作為百度鳳巢的核心負(fù)責(zé)人和跟誰學(xué)/高途的聯(lián)合創(chuàng)始人，懷亭可能是中國最適合回答 「AI + 教育」這一命題的創(chuàng)業(yè)者。我們很榮幸從天使輪開始持續(xù)投資與愛為舞，與懷亭同行。

自古以來，教育的終極目標(biāo)可以總結(jié)為「因材施教，有教無類」，也就是讓所有的學(xué)生都能得到最個(gè)性化的教育。隨著 AI 應(yīng)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(chuàng)新者正引領(lǐng)我們快速接近這一終極目標(biāo)。

真格基金管理合伙人戴雨森

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

在本次論壇上，與愛為舞創(chuàng)始人兼首席執(zhí)行官張懷亭以《關(guān)于 AI 應(yīng)用創(chuàng)業(yè)的思考與實(shí)踐》為題發(fā)表了演講。

張懷亭在演講中表示，AI 應(yīng)用的創(chuàng)業(yè)機(jī)會(huì)在于利用生成式 AI 技術(shù)，將服務(wù)業(yè)做成制造業(yè)，打破「大規(guī)模（個(gè)性化）、高品質(zhì)、低成本」的不可能三角。

他認(rèn)為，目前尚未出現(xiàn) AI 應(yīng)用的爆發(fā)式商業(yè)化落地，核心原因在于大模型仍存在幻覺、推理不夠準(zhǔn)確、結(jié)果不夠穩(wěn)定。這就要求從事 AI 應(yīng)用的團(tuán)隊(duì)既要懂業(yè)務(wù)，又要懂 AI 技術(shù)，能夠在模型不確定性與業(yè)務(wù)容錯(cuò)度之間找到平衡。團(tuán)隊(duì)?wèi)?yīng)先跑通業(yè)務(wù)閉環(huán)，用業(yè)務(wù)牽引 AI 能力逐步落地，并在此過程中找到契合自身場(chǎng)景的數(shù)據(jù)飛輪。

在智能時(shí)代，他強(qiáng)調(diào)，跨界融合的人才密度與務(wù)實(shí)創(chuàng)新的企業(yè)文化是組織建設(shè)的核心，而人機(jī)協(xié)同的工作范式將成為企業(yè)運(yùn)營的基礎(chǔ)。

本文轉(zhuǎn)自 IPO 早知道，經(jīng)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(wù)業(yè)做成制造業(yè)

今天在這里，想和大家匯報(bào)一下，我們一家成立僅兩年多的初創(chuàng)企業(yè)，在 AI 應(yīng)用領(lǐng)域這兩年的創(chuàng)業(yè)實(shí)踐、總結(jié)與認(rèn)知。

十幾年前，我和當(dāng)時(shí)的團(tuán)隊(duì)在互聯(lián)網(wǎng)大廠，第一次使用深度機(jī)器學(xué)習(xí)算法，做出了大概率是全中國第一個(gè)大規(guī)模廣告推薦系統(tǒng)，取得了不錯(cuò)的效果，也幫助我們沉淀了對(duì) AI 的初步認(rèn)知。

后來，我和一群志同道合的伙伴在教育領(lǐng)域開啟了第一次創(chuàng)業(yè)，并有幸在紐交所上市，對(duì)教育行業(yè)也形成了更深的認(rèn)知。當(dāng)生成式 AI 出現(xiàn)時(shí)，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(chuàng)業(yè)。

我們認(rèn)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(xiāng)村，貧窮還是富有，孩子還是成人，每個(gè)人都能有一位很好的 AI 老師終身陪伴。它能夠根據(jù)個(gè)體的興趣、階段、效率、潛力、狀態(tài)、性格等，提供個(gè)性化的傳道、授業(yè)與解惑。然而，現(xiàn)實(shí)中優(yōu)質(zhì)教育資源依然稀缺，成本依舊高昂。

基于我們對(duì)科技與教育的理解，生成式 AI 的出現(xiàn)讓我們判斷服務(wù)個(gè)體的教育資源在邊際成本上一定是越來越低的。理論上應(yīng)該接近于實(shí)時(shí)推理的成本，在現(xiàn)有基礎(chǔ)上可能削減 90%。

隨著技術(shù)演進(jìn)，成本下降的幅度也會(huì)越來越大。我們相信，這樣的 AI 老師應(yīng)當(dāng)隨時(shí)隨地可用，且隨著智能系統(tǒng)的增強(qiáng)，知識(shí)儲(chǔ)備將不斷拓展，為每個(gè)人在各領(lǐng)域提供最適配的個(gè)性化指導(dǎo)。

今天我并不打算介紹過多產(chǎn)品或算法，這幾天已有很多相關(guān)展示，相信大家都看到了。所以我想換一個(gè)視角，作為一個(gè)連續(xù)創(chuàng)業(yè)團(tuán)隊(duì)，談?wù)勎覀儚膭?chuàng)業(yè)角度的一些淺見。

我們認(rèn)為，AI 應(yīng)用領(lǐng)域的比較大的機(jī)會(huì)之一，是把服務(wù)業(yè)做成制造業(yè)。大量服務(wù)業(yè)是人力密集型行業(yè)，往往面臨「不可能三角」，也就是希望用低成本提供高質(zhì)量服務(wù)，還要大規(guī)模覆蓋。

這基本上是一個(gè)悖論。比如醫(yī)生，現(xiàn)實(shí)中我們常有這樣的體驗(yàn)：在醫(yī)院排兩個(gè)小時(shí)的隊(duì)，最后只能和醫(yī)生聊十分鐘。或者醫(yī)生給你開了單子，還要去排檢測(cè)隊(duì)，有時(shí)排上，有時(shí)排不上，可能又得約下一次。對(duì)于大量個(gè)體來說，高質(zhì)量服務(wù)既難以獲得，成本又極高。生成式 AI 讓我們看到了這樣的機(jī)會(huì)，能夠規(guī)�；靥峁﹤�(gè)性化服務(wù)，讓量與質(zhì)兼得。

在虛擬的數(shù)字世界里，我們經(jīng)常會(huì)聽到一個(gè)詞叫「千人千面」，「千人」是規(guī)模，「千面」是個(gè)性。推薦系統(tǒng)已經(jīng)在內(nèi)容分發(fā)等領(lǐng)域解決了規(guī)�；c個(gè)性化的并存問題，但在服務(wù)行業(yè)尚未實(shí)現(xiàn)，受制于推薦系統(tǒng)能力的邊界。

用生成式 AI 改造人力密集型行業(yè)，首要是用算力成本替代人力成本。趨勢(shì)上，算力成本會(huì)持續(xù)下降，而人力成本不斷上升。其次，人力密集型企業(yè)在選、用、育人上極其復(fù)雜，優(yōu)秀人才的流失也讓管理成本居高不下，且難以完全標(biāo)準(zhǔn)化。而生成式 AI 則有可能實(shí)現(xiàn)標(biāo)準(zhǔn)化服務(wù)。一旦將服務(wù)業(yè)轉(zhuǎn)化為制造業(yè)，未來或許我們每個(gè)人身邊都會(huì)有專屬的 AI 老師、AI 律師、AI 家庭醫(yī)生。

對(duì)于 AI 應(yīng)用，現(xiàn)在還沒有看到大規(guī)模的落地與爆發(fā)，為什么呢？作為對(duì)比，我們來回顧一下十多年前，移動(dòng)應(yīng)用爆發(fā)的前提是什么？

當(dāng)時(shí)，5G 網(wǎng)絡(luò)已基本成形，智能手機(jī)普及，硬件基礎(chǔ)成熟。手機(jī)有定位功能、相機(jī)功能、還有支付能力，給移動(dòng)應(yīng)用提供了基礎(chǔ)保障。高德地圖、滴滴、美團(tuán)依賴定位；快手、小紅書依靠相機(jī)記錄生活；在線教育公司高途用音視頻直播，讓學(xué)習(xí)隨時(shí)隨地發(fā)生。有了支付，商業(yè)化能力也得以承接，否則大量機(jī)會(huì)會(huì)流失。這些基礎(chǔ)設(shè)施到位后，移動(dòng)互聯(lián)網(wǎng)公司只需專注應(yīng)用層的創(chuàng)新，而不需要考慮更底層的體系構(gòu)建。

而今天，我們會(huì)發(fā)現(xiàn)，模型有很多幻覺，推理能力依然不夠準(zhǔn)確，相同上下文下輸出結(jié)果也不穩(wěn)定。多模態(tài)方面，數(shù)字人的實(shí)時(shí)交互、大幅遮擋下的面部穩(wěn)定性、實(shí)時(shí)生成的表情與語音語調(diào)，以及互動(dòng)延遲等，都還比較弱。

我們相信很多企業(yè)到今天還沒有遇到這種情況：同一時(shí)間幾百、幾千，甚至幾萬的推理并發(fā)，這就需要優(yōu)化很多底層的架構(gòu)能力，對(duì)如今的一個(gè)創(chuàng)業(yè)團(tuán)隊(duì)而言要求比較高。

一方面，需要判斷 AI 的發(fā)展趨勢(shì)與迭代速度。過去一年，它的演進(jìn)速度已超越當(dāng)年的摩爾定律。

另一方面，要明確當(dāng)前模型的能力與應(yīng)用邊界。比如文生圖也許可直接應(yīng)用，但文生視頻在短劇中可能還達(dá)不到預(yù)期。應(yīng)用中還要平衡模型的不確定性與業(yè)務(wù)的容錯(cuò)度，這一點(diǎn)很關(guān)鍵。

推薦系統(tǒng)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(yī)生要給你做手術(shù)，你能不能允許它犯錯(cuò)誤？所以模型的不確定性與業(yè)務(wù)的容錯(cuò)度息息相關(guān)，如何去平衡好什么時(shí)候用模型能力，什么時(shí)候用系統(tǒng)能力，就是一個(gè)「真問題」。

對(duì)于 AI 應(yīng)用創(chuàng)業(yè)的路徑，我們的理解是：先建立一個(gè)業(yè)務(wù)閉環(huán)，通過閉環(huán)驗(yàn)證應(yīng)用場(chǎng)景的有效性，再用模型逐步輔助或替換閉環(huán)中的某些環(huán)節(jié)，最終實(shí)現(xiàn)業(yè)務(wù)的 AI 化變革。這或許是一條相對(duì)務(wù)實(shí)、漸進(jìn)的路徑。

在這一過程中，核心的問題是整個(gè)閉環(huán)數(shù)據(jù)能不能上到云端？系統(tǒng)能否采集所有交互數(shù)據(jù)與靜態(tài)特征，并將其沉淀為高質(zhì)量的特征集合？之后才能用這些有效數(shù)據(jù)去訓(xùn)練模型，推動(dòng) AI 應(yīng)用的最終變革。

之所以會(huì)有這樣的想法，得益于我們對(duì)互聯(lián)網(wǎng)創(chuàng)業(yè)史的經(jīng)驗(yàn)總結(jié)。很多顛覆性技術(shù)的應(yīng)用往往源于成熟業(yè)務(wù)的倒逼。比如阿里云與亞馬遜云，起點(diǎn)都是因?yàn)樽陨黼娚虡I(yè)務(wù)面臨集中、爆發(fā)式的使用壓力，才推動(dòng)了云服務(wù)的誕生。云服務(wù)首先支撐了內(nèi)部業(yè)務(wù)，隨后能力溢出，再服務(wù)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(duì)于 AI 應(yīng)用，還有一個(gè)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(huì)存在，只是體現(xiàn)在不同的業(yè)務(wù)或環(huán)節(jié)上。

如果是 AI 賦能，大概率是把人變成「鋼鐵俠」，實(shí)現(xiàn)路徑是智能輔助、人工決策。很明顯，人的頂線更高，因?yàn)榻裉斓?AI 和最靠譜的人相比，還沒有達(dá)到頂級(jí)人類的水平。但在 AI 的助力下，實(shí)現(xiàn)了部分標(biāo)準(zhǔn)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(gè)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(yè)務(wù)的增長只能是線性的。當(dāng)然，通過 AI 輔助，成本會(huì)有所下降，最終團(tuán)隊(duì)的組織能力依舊建立在管理與系統(tǒng)之上。

而如果一個(gè)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(tǒng)來驅(qū)動(dòng)。但由于今天的 AI 不是 100% 準(zhǔn)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(kuò)展，就有可能實(shí)現(xiàn)指數(shù)級(jí)增長。從目前 AI 的水平來看，頂線一定不及人類，但均線會(huì)被顯著提升，方差理論上可以接近于零，成本也會(huì)出現(xiàn)數(shù)量級(jí)的下降。這種體系下，組織能力只需建立在全智能系統(tǒng)之上，效率更高、成本更低、迭代速度更快。

大家也經(jīng)常會(huì)問一個(gè)問題，AI 應(yīng)用到底有沒有數(shù)據(jù)飛輪？最近谷歌也好，OpenAI 也罷，都宣布在奧林匹克數(shù)學(xué)競(jìng)賽的難題解答上，模型已經(jīng)能做得非常好。對(duì)于這類有確定性答案的任務(wù)，今天的模型能力已遠(yuǎn)超絕大多數(shù)人類，這時(shí)它與人在交互中獲得的信息已經(jīng)不足以再提升它的智能。

比如你問模型：「英偉達(dá)的股票還能買嗎？」 如果信息足夠充分，理論上存在一個(gè)標(biāo)準(zhǔn)答案，這時(shí)它不再需要通過與人的交互獲得更優(yōu)解。再比如，一個(gè)具備完整約束條件的任務(wù)：「幫我買北京到上海早上 7 點(diǎn)的高鐵二等座」，Agent 照做就行，沒有其他選擇，也不存在迭代優(yōu)化的數(shù)據(jù)飛輪。

那什么才是數(shù)據(jù)飛輪？比如你現(xiàn)在要求「中午給訂一份好吃的外賣」，這個(gè)任務(wù)需要 Agent 了解你是誰，大概率要知道你每天中午的用餐時(shí)間，并算好外賣送達(dá)的時(shí)間。你喜歡吃什么菜？口味是什么？地點(diǎn)在哪里？你是喜歡平價(jià)一點(diǎn)的，還是更注重生活品質(zhì)？?jī)r(jià)格區(qū)間是多少？以及最近點(diǎn)過的外賣是不是不能重復(fù)？

這些信息大量依賴在持續(xù)使用過程中沉淀下來的個(gè)性化交互記錄，就能形成數(shù)據(jù)飛輪。

再復(fù)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(xiàng)？應(yīng)當(dāng)如何提升？當(dāng)前水平怎樣？個(gè)人學(xué)習(xí)習(xí)慣與效率如何？這些都是通過與用戶的持續(xù)交互沉淀下來的靜態(tài)特征與動(dòng)態(tài)行為。結(jié)合長短期上下文，產(chǎn)生相應(yīng)的個(gè)性化交互，才能逐步形成真正的數(shù)據(jù)飛輪。

AI 產(chǎn)品一出生就是全球化的企業(yè)

今天，AI 應(yīng)用的組織到底應(yīng)該是什么樣的？

首先，我們認(rèn)為最重要的還是人才。人才密度要大于業(yè)務(wù)復(fù)雜度。尤其在今天，既要有深耕行業(yè)的領(lǐng)域人才，又要有懂技術(shù)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(xiàn)過，AI 人才說這件事做得不夠 AI，沒有都用模型去做；領(lǐng)域人才則說，現(xiàn)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(guān)鍵。

第二，要有「務(wù)實(shí) + 創(chuàng)新」的企業(yè)文化。也就是前面提到的，先有業(yè)務(wù)閉環(huán)，再用 AI 去升級(jí)或變革。既要有扎實(shí)的業(yè)務(wù)能力，務(wù)實(shí)地創(chuàng)造商業(yè)價(jià)值，又要時(shí)刻關(guān)注全球技術(shù)的發(fā)展，懂得如何把 AI 能力應(yīng)用到業(yè)務(wù)上。

第三，我們已經(jīng)能看到，硅基生命正在成為組織的必要成員。比如代碼研發(fā)，很多環(huán)節(jié)需要 Cursor 等 AI 工具來幫忙；銷售環(huán)節(jié)中，也有大量具體任務(wù)由 AI 來承擔(dān)。所以人機(jī)協(xié)同將成為智能時(shí)代公司的基礎(chǔ)運(yùn)營范式。

擁有多年經(jīng)驗(yàn)的員工可能一時(shí)轉(zhuǎn)不過來，那怎么辦？一方面，我們會(huì)給機(jī)會(huì)、給時(shí)間，推動(dòng)他們改變；另一方面，我們也會(huì)敦促員工：站在未來看現(xiàn)在，不換腦子就換人。

以上就是我的分享�？偨Y(jié)我們?cè)谧?AI 應(yīng)用時(shí)遵循的 16 個(gè)字：「業(yè)務(wù)牽引、智能驅(qū)動(dòng)、人機(jī)協(xié)同、務(wù)實(shí)創(chuàng)新」。公司提倡延遲滿足，引導(dǎo)大家不高估短期收益，也不低估長期積累。