与爱为舞创始人张怀亭出山，谈AI应用创业思考

　　来源|多知

　　作者|徐晶晶

　　

　　一向神秘的与爱为舞，近来正在一点点拂去神秘的面纱。

　　近日，在WAIC世界人工智能大会的分论坛——启明创投·创业与投资论坛上，与爱为舞创始人兼CEO张怀亭进行了主题为“关于AI应用创业的思考与实践”的演讲。

　　这可以说是张怀亭近年来首次在公开场合露面并进行分享。

　　张怀亭在2005年加入百度，任高级经理，2008年参与百度“凤巢”项目初创，组建核心机器学习技术团队，打造中国首个利用深度学习技术驱动的广告推荐系统，2012年获百度“百万美元”大奖。2014年，其从百度离职，联手创立在线教育公司跟谁学，任首席运营官、集团副总裁，2019年跟谁学在美国纽交所上市，之后改名高途。2023年，他与原高途课堂总经理刘威联合创办AI教育公司与爱为舞，任董事长兼首席执行官。

　　多知此前获悉，与爱为舞在2024年已实现数亿元的规模化收入，如今估值在6亿美元左右。此前，在一场直播招聘活动中，与爱为舞联合创始人、技术负责人王琳透露，与爱为舞“在成立当月只有几十万元的收入，次月就有上百万元的收入，现在每个月有上千万元的收入”，“在业务上每年都会实现三倍的(同比)增长”。截至目前，与爱为舞推出两款AI教育产品：爱学、趣碰词。

　　张怀亭的这场演讲时长在20分钟左右，其在演讲中并未谈及与爱为舞的具体业务，而是聚焦于自己的创业思考。

　　其核心观点如下：

　　1.AI应用领域比较大的一个创业机会就是把服务业做成制造业。

　　2.智能应用爆发面临的瓶颈是：模型还有幻觉，模型的推理能力依然不够准确，输出结果是不确定的，多模态实时交互弱，规模化并发成本高。

　　3.今天对创业团队的要求会很高，既要懂业务，又要懂AI：创业团队需要预判整个AI的发展趋势和迭代速度，要明确当下模型能力和应用边界，还需要平衡模型的不确定性和业务的容错度。

　　4.关于AI应用创业的路径设计，绝大部分的公司会先有一个业务闭环，通过业务的闭环来驱动业务的达成。同时用模型逐步辅助或替换整个业务闭环里的某些环节，最终达成整个AI化的应用变革。

　　以下为张怀亭的演讲(经多知编辑)：

　　大家好。接下来我向大家汇报一下这两年我们在AI应用领域创业的认知和实践总结。

　　十几年前，我在互联网大厂用机器深度学习做了一个广告推荐系统(可能这也是全国第一个广告推荐系统)，并且取得了不错的成绩。由此，我们沉淀了对AI的初步认知。

　　之后，我和小伙伴们在教育领域进行了一次创业，这家公司(编者注：跟谁学/高途)后来也在纽交所上市。

　　当生成式AI出现的时候，它可以帮助实现科技向善、教育普惠这些更大的目标。

　　于是，在2023年，我和小伙伴们开启了第二次创业——创办与爱为舞。

　　

　　我们认为，教育最重要的是先要有好的老师。我们希望做到有教无类、因材施教，希望人人都有一个懂自己、时时在、用得起的专属全能老师终身陪伴学生，并可以根据每个个体的兴趣、阶段、效率、潜力、状态、性格等进行个性化的传道、授业和解惑。

　　当然，即便在今天，教育资源依然是非常稀缺的，教育的成本也是非常高昂的。当生成式AI出现后，我们判断，服务每个个体的教育资源的边际成本未来可能越来越低。它的推理成本大概率会比目前成本有90%削减。当然，随着技术的发展，可能推理成本下降幅度会越来越大。同时，我们认为这样的AI老师，应该是随时随地想用就能用得起来，而且其知识储备不局限于任何知识。

　　作为一名连续创业者，今天我希望从创业的角度来分享。

　　我认为，AI应用领域比较大的一个创业机会就是把服务业做成制造业。

　　现有的服务业中，很多是人力密集型的行业。人力密集型行业往往会遇到一个不可能三角——高质量、低成本、大规模无法同时实现。

　　但是，生成式AI让我们看到了一个机会——生成式AI能够规模化地提供个性化的服务，即量和质是可以并行的。

　　

　　我们回顾一下，在虚拟的数字世界里，我们经常会听到“千人千面”，其实当年的推荐系统已经解决了规模化和个性化的并存问题，但是在服务行业还没有实现这一点，这是受推荐系统的能力范围边界所局限。

　　由此，用生成式AI替换一些现有的人力密集型行业的范式，用算力成本替换人力成本一定是更合适的。

　　这是因为，其一，算力成本会越来越低，而人力成本会越来越高。

　　其二，人力密集型企业的人才选、用、育都非常复杂，还面临优秀人才的流失问题，管理成本是非常高的，而且几乎不可能做到完全的标准化。但是从技术层面来讲，一定能做到标准化。

　　所以我们认为，今天如果用生成式AI把服务业做成制造业，未来也许我们身边每个人都会有一个AI老师、AI律师、AI家庭医生等。

　　到目前为止，AI应用的落地爆发的时机好像还没有到来，为什么?

　　回顾一下十多年前移动应用为什么会爆发。首先，当年5G网络基本上已经成型了，智能手机也普及化。在这样的情况下，手机的定位、相机、支付等功能也齐备了。高德地图、滴滴和美团外卖都需要基于定位的能力展开业务，快手、小红书都要基于相机的能力记录美好的生活，在线教育公司高途也是得益于音视频直播互动技术使得用户随时随地参与到学习中。同时因为有了支付，商业化的能力天也然的形成了，如果没有移动支付，就会有大量的商业漏斗漏掉。有了这些基础设施提供的能力，应用公司只需要考虑应用本身，而不需要考虑更底层的体系。

　　而今天，智能应用爆发面临的瓶颈是：模型还有幻觉，模型的推理能力依然不够准确，输出结果是不确定的。同时，多模态实时交互弱(简单来说，数字人的实时交互能力，数字人的大幅度的遮挡、实时的表情、神态、语音、语调的实时交互能力都还比较弱)，规模化并发成本高。

　　

　　因此，今天实际上对创业团队的要求会很高，既要懂业务，又要懂AI，既要跑得快，又要不白跑：

　　其一，创业团队需要预判整个AI的发展趋势和迭代速度。自去年以来，我们看到了大量模型和架构涌现，其技术发展速度和成本下降趋势都已突破传统摩尔定律的范畴。

　　其二，创业团队要明确当下模型能力和应用边界。

　　其三，在应用过程中，创业团队还需要平衡模型的不确定性和业务的容错度。比如推荐系统可以做内容的分发，分发给你的短视频，你不喜欢划过去就OK了。但如果是严肃的医疗场景，一个AI医生要给你开方，能不能允许它犯错误?所以，模型输出结果的不确定性和业务的容错度很关键。那就需要平衡好在什么时候用模型的能力，在什么时候用系统的能力。

　　

　　关于AI应用创业的路径设计，绝大部分的公司会先有一个业务闭环，通过业务的闭环来驱动业务的达成。同时用模型逐步辅助或替换整个业务闭环里的某些环节，最终达成整个AI化的应用变革。也许这是一条比较务实的间接路径。

　　在这个过程中，一个核心问题是整个业务闭环的数据能不能上到云端，是不是有系统可以采集所有的交互数据与静态的特征，把它变成一个高质量的特征集合?用这样的高质量的行为数据和特征集合去训练模型，做AI化应用的最终变革。我们认为这个可能是大家需要思考的问题。

　　我之所以有这样的想法，是因为，回顾中国互联网创业史，举个阿里云的例子，阿里云和亚马逊有些类似，都是因为他们自身电商业务有集中爆发式的压力，才会延伸出云服务。这个云服务的能力在为内部提供支撑的同时，也在外溢，可以服务更多的外部机构。

　　

　　关于AI应用创业的底层思考——到底是用AI赋能，还是用AI来替换?我们判断，这两种情况在不同的业务和不同的环节里都有可能。

　　如果是AI赋能的话，大概率我们会把它做成钢铁侠，由智能辅助、人为决策。

　　这意味着，第一，它的顶线会比较高。第二，它通过AI的方式，大概率可以把人做事情的方差变小。不过，有一个问题，因为最终还是由人来决策，一个人就算一秒钟做一次决策，那一天的决策上限也就是86400个。所以实际上它的决策，最终整个的增长一定是线性的，它受限于人的有限性。同时它的成本会下降，因为通过AI的辅助，最终整个的团队的组织能力是构建在管理和系统上的。

　　如果是AI替换的话，就是无人化，由智能驱动、人工兜底。

　　假设有一个工作，可以由AI完全来来替换，也就是无人化，大概率我们的路径是底层的智能系统来驱动，但是由于今天的智能还不是百分之百的准确，所以还要有人工的兜底。它的好处，首先是它未来的组织能力一定是构建在全智能系统上的。其次，因为它不会受到人的约束，所以它有可能做到指数级的增长。从目前AI的水平来看，其顶线一定没有人高，但是均线一定会提升，方差理论上应该是为零的，并且成本一定有数量级的变革。

　　

　　关于AI应用创业的核心竞争力——如何构建数据飞轮?

　　大家经常会问的一个问题是到底有没有数据飞轮。

　　分几种情况：

　　1.具备潜在标准答案的，没有数据飞轮。

　　因为，如果是一个有确定性答案的事情，今天AI的能力应该已经足够超越绝大部分人类了。这个时候AI和人在交互过程当中取得的信息，已经不足以再提升它的智能了。比如问英伟达的股票还能买吗?我们大概率判断，如果信息足够充分，理论上这个问题有一个标准答案，这个时候它是不需要有所谓的数据飞轮的应用了。

　　2.限定完整约束条件的，没有数据飞轮。

　　比如我要买北京去上海的高铁二等座车票，并且规定是早晨七点那班，那你去做就行了，不存在智能。

　　3.根据用户习惯，构建数据飞轮。

　　比如让AI马上给我定一份好吃的外卖。首先，这个agent要了解你是谁，大概率你每天中午吃饭的时间点是什么时候，它要算好外卖给你送过来的时间。外卖的口味、地点、价格等等要考虑你的喜好。这里面其实大量的就是在你使用过程中个性化的交互沉淀下来的用户习惯，那么它会形成数据飞轮。

　　4.根据用户特征和交互，构建数据飞轮。

　　比如我要提高英语能力，AI要分析这个英语能力是听说读写是哪一种，应该怎么来提升，我当前的水平是什么样的，我的学习习惯、学习效率是什么样子的……这些可能都是在用户的交互过程当中的静态特征和动态用户行为。它可能会形成数据飞轮。

　　

　　今天，AI应用创业的组织到底应该是什么样子的?

　　首先，我们觉得最重要的还是人才。人才密度要大于业务复杂度。

　　这里的人才，既包括领域的人才，也包括AI的人才，实际上领域人才和AI人才放到一起形成合力，难度是非常大的。

　　其次，要有务实和创新的文化。先有一个业务的闭环，再去驱动AI来做升级。既要有基础的能力，务实地创造商业价值的能力，同时还要时刻能关注到外部环境的变化、技术的发展，思考怎样能够把新的能力用进来。

　　再往上走，今天，硅基生命已经成为组织的必要成员。比如代码研发可能很多需要Cursor来帮忙，销售已经有很多是由AI来做一些具体的事情。人机协同会成为工作的基础范式。这时，很多经验丰富的员工，可能一下子改不过来，怎么办?因此，要站在未来看现在，不换脑子就换人。

　　总结一下，我们做AI应用主要有这几个方面：业务牵引，智能驱动，人机协同，务实创新。我们既不高估短期的收益，也不低估长期的积累。

　　相关阅读：

　　原高途核心高管张怀亭、刘威创办“与爱为舞”，密集申请200件AI教育商标

　　估值6亿美元、营收数亿元的与爱为舞有了新动作：教育AI产品“爱学”浮出水面

　　与爱为舞公开发声：单月收入千万元，业务每年三倍增长

　　与爱为舞上线新产品“趣碰词”:在“魔法学院”中记单词