對話斑馬口語：如何用 AI Agent 造出「超人類外教」？

真人外教會累、會忘、會不穩定，無法實現「千人千面」的顆粒度。這是 AI Agent 的機會。

作者｜張鵬

編輯｜鄭玄

最近，斑馬口語正式上線，用純 AI 外教與學生一對一全英授課，引發了行業不小的關注。

AI 口語并不是一條新賽道，其中的玩家也良莠不齊：既有像 Speak 這樣重投入打磨真人視頻的，也有大量給大模型「套一層皮」就匆忙上陣的。

斑馬口語的目標，和其他公司則并不相同：斑馬想要用 AI 打造一個超越真人的「AI 原生」口語解決方案。

這意味著，要讓 AI 主導教學，讓 AI 發揮出真人沒有的能力：針對性的糾正，個性化的話題，還要真的對結果負責——不是增加一個練口語的功能，而是真的讓學生在和 AI 對聊后獲得提升。這是整個行業之前前所未見的。

這個挑戰，不僅帶來了技術上的難題，也需要對「教育」有極深的理解：比如，AI 教師如何真正激發孩子的興趣？這背后都在考驗團隊是否具有真正的教學經驗中積累的「手感」。

而比「手感」更深層的挑戰，是組織力。一個真正的 AI 原生 Agent，誕生的前提，必然是一個「產模一體」的 AI Native 組織。這不只是一個產品問題，更是一個關于組織進化的「終極命題」。

01

比真人外教還會教的 AI 外教

口語外教是一個被驗證過的需求，用 AI 代替真人外教，降低成本，很合理。但真正的難點在于：AI 如何能超越真人？

真人外教的局限性是天生的：他們會累、會忘、會不穩定，并且無法實現「千人千面」的顆粒度。而這，恰恰是 AI Agent 的機會。為了實現「200 分」的目標，斑馬從幾個真人無法企及的核心點發力：

首先，是提供即時、可交互的真實語境。

這個正如下面的案例所展示的，當 AI 老師想要教會小朋友生日派對相關的英語時，AI 能無縫切換到一個生日派對現場，聊孩子愛吃的派對食物。

AI 讓這種高成本、一次性的「真實世界」體驗，變得輕盈、可控且無限重復。

除此之外，AI 還能實現真人無法企及的「高顆粒度的個性化進階路徑」。人腦的記憶是有限的，但 AI 的記憶是無限的。

斑馬的 AI Agent 會把每個孩子當作一個系統來建設，它記得孩子上一次對話的每一個細節、每一個薄弱點。當孩子學口語遇到瓶頸時，AI 能設計出「微小的一步」，在下一次對話中推著他往前走。

這種「長期積累的陪伴」和「微小顆粒度的進階」，是任何真人老師都無法規模化實現的。

第三點，或許有點出人意料，反而是 AI 的情商。

AI 做外教，肯定會有人擔心，AI 畢竟是「假人」，孩子怎么會愿意和它交流？但斑馬團隊的數據顯示，傳統真人外教一對一，孩子前三分鐘的開口率大約是 85%；而在斑馬口語中，這個數字是 98.8%。這來自細節的打磨——比如一個細節是 AI 外教 Jessica 的形象。

在技術上，用 3D 形象配合 AI，其實比 2D 更成熟、更方便。但斑馬反其道而行，選擇了 2D。

「我們之所以選擇二維，是因為 3D 角色，更像是模仿真人，容易產生恐怖谷效應，影響孩子『入戲』。」修佳明提到?！肝覀兺诰蛄诉^往真人外教的數據，抽象出了「孩子最喜愛、學習效果最好」的外教特征——包括臉型、發色，設計了 Jessica。」

但讓孩子想開口只是第一步，斑馬也希望用高情商讓孩子更愛學習口語。

比如在前面說到的生日派對的課件里，一個正在學習的孩子突然說「我不想辦生日 party」。AI 外教 Jessica 的回復同樣情商極高，她說：「Of course you can say No. Some people like quiet birthdays. That's OK too.」然后無縫地將話題切換到「參加別人的生日派對」，把教學進度自然地延續下去。

這種永遠穩定、充滿耐心、人格統一、且總能「捧場」的靈活性，恰恰是真人老師難以做到的。它讓 AI Agent 從一個「工具」，變成了一個孩子愿意分享秘密的「新物種」。

而這種「新物種」帶來的信任感和情感連接，看似只是錦上添花，實則正觸及了教育中最難的命題：動機。

如何讓孩子有動力學下去？絕大多數教育產品，依賴的是「工具型動機」——獎勵、打卡、游戲化。

但通過與這個孩子真正「想聊」的 AI 外教交流，學英語的動機就變了。孩子不會想「我說英語會給我帶來什么獎勵」，他想的是「我必須說英語，才能完成這件事」——和虛擬的老師、小學伴們交流。

學習的成就感內化于這個過程，最終讓說英語成為一種「必須」和「自然而然」。

02

「產模一體」的最佳實踐

當斑馬團隊立下這個「200 分」的雄心時，他們其實正站在一個十字路口。這個路口，就是技術棧的選擇。

一個超越真人的 AI Agent，到底需要一個什么樣的「模型」？

在 2023 年立項時，最「聰明」的捷徑，就是「套殼」——要么用最強的閉源模型，要么用頂尖的開源模型。

但斑馬團隊很快發現，所有「捷徑」都通向「80 分」的平替，唯獨通向不了「200 分」的超越。

「我們很早就嘗試過這個路徑，」修佳明，但是最后發現，不同的模型，總會有不同的問題。這背后是數據白點（data blind spots）的影響，你通過人設或者其他工作是很難根治的。在教育場景下，語言的正確性是第一位的?！?/p>

更別提迭代的鴻溝——「AI 大模型，保守說每半年大模型的能力變化都很大，你選用一個具體版本的開源模型去做后訓練，再去想跟上最新模型的效果，這個迭代的成本還是挺高的?！?/p>

而斑馬真正的壁壘和核心資產，在于長期積累的、海量的、高質量的兒童教育數據——包括海量的兒童跟讀數據。

于是，他們的路徑清晰地浮現出來：「猿力大模型」（預訓練基座）+「斑馬獨有教育數據」（后訓練/微調）。

這種「產模一體」的價值是立竿見影的：

首先是數據帶來的模型語料的準確和安全。

修佳明說：「我們做了更嚴苛的數據篩選，首先能保證語料都是標準的英文語料，而且內容是符合兒童認知的，且價值觀要非常積極向上的。我們又做了一些強化訓練來保證它更可靠?！?/p>

而更能體現產模一體的好處的，是AI 知道怎么和不同水平的孩子溝通。

我們在采訪中聊到一個問題：AI 的知識是淵博的，但它怎么能「降維」跟孩子溝通？一個孩子問「為什么天是藍的」，AI 會不會「吊書袋」，講一堆大氣折射和瑞利散射？

斑馬的核心資產——過去積累的海量數據，能夠教給 AI 如何正確地跟孩子的交流——孩子問「為什么」，可能只是想引起一個話題，他想得到的回答是更淺層的、一個比喻類的，他并不是想鉆進去。

如果說「產模一體」是技術上的「必經之路」，那么一個更難的、也更底層的挑戰，就是組織的重塑。

這，或許才是 AI 時代最核心的命題。

我們聊過太多團隊，為什么「產模一體」最后跑不通？因為他們只有「產?！梗瑳]有「一體」。

模型團隊和產品團隊背著不同的 KPI，互相拉扯。產品經理（PM）的價值感在消失，他們不再是為用戶創造產品，而是淪為「給模型找活干」的「傳話筒」。

斑馬是不是也遇到了類似的困惑？

「我們之前也有傳統互聯網的流水線分工，但我們做這個事的時候就亂了?！剐藜衙魈寡?。

「比如產品的需求文檔（PRD），在新的產模一體的產品下，基本上就是一個課件。如果采用傳統的流水線，產品經理所做的工作幾乎就只是把教研的大綱『翻譯』一下。我們最后坐下來聊了一下，教研和產研能不能一起干這個事？」修佳明說，「最終斑馬口語的解決方案是，教研和產品研發直接一起討論教學層面的需求，研發在一個看似非標準的需求下，進行理解和開發?！?/p>

這種「邊界模糊」不止發生在產品和教研之間?！附萄锌赡苤苯痈?AI 工程師對接；動畫直接跟研發去對，因為這里面的渲染有點復雜……有很多是跨部門交錯來做?！?/p>

一旦這個「壁壘」被打破，整個組織的形態就全變了。流程不再是「PM -> RD -> 教研」的線性傳導，而變成了「神經突觸」式的網狀連接。

斑馬分享了一個最樸素、也最高效的組織解法：「坐在一起?！?/strong>在物理鄰近的高密度協作中，「教研」的神經末梢直接碰上了「AI 工程師」的神經末梢，不斷碰撞、擦出火花，形成新的組織脈絡。

一個真正的 AI Native 產品，或許不是被「開發」出來的，而是被一個 AI Native 的組織中「長」出來的。

為了實現那個「200 分」的 AI Agent，你必須先打造一個「200 分」的 AI Native 組織。

這，或許才是斑馬口語在「產模一體」實踐中，最堅實、也最難被復制的「壁壘」。

03

用 AI 拆掉巴別塔

斑馬口語已經證明，AI 可以成為一個比真人更穩定、記憶力更強、甚至情商更高的「老師」。但如果這只是一個開始，AI 語言教育的未來，又會走向何方？

在討論中，修佳明為我們勾勒出了一條清晰的「范式遷移」路徑。

我們最熟悉的，是「外語學習」：以規則為先，上來先學語法、背單詞，把語言當作一個「學科」來攻克。

斑馬口語目前所做的，是「第二語言習得」：它不先教規則，而是強調「沉浸式」輸入，先讓你聽、讓你讀、讓你模仿，在大量的語料中「習得」。但它依然需要一個起點——孩子需要有最基礎的認知和一些英語基礎。

而這條路的「圣杯」，是「母語習得」：像母語一樣，在真實的、全天候的環境中自然習得，你甚至意識不到自己在「學習」。

斑馬的目標，就是推動整個教育范式，從「外語學習」向「二語習得」遷移，并最終無限逼近「母語習得」。

「母語習得」的本質，不是「上課」，而是「生活」。

這意味著 AI 必須從一個「課程 App」，變成一個「存在」。而這一點，斑馬已經看到了雛形。

修佳明提到，他們已經能感受到孩子的主動分享?！赣幸淮握f到今年的目標，孩子主動分享了已經吃了兩個月的健康食物了，還是沒有長高，并主動給 AI 學伴看自己的身高。」

而要從「朋友」進化到「家庭成員」，斑馬正在探索一個明確的方向：多模態理解，尤其是做更多的視覺理解。

一旦 AI Agent 有了「眼睛」，能夠觀察到孩子的反應、表情和所處的真實環境，它就擁有了「嵌入生活」的能力。

這帶來了一個極具想象力的未來——當 AI Agent 可以成為一個真正的「AI 玩伴」，全天候沉浸在孩子的生活中：當孩子拿起一個蘋果時，它會用英語說「Apple」；當孩子在玩樂高時，它會用英語討論「Blue block」。一個真正的母語環境形成了，語言學習被徹底內化到了生活本身。

而這個「AI 玩伴」的未來，聽起來遙遠嗎？

修佳明告訴我們，他們已經在斑馬口語的「數據閉環」中，看到了這個未來的「涌現」。當一個 AI 產品擁有海量的真實用戶數據，它就開始在各方面「成長」了。

單就語音而言，就能看出差別。「通過獲得更多數據，AI 現在對小朋友不同的發音的判斷比真人更準了，」修佳明說，「小朋友的口音或者本身年齡比較小，肌肉發育的原因等等，可能并沒有辦法像真實發音那樣。但我們的產品不能因為學生發不出這個音，Jissica 就判定他不會。」

「你怎么理解語言學習這個事的終極目標？」在采訪的最后，我們問道。

「我個人是希望語言學習如果能對每一個人的自我產生影響?！剐藜衙髡f，「學習一門語言，你也會學會它背后代表的世界觀、思維、文化。而當你的認知提升了，你也能更好地與這個世界產生連接?！?/p>

當 AI Agent 把語言學習的成本和難度無限拉低，當每一個孩子都能擁有一個高情商、高智商的「AI 外教」時——

我們或許正在見證的，是用 AI，拆掉那座阻礙人類互相理解、互相啟發的「巴別塔」。

*頭圖來源：斑馬口語

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO

極客一問

你如何看待 AI 口語教學？

倫敦竊賊也「挑食」專偷 iPhone，三星被當場「退貨」

點贊關注極客公園視頻號，