古老的组织——天主教会——高度等级化，肯定是有原因的。”

14. 仍然应该上市——尽管Severin觉得市场为可预测性买单

IPO后让他意外的是，财务团队从2人扩大到约25人；而公开市场“真的非常看重可预测性——我感觉他们甚至比利润率或增长更看重它”，因为不可预测会被解读为管理层不了解自己的业务。Harry的反驳击中了要害：在新模型冲击和模型快速更替的时代，“我不认为我们能很好地预测——把可预测性当成溢价依据，反而是负面因素。”Severin承认，“现在留在私有市场的理由更充分”，但仍认为成熟企业如Stripe应该上市。
支持IPO的理由在生态层面：流动性“造就了很多百万富翁”，他们的资金会回流匹兹堡；“如果欧洲有更多像Spotify这样的公司上市，员工赚到钱、再去创办自己的公司——这正是欧洲需要的。”敲响纳斯达克开市钟是他“遥遥领先的职业生涯高光”。Harry则提出另一个数据点：Deliveroo在英国交易所上市定价15亿美元，后来以29亿美元出售——“中间差了14亿美元。”
快问快答：最接近死亡的阶段不是某一天，而是“最初5年——我们只是不知道如何找到一个与使命一致的商业模式”。Duolingo的创始人模式是：Luis极度关注细节，即使公司已经是一家200亿美元市值的上市公司，仍然参加大多数产品评审。Severin自己的运营原则是“减少、自动化、授权”——他已经把日常工程工作交出去，如今“每天80%的时间”都在思考AI和并购；公司迄今完成4-5次收购，预测并购成功最重要的因素，和预测联合创始人关系一样，都是：“你们之前一起工作过吗？”

15. 金钱、身份与选择伴侣的契约

过去12个月里，他改变看法最多的事情是：“AI及其影响——几乎所有基本问题，我都来回摇摆过。”他的宏观论点是，即便生产率只提高20-30%，也能缓解人口老龄化——“如果你能让经济年复一年增长10%……所有这些问题都会消失。那会真正进入一个丰裕时代。”但他不认为AI朋友会超过人类朋友：“人与人互动的价值会显著上升……2022年之前创作的艺术品会升值，因为它们被验证为人类创作。毕加索——我们知道那是毕加索。”
关于财富，一项针对退出创始人的研究问“多少钱才够”，答案是1亿美元（Harry猜的是2000万美元：“天哪，通胀是真的。”）。Severin自己从未设定过数字；他的推文式判断是，以使命为先的创始人——比如Gates让每张办公桌上都有一台电脑——“通常最终做得更好……创办公司的目的如果是变富，其实是把顺序倒过来了。”他坦承自己仍有20%的身份缺口，这也是他参加播客的原因：“我感觉自己被简化成了Duolingo……我的身份远不止于此。”他有时会告诉陌生人自己是Uber司机，或者“艺术赞助人，这也不完全是假的”。
关于伴侣选择，结尾最值得留下的一点是：联合创始人关系的第一预测指标是此前一起工作过——“是工作过，不是在酒吧一起玩过”。他和Luis合作了2年的研究项目；当教授与学生的关系转为平等伙伴后，他们签了一份简短的书面契约，写清决策权和职责。“我家里现在还留着一份……我觉得它避免了很多冲突。”如今他们每两周见一次，有时只聊10分钟：“我对他会说什么，有一个相当准确的语言模型。”在亲密关系中，问题是：“你喜欢和这个人聊天吗？”再加上相互支持，以及“你不希望在任何一种关系里都存在竞争”。Duolingo最好的日子是否还在前方？“现在我觉得我们真的能做到——让每个人都拥有一个和最优秀人类导师一样好的AI导师，不只是富人……这一轮AI浪潮真的会让我们做到这一点。”

Vol.60 AI时代下的信息知识管理和学习效率---狂喜播客节-贰狂 Agent Neo发布，第一时间对谈CEO Derek、CMO 拐子：目标星辰大海的少年要做终极AI创作工具