與愛為舞 CEO 張懷亭：通過生成式 AI，實現「因材施教，有教無類」

作為百度鳳巢的核心負責人和跟誰學/高途的聯合創始人，懷亭可能是中國最適合回答 「AI + 教育」這一命題的創業者。我們很榮幸從天使輪開始持續投資與愛為舞，與懷亭同行。

自古以來，教育的終極目標可以總結為「因材施教，有教無類」，也就是讓所有的學生都能得到最個性化的教育。隨著 AI 應用的能力快速提升，成本快速降低，以與愛為舞為代表的教育科技創新者正引領我們快速接近這一終極目標。

真格基金管理合伙人戴雨森

2025 世界人工智能大會（WAIC）于 7 月 28 日在上海世博中心藍廳圓滿舉辦。

在本次論壇上，與愛為舞創始人兼首席執行官張懷亭以《關于 AI 應用創業的思考與實踐》為題發表了演講。

張懷亭在演講中表示，AI 應用的創業機會在于利用生成式 AI 技術，將服務業做成制造業，打破「大規模（個性化）、高品質、低成本」的不可能三角。

他認為，目前尚未出現 AI 應用的爆發式商業化落地，核心原因在于大模型仍存在幻覺、推理不夠準確、結果不夠穩定。這就要求從事 AI 應用的團隊既要懂業務，又要懂 AI 技術，能夠在模型不確定性與業務容錯度之間找到平衡。團隊應先跑通業務閉環，用業務牽引 AI 能力逐步落地，并在此過程中找到契合自身場景的數據飛輪。

在智能時代，他強調，跨界融合的人才密度與務實創新的企業文化是組織建設的核心，而人機協同的工作范式將成為企業運營的基礎。

本文轉自 IPO 早知道，經真格編輯整理，以下為張懷亭演講原文：

通過生成式 AI，把服務業做成制造業

今天在這里，想和大家匯報一下，我們一家成立僅兩年多的初創企業，在 AI 應用領域這兩年的創業實踐、總結與認知。

十幾年前，我和當時的團隊在互聯網大廠，第一次使用深度機器學習算法，做出了大概率是全中國第一個大規模廣告推薦系統，取得了不錯的效果，也幫助我們沉淀了對 AI 的初步認知。

后來，我和一群志同道合的伙伴在教育領域開啟了第一次創業，并有幸在紐交所上市，對教育行業也形成了更深的認知。當生成式 AI 出現時，我們看到它為「科技向善」與教育普惠帶來了更大的空間。于是 2023 年，我和小伙伴們開啟了第二次創業。

我們認為，教育最重要的是有好老師，要做到有教無類。也就是說不管是男生還是女生，城市還是鄉村，貧窮還是富有，孩子還是成人，每個人都能有一位很好的 AI 老師終身陪伴。它能夠根據個體的興趣、階段、效率、潛力、狀態、性格等，提供個性化的傳道、授業與解惑。然而，現實中優質教育資源依然稀缺，成本依舊高昂。

基于我們對科技與教育的理解，生成式 AI 的出現讓我們判斷服務個體的教育資源在邊際成本上一定是越來越低的。理論上應該接近于實時推理的成本，在現有基礎上可能削減 90%。

隨著技術演進，成本下降的幅度也會越來越大。我們相信，這樣的 AI 老師應當隨時隨地可用，且隨著智能系統的增強，知識儲備將不斷拓展，為每個人在各領域提供最適配的個性化指導。

今天我并不打算介紹過多產品或算法，這幾天已有很多相關展示，相信大家都看到了。所以我想換一個視角，作為一個連續創業團隊，談談我們從創業角度的一些淺見。

我們認為，AI 應用領域的比較大的機會之一，是把服務業做成制造業。大量服務業是人力密集型行業，往往面臨「不可能三角」，也就是希望用低成本提供高質量服務，還要大規模覆蓋。

這基本上是一個悖論。比如醫生，現實中我們常有這樣的體驗：在醫院排兩個小時的隊，最后只能和醫生聊十分鐘。或者醫生給你開了單子，還要去排檢測隊，有時排上，有時排不上，可能又得約下一次。對于大量個體來說，高質量服務既難以獲得，成本又極高。生成式 AI 讓我們看到了這樣的機會，能夠規模化地提供個性化服務，讓量與質兼得。

在虛擬的數字世界里，我們經常會聽到一個詞叫「千人千面」，「千人」是規模，「千面」是個性。推薦系統已經在內容分發等領域解決了規模化與個性化的并存問題，但在服務行業尚未實現，受制于推薦系統能力的邊界。

用生成式 AI 改造人力密集型行業，首要是用算力成本替代人力成本。趨勢上，算力成本會持續下降，而人力成本不斷上升。其次，人力密集型企業在選、用、育人上極其復雜，優秀人才的流失也讓管理成本居高不下，且難以完全標準化。而生成式 AI 則有可能實現標準化服務。一旦將服務業轉化為制造業，未來或許我們每個人身邊都會有專屬的 AI 老師、AI 律師、AI 家庭醫生。

對于 AI 應用，現在還沒有看到大規模的落地與爆發，為什么呢？作為對比，我們來回顧一下十多年前，移動應用爆發的前提是什么？

當時，5G 網絡已基本成形，智能手機普及，硬件基礎成熟。手機有定位功能、相機功能、還有支付能力，給移動應用提供了基礎保障。高德地圖、滴滴、美團依賴定位；快手、小紅書依靠相機記錄生活；在線教育公司高途用音視頻直播，讓學習隨時隨地發生。有了支付，商業化能力也得以承接，否則大量機會會流失。這些基礎設施到位后，移動互聯網公司只需專注應用層的創新，而不需要考慮更底層的體系構建。

而今天，我們會發現，模型有很多幻覺，推理能力依然不夠準確，相同上下文下輸出結果也不穩定。多模態方面，數字人的實時交互、大幅遮擋下的面部穩定性、實時生成的表情與語音語調，以及互動延遲等，都還比較弱。

我們相信很多企業到今天還沒有遇到這種情況：同一時間幾百、幾千，甚至幾萬的推理并發，這就需要優化很多底層的架構能力，對如今的一個創業團隊而言要求比較高。

一方面，需要判斷 AI 的發展趨勢與迭代速度。過去一年，它的演進速度已超越當年的摩爾定律。

另一方面，要明確當前模型的能力與應用邊界。比如文生圖也許可直接應用，但文生視頻在短劇中可能還達不到預期。應用中還要平衡模型的不確定性與業務的容錯度，這一點很關鍵。

推薦系統推送的短視頻不喜歡可以劃走，廣告不想看可以略過。但如果 AI 醫生要給你做手術，你能不能允許它犯錯誤？所以模型的不確定性與業務的容錯度息息相關，如何去平衡好什么時候用模型能力，什么時候用系統能力，就是一個「真問題」。

對于 AI 應用創業的路徑，我們的理解是：先建立一個業務閉環，通過閉環驗證應用場景的有效性，再用模型逐步輔助或替換閉環中的某些環節，最終實現業務的 AI 化變革。這或許是一條相對務實、漸進的路徑。

在這一過程中，核心的問題是整個閉環數據能不能上到云端？系統能否采集所有交互數據與靜態特征，并將其沉淀為高質量的特征集合？之后才能用這些有效數據去訓練模型，推動 AI 應用的最終變革。

之所以會有這樣的想法，得益于我們對互聯網創業史的經驗總結。很多顛覆性技術的應用往往源于成熟業務的倒逼。比如阿里云與亞馬遜云，起點都是因為自身電商業務面臨集中、爆發式的使用壓力，才推動了云服務的誕生。云服務首先支撐了內部業務，隨后能力溢出，再服務于更多的外部客戶。

碳基生命的有限性，硅基生命的無限性

對于 AI 應用，還有一個底層思考，到底是用 AI 來賦能，還是用 AI 來替換？我們判斷，這兩種情況都會存在，只是體現在不同的業務或環節上。

如果是 AI 賦能，大概率是把人變成「鋼鐵俠」，實現路徑是智能輔助、人工決策。很明顯，人的頂線更高，因為今天的 AI 和最靠譜的人相比，還沒有達到頂級人類的水平。但在 AI 的助力下，實現了部分標準化，大概率可以縮小人的工作方差。

既然最終決策仍由人來做，可以想象，一個人即便一秒鐘做一次決策，一天的上限也就是 86400 次。受制于此，業務的增長只能是線性的。當然，通過 AI 輔助，成本會有所下降，最終團隊的組織能力依舊建立在管理與系統之上。

而如果一個工作可以完全由 AI 替代，即無人化，大概率路徑是用智能系統來驅動。但由于今天的 AI 不是 100% 準確，仍需要人工兜底。

顯然，長期來看，不受人力限制，通過算力擴展，就有可能實現指數級增長。從目前 AI 的水平來看，頂線一定不及人類，但均線會被顯著提升，方差理論上可以接近于零，成本也會出現數量級的下降。這種體系下，組織能力只需建立在全智能系統之上，效率更高、成本更低、迭代速度更快。

大家也經常會問一個問題，AI 應用到底有沒有數據飛輪？最近谷歌也好，OpenAI 也罷，都宣布在奧林匹克數學競賽的難題解答上，模型已經能做得非常好。對于這類有確定性答案的任務，今天的模型能力已遠超絕大多數人類，這時它與人在交互中獲得的信息已經不足以再提升它的智能。

比如你問模型：「英偉達的股票還能買嗎？」 如果信息足夠充分，理論上存在一個標準答案，這時它不再需要通過與人的交互獲得更優解。再比如，一個具備完整約束條件的任務：「幫我買北京到上海早上 7 點的高鐵二等座」，Agent 照做就行，沒有其他選擇，也不存在迭代優化的數據飛輪。

那什么才是數據飛輪？比如你現在要求「中午給訂一份好吃的外賣」，這個任務需要 Agent 了解你是誰，大概率要知道你每天中午的用餐時間，并算好外賣送達的時間。你喜歡吃什么菜？口味是什么？地點在哪里？你是喜歡平價一點的，還是更注重生活品質？價格區間是多少？以及最近點過的外賣是不是不能重復？

這些信息大量依賴在持續使用過程中沉淀下來的個性化交互記錄，就能形成數據飛輪。

再復雜一些，比如「我要提高英語能力」。這里的英語能力，是指聽、說、讀、寫的哪一項？應當如何提升？當前水平怎樣？個人學習習慣與效率如何？這些都是通過與用戶的持續交互沉淀下來的靜態特征與動態行為。結合長短期上下文，產生相應的個性化交互，才能逐步形成真正的數據飛輪。

AI 產品一出生就是全球化的企業

今天，AI 應用的組織到底應該是什么樣的？

首先，我們認為最重要的還是人才。人才密度要大于業務復雜度。尤其在今天，既要有深耕行業的領域人才，又要有懂技術的 AI 人才。而把這兩類人真正融合在一起難度非常大。我們公司原來出現過，AI 人才說這件事做得不夠 AI，沒有都用模型去做；領域人才則說，現在的模型根本做不到，要沿用原來的方法。如何讓兩類人才融合，形成合力，這非常關鍵。

第二，要有「務實 + 創新」的企業文化。也就是前面提到的，先有業務閉環，再用 AI 去升級或變革。既要有扎實的業務能力，務實地創造商業價值，又要時刻關注全球技術的發展，懂得如何把 AI 能力應用到業務上。

第三，我們已經能看到，硅基生命正在成為組織的必要成員。比如代碼研發，很多環節需要 Cursor 等 AI 工具來幫忙；銷售環節中，也有大量具體任務由 AI 來承擔。所以人機協同將成為智能時代公司的基礎運營范式。

擁有多年經驗的員工可能一時轉不過來，那怎么辦？一方面，我們會給機會、給時間，推動他們改變；另一方面，我們也會敦促員工：站在未來看現在，不換腦子就換人。

以上就是我的分享。總結我們在做 AI 應用時遵循的 16 個字：「業務牽引、智能驅動、人機協同、務實創新」。公司提倡延遲滿足，引導大家不高估短期收益，也不低估長期積累。