# 167: 洋葱学园杨临风：用AI制造捷径，是在杀死真学习 晚点聊 LateTalk · 2026-05-28 · 105 min · https://podcast.latepost.com/167 ## 逐字稿 程曼祺 欢迎收听《晚点聊》，我是曼祺。本期嘉宾是洋葱学园的联合创始人和 CEO 杨临风。虽然他名字叫临风，但杨临风一直不怎么追风。 杨临风在哈佛读本科时修的是计算机，毕业后，他和朱若辰等人一起回国，于 2013 年创立洋葱学园，做教育科技。他们想让更多学生驾驭自主学习。 几年后，在线教育融资汹涌，最火的形式是双师直播课、名师录播课等等，而洋葱学园一个都没有做。他们不想做培训，而是继续用 5 到 8 分钟的动画内容，吸引孩子在课外自学。 今天我们来聊 AI。杨临风也不怎么讲流行的技术词汇，更多是在聊学习本身。与其说洋葱是一家教育公司，录制完这期节目后，我觉得它更像一家学习公司。他们一直在研究，人可以如何自发、自主地学习。这件事在今天变得更重要了，也可以说，AI 正在让学习更快地回归本来面目。 本期节目由洋葱学园支持播出。我们正式进入节目。嗨，临风，你可以和我们的听友简单打个招呼，做个自我介绍。 杨临风 我是洋葱学园的联合创始人及 CEO 杨临风。洋葱学园到现在将近 13 年的时间，我们是一家教育科技企业。 我们主要做两类产品：一方面，帮助中小学生更好、更轻松愉快地自主学习，爱上学习；另一方面，帮助学校老师用 AI 的方式、用以学生为中心的教学方法，在学校里实现这种好的教学方式。 我们在全国累计的中小学生用户，注册用户总量大概是 1.3 亿人次。所以过去 10 年、十几年里面，全中国大概有三分之一的中小学生用过洋葱。老师的注册量大概是 400 万。 所以，洋葱在学校老师群体中也是比较流行的一款产品。 程曼祺 回到最开始这个起点，你们在 2013 年那个时间来做这件事，是怎么想到要做自主学习的？ 杨临风 ### 公益孕育自主学习 其实是更早。公司是在 2013 年底成立的，但我们团队最开始是先从公益开始做的。 我跟几个联合创始人大概从 2010 年开始做支教。当时我们还在上大学本科，发现城乡教育差距确实很大，这对我们自己当然很有触动。 我们发现，城乡教育差距里面非常大的一件事，已经不是硬件了。国家在学校投入和乡村学校建设上做得非常好。你在 2010 年、2011 年去很多偏远农村地区看的时候，可能整个村里面唯一的楼房就是学校。 但是走进教室，看老师和学生的上课状态、学生的互动状态，还是非常传统。所以我们觉得，这里面的核心要点可能是：怎么能给老师提供更好的工具和手段，怎么能够帮助学生的学习体验发生改变。这才是真正意义上下一阶段要做的事情。 所以当时我们就想到一件事：能不能把有趣的、互动的学习体验和一些知识，包括一些视频，放进平板电脑里，然后捐到农村去，在乡村学校里尝试帮助学生进行自主学习的实践。这就是我们最开始做公益组织的初衷。 同一时间，美国当时正处在教育科技 EdTech 兴起的过程中，大概 2008 年到 2012 年，EdTech 恰好开始起来。像可汗学院、Duolingo、Coursera，都是大概那个时间出现的，所以这也给了我们很多新的想法和启发。 后来我们慢慢去发展这个想法，从一开始募集团队和志愿者，到设计这件事情，前前后后大概准备了一年多。我们第一个试点项目在甘肃武威启动，是在 2011 年暑假。 所以，从发起、筹备这件事，到真正落地，大概做了一年半的时间。 程曼祺 你做到哪一步的时候，觉得需要用创业的方式、用公司的方式，来继续做自主学习探索？ 杨临风 ### 教育事业持续发展 相比于决定的那一瞬间，更难、或者说最难的事情，其实是这件事怎么可持续。这个问题也是过去十几年贯穿我们做这件事的一条核心主线。 我们为什么在 2013 年底选择成立公司，涉及几个方面。 第一，我们在做的过程中发现，要想把教育体验做好，需要的跨界人才特别多，而且很难靠兼职和志愿者的方式完成。你真的想把它做好，团队需要上规模；而要让团队上规模，至少以我们当时的能力，很难靠纯募捐的方式给团队募工资。 程曼祺 你们当时的研发就是现在这种形式吗？就是做动画视频课程？ 杨临风 对，但是当时做得比较粗糙。 我觉得还有一个非常重要的事情，就是我们想明白了我们的核心，其实不是为了做公益或商业。我们更在意的是做一个好的教育体验，让更多孩子受益。 所以，用哪一种方法能够实现这件事，才是我们更多要思考的。 像我们给乡村提供公益支持时，最大的成本实际上就是产品本身，产品的固定投入和研发投入是最大头。如果能够通过商业方式把这个东西做好，并且把它免费继续向农村开放，在一定程度上也能实现我们最开始想做的事情。 所以，这是我们在 2013 年底创立公司时就定下的一个基本思路：未来洋葱做的所有产品，必须无偿、免费地向乡村地区开放。 当然，乡村地区会有定义。比如国家会有贫困县的标准。只要符合这个标准的地区，不管是学生、老师还是学校，只要有需求，我们就无偿、免费地把所有资源开放出去。 这件事我们一直坚持到现在。也就是说，付费用户和乡村地区用户用的是一套产品。 程曼祺 这就是你说的自主学习。你觉得自主学习的核心能力是什么？ 杨临风 ### 自主学习不止意愿 我先说一下为什么我们想到这个点。 我们在听课的时候意识到，明显能看到学生和老师的认知是不匹配的。这里面有一个核心问题：我们认为，很多知识对于一个正常智力水平的中小学生来说，其实都是能学懂的。 那他学不懂的原因是什么？很多人会简单归因为孩子的问题：这个学生不努力，这个学生笨，这个学生就是不愿意学习。 但我们认为，有一个巨大的问题被大家忽略了：你给他传递知识的过程，合不合理、科不科学？我们认为，这件事有巨大的提升空间。 所以，我们第一步的认知是，怎么先把学习过程变得更符合学生的认知规律。这里面第一阶段很快能想到的，就是讲解方式：怎么讲，怎么重构讲解过程，怎么把知识的来龙去脉梳理得足够清楚，让学生觉得“这件事我能跟着你一步步听下去”。 理解是一个非常大的门槛。我们怎么去讲一个知识，能够让学生达成深度理解？这是我们第一阶段要做的事情。 顺着这件事往下走，我们进一步意识到，人与内容的互动，不仅仅是内容好、有吸引力就可以了。你怎么去引导他、吸引他互动，也很重要。 所以，我们从一开始就要做洋葱学园这个 App。这个 App 的本质作用是引导，把内容和学生之间的关联、互动，以及学生在日常生活中为什么需要学这些东西的过程承接起来。 稍微扯远一点，在人工智能时代，未来每个人都需要建立一个信念，叫作“我能行”。 因为工具唾手可得。比如今天老师上课讲的东西我没听明白，现在我手里只有一个工具，有一个 App，我能不能通过这个 App，在比较短的时间内，快速把老师今天讲的东西吃透、理解？ 学生在非课堂环境下，面临的学习任务其实很多元：作业中不会的题怎么办？预习怎么办？复习怎么办？备考怎么办？想提前做一些兴趣探究和探索怎么办？ 这些不同场景，可能需要不同的学习引导和学习方式。作为产品设计者，你需要把学生所有这些过程都考虑到，在每一个场景下，创设符合他需求的学习流程和学习互动，把内容做得足够有趣、有吸引力。 整个流程重构完之后，才可能变成一款学生能够主动使用的自主学习工具和产品。 程曼祺 如果总结一下，自主学习的核心是什么？是我想主动去学，还是其他东西？ 杨临风 我想主动去学是其中一个要素，是意愿。但光解决意愿还不够，他还有一个东西叫能力。 有了能力之后，下一步是有没有合适的工具。我用这个能力加上这个工具，能够更顺畅地自主学习。最后建立的是一个信念体系：自主学习这件事我可以独立完成。 所以下次遇到新的东西之后，我还可以选择用自主学习的方式，把它搞明白。 程曼祺 你觉得意愿、能力、工具是什么关系？哪个是第一性的？ 杨临风 都重要。每一个要素都打通之后，这个孩子才能说，他是一个可以驾驭自主学习的人了。 如果最终落到那个点，确实是一个信念系统：你相不相信这件事，有没有这样的意愿，有没有这样的底层认知。这其实是最终落到的第一性。 但回到那个点，鸡和蛋很难讨论哪个先、哪个后。意愿或者说意识这件事，不能简单地说谁先谁后。 我们之所以现在提到自主学习，很多家长第一反应是不信，是因为大家看到孩子的现状不具备自主学习能力。因为他不具备自主学习能力，所以很难具备自主学习意识。 而家长的要求是：你得先具备自主学习意识，我才放手让你自主学习。 很多人认为，想去学习是反人性的。首先，不是所有人开盒就一定能够掌握自主学习能力，这件事不是那么容易发生。但它是人的基因的一部分，因为学习是人的基因的一部分。 人之所以能从动物进化过来，很大程度上是因为人具备反思、梳理和抽象的能力。 很多心理学家研究过，生物脑分为两部分，系统一和系统二。系统一是平时低能耗的那个脑，相对来讲，它比较容易依赖别人，也比较容易做出瞬时反应。系统二则更容易让你进入深度思考，是你需要梳理逻辑时调用的那个脑。 但系统二的能耗特别高。所以大部分时候，大部分人别说学生了，成年人也是这样，都不愿意调动系统二去思考。 对于一个家长来讲，当你说你的孩子不愿意主动思考问题时，你先问问自己：大部分时候，是不是你也不愿意主动思考？ 问题来了，怎么引导一个人进入愿意主动思考的状态？这就是问题的钥匙。 我们得先想办法把进入自主学习，或者说让学生愿意主动学习的门槛降低。这里面工具就很重要。工具能够帮助人降低自主学习的门槛。 这是洋葱在刚才说的几个要素里，首先能做的事情。我们不可能直接改变人的意识和认知，只能呼吁这些意识。但从企业角度讲，我们能够发力的切口就是工具。 通过给学生、家庭和学校提供这样的工具，会不会有更多人意识到，原来让孩子开始实践自主学习，没有想象中那么难？ 一旦孩子开始实践这件事，才可能在这个过程中培养习惯，慢慢建立意识。意识是一个长期形成的过程。 只有这样，这件事才会从原地不动，开始进入正向循环。这个轮子转起来，再乘以时间，最终才会发生。 在我们看来，最终要改变的是人的系统。但改变人，不能总是把目光聚焦在人身上，而不考虑他身边面临的壁垒和环境。 程曼祺 具体来说，你们的产品是怎么解决刚才说的两个问题的？一个是用比较好的方式把这些概念教给孩子，另一个是让孩子愿意跟它互动。 杨临风 ### 产品托住学习卡点 我们做了很多陪伴式的功能。现在有了人工智能之后，也做了很多智能体和人工智能功能。 当学生遇到卡住的问题时，我们会用模型结合学生正在学习的知识上下文，以及他历史上的一些数据和记忆，给到他托底式的帮助，帮他迈过当前这个门槛，走到下一步。在这个过程中，也会给他一些情感和情绪上的鼓励。 回到那个问题，第一步要先告诉他：遇到这个问题很正常。第二，要告诉他这个问题的成因可能是什么，把问题降维到他可以理解的维度，给他讲清楚。 等他迈过这个坎之后，再跟他说：“我们来回看一下，刚刚那个问题是怎么发生的。下次遇到类似的问题时，你该怎么思考？” 其实这个事并不难。只要下次用类似的方式，敢于自己去想这类问题，你都可以解决。这是一个相对完整的帮助学生迈过门槛的过程。 程曼祺 你们所基于的教育理念是什么？比如你自己比较相信，怎么样去教一个人，会比较容易让他理解一个抽象概念？ 杨临风 这个问题展开说非常多。 我们团队会使用一些通用的教学框架，比如 Understanding by Design，中文叫《追求理解的教学设计》。它的核心是，理解这件事是可以创设的，有很多客观的方法可以遵循。 比如验证一个人有没有理解一件事，有一种方法叫费曼学习法，就是让孩子自己把这件事讲出来。 这其实回到了教育目标分类学。理解这个层级有很多动词，其中一个叫“解释”，意思是你要用自己的话把这件事复述出来，说明你在一定程度上达到了理解这个层级。 再比如举例、比较，这些也是理解层级对应的动词。 我们团队内部会花很多时间研究这些东西，然后把它们融入课程和产品。 程曼祺 可以讲讲你们具体在产品设计上，怎么把这些东西产品化吗？ 比如你们的视频是 5 到 8 分钟，为什么是这个时长？一般在这个时长里，能给孩子教什么？ 杨临风 ### 动画呈现抽象概念 科学研究显示，孩子能够在一段时间内集中注意力的时间，大概就是 10 分钟以内。我们现在的核心用户是中小学生，所以在 10 分钟以内，如果还不能把事情的逻辑形成一个闭环，也就是形成一个成就闭环——他学了，觉得自己学懂了一件事，并且成功地把它用出来，验证自己确实懂了——那这个闭环就能给他带来一次信心。 10 分钟以内至少形成一个闭环，他才有动力愿意进行下一个循环，这是我们把视频控制在 5 到 8 分钟的原因之一。 第二，我们核心的使用场景是自主学习。自主学习意味着没有外力的强制。洋葱很多时候发生在家长没有监督孩子、老师没有监督孩子，学生在家自己学习的场景。 在这种场景下，游戏、手机上的其他 App 都在跟他抢时间。所以从一开始，我们就要求产品对学生的吸引力，以及对学习的舒适感，做到极致。 他回到家后，不是打开手机玩游戏，不是刷视频，而是打开手机，愿意在洋葱上把今天没学懂的东西搞明白，这本身就是一件很难的事。 程曼祺 为什么你们 2013 年创业时，最开始选的是数学这个学科？为什么一开始就定了动画这种形式，而没有找真人老师来拍？ 杨临风 先从数学开始，是因为第一，数学是中小学生提问最多的学科。他们觉得数学最抽象、难点最多，也最难学。 第二，需求大。乡村和城市其实都是这样。我们当时在农村学校，也是先帮助他们解决初中数学的问题。 第三，我们从一开始就认为，这套方法对所有学科都是普适的。但当时我们的资源只够一个学科一个学科地开始做。 如果只能选一个学科，我们就想，能不能先把最难的那个攻克下来？如果在这么抽象的数学上，都能够用这套方法让孩子主动、愿意学习，那么这套方法论降维到其他学科，应该就比较容易，而且肯定能成。 程曼祺 这个判断后来没变，是吗？ 杨临风 没变。数学都能讲好的话，其他学科确实都能做得很好。 比如我们做完数学之后，用同样的方法做物理，就发现物理在某种程度上比数学好做多了。因为物理实验至少能做出来，学生能看到；很多道理和原理，学生在生活中也能遇见。不像数学，大部分东西都是纯抽象的。 程曼祺 数学是形式科学，不是自然科学。后来你们也做了历史、政治、地理等文科和社会科学课程，这些方法也都能复用。 杨临风 嗯。底层的教学逻辑，我们有一套教学框架，叫洋葱味道框架。这个框架是完全可以复用的。 程曼祺 你可以讲讲洋葱味道框架吗？ 杨临风 大概有几个维度。 我们讲知识时特别重视一件事，叫目标感。所谓目标感，就是在对话过程中，你是不是知道我给你讲这句话，是为了引向哪里。 很多学生在学习过程中之所以学着学着会丢、会晕，是因为他不知道老师为什么突然开始把一道题的某个环节展开讲了一大通。这 5 分钟里，好像每个字我都听明白了，但是我不知道为什么要讲这 5 分钟。 人在这种状态下特别容易失去耐心。所以我们在讲的时候，一定要不时地把学生 cue 回目标：我们接下来要做这件事了，你做好准备；我们做这件事的目的是什么；接下来请耐心跟我走一分钟。 走完这一分钟之后，还要告诉学生：“还记得我们刚才为什么要做这件事吗？你能想起来一个例子吗？” 程曼祺 比如你给我讲一个数学概念，随便想到什么都可以。 杨临风 比如初中几何。初中几何是很多孩子很头疼的一个学科。 所有平面几何，不管是边角关系、圆和边的关系，还是三角形全等，本质上，几何问题的根源就叫边角关系转化。 你实际上是在把未知部分，一步步和已知条件建立联系。比如为了证明两个图形全等，实际上是为了构造两边之间的等量关系，把一条边换到另一条边上。 当你把这条边换过来，它又和一个新的图形构成了新的关系。下一次证明全等，可能是为了把两个边之间共同的某个角，转换到另一个角上。 总而言之，就是把已知和未知条件像搭桥一样连接起来。这就是几何问题关键的理解通法。 所以，我们给学生讲任何几何题时，都会先 cue 一下这个通法：“你还记得几何这件事的本质是什么吗？既然我们要做边角关系转化，那先看看已知条件是什么，未知的东西是什么，未知和已知在图上隔多远。中间无非就是搭桥，把它转过来。” 这件事从逻辑上来讲，除了能让学生更容易跟上之外，还有一个很重要的作用，就是训练学生的思考方式和思维。 人的逻辑化思考，本质上就是这件事。如果每一讲、每一节课、每次讲东西时，都不断用这种有逻辑的方式引导他，并且教他为什么要这样思考问题，实际上就是在教他元认知。 程曼祺 你觉得这套方法对所有孩子都有用吗？ 杨临风 这和性格没有关系。数学本质上是一个由逻辑构成的体系。如果想让学生学懂数学，就得这么教，因为数学就是一个由逻辑构成的学科。 但学语文时，不是所有东西都要这么教。比如体会和感受，就需要发展想象。这是另外一个模块。 洋葱味道框架除了目标感之外，还有共情感。 所谓共情感，就是要让学生时刻感觉到：我给你讲这个东西，我懂你现在面临的困难。 大部分学生日常遇到的情况是，老师跟学生说：“接下来我要讲的东西很简单，你们每个人都应该能听明白。”然后一通讲完，再问：“你们怎么还没听明白？” 在这种状态下，孩子很难突破一个认知阶梯。 所谓共情感，就是要站在他旁边跟他说：“没关系，这个坡你现在看着很陡。你相信我，爬上去之后再回头看，就会发现其实很平，只是因为你现在还没有迈过去。接下来咱们一起往上看。你现在看到的是一面直壁，对吧？没关系，你先往右前方看，是不是有一个可以踩的地方？没关系，敢于登上去，相信我，迈上去，踩住，咱们再说下一步。” 要让学生始终觉得心里有底，这就是共情感的体验。 程曼祺 这套方法怎么解决因材施教的问题？比如一个特别聪明的学生，可能会觉得共情是一种啰嗦。 杨临风 第一，要看知识难度。如果这个知识你已经学过了，那你可以去学没学过的知识。 但你相信我，再聪明的孩子，在面对未知的、困难的东西时，也需要这套方法。所谓聪明或者学得快，只是因为他比别人进度稍微多一点。 洋葱给学生提供了一张完整的地图。孩子可以自由地在里面探索。根据课标和教材的章节目录，我们把所有知识铺在学生面前。 这依靠的是整个课程设计体系的丰富性、难度分层，孩子可以自己选择。 第二，靠推荐。如果你觉得这个内容不适合你，我们就给你推荐一个难度更适合你的内容。 第三，靠 AI 对每个学生进行个性化调节。比如我们再细致地讲解逻辑，对部分孩子来说可能还是快的。这时孩子遇到卡点，就需要 AI 的讲解，用模型进行补充和兜底。 程曼祺 这解释了为什么最开始是数学：你觉得数学很难，可以先降维，把方法做到其他课程上。 那为什么是动画这种形式，而不是真人拍摄？ 杨临风 很多时候，孩子没理解抽象概念，你需要让那个概念动起来。老师的脸上没有那么多信息，信息在画面里。 所以，洋葱的动画不是动画片，不是用动画去演绎剧情，而是用动画把抽象概念可视化。 另外，屏幕本身大小有限。如果再让一个真人站在旁边，占据大部分画面，就没有必要了。 程曼祺 但这是不是也增加了你们的成本？你们算过吗？比如找人来上课拍摄，成本会低很多。 杨临风 当然会极大增加成本。我们一个视频的平均制作成本大概是 10 万元。 程曼祺 你说的是 5 到 8 分钟的一个小视频？ 杨临风 对。它里面有很多互动、启发和提问，也有很多暂停节点，会让学生思考和选择，之后视频才会继续。所以它背后的设计非常复杂。 这样一节课，大概需要制作两个月，前前后后有 20 多个步骤。成本肯定比找一个老师讲一遍高很多。 即使不考虑动画制作环节，单纯从脚本打磨上，洋葱也是集体教研制。我们不是找一个有经验的老师过来，说“您之前讲过这几节课，把讲义拿过来，照着原封不动讲一遍”。 我们认为那样没有效果。我们需要按照整个框架，以及刚才提到的底层逻辑，把知识的来龙去脉重新梳理一遍。 我们的教研很像不同老师在会议室里争论。大家争论的是：我这样讲，学生的认知会怎么变化？他能不能跟上？能不能理解这个地方？为什么要讲这句话？孩子能不能理解，而且知道这句话和上一句话是接得上的？ 如果这个逻辑没有办法说服我们自己，不能自洽地解决，我们就不会让它面向学生。 程曼祺 所以你们做教研的老师，也都要把洋葱味道所包含的教育理念搞清楚。 我看你们展厅里介绍了一些书，有《追求理解的教学设计》，就是刚才说的 UBD，还有《布卢姆教育目标分类学》。 杨临风 对，这只是其中两本。现在有一些方法论，我们也会用 AI 的方式来提醒和整理。 这一整套教学脚手架，是每个老师都需要搞明白的。 程曼祺 那你觉得，用真人加白板在那儿讲，效果会怎么样？可汗学院就是类似的形式。可汗学院和你刚才说的真人出镜又不太一样。 杨临风 可汗学院很大程度上把知识重点聚焦在板书上，这一点是对的。 但为什么我们在可汗学院的基础上做动画？因为我们发现，大部分学生面对学习时，还是有很大的畏难情绪。我们想让这件事变得更有趣、更生动、更有吸引力，所以需要做动画。 程曼祺 你们怎么平衡速度和商业上的要求？ 从 2013 年到 2018 年创业前五年，你们做了 1,500 个动画视频，看起来非常慢。 可汗学院的方式虽然效果可能打了点折扣，但可以接受，内容可能会更多。 杨临风 我们考虑过各种成本和速度之间的排列组合，最后发现没有办法。只有把内容做到这个程度，才能让部分学生开始愿意自主学习。低于这个标准是没用的。 要么质量达到门槛，要么没达到门槛。如果没达到门槛，哪怕花 50 元，最后的产出也是零。只有花到 80 元，产出才可能开始奏效。 程曼祺 为什么可汗学院用那种方式也运营了这么多年？难道外国学生就更能自主学习吗？ 杨临风 可汗学院本身就是一个巨大的筛选机制。能够持续在可汗学院学习的学生，也只是一小部分。而且它本身不是一家盈利公司，不会面临最终要让家长决定是否为它付费的问题。 所以，我们面临的挑战和要求，某种意义上比可汗学院高很多。 即使今天回到公益体系，我们依然会先选择有效的方式，再选择控制成本的方式。如果做了半天、花了很多心思，速度是快起来了，但学生根本学不进去，那我们一开始为什么要做这件事？ 程曼祺 你们还有一个比较特别的地方：你们做动画，也有一个“洋葱学园星球”的 IP，里面有很多人物。比如数学老师叫张无羡？还有一个唯一真人出镜的物理老师。 杨临风 数学老师叫张无羡。唯一真人出镜的是“物理男”，因为做实验还是实拍更真实。 程曼祺 他会穿着那种装备。 杨临风 对，你看得非常细。 程曼祺 这也是一开始就想好的吗？觉得这种方式可以给孩子更多亲近感？ 杨临风 一开始就想好了。从第一个视频开始，里面就有人物。李狗蛋、王小锤这些人物，十几年前的视频里就开始出现了。 核心原因之一，就是刚才提到的共情感。我们希望学生觉得，视频里这些人物每天遇到的困惑、问题和思考过程，也是他会遇到的。 他会觉得：“他们真的懂我，他们甚至有些地方跟我很相似。”这样学生就会产生代入和共情。 从学习动机理论角度讲，有一个词叫 relevancy，也就是相关性。正在学的东西和你越相关，学习动机就越强。 学生不愿意看到特别严肃、冷冰冰的老师正襟危坐在那里，讲一些抽象、高深的东西。 要进入学习心流，大脑需要保持在一种既有兴奋和刺激、又不过度紧张的状态。这个度很难拿捏。我们用这些方式，就是为了调节学生的脑压，让它恰好处在那个区间。 程曼祺 你们这些人物设计得都挺好看的。 杨临风 每个老师的性格也不太一样。 比如语文老师相对比较喜欢古典诗词，和你对话时经常引经据典。地理老师则非常酷，是一个骑摩托车、经常游历和喜欢旅游，战斗力也很强的老师，所以有很多学生非常喜欢他。 我们尽可能把老师的性格特点和人物形象做得多元一些，让学生觉得每个老师身上都有不同的闪光点。 程曼祺 可不可以说，从 2013 年到现在，你们课程和内容的设计形态，其实没有特别大的变化？ 杨临风 ### 数据推动内容进化 我们的方法论也在不断迭代。比如一个视频如何更能抓住学生的注意力，或者更容易让学生听得进去，这里面有很多数据迭代。 洋葱到今天，用户的学习总次数加在一起，视频播放次数应该超过几千亿次。我们的数据埋点大概有几千亿次。 这些数据给到我们之后，我们能看到每个视频每一秒钟的情况，比如学生暂停率、跳出率和回退率。 根据出现峰值的地方，系统会提醒老师：“这个地方需要关注，可能讲得不太好。”然后我们再把教研老师拉到一起，重新讨论、修改动画，再上线。 所以，洋葱的内容和产品体系一直在进化。功能上，这些年我们也做了非常多变化。 以 AI 为例，很多 AI 功能前些年是没有的。现在在洋葱视频过程中，随时都可以暂停，呼唤 AI 私教出来。负责这个学科的老师形象会跳出来，结合当前视频的上下文，分析你可能卡在哪一帧、哪个地方。 它实际上是一个针对学科优化过的 chatbot，也有这个学科相关知识的底层知识库。同时，它还会结合正在学习的这节课的上下文，帮助你理解当时的内容。 所以它不会突然跳出当前课程，给你讲一个这节课没学过的概念，也不会拿跨学科或跨学段的概念来解决问题。 再比如洋葱的 AI 拍题精学，它帮助学生在遇到不会的问题时，不断引导学生把问题弄懂，把底层逻辑搞明白。 它不仅仅告诉你这道题怎么解，还会梳理思路，告诉你这类问题背后的思维方式。最后甚至会告诉你：“这道题背后关联的某个知识点，你可能掌握得不好。洋葱里与这道题相关的知识点也准备好了，你可以一键去学习。” 程曼祺 刚好在你们最开始的五年，也就是慢慢做动画做了一段时间之后，中国教育市场迎来了非常大的变化。 大概从 2016 年到 2020 年，在线教育这个赛道或者风口起来了，有拍照搜题、直播大班课、双师课等等，也诞生了好几家百亿美元的公司。 但洋葱作为一家 2013 年就成立、还挺早的教育科技公司，这些风口你们都没做。 杨临风 ### 拒绝在线教育风口 我们没有做拍照搜题和大班直播课，原因其实比较简单。 洋葱最开始的出发点，是希望这件事能够尽可能朴实无华地被各种学生体验到。所以我们一开始选择人机交互，因为只有人机交互的方式，理论上才能让任何一个乡村学生，只要有网、有手机，打开之后就可以无缝体验到和城市孩子一样的洋葱学习体验。 如果用人来教，不可能做到这一点。人有成本，也有时间限制。用人去服务人，最终只有一个结果：谁付得起钱谁能用，谁付不起钱，体验就会打折。 程曼祺 那如果加上录播模式呢？之前我跟学而思他们也聊过。那时候大家设想的是，我有直播，再加上录播模式，也就是双师。 我有一个名师，这个名师可以直播或者录播，覆盖的学生面非常广；然后每 100 个学生配一个第二个老师，类似助教，负责答疑解惑。后来他们也设想用 AI 去替代或者辅助助教的角色。 杨临风 大部分双师直播到最后都演变成了双师录播。 如果一个老师站在很远的地方，给学生做广播，本地学生大概率跟不上。所以很多时候，本地老师要承担翻译这个老师的话的角色。 但本地老师一翻译，就会打断远程老师。最后发现，必须给远程老师暂停，而暂停的唯一方式就是拍录像。 但这又回到第二个问题：怎么保证远程老师讲的内容，孩子一定能听进去？ 这又回到内容打磨上。我们早期也尝试过，把一些名师资源、录播视频搬到农村，放在平板里让学生学习。不能说完全没有效果，但对绝大部分孩子来说，根本看不进去。 这里大家忽略了一个问题：学生愿不愿意学、能不能学好，不仅仅取决于资源多少，而在于学生的学习意愿。 很多流派用技术做所谓的匹配：我认为你需要这个资源，只是你不知道，所以我用算法把合适的题目推给你，让你去做。 同样的，一个优秀的名师资源，大家会想：“这个老师挺好，他把学生要学的知识讲完了。”从教研角度讲，老师讲得也对。 但这样一个视频放到学生面前，不管是 10 分钟还是 40 分钟，学生有没有心力和意愿坐在那里把它看完？过程中不走神，心甘情愿地听进去老师讲的每句话，并且让老师的话对他的大脑产生启发，激发他的思考？这个过程，大部分人没有考虑。 如果老师讲得特别好，讲课时也有目标感和共情感，那这样的老师确实比较少。 第二，大部分老师真人出镜的形式，适配的是线下环境。线下人与人交流，是有气场和场域的。看到你有困惑，我可以根据你的反应来调整。因为我的眼睛看着你，我们之间会有一种默契。这些因素都会影响线下真人教学的效果。 但如果把真人直接框进屏幕，放在一个数字原生的设备环境里，所有这些因素都会大打折扣。 程曼祺 所以你们的逻辑是，在数字环境下，应该有适合这个环境的原生内容形态。 杨临风 数字环境下一定有适合数字原生的学习形态。这个学习形态在现阶段还没有被充分建立，需要我们重新构建。 所以我们从零开始，重新创设数字环境下的学习方式。 本质上，可汗学院做的其实也是这件事，只是你们找到的具体方式不太一样。底层理念是一样的：可汗学院也非常强调、相信学生能够自主学习，好的学习方式能够降低自主学习的门槛。 程曼祺 只是可能国外环境和国内环境有些不一样。 杨临风 对。还有一个很重要的原因，就是国内的学习内容确实比国外的难。 程曼祺 有道理。同样的知识用那种形式呈现，孩子会觉得，天哪，乌泱泱一大片板书，根本看不明白。 在数字原生的教育内容里，除了可汗学院和洋葱这种形式，我还看到了 Duolingo。你觉得 Duolingo 和你们的区别是什么？除了这几种形式之外，还看到了什么可能性？ 杨临风 首先，Duolingo 不是深度学习，它特别适合英语这类练习。 Duolingo 不会教你语法，因为他们发现，当他们在端内给用户推送语法模块时，用户留存率就会大幅下降。所以 Duolingo 的学习更多偏系统一。 洋葱，包括考研学院，以及 K12 阶段大部分学科要解决的学习过程，其实偏系统二，是深度逻辑链的学习。你需要学生动脑、深想，可能这一步要在脑内想 5 步、7 步，这很消耗。 所以本质上还是非常不一样的。 程曼祺 在你们这种需要调动系统二的学习里，你还看到什么可能的形式？尤其是 AI 来了之后，比如你们自己未来可能会变成什么样？ 杨临风 这和 AI 的能力有关。我们也一直在尝试和观察，AI 现在到底能解决什么问题。 现阶段我们认为，针对中小学生使用纯大模型，即使加上非常好的提示词和工程化设计，想要真正帮助学生把系统二的思考过程和知识搞明白，目前还做不到。辅助没有问题。 如果 AI 从头开始给他讲，大部分学生是跟不上、听不明白的。 程曼祺 如果大模型公司，像 OpenAI、Anthropic，把教育作为一个很重要的场景，在这个方向上自己优化，有可能拿出能做到这件事的模型吗？ 杨临风 我不是技术专家，只能说我觉得有这种可能性。 但如果更往第一性思考，这件事可能和大模型目前获得的语料训练高度逻辑化、抽象化有关。 为什么大模型现在对大学生和成年人特别有用？因为大学生和成年人的认知能力足够强。你给他一个相对逻辑化、结构化的东西，他能够把它理解透。所以你给他的逻辑结构越好，就越有助于他解决问题。 中小学生的本质问题，是他们的逻辑化和结构化理解能力还在成长过程中，还没有那么强。 大模型的所有语料训练，包括逻辑链、思维链，其实都是为了让模型更加有条理地思考问题。优质训练语料通常是论文，结构化越清晰的语料，对大模型能力的提升越强。 这样一个系统去给一个认知水平还没有成熟到那个程度的人讲东西，天然存在 gap。 如果大模型的训练方式不变，我不确定大模型有一天能不能让普通中小学生也跟上大模型的思维方式。 但如果 AI 有一天真的突破了这个瓶颈，训练方式发生根本性变革，或者实现了 AGI，我觉得可能会出现非常不一样的互动方式。 学生和大模型的对话会变得非常顺滑，大模型能够为学生一键生成体验特别好、并且学生大概率都能跟上的学习范式。 到那个时候，大模型可能真的强到不需要我们再做什么了。 但在此之前，我觉得还有很多事情需要我们去做。 程曼祺 如果那个可能性实现了，对你们公司来说是危险吗？ 杨临风 有可能。所以在那之前，我们也要自我进化。我们的学习方式要变化，也要用到最新的工具。 我觉得，任何垂直领域一定都有非常强的 know-how。教育是一个典型的 know-how 非常强的领域。 而且教育始终比别的领域稍微占一点优势：在很多领域里，产品、服务或者公司交付的是结果。 比如我要买一个东西，谁能让我更快看到我需要的东西，并且帮我一键下单，把东西放到我眼前，履约就完成了。至于我是通过大模型下单，还是通过淘宝下单，无所谓。 但教育交付的是过程。学习这个过程还是需要人去完成。重要的不只是结果，在产生结果之前，更重要的是你怎么把东西学进去。 模型的履约能力再强，也替代不了它带着学生跟上模型的过程，把东西学懂的过程。 程曼祺 这就是你们一直在做的事情。你的核心逻辑没有大的变化，但整个外部环境发生了很大变化。 我们最开始聊到 2020 年在线教育这个风口，你们自己没有选择去做。你怎么看当时这个风口会发展到那么如火如荼的状态？ 杨临风 ### 商业模式经受风口考验 我们在 2013 年底决定成立公司时，在线教育这个行业还没有出现。我们不是因为在线教育行业出现了，才进入这个行业，只是这件事当时需要用商业化方式来做。 所以确实没想到会有后来的风口。 我们自己评估，洋葱是一个希望创设学习体验的团队。你可以看到，我们中间做了很多选择。 比如办公室，除了第一个办公室在一栋商住两用楼里之外，第二、第三个办公室，包括现在这个办公室，都不在写字楼里。我们不想挤电梯。 我们认为，写字楼环境可能是帮助员工更高效生产的地方，但教育体验的设计，不是高效生产能解决的。它需要大家用心、认真思考，愿意琢磨，把一种教学方式的各种可能性都想到。 所以，它需要一个相对舒适、有创造力的环境。 回到这个问题，我们确实没有认为洋葱是一个擅长打快仗的团队。我们之所以做教育，也是因为大家并不是想去一个纯粹拼效率、拼运营的环境里。我们选的不是这样的赛道。 程曼祺 当时投资人应该给了你们很大压力。你怎么解决内外部的质疑？ 杨临风 我们和投资人沟通，包括我们自己思考，主要有几件事。 第一，教育是一个形态非常丰富的领域，没有一种教学形式能够一招解决所有人的问题。洋葱这样的生态位，以及我们独特的解决方案，本身仍然有很大意义。 第二，如果从收入体量讲，因为我们不是大班直播课，所以没有那么高的定价。从交易角度讲，它可能不是一个大 GMV 的商业逻辑。 但从商业优势分析，它依然是一个很优的商业模式。因为它本质上更偏 SaaS，我们的大部分成本是固定成本。 程曼祺 你们的课程是相对标准化的。 杨临风 对。产品前几年不断投入、需要融资的核心原因，是要保持很大的固定研发投入。但这个固定研发投入不会随着用户规模提升而持续增加。 当规模达到一定量级、收入达到一定量级之后，公司就会非常健康地经营下去。 而且我们的用户来源主要靠口碑和自然增长，不是靠广告驱动。更多是用户不断滚动进入产品，形成口碑和留存，再在过程中转化成付费用户。 所以，它在一定程度上是比较抗风险的。 程曼祺 你们从什么时候开始打平？ 杨临风 我们从 2022 年全年第一次实现打平。 程曼祺 2022 年全年。 杨临风 对。 程曼祺 那先把前面的事情说完。2019 年到 2020 年在线教育高峰时，你觉得你们还是一个比较健康的商业模式？ 杨临风 对，只是当时我们的规模还没有达到拐点。到拐点之后，这个模式的优势才会体现出来。 第二，如果让我们硬去做大班直播课，第一，我们肯定没有这方面的优势；第二，大班直播课的底层逻辑和我们的逻辑完全不一样。 大班直播课的核心是用人教人，它很多产品方法论的沉淀并不是核心。但洋葱从一开始沉淀的是产品方法论，沉淀的是课程方法。 它是一个自进化、自迭代的产品。我们可以负责任地说，明天的洋葱一定比今天的洋葱好，因为所有东西都能沉淀下来。所以它有很强的复利属性。 程曼祺 那个阶段你一点都没有动摇过，没有想过“我是不是也要做一下”？ 杨临风 我们内部肯定讨论过。这么大的风口，内部肯定有人会提。 但这个事情，我们当时想得很快：第一，没这金刚钻，就不要轻易揽这个瓷器活。 你不是说什么模式赚钱就去做哪个模式，而是要看哪个模式你能做得长久，能在里面做到相对最好。你应该做那个模式。 第一，我们不擅长；第二，我们的积累用不上；第三，我们也比较怀疑那个模式的商业逻辑是否健康。 当时绝大部分在线教育大班直播课的模式，底层其实是烧钱换增长。 程曼祺 这个讨论过几次？因为当其他公司融资 10 亿元时，你们可能是一个想法；过一段时间，他一下融资 100 亿元，你们可能又是一个想法。 杨临风 没有，最多在内部好像不会超过两次。我们还是比较快就想明白了。 我们团队从最开始为什么做这件事？就是为了让创设的教育体验被尽可能多的人无差别地使用。 2013 年时，我们就有机会在北京做直播，自己通过直播远程讲课。但我们从一开始就没有选择这种方式。 程曼祺 你相信洋葱做的事情是正确的，方法是正确的，商业模式也是健康的。为什么在中国，做你们这个方向的公司几乎没有，除了你们？ 杨临风 因为难，也因为慢。 这里面有几个原因。第一个，刚才说过，确实比较难、比较慢。 难的原因在于，要想用人机互动的方式吸引学生主动学习，在大部分人眼中，从一开始就是不可能的。 我们 2013 年做这件事时，听到最多的质疑就是：“你们疯了吧？你们想做一个产品，让中小学生自主学习？不可能。” 问家长，10 个里面有 9 个会说：“不可能，中国学生不可能自主学习。”所有人都会这么说。 但我们觉得，这就是一个机遇，是反认知。反认知就具备机会。 从我们自己的经验来看，事实不是这样。我们和学生接触、深入了解之后发现，这些孩子第一并不笨，第二也不是不想取得好成绩。 其实在中国的环境下，所有孩子都想取得好成绩。每一个“学渣”心中都住着一个想成为“学霸”的心，因为如果不是学霸，他会被批评，会受到很多负面影响。没有孩子愿意被批评，都愿意被表扬。 但问题是，他想成为学霸，靠自己太难了。 所以大家忽略了一个点：这个孩子为什么看起来像个学渣？成因是什么？ 如果我们把让他成为学渣的成因去掉，换上一些让他能够成功的成因，这个孩子是不是就可能变好了？ 我们在乡村和城市接触到的大部分小学生，尤其是低年级小学生，都特别活泼。但接触到的大部分初中生却极其沉闷。为什么？是不是和他在学校学习过程中遇到的很多负反馈有关？ 程曼祺 上学上久了导致的。 杨临风 对。所以我们觉得，这件事有很大机会。这就是一个反共识。 有了这个反共识，我们就非常确信，如果做好了，这件事能够产生巨大的机会。 2013 年、2014 年我们讲这件事时，大家都认为不可能。但到了 2016 年、2017 年，产品数据特别好，用户量开始成倍增长，大家突然意识到：“好像这件事也许值得做。” 这些年，我们在行业里也开拓了很多新的认知和领域。 比如 2013 年、2014 年，那时大部分做教育的公司都不重视内容。大家会觉得，中国教育最不缺的就是内容，随便找个老师对着屏幕录一下，大量网课不都是内容吗？题目和试卷也不缺。 程曼祺 我觉得有一个例外，但不是 K12 教育，也不是线上教育，就是新东方。 杨临风 我也觉得新东方是一家很以内容见长的教育公司。它当时做线下英语培训时，很早就意识到课堂氛围是一个值得创设的情境。 程曼祺 对，它也是在创设体验，只不过它的体验基于线下人与人面对面的互动，以及老师本身的魅力。它花了很多时间打磨这件事。 杨临风 这一点非常值得致敬和认可。 但回到学生自主学习的环境里，情况不一样。如何在老师不在场的情况下，让学生愿意主动、自发地学习，是一个全新的问题。 程曼祺 而且去新东方的人，本来就有强烈的主观意愿。不管是为了留学还是升学，他已经想好了要做这件事。 杨临风 这是另外一个区别。很多机构做的是培训，培训有一个自筛选逻辑：你愿意让我陪，我才陪你。 但我们从一开始做的是教育的底层攻坚，希望帮助乡村学生都能学好。我们基于学校、帮助学校和老师做这件事。 学校面临的问题和教培机构有很大区别。学校要做有教无类，各种各样的学生都在这里，我都得把他教好，而且必须从零起点开始。 所以我们从一开始就要思考，普通认知水平的孩子从零起点出发，如何大概率把知识学懂。这就是洋葱要做的事情。 我们的很多假设逻辑，从一开始就和大部分教培机构的商业逻辑完全不一样。 另一个很不一样的区别是，洋葱从一开始把用户定位为先服务学生。学生自己有了好的体验之后，家长可能反而是后来才知道。 但所有教育公司或教培公司的第一触达对象都是家长，因为家长付钱。 所以从一开始选择的要素就不同，完全是不一样的物种。我们的出发点是乡村公益、兜底普惠和教育创新，不是从教培角度思考。 程曼祺 如果没有“双减”，在线教培市场，或者在线教育直播课市场，会怎么变化？它会继续像当时那样鼎盛，还是本身会有一个挤泡沫的过程？ 杨临风 我不好推测，只能说从我们的认知来看，这件事不太可能成为全民主流。 程曼祺 我在想，这种模式至少对应试教育是有效的吗？还是它甚至对应试教育都没有那么有效？ 杨临风 这就是有意思的地方。我们认为，这种方式甚至对于应试教育都不是特别有效。 我不能一刀切，但大部分这种教学方式，尤其是教培方式，其实是在教学生“大招”，给学生教短时间内的解题技巧和方法。 问题是，这些技巧和方法看似对短期解题有效，但对人的记忆非常不友好。 人的记忆是网状串联的。说白了，你把一件事讲得越透彻，理解和内化得越细，就越容易记住。 而大招、逻辑和快捷方式，天然是碎片化的记忆，让很多人很难记住。 什么样的学生特别适合那种培训？尖子生。你让尖子生看到更多难题，总结一些大招和规律，他第一是脑子清楚、记得清楚、记忆力好；第二是底层逻辑其实已经自己梳理清楚了，他缺的只是看到各种题型。 所以这种方法适合给尖子生锦上添花，但大部分学生需要的是雪中送炭。这种模式并不适合大部分学生。 程曼祺 这还是挺中国教育的方式。我以前学数学，会说“条件是充分的，结论是必要的”。但因为这句话记得太牢，反而导致我一直没有真正理解充要条件。虽然我可以把答案推出来，但总会想到这句话。 杨临风 还有很多口诀，比如“左加右减、上加下减”。总结这些口诀和快捷方式，本身就是新的记忆负担。 本来你不需要背这些口诀，把事情的根源理解了就可以。 比如学英语，如果你学会了自然拼读，就不需要背单词的每个音节。Apple 这个词，a-p-p-l-e，如果会自然拼读，apple 两个音节就记住了。 程曼祺 如果它对应试教育都没有那么有效，风潮是不是也会慢慢趋于稳定？ 杨临风 这几年有两个新的趋势。 第一个趋势，是国家在命题上发生了很大改变。现在说的新中考、新高考，本质上是为了反刷题、反内卷。 以前的题目，靠刷题还有可能得高分。现在的题目更加情境化、生活化、跨学科，而且情境不断变化，很多题目根本刷不到。 到了考场，用传统方式死记硬背地学习，分数反而可能更低。这是国家通过命题方式反内卷，或者说反这种应试教育。 现在很多家长已经意识到这一点。 第二件事是 AI。AI 来了之后，大家很容易理解，这种方式肯定不适合未来的时代。 程曼祺 “双减”发生时，洋葱处于什么状态？受到什么具体影响吗？ 杨临风 从业务上讲，我们受到的影响比较有限。我们还是认为，现在这种方法更符合长期的教育观念。 当时我们也觉得，这种方式更符合国家教育战略。洋葱还有一点和其他机构非常不同：从第一天开始，所有内容都在国家课标体系框架内，并且和学校教学进度同步。 我们不是着重于课外培训、冲刺尖子生的逻辑，不是在校外建立一套新体系。 程曼祺 家长愿意付费的恰恰是那些东西，为什么不做？ 杨临风 还是回到最初那一点。我们最开始做公益，是基于学校和老师的教学进度做这件事，所以最初做的内容天然要适配老师的教学进度。 如果要向乡村地区免费开放，最合理的方式就是跟着公立学校的教学进度走，这样老师才能使用，知道哪节课用什么内容。 如果自己建立一套体系，老师还要重新理解一遍，也很麻烦，用不起来。 回到刚才的问题，我们坚持下来的这些要素，在某些地方确实有价值。我们分析来分析去，觉得我们选的这些要素可能没有办法让公司爆发式增长，但能够让公司比较平稳、持续地发展。 程曼祺 2023 年 AI 热潮之后，你们有没有观察到用户行为，或者用户增长出现明显变化？ 杨临风 没有。你说的是用户增量吧？没有，还是比较正常。 程曼祺 现在猿辅导等公司也在做 AI 转型，推出了一些 AI 产品。还有像“与爱为伍”这样的公司，我们之前也采访过创始人张怀亭。他是技术出身，之前在百度，后来在高途，现在做了一家原生于 AI 的教育公司。 现在不同人的不同尝试，你会怎么分类？最后大家可能会汇聚到什么地方？ 杨临风 ### 教育需求重新分流 首先从 AI 融入角度讲，我们看到很多企业都在大幅融入 AI。AI native 是所有企业都在追求的事情，所以不能只靠是不是 AI native 来分类，因为那是供给侧逻辑。 我们更多想从教育需求侧来分类。 现在看到的一个方向，是有些企业更追求标准化。比如有些企业之前在教培中打磨了很好的经验，希望这些经验的成本足够低，交付确定性足够高，所以希望把原来由人完成的事情尽可能交给机器和 AI 去做。 但它的做法，本质上还是在标准化人的流程。 比如很多大班直播课企业就在这么做，学而思就是其中之一，VIP 等可能也类似。他们更多是先把老师教学生这个环节 AI 化。 这是一个流派：把已有的教学过程用技术标准化。 第二个流派，是用教学技术把学习过程标准化。比如更好地推送题目、更好地批改作业、自动阅卷，把传统流程中的环节用 AI 自动化。 但这个过程相对不太涉及狭义的学习。这些是学习的副产品或某个环节，但不是学习过程本身。 洋葱做的事情不太是这些。每个企业都有自己的擅长和边界，我们核心能够发力的地方，不在那些环节。 我们能发力的，是把学习体验，或者更窄一点说，把学习内容用 AI 的方式变得更加生动、灵活和有趣。 我们更在意的是，一个知识或教学过程发生之后，到学生接收之间的过程，如何变得不同。 程曼祺 你觉得这几种不同的做法以后都会有生存空间？ 杨临风 我觉得是的。 还是回到那句话，教育生态很复杂。里面有学校、老师、家长、孩子，还有社会。不同的人对于教育的需求不同。 比如在学校里，用 AI 帮老师批改作业、减负，肯定是刚需，但这是不是教育的全部？肯定不是。 每一方，包括老师之间、学生之间、家庭之间，教育理念也不同。再怎么发展到 AI 时代，还是会有学校、老师和家长认为某种教学理念更正确。 因为大家的选项不同、偏好不同，即使 AI 工具发展到极致，可能还是有家长觉得把孩子送去线下辅导班更放心。 所以我们经常说，教育，所谓在线教育或者教育行业，其实不是一个大市场，而是非常多彼此逻辑完全不同的细分市场。 程曼祺 AI 来了之后，会让这个领域出现巨头公司吗？ 教育是一个花费非常多的市场，整体需求非常大，但过去没有单个公司成长到特别大的体量。新的技术环境会改变这一点吗？ 杨临风 这是个挺难回答的问题。我对答案没有很大置信度，但如果问我现在的观点，我认为不会。 还是那个原因：教育对每个人来说偏好非常不同。最终不同家庭、学校和老师的选择可能都不一样，所以会给很多不同理念的产品留下自己的生态位。 程曼祺 还有一种可能，是一个巨头把这件事做了，比如 ChatGPT。 杨临风 很难。还是回到那个问题，教育里面有很多行业 know-how 和细碎的点。只要它没办法在细分维度上做到 95 分，家长或学校就可能倾向于选择细分领域里 95 分的产品。 程曼祺 我开个脑洞：如果 OpenAI 把你们收购了，也获得了你们几千亿次的交互数据和过去积累的内容，它是不是有可能做成？ 杨临风 它可能在我们的领域体系下做得不错，但如果想完全抛开我们的内容，纯靠 AIGC 服务用户，我认为现阶段还是难，因为这可能涉及更底层的模型体系。 而且，洋葱也只解决了学习过程中的一个环节。 假设 OpenAI 真的有钱，收购 1,000 家这样的公司，把所有环节都补上，问题就来了：这 1,000 家公司之间，怎么保证串联成一个好的体系？ 和这 1,000 家公司单打独斗相比，串联在一起到底能带来什么不一样的化学反应，也很难讲。 教育行业里，公司与公司之间的合作不像有些行业那样上下游关系清晰。教育行业本质上供应链很短，并不严格需要上下游衔接。 每家公司可能都有自己的一套方法论、体验和理念，也都有能力在服务用户这件事上形成闭环。 所以，教育公司之间合作的必要性没有那么强，理念上的互斥性反而会更强。 不是说把产业链不同环节放在一起，垂直整合一下，效率提高。不是这个逻辑。 程曼祺 如果你认为教育领域很难出现特别大的公司，而你会持续做洋葱学园，你想达到的目标是什么？ 杨临风 我们希望产品真的能够帮助尽可能多的老师、学校和学生。 长期追求的是影响力。影响力怎么量化？当然和用户规模有一定关系，但用户规模是线性增长的，不是一个很好的、唯一的衡量指标。 更具体一点，我们会看学生对洋葱的 NPS，也就是净推荐值：他是不是真的愿意发自内心地推荐给身边的学生。 还会看多少学校用了洋葱之后，老师愿意持续使用，学校愿意持续使用我们的服务和复购。 这些是更有价值的指标，而不是看短时间内用户增长有多快，或者收入在短时间内增长有多大。 这些商业指标更多是副产品。产品做好之后，只要运营不掉链子，这些指标不会很差。但如果过度刺激这些指标，就会出现很多动作变形。 程曼祺 你们的净推荐值在行业里是什么水平？ 杨临风 我们不知道其他人的水平。对我们自己来说，净推荐值还是比较高的。没有对外披露过，但我觉得大概能到 50 到 60。 程曼祺 就是 9 到 10 分减去 1 到 2 分，还是 0 到 1 分？它是用头减去尾，中间那个不算。 杨临风 对。50 到 60 的意思是，在 100 个用户里，可能有 50 到 60 个强烈愿意推荐给别人，再减去强烈不推荐的人。 程曼祺 AI 热潮之后，大家对教育的关注和讨论确实更多了。 在美国，我们也看到了一些新的学校形式，比如 Alpha School。它号称一天只上两个小时的课，上午上课，下午做活动，其余大量时间会做 AI projects，学生参与各种互动，更多是学以致用。 上午学知识，下午主动输出和应用。一年学费要 6 万美元，专门面向对现有教育体系失望或焦虑、希望寻找更适合 AI 时代教育的精英家庭。 杨临风 其实这样的模式并不贵。我们现在在和很多公立学校合作。 程曼祺 我想知道，洋葱对这个问题的思考和探索是什么？ 杨临风 我们首先认为，这种方式很符合真正意义上的未来学习方式。 核心不在于课多还是课少，而在于学生如何上课。Alpha School 的本质，是希望学生主动承担起学习的责任。 这件事翻译一下，不就是自主学习吗？主动承担学习责任，就是学习是你的事，不是老师讲你才听、才学。 到了这节课，这段时间是你的，你自己规划好时间。你是学习的主体。学懂还是没学懂，如果没学懂，你需要自己承担反复提问、反复回看，或者把事情真正弄懂的责任，而不是取决于老师有没有把这件事交给你。 程曼祺 你觉得孩子真的有这种责任感吗？ 杨临风 这也是为什么洋葱从来没想过有一天要干掉学校或老师。 回到最开始的话题，自主学习到底由哪些部分组成？我之前确实花了很多篇幅，绕了很远，就是想说明，自主学习不是单一要素。 学生的习惯和动机，需要外部的人帮忙培养，但学习这件事本身，可以由学生作为主体。 老师和学校最重要的事情，应该是创设这样的氛围和引导方式，并且教给学生一个好的自主学习习惯。没有人的引导，大部分学生自己是掌握不了的。 但在一个好的理念的学校里，如果老师和学校能够有课程设计和活动设计，带着学生逐步走向学会自主学习，再加上 AI 时代好的资源和工具，学校完全有可能变成一所以学生为中心、鼓励自主学习的学校，而且成本和费用并不贵。 程曼祺 这就是你们和学校合作的 To B 业务在做的事。 杨临风 对，我们叫 AI 未来课堂。 程曼祺 到现在这个时间点，你刚才讲了 To C 学生用户的情况，有 1.3 亿学生、400 万老师。学校这块是什么情况？和多少学校合作？ 杨临风 学校方面，每年我们深度有人在地服务的学校大概有 2,000 多所，分布在全国。 有了 AI 之后，我们发现，在自主学习环境下，能够给学生提供的教学支持更多了。遇到不会的问题，AI 可以随时跳出来支持；有新的想法和启发想提问，也可以随时问 AI。 我们在一些这样的课堂上给学生留出提问时间，并引导他们如何提出好问题，就会发现学生真的能问出一些很好的问题。 比如化学里的分子动理论，分子的无序运动会让分子扩散。学生会在课堂最后问 AI：“分子的运动能够让分子扩散，有没有办法让它聚集？” 这其实就是一个特别好的问题。 程曼祺 这是来自提问框架里的什么方法？ 杨临风 我们有一套叫布鲁姆提问框架。简单理解，就是给学生一套如何提问的脚手架。 这是一套很复杂的体系，需要专门教。我们把其中一些部分融入 AI，AI 可以给学生做启发。 更重要的是，它不仅仅是一个框架。因为有了学生自主学习和课堂时间的重新调配，学生在课堂上有时间、有留白去提问，这件事本身就很重要。 传统教学环节里，学生提的问题大部分老师回答不了，或者没有时间回答。但有了 AI 之后，每个学生的问题，AI 至少可以先回答一遍。 因为有了这样的课堂形式，学生提的问题还有机会被全班看到，老师也可以在课堂上展示他认为学生提得好的问题。 如果每节课都有这样的环节，学生久而久之就会更习惯提问，也能看到高质量的问题，最终自己问出更好的问题。 程曼祺 更自发地学习，不光是听讲，而是互动和更好的提问。 我觉得这些好像都是教育目标层面的追求，没有被 AI 改变，或者说 AI 来了之后，反而让大家更急迫地回到过去认为的更好的教育方式。 杨临风 特别对，完全是这样。 教育这件事，本质上几千年来对于人的帮助，或者说正确的教育规律，并没有改变。 只是在没有 AI 的时候，很多人意识不到错误的教学方式和理念训练出来的人，大家以为那是有用的。 过去十几年、二十几年，大家也一直在说，很多大学生毕业之后高分低能，不符合实际要求；很多学生没有目标，很多学生厌学。 这些问题一直存在。只是传统逻辑下，在 AI 之前，社会对人的创新能力要求看起来没有那么高、那么多元，所以社会对这件事的反思还没有到那个程度。 AI 是一个催化剂，让社会中的大部分人开始被迫思考这个问题。 程曼祺 因为我觉得 AI 在动摇一件事，就是应试教育的有效性。 以前应试教育不一定让人快乐，但我觉得它是一个比较好的社会化过程。比如上一个学校，可能找到一份不错的工作，大概能看到一个相对稳定的职业和社会生活路径。 但现在 AI 来了，大家开始怀疑这件事还能不能持续。因为十年以后，社会上的工作和现在的工作肯定非常不一样。 ChatGPT 到现在才 3 年多，3 年多乘以 3 就是 10 年。现在初一的孩子，10 年之后正好大学毕业。对一个初中生而言，10 年后的世界我们已经根本想象不到了。 这个问题交给奥特曼去思考。面对这么大的不确定性，唯一确定的是什么？ 杨临风 大家要适应变化。 我们可能唯一能知道的是，孩子 10 年以后面对的事情，一定是他现在想象不到的。 程曼祺 问题来了：他现在学的所有东西可能都没有用，那他唯一有用的能力是什么？ 杨临风 是学习新东西并且学以致用的能力。 程曼祺 你们现在的课程跟着课标走。那你觉得课标这套体系，比如数学、语文、物理这样分类，还能持续多久？ 杨临风 这个问题非常专业，是一个很好的教育学问题：教育的本质为什么要学知识？ 我稍微往回延伸一下。古希腊人为什么研究几何？因为古希腊人认为，几何学是最能开发大脑的东西。 几何当然有实用性，但古希腊人之所以把它研究得那么透，不是为了追求知识本身，不是说研究出来之后可以建一个更好的神殿，而是通过知识这个载体，本质上教人形成一种思维方式。 所有知识的底层，本质上都是为了学习那套思维方式。学科知识的本质也是为了学习那套思维方式，每个学科的思维方式可能不一样。 以数学为例，数学的底层对大部分人来说，第一是帮助你更好地讲道理。因为数学是逻辑，数学学得越深，一个人就会越尊重逻辑。你说话才会讲道理，才能适应现代社会。这是一个人的基本素质。 第二是理解复杂系统。数学是完全人造的、相对理想化的系统，由公理、定理组成。你能够在这个系统里学会 A 到 B、B 到 C，理解这个系统是怎么搭起来的，才有可能迁移去理解其他更复杂的系统，比如天气、银行、金融、交通、医疗，以及社会、经济和政治。 学数学，本质上是帮助一个人更好地形成系统思维。 所以，我们学的这些东西，不可能说中小学的定理今天全都记得很清楚，才能用系统化的方式思考问题。 这也是洋葱的理念：我们教学生这些知识，只是把它作为帮助学生理解事情的载体。 但这些核心思维方式和过程，能不能脱离知识而教？很难，因为它们太抽象了。 比如对于一件事的价值观，数学是美的，逻辑是美的。你现在跟一个小学生说数学是美的，他可能会说你有病。但你跟一个大学数学专业的学生说数学是美的，他会说：“我很同意。” 这是因为他们的认知过程和状态不同。 怎么让一个学生慢慢掌握，或者说被熏陶到具备一定的价值观和思维方式？就是需要通过学习知识，把底层逻辑搞明白。 所以，死记硬背对这件事的破坏性很大。死记硬背完全是舍本逐末。我们强调重理解的教学方式，就是因为教知识的本质，是把底层逻辑教清楚，不能只给结论。 程曼祺 所以你觉得，接下来学习知识这件事仍然会存在？ 杨临风 会，而且它会更回到学习知识的本质。 只要脑机接口一天没有出现，人学习知识、发展思维，仍然需要基于一些知识作为载体来学习。 所以，学习过程和学习体验的创设，价值会越来越大，而不是越来越小。 程曼祺 从你们自己的产品形态和商业模式来说，给学生使用的课程体系是一块，和学校合作是另一块。 现在也有一些大胆猜想，在讨论学校以后到底会是什么形态。 杨临风 我觉得不需要我们去猜，因为国家已经把政策写得很明白了，鼓励学校更多采用以学生为中心的学习方式。 人工智能叫师生机三元课堂。最早是老师一言堂，后来强调师生双元课堂，现在是师生机三元课堂。 机器在中间扮演的角色，是老师的智能助教、学生的智能学伴。这也是洋葱的理念。我们做的事情，就是学生的智能学伴和老师的智能助教。 程曼祺 学校肯定会存在，是吗？ 杨临风 百分之百会存在。 首先，人还是社会化的动物。第二，绝大部分孩子不可能纯靠自己从无到有掌握自主学习，也不可能自己获得自主学习的信念。 这件事学校就是要引导孩子慢慢掌握。 越来越多的学校，包括我们和很多校长交流时，都已经意识到这个问题。 今天我们帮助一个孩子在学校里正襟危坐地听老师讲，第一，这种方式不仅不适应未来，甚至对现在的新高考也越来越不适应，因为题型已经变了，作用越来越小。 今天不变，还要等什么？国家鼓励，那就变。 程曼祺 在你们核心服务的中小学阶段，你觉得最重要的教育目标是什么？尤其是从一个孩子未来如何认可自己的价值、在社会上找到自己的位置这个角度。 杨临风 这涉及教育哲学。教育哲学有很多流派，我只说我们作为洋葱比较相信的东西。 ### 教育的目标是自立 我觉得最重要的是，在中小学阶段让学生学会自立。 自立背后有几个维度。 第一是自信。你要有一套自立的信念体系，相信自己能搞定这些事情。遇到事情时，敢于学习和接受挑战，而不是说“我不行、我不会”，等着别人来教。 第二是具备自立的学习能力。遇到不会的事情不怕，不是第一反应说“老师没教过，所以我不会”。 到了工作中，大部分事情老师都没有教过你。遇到不会的事情太正常了，怎么办？很简单，把它搞明白就好。 怎么搞明白？方法很多。网上有资源，身边有可以请教的人，有很多书，自己也能坐下来琢磨。 只要相信自己能把它搞明白，就能够把这件事付诸行动。 第三，在这个过程中，要有自律能力、规划能力、思维梳理能力，包括给自己设定目标，并且一步步按照目标实现的能力。 这些都是人的底层学习和元认知能力。具备这些能力，意愿和信念也具备了，那肯定就是一个自立的人。 程曼祺 这就是你一开始说的能力、意愿，最后是信念。 杨临风 对。 我们的使命叫“创设学习体验，激发每个学生驾驭自主学习”。其实每个词都是推敲过的，都是根据刚才说的几个关键词演变来的。 为什么要创设体验？因为体验本质上是工具，是降低门槛。只有降低门槛，他才可能愿意越过这件事。 为什么是激发？因为本质上这是一个信念和价值观。如果不激发他，让他自己不想做，八匹牛也拉不动。 最后是驾驭。只有掌握自主学习，这就是你的工具，你就可以撑着它的翅膀飞。未来社会怎么变化，你都不怕。 但驾驭更多是一种心态：我是否相信，未来不管世界怎么变化，我都能自立于这个世界。这才是一种驾驭感。 程曼祺 你觉得 AI 对教育整体有什么风险，可以提前避免？ 杨临风 我分两个步骤说。 很多人已经提示过风险，比如 AI 会让学生产生思维惰性，可能更加不愿意思考问题。 但这件事更多取决于 AI 是怎么设计的。如果 AI 更多顺应学生天生的惰性，给他推东西，那毫无疑问会这样。 程曼祺 没有 AI 的时候，他也是这个状态。 杨临风 对。推荐算法就是这个逻辑，那也是 AI，只不过不是大模型，可以说是古典 AI。 大模型其实也是这样：你需要什么，我就顺着你说，按照你的偏好一路往下走，不尝试帮助你跳出盒子。 程曼祺 信息茧房就是这么来的。 杨临风 对，大模型经常这么回答你。 但反过来想，没有 AI 的时候，这些事情也一样在发生，而且没有外力把学生拽出来。 有了大模型和这样的产品，至少我们多一条路径，可以尝试把学生往外拽，让他看到不一样的路径。这就是我们想做的事情。 但回到那个问题，不能做得太过。如果一上来就摆出一副“你之前看的东西都是不对的，你得跟着我走”的样子，孩子会说：“对不起，拜拜。”你就失去了干预他、和他交流的机会。 所以这个度怎么设计特别重要。你始终要朝着把孩子带出来、让他看到更大世界的目标走，但又不能傲慢地认为他一定会跟着你走。 我觉得这是洋葱做所有事情的底层逻辑。我们始终在心里维持这两个平衡：记住自己要去哪儿，但不要傲慢到认为学生一定会跟着你走。 所以你要想办法引导学生、迁移学生，并且有耐心地带着他慢慢往这边走。 程曼祺 你们内部对于人性底层、学习动力，以及懒惰、惰性这些事情，是怎么思考的？ 杨临风 我觉得可能有一种风险：AI 会让那些愿意主动学习的人，能力被极大放大；剩下的平庸者，或者本来就不太行的人，可能会更不行。 机会是公平的，但结果会更不公平。 程曼祺 这是 AI 对社会的影响风险，不是 AI 对教育的风险。 杨临风 对。教育要做的事情是，既然这件事肯定会发生，就尽可能让那些容易被甩下的人不要被甩下。 这就是我刚才想说的第二件事。与其更多思考 AI 对教育的风险，不如更多思考你能做什么。 AI 会不会改造社会，不是我们一家公司能控制的。 程曼祺 具体来说，你们怎么发挥 AI 的价值？前面提到，你们会用 agent 这种私教。你们会往模型的方向做吗？ 杨临风 你是说自己训练模型？ 程曼祺 对。会做后训练或者微调吗？ 杨临风 后训练和微调会做，因为现在成本可控。但自己独立训练模型，我们很早就思考过，很快得出结论：完全没必要。 首先，这件事投入确实会非常大。第二，模型现在处于快速迭代期。 我们一直在思考一个洋葱思考框架：做一件事，不能只思考这件事完成的那一瞬间，要思考能不能持续做下去。 模型可能需要你砸锅卖铁、举全司之力，在某个时间点凑一笔钱，训练出一个模型。 但这是不是你的主营业务？你有没有足够投入，让这件事持续做下去？ 如果做不到，那你训练模型的那个时间点就是纯浪费。因为别人还在持续做这件事，他一定会做得越来越好，你的模型很快就会落后。 程曼祺 你们现在使用的这些模型里，针对你们的场景，不同模型分别在哪些场景比较好用？ 杨临风 我们其实都在用，而且有一套 benchmark 评测。 所有模型出来之后，包括不同版本、不同尺寸，我们都会测试，然后选择在速度和效率之间比较优化的模型。基本上市面上的主流品牌我们都用过。 程曼祺 现在你们用得比较多的是什么？ 杨临风 比如字节的模型、阿里的模型，包括 DeepSeek，这些我们都有在用。 程曼祺 你会观察到这些模型有什么不同的特性吗？ 杨临风 会。但更多的不是品牌差异，同一家公司不同版本、不同尺寸之间也非常不一样，所以必须测试。 程曼祺 比如你们私教那块，用的是什么模型？ 杨临风 我们用了很多模型。私教背后是一套很细的系统，有很多层，我们把工作流拆得很细，每个工作流使用的模型都不一样。 程曼祺 你们现在在模型上大概会花多少钱？占成本多少？ 杨临风 现在还不是太大。 程曼祺 因为你们没有特别激进地让用户一直使用它。 杨临风 对。但我觉得这个量级会随着时间推移越来越大。 现在模型本身竞争激烈，大家给的价格还可以。但一些最好的模型，token 确实比较贵，所以我们也在不断优化。 不是所有地方都需要最全面、最强的模型。 程曼祺 你一路上读的是很好的学校，从北京四中到伊顿，再到哈佛。 会不会有人觉得，你包括联创在内，都是比较精英的背景，你们设想的状态比较理想化？它可能只是少数人追求的目标，很难支撑一个大生意。 杨临风 我们对这个问题想了很多。 我们做这件事的出发点，不是因为我们是好学生，恰恰是因为我们看到了来问问题的学生，也看到了坐在教室里听了一节课、依然昏昏沉沉睡觉的学生，想知道他们为什么听不懂。 相比于说我们是不是过于理想化，我觉得相反，我们在这个问题上比很多人更加务实，也更加有敬畏感。 对于人如何才能学懂一件事，我们比大部分人更意识到这件事的难度，所以才会花这么多时间和精力优化体验过程。 很多人之所以接受这样的现状，是因为没有深入思考学生为什么会处于这个状态，没有意识到学习原来是一件这么有难度的事。 学习体验如此糟糕，以至于应该花时间优化它。但这件事的难度被很多人忽略了。 程曼祺 在这之前，还有一个区别：大部分人不会思考这个问题，也不关心这个问题。尤其是学习很好的同学，他不关心班上的差生学得不好。 杨临风 对，这也是一个问题。可能会觉得：“这有什么难的？怎么会学不懂？” 程曼祺 我觉得甚至还没到这一步，很多人的想法是：“那是别人的事，跟我没关系。” 你和你的联创为什么会关心别人学不好这件事？原动力是怎么来的？ 杨临风 每个人的关注点不一样，可能恰好我们关注到了这个问题。 对我们来说，琢磨人怎么把一件事搞明白，以及怎么帮助一个人把一件事搞明白，本身就很有成就感。 程曼祺 你曾经考虑过在计算机行业发展自己的职业生涯吗？ 杨临风 考虑过。 程曼祺 你是学计算机的吗？ 杨临风 对，是的。 程曼祺 那后来为什么没选那条路？ 杨临风 因为觉得教育很有意思。而且这件事本身是教育和技术结合，天然把我的两个兴趣结合在一起。 另外，它还有社会创新和社会公益的部分。三个事情能够放在一起做，特别好玩。 程曼祺 创业过程中有很艰难的时候吗？或者说，很生气、很愤怒的时候？ 我很难想象你发脾气的样子。你会发脾气吗？ 杨临风 在公司里比较少。 我会发脾气的原因，可能是大家遇到问题之后没有深入思考，或者一件事情明明已经复盘总结过了，第二次、第三次还是重复犯错。 我觉得这是人可以避免的。但其他时候，遇到问题解决问题就好了，比较正常。 我觉得这家公司一直以来的挑战都是恒定的。 我们选择了一条非共识的路径，又是在教育这样一个需要人的观念和社会观念发生变化，才会变化的领域。 科研也难，但如果一项技术取得突破，明显比现有技术经济效益好很多，很多企业就会快速采用。 教育不是这样。即使你的方式确实更好，第一，它的效果不会马上显现出来、被测量出来；第二，它受制于人的认知。 这一代人可能从小就是用另一种方式成长起来的，所以会觉得你的方式别扭、不适应。你很难直接改变家长、部分老师和学校的认知。 你需要时间，需要机遇，需要等人的观念和社会环境到了某个时间节点，大家慢慢改变。 对我们来说，在这样的领域里做一件非共识的事，本身就带来了很多压力。 比如前期，我们花了很多时间找到认同理念的那一小撮投资人。 程曼祺 你们第一个投资人是峰瑞资本的李丰吗？当时他在 IDG 的时候投的吗？ 杨临风 严格来说，第一个投资人应该是晨兴 Morningside 的 founder 陈乐宗 Jerry Chen。他用家族基金会给我们投了第一笔钱。 李丰叔当时在 IDG，推动我们这个项目过会了。但后来他出来做峰瑞，我们就跟着他去了峰瑞，所以没有拿 IDG 的钱。 程曼祺 刚好是他要成立新基金的时候。 杨临风 对。但丰叔一直非常支持这个项目，峰瑞也是每一轮都支持我们。 程曼祺 你觉得他支持你们，是认为你们会赚大钱、给他很大回报，还是因为其他原因？ 杨临风 这个问题可以直接问丰叔。 峰瑞有一个 slogan，叫“做正确的事”。这件事和洋葱、和我们的理念比较接近。 我觉得丰叔肯定没有认为我们是能帮他赚大钱的企业。但洋葱的理念可能和他对教育的认知比较符合，这应该是核心原因。 所以回到那个点，我们需要找到认同这套理念的投资人、学校和客户，也要吸引认同这套理念的团队。 很多事情没有那么快，需要时间。 前几年，我们花了很长时间一点一点做内容。现在回想，这是一个非常不理性、非常冒险的事情。 作为一家创业公司，我们从 2013 年底到 2015 年底，花了两年时间，把初中数学初一、初二的概念课视频，大概 200 个做完。 这期间没有用户，也没有产品上线，只是在一个视频一个视频地做，慢慢打磨产品形态。 对很多公司来说，这个时间很久，风险极高。而且做内容不像打磨 App 和网站，代码的团队规模和成本都还是比较大的，内容制作的团队规模和成本都很大。 当时很多人也问：“为什么要用这么慢的方式做？” 程曼祺 相当于做了一部大电影。 杨临风 对，从时长上来说有点像。所以风险非常高。 所幸我们很快得到了市场认可。但现在回想，前两年其实挺悬的。 而这只是开始。后面内容的迭代，包括“双减”前市场非常浮躁的时候，铺天盖地的广告，投资人天天来问，外部融资时别人也会问： “和那些企业相比，你们怎么办？别人的交易额飞速上涨，你们的交易额看起来没有指数级变化，为什么要投你？” 团队内部也会有波动。所有这些问题，都需要一个个解决。 程曼祺 你最有成就感的时刻是什么时候？ 杨临风 如果说一个，肯定是洋葱的公益。 洋葱有一个专门的团队，叫洋葱助教行动。这个团队有几位全职成员，他们会主动联系、触达需要帮助的乡村地区学校和老师，把我们的资源免费开放过去，并提供相应培训和指导。 必要的时候，我们还会深入一些区县，一个县一个县地走访，他们经常要到地方出差。 现在累计支持的乡村教师，大概有 6 万多名。这些老师分散在 3 万多所乡村学校里。中国乡村学校总数大概是 10 万所，所以覆盖面还挺大。 整县支持，我们现在大概做了 10 个县。 比较偏远的地方，比如青海玉树，我们做的是玉树藏区、牧民所在的地方，在三江源头的曲麻莱县和治多县。还有甘肃宕昌、云南保山、贵州锦屏、江西寻乌，这些原来都是贫困县。 这件事对我们来说像一个闭环。 我们最开始做公益，后来发现这件事需要的投入比想象中大，所以某种程度上走了一条曲线救国的路，创立了公司。 但公司做的事情，又不能绕一圈后找不回原点。我们还是希望帮助最初想帮助的人。 绕了一圈回来，发现现在做的事情仍然能够以某种形式服务到这些人，我觉得会让我们很踏实。这应该是最有成就感的事情。 另外还有很多时刻。回到激发学生这件事，我们在和一些学校合作时，确实看到很多学生因为这种自学方式发生了变化。 比如在一所学校，我们发现了一个在中国教育界很少见的场景。有一张照片特别有意思：一个学生在晚自习时给另一个学生讲题。听讲的人是全校倒数第一，讲题的人是全校倒数第二。 全校倒数第二主动给倒数第一讲题。 在传统学校里，这两个孩子通常都是最没有自信、最难翻身的孩子。但在这样的环境下，他能找到自己的空间，感受到自己的用处。 他在给别人讲题、互相帮助的过程中，找到了一些能量。这件事特别难得，也正是我们想做的事。 程曼祺 这个场景发生在你们的 AI 未来课堂吗？ 杨临风 对，发生在我们的 AI 未来课堂学校。 倒数第一敢提问了，倒数第二也敢讲了。 程曼祺 他们会认为这件事是理所应当的。 杨临风 对。以前他们肯定缩在角落里，像透明人一样，什么问题也不敢问，问了也可能没有人关注。 而且那些孩子已经高三了。高三的孩子还能重新点燃学习热情，非常难。但他们确实点燃了。 在这个班里，学生遇到不会的问题时，谁搞明白了一道题，就会很有成就感地走到台前，跟别人分享。 程曼祺 历史上你们有什么核心成员离开过吗？ 杨临风 我们大部分团队都比较稳定。 比如我们三个联合创始人，一直到现在合作了十几年，从公益开始合作到现在，已经 14、15 年了。 早期一起做公益，以及后来公司刚成立时的一些核心成员，也都还在。整体还是比较稳定的。 程曼祺 你相信先赚很多钱，再来实现目标的做法吗？ 你刚才说，你们最开始想促进教育公平，让乡村孩子也拥有自主学习能力。后来做公司，好像有一点曲线救国的意思。 杨临风 我小时候曾经相信过这个事情。 程曼祺 小时候多小？ 杨临风 小学的时候。 我小学特别喜欢比尔·盖茨。我觉得他厉害，是因为他赚了很多钱，然后拿这些钱做慈善，确实在一定程度上促进了社会更好的发展。 所以我觉得这条路径挺好的。 但随着时间推移，我意识到另一件事：这个社会最缺的可能不是钱，最缺的是做事的方法、想法和做事的人。 你要针对一个社会议题找到好的解法，并且有一个团队持续愿意把这个解法执行下去。这件事的稀缺程度远远大于钱。 程曼祺 你什么时候意识到的？ 杨临风 大概高中吧。 程曼祺 你很早熟。你在高中时已经去英国了，还是在北京？ 杨临风 在北京的时候和去英国以后都想过这个问题。 回到刚才的问题，就算我当时有点天不怕地不怕，觉得自己未来可能赚很多钱，等真的赚到特别多的钱时，我能不能针对想解决的社会议题找到可以资助的项目，或者天然有一个好的解法摆在面前？这也不一定。 有更多资源投入好的社会议题，当然是很好的事情，我不是说它有问题。 但如果对于你想关注的社会议题，你自己可能已经有一个解法，并且能够变成可持续的方式去解决，也未尝不是一件坏事。 所以，今天洋葱，或者说我们之前做公益项目，本质上是在寻求一种可持续、不断解决社会议题的方法，让这个方法在持续的过程中给团队自己造血。 它可能没有先后顺序。 至少从现在的结果倒推，这不是一个坏结果。 程曼祺 反过来我在想，如果一家企业瞄准了一个社会议题，但 Day One 的解法并不是朝着这个议题走，而是先做一个生意，把钱赚到之后再 pivot 到这个解法上，它还有可能成功吗？ 杨临风 我现在的思考是，大概率不会。 因为解决社会议题的解法，很多时候意味着 Day One 对这件事的处理方式、解法的设计形式、产品形式和商业结构，都必须瞄准这个解法。 否则，在过程中，大部分企业很难打碎一个已经成功的商业模式。这个商业模式会形成非常强的基因和价值网，绑住你。 我觉得洋葱就是因为一开始就瞄准了这个社会议题，所以选择了人机互动的形式，选择了普世普惠的方法，才有了今天兼顾两件事的可能。 如果洋葱最开始想的是“教育领域挺好，我们先从教育里挣钱，挣很多钱之后再解决问题”，那我们很可能会选择赚钱的方法，可能直接用人。 到今天，我们就没有办法踏实地拍着胸脯说，针对这个议题，我们恰好有一个很好的产品解决方案，能够低成本、可持续地捐给乡村。 很多人来洋葱参观后都会说：“你们这个设计真的很有意思。你看多巧，到了想帮助乡村学校的时候，你们的产品形态恰好适合。” 我说，不是恰好适合，而是我们从 Day One 开始就这么设计，它不可能只是恰好适合到这个程度。 程曼祺 有没有什么公司，本来想奔着 A 目标，先去做 B，后来没做成 A？或者反过来，本来想奔着 A，先去做 B，最后又绕回来了？ OpenAI 是不是就绕不回来了？它最开始成立，不就是因为不想让 AI 掌握在少数人手里吗？ 杨临风 我觉得很多公司还处在 ongoing 阶段。我相信，它们的创始人和创始团队，最开始是真的想把宣称的理念做成。 但因为我做过企业，我知道过程中会有太多现实因素，让你不得不做出当前最优的选择。 我不觉得 OpenAI 一开始就是抱着讲一个宏大故事、故意揣着明白装糊涂去骗一笔钱的想法。 程曼祺 他们中间也有分歧，后面团队也有分裂。 杨临风 对。人在过程中会不断面临一个拷问： “如果今天我不做这个更有利于企业优势的 decision，明天别的企业用了这个 decision，生产得比我好，最终有一天把我干掉了，那我是不是就彻底失去了未来再绕回去、实现最初理想目标的机会？” 这个拷问大部分时候没有办法回答，因为确实存在这种可能性。 所以在那个节点，你选择了更快的车道。做着做着，快车道上的利益相关者越来越多，用户越来越多，行业和竞争也越来越多，很多限制条件会推着你走。 到时候，你就不再能完全自己选择了。 程曼祺 你现在对自己的定位是什么？企业家、创始人、CEO，还是教育者？ 杨临风 首先是 CEO，然后应该是一个教育科技产品的产品经理。 这意味着，首先要保证组织健康、稳定。任何创新都需要真金白银的支持和团队，所以要维持团队愿意、开心、舒适地走下去，而且能够越走越健康。这毫无疑问是最重要的。 其次，因为我们最重要的事情是创设学习体验，所以如果洋葱没有不断创设新的、好的学习体验，那我们存在的价值就是零，完全没必要。 洋葱必须是一个健康、可持续的生意，但不能仅仅是一个生意。 如果只是一个生意，这群人就不需要花这么多时间在这里做这件事。 程曼祺 公司倒闭，和公司最后取得商业成功、但没有解决出发时想解决的社会议题，这两个选项哪个对你来说更坏？ 杨临风 如果从解决社会议题角度讲，都不好。 但至少公司活着，理论上还有机会绕回来。 我们刚从公益转向商业时，面临过一个挑战：我们到底要做一家社会企业，还是一家兼顾公益目标的企业？ 我们是公益和商业都要兼顾的混合目标企业，还是应该先做一家成功的商业公司？ 最后的共识是，首先毫无疑问要做一家成功的商业公司。 创业本身就是九死一生的事情。如果目标过于复杂，没有办法成功地活下来，就更谈不上其他事情。 所以我们把思路和经验放在，怎么做出一家成功的产品，让成功的产品获得市场认可。 但有几个底层原则不能打破。比如如果这件事上了人，就很难最终绕回来，再给全国去用。 在几个底层框架不改变的情况下，在框架范围内思考如何成为一家成功的公司，而不是每个决策都还要同时兼顾公益，这样才有可能让公司持续发展。 我们中间确实纠结了一段时间，考虑了很多。后来把这个问题想明白了，就没有再出现太多内耗。 程曼祺 如果完全抛开公益，你们现在会做成什么样？会变成一家更大、更赚钱的公司吗？ 杨临风 我不知道。 程曼祺 你没有假设过这个问题吗？ 杨临风 没有。因为如果是那样，我们会有一批人做得不太开心。 我很确定的是，如果大家不开心，这件事肯定做不好。 程曼祺 你现在很开心吗？ 或者这么说，洋葱今天还在做这样一个比较创新、符合教育理念，同时兼顾普惠普世的事情，它会让你觉得踏实吗？ 杨临风 会。 做人工智能产品创新时，我觉得特别有意思，这个过程我很享受，也很开心。 但企业经营过程中肯定有很多不开心的事情。你刚才说的“踏实”和“平稳”，我觉得很重要。 要想把一件事做长，肯定需要一个比较踏实的理由。 洋葱今天还在做这件事，会让我们在遇到挑战和困难时觉得，回头看，这件事仍然有坚持的意义。 它让我们在很多选择上比较淡定地度过了风浪。如果没有这个稳定器，我不好说经历的哪一个风浪会把我们掀翻，或者我们现在就不再淡定了。 所以它的重要性非常大，是一个压舱石。 程曼祺 我的问题是你开心吗，你的回答好像是，创业没办法一直开心。 杨临风 我的理解是，开心不是说没有开心的事情。 比如人工智能来了，我们可以做非常有意思的产品创新，这个过程我特别享受，也很开心。 但企业经营过程中肯定有很多不开心的事。你刚才说的是踏实、平稳，我觉得这件事很重要。 踏实，是让你觉得持续做下去，你的时间和精力仍然能够对那个社会议题有帮助。 而不是让你觉得，花这些时间只是为了熬日子。你花了一年、两年、三年让公司持续稳定下来、越做越好，但对你想推动的议题毫无帮助，那你就会质疑这件事的意义。 程曼祺 其实这是一个价值判断问题。你觉得自己花时间、花精力做的事情是有价值的。 杨临风 是的。 这也是公司很多核心团队成员一直留在这里的重要原因。 我觉得，这对于公司能够以这种方式持续到现在、还能做得还可以，是功不可没的。 程曼祺 你觉得 5 年或者 10 年后，洋葱会是一家什么样的公司，什么样的组织？ 杨临风 还是回到我们的愿景，使命至上。 ### 使命定义未来十年 如果 10 年内，或者 10 年之后，我们能帮助相当一部分学生驾驭自主学习，这家公司就非常、非常成功了。 所以，未来 10 年，我们还是尽可能帮助一些学生发生改变，帮助一些学校更好地适应变化。 程曼祺 你心里对“相当一部分”有数字上的目标吗？ 杨临风 当然越多越好。比如希望中国学生一下八亿，对吧？ 如果理论上每个孩子都能够被帮助，你看，我们的使命里写的是“激发每个学生”，这个“每个”不是随便写的。 我们的愿景大概是 3 组、每组 6 个字，最后一句叫“促进教育公平”。这是我们从 Day One 创建洋葱时就写下来的。 程曼祺 完整的愿景是什么？ 杨临风 “以学习者为本，为教育者赋能，促进教育公平。” 从 Day One 开始，我们就设定了两个核心服务主体：一个是学生，一个是老师。 家长不是不重要，而是家长最终关注的不也是孩子好不好吗？ 如果我们天天哄家长、服务家长、关注家长、营销家长，但孩子自己排斥、反感这件事，也没有用。 这是我们和很多公司的理念区别。 学生和教师这两个主体确定之后，最后一句话就是，希望尽可能多的学习者和教育者都能得到洋葱的帮助。 从教育公平角度讲，几千万乡村学生和 1 亿中小学生，都是我们的服务对象。 你要问我数字上的目标，我们希望是每个孩子，但这绝对不可能。 退一步讲，如果 10 年内能够帮助 500 万、1,000 万个孩子，因为洋葱的存在，变得不那么排斥主动学习，或者真正比较自主、自信地掌握了自主学习，这已经是相当了不起的事情。 而且在人工智能时代，我们有了很好的手段来做这件事。 人工智能的核心能力，在我们看来不仅仅是 AIGC 内容。我们更多把人工智能当作规划器，或者策略分发器。 它可以帮助我们把很多好的资源归类、整理，在合适的时候引导学生使用合适的东西。 以前我们可能要预设很多固定策略。现在针对每个孩子的情况，我们有他的记忆、对话和历史数据，能够大概了解他现在的心情和情感，知道他的学习模式和水平。 我们还有自己的算法，测量每个孩子对每个知识点的掌握度。 这些数据都可以作为模型输入，让模型判断当前孩子大概处于什么状态，然后应该用什么干预手段，帮助他继续往下走。 这样，产品就从原来相对机械的过程，一下子活了起来，变得更有生命力。 我觉得这是实现愿景必不可少的手段和工具。 当然，大模型肯定也会帮助降本，让我们以更低的成本做更多事情，或者用同样的成本做更多事情。 程曼祺 今天非常感谢临风做客《晚点聊》，分享洋葱学园的创业故事，以及你们希望在中国激发学生自主学习能力的尝试，包括 AI 到来之后发生的新变化。 我觉得教育确实和每个人都息息相关。尤其是 AI 到来之后，自己学习的意愿和能力变得更加重要了。 那今天节目就到这里，各位拜拜，谢谢。 本期节目和《晚点聊》第 108 期与香港大学计算机与数据科学学院院长马毅老师聊智能史的内容，形成了有意思的互文。 在第 108 期中，我们从智能的本质聊起。马毅对智能本质的总结就是学习。这里的学习，是指获得外部世界的知识和规律，从而进行预测，使知识可以为我所用，服务于我的生存。 所以学习是生物的本能。从 DNA 出现，到神经系统诞生和寒武纪物种大爆发，再到人类的语言与数学，马毅认为，这些都是智能和学习的不同表达形式。 杨临风本期也是如此描述自主学习的：自主学习并不简单，但它是人类基因的一部分。 作为计算机科学家和 AI 研究者，马毅回顾和总结智能的历史，是想了解地球上迄今为止最高效的智能，也就是生物体的智能，是如何运转的。这可以反推当前 AI 的状态，以及 AI 需要改进的地方。 他认为，生物依然有比主流 AI 系统简洁而强大得多的学习能力，不过这已经不是资源最集中的方向。 工业界现在的现实，是用巨大的算力和海量数据训练出越来越强的模型。这条路在一些商业价值重大的任务上，比如 coding，已经取得了比肩人类、甚至快速超越人类的成果。 这两种想法背后是不同的视角：一种更关注 AI 的能力，AI 可以做什么；另一种从学习机制出发。 现在看，由于大模型实在太有效，短期内我个人会认为，在大算力、大数据的大规模训练这条路上，整个业界会不撞南墙不回头。我们可以看一看，真正的墙会在什么时候到来。 而不管 AI 的墙何时到来，比较确定的、对大多数人都有用的事情不会有太多改变：锻炼身体，自主学习。 本期节目就到这里，感谢收听。如果你对今天聊的话题有观察、好奇或疑问，欢迎在评论区分享想法，这也会成为我们节目的一部分，让整个讨论更完整。你也可以把我们的节目分享给对这个话题感兴趣的朋友，推荐更多你想听的主题和嘉宾。你可以从小宇宙、苹果 Podcast 等渠道关注“晚点聊 Late Talk”，也欢迎关注我们的公众号“晚点 Late Post”。下期再见。