文｜周鑫雨

编辑｜苏建勋

当世界数字教育大会，将 2025 年定义为 " 智慧教育元年 "，一家成立两年半的中国 AI 教育公司，已经跑成了独角兽。

" 与爱为舞 " 创始人兼 COO 刘威对《智能涌现》等媒体透露，自成立以来的两年半里，" 与爱为舞 " 完成了 4 轮融资，融资总金额约 1.5 亿美金。目前，公司估值已接近 10 亿美金。

△ " 与爱为舞 " 的股东。图源：作者拍摄

" 与爱为舞 "CEO 张怀亭和 COO 刘威，是嗅觉由为灵敏的一批从业者。

前者曾是百度商业化系统 " 凤巢 " 的核心负责人，以及高途（跟谁学）联合创始人，后者曾任高途集团副总裁、高途课堂总经理，是 " 双师直播大班课 " 的核心发明者。

曾有股东告诉我们，几乎与 ChatGPT 发布同一时间，张怀亭已经有了用 AI 重做教育行业的想法。2023 年 5 月，和 " 大模型六小虎 " 同期，张怀亭和刘威，与四名科技及教育从业者，联合创立了 AI 教育应用公司 " 与爱为舞 "。

成立以来，" 与爱为舞 " 一直是一级市场最热的标的之一，曾获得高榕资本、红杉资本、真格基金、启赋资本、蓝驰创投、险峰长青等一线机构的种子轮投资，投后估值达到 1.25 亿美金。

据《智能涌现》了解，成立一年后，" 与爱为舞 " 的估值已经飙升至 8 亿美元。

资本的热捧，源于狂飙的落地进展。

在一场直播招聘会上，" 与爱为舞 " 联创、技术负责人王琳就透露，公司成立当月的收入只有几十万元，次月就达到上百万元，如今每个月有上千万元。

但比起热闹的金钱故事，" 与爱为舞 " 的创始团队和业务本身，却十分低调。让大部分人好奇的是：成立两年，" 与爱为舞 " 到底做了什么？

2025 年 11 月 19 日，在 " 与爱为舞 " 总部，创始人兼 COO 刘威，第一次对外聊起创业两年半以来的进展。

△ " 与爱为舞 " 创始人兼 COO 刘威。图源：作者拍摄

这名教培老兵站上台前，还保留有台前讲课的习惯。比如，每隔 5 分钟，他就会向台下抛出一个问题，吸引听众的注意力；讲到重点，他会用夸张的比划，强调 PPT 上的内容。

高途鼓励式的标语文化，也被沿用。比如在 " 与爱为舞 " 用户增长部的工位上，贴着一句：有的人适合短跑，还有的人适合长跑。

但创业两年半，刘威思考更多的，是 AI 教育和在线教育的区别，以及，AI 教育需要怎样的产品革新。

" 农业 "，这是刘威对在线教育的比喻。他告诉《智能涌现》，在线教育做产品的逻辑是 " 有多少人，种多少田 "：在线平均 1 个老师带 100 个学生，100 万个学生就要 1 万个老师。

因此，在刘威看来，做在线教育，拼的是组织能力。如何补充教师、扩大规模？如何用最低的成本吸纳更强的师资？如何减少教师水平的方差？这是他在高途每天都要思考的问题。

但 AI 教育是一个无法靠人力构建壁垒的领域——竞争来到了一个完全不同的领域：AI 技术。

刘威形容，" 与爱为舞 " 与高途最大的区别，在于前者本质是一家科技公司，而后者是一家教育公司——以往在高途，遇到业务上的问题，团队思考的是怎么堆人力、拼师资；而现在，" 先想到的，是怎么用技术和产品去解决 "。

苦磨 AI 技术，是一种完全不同于在线教育规模竞速的慢火烹茶。2017 年的高途，团队只有 7 人，营收仅 2000 万元。然而，2018 年，刘威就把营收做到了两个亿，2019 年做到了 20 个亿，2020 年做到了 64 个亿。

但在 " 与爱为舞 " 的前两年，团队的重心不是 AI 产品的商业化，而是构建了一套围绕 AI 数字人、音视频实时对话式 AI 教育模型、智能交互语音模型的技术体系。

△ " 与爱为舞 " 基于开源模型自研的音视频实时对话式 AI 教育模型。图源：作者拍摄

比如，2023 年，AI 模型的语音延时还是困扰不少企业的问题。直到 2023 年 8 月发布的豆包，大幅降低了语音交互的延时。

当时，" 与爱为舞 " 快速组建了语音系统研发团队——后来，这套语音技术的真实场景识别准确率达到了 95%，响应速度达到毫秒级。

△ " 与爱为舞 " 自研的语音技术。图源：作者拍摄

刘威告诉《智能涌现》，一旦底层技术被打磨到能解决业务问题，营收、增长等指标都不是问题。

团队的另一个转变，在于产品。

" 在线教育成也在直播大班课，败也在直播大班课。"刘威反思。

" 双师直播大班课 " 曾是在线教育营收的重要来源，但他发现，这一模式的渗透率在一二线城市并不高，线下班课仍然是主流，" 从教学效果和付费意愿来看，一对一的因材施教绝对是最好的。"

在他看来，AI 大模型的泛化性、自主学习机制，恰恰能让一对一定制化教学，成为可能。

为此，2025 年 5 月，成立两年后，" 与爱为舞 " 推出了产品 " 爱学 "，主打全学科、不限用户年龄的一对一 AI 家教。

△ " 爱学 " 辅导数学题过程。图源：" 爱学 " 官网

推出 " 爱学 " 之前，刘威常面对的质疑是：用户能不能接受 AI 导师？愿不愿意为 AI 导师付费？以及，AI 导师到底有没有效？

他告诉《智能涌现》，在上线之前，" 爱学 " 也经历了数月的内测期。其中几项测试是：不提前告诉用户这是 AI 导师，检验完课率；后续告知后，检验退费率。

测试结果显示，" 爱学 " 的完课率，甚至超过了直播大班课；同时，几乎无人因 AI 退课。

当然，AI 大模型浪潮的来临，AI 教育的机会不会独属于创业者。

2024 年以来，猿辅导、作业帮、有道等老牌在线教育机构，纷纷将业务与 AI 结合，推出 AI 讲题、AI 口语跟练、AI 学练机等软硬件产品。

在与新老玩家的竞争中，作为一家资源有限的初创公司，最重要的是取舍，集中资源建立壁垒。

刘威的经验是，先切入用户刚需的、且更难的领域。

比如，创业初期，在 2D 卡通、3D 卡通、真人三个数字人教师方向中，团队最终选择了真人。彼时，" 真人是最难的，当时的第三方基本都支持不了。" 刘威表示，但真人教学的接受度又是最高的。

不过，建立 AI 教育的用户认知，注定是漫长的过程。"AI 发展得比我想象快。" 刘威回应媒体，即便无法预测 AI 教育商业化爆发的元年，但这注定是一场快跑，"2023 年我们刚创业时，AI 老师能把一堂课上完，我觉得要三五年，但其实用一两年我们就做出来了。"

以下是《智能涌现》对 " 与爱为舞 " 媒体群访的整理，内容略经编辑：

宣传提高多少分，是一种过度承诺

媒体：不同学科教学场景下，AI 的准确率会一样吗？比如理科会比文科准确度高吗？

刘威：为了不出现 " 幻觉 "，我们不能直接用大模型，得拿自己训练的。我们内部有大量自己的评测，保证输出相对稳定。

大家认为好像文科没有规律，其实并不是。文科有文科的规律，理科有理科的规律，它们都是理性的。只要有规律，AI 就可以学习。

媒体：高途提出的模式是 " 双师 "，一个名师上大班课，后面还有普通老师辅助学生理解。AI 教师也需要真人教师辅助吗？

刘威：在全流程的交互中，AI 和人如何分工？如何更丝滑地帮助孩子更好地学习？到底 AI 和人分别做多少？他们的衔接关系到底是怎样的？

这整个流程，我们也在摸索过程中。

媒体：具体到教学成果，" 爱学 " 对成绩有怎样的提升？

刘威：本质上说，任何一个老师再牛，他和孩子是双向互动，孩子是主体，老师并不是。没有一个老师能保证孩子一定考 100 分。

但有机构会这么营销，这并不是好的现象。我说这些不代表我不关心孩子出成绩，但承诺提高多少分是不负责的。

" 爱学 " 最大的保障是一对一的教学，效果和效率天然比班课高很多。

媒体：" 高很多 " 是高了多少？用户不相信 " 高很多 "，要有数据。

刘威：我们在每一道题上，会得出数据。比如一道题，孩子最开始的正确率大概在 50%。之后 AI 经过引导，孩子答对的正确率提高到了 80%。

媒体：正确率的提高比例，这个维度很互联网思维。但如果要打动家长付费，需要给出实打实的提分效果。

刘威：不能这么宣传，不然就过度承诺了。

举个例子，这次考试简单，下次考试有可能难，两次考试分数的比较很难反映效果。所以你会发现没有机构会这么宣传。

如果聚焦在孩子学了哪些东西、掌握情况怎么样、相关的体验如何，这些我们都能给出数据。但具体到提高多少分，我们不能说。

媒体：一旦 AI 出现 " 幻觉 "，或者有无法解决的问题，是否有真人老师兜底？

刘威：我们的训练过程就包括大量的测试和数据，训练师本身就要对这些数据和结果打分。

所以首先我们把力量放在训练环节，保证流程可控，以及传授知识的正确性。其次在和孩子的交互过程中，也有数据飞轮。

今天我不敢说我们的模型 100% 不出错，但概率很低，因为大量的数据都前置训练过。

媒体：" 爱学 " 切的是教学的场景，AI 教育还有哪些落地场景？

刘威：教育类的产品分为两个大的类别，一类是解决方案型的，比如 " 爱学 "，比如高途的大班课。还有一类是偏工具型，比如小猿的搜题、作业帮的拍搜。

两者解决的问题是不一样的。工具型的产品非常依赖学生的主动性，但解决方案不依赖于学生的主动性，它有体系化的过程帮助孩子达成目标。

如果你想依赖主动学习，也不需要非得报个班，很多自学能力强的自己就考研了。但偏小一点的孩子自学能力可能比较弱，所以 K12 可以理解为教育部设定了一套系统化的解决方案。

两类产品的这种区别也会导致做产品的方式不同。比如做一个工具型产品，首先要保证大而全和准确，所以这对数据的要求很高。

如果做一个系统性的解决方案，其实数据范围有限，但对专业性的要求很高，重点在怎么教才是好的。所以我们输入了大量老师和教练的数据，再通过大模型演变出 10 万套、100 万套题库。

在线教育的核心是教育，AI 教育的核心是 AI

媒体：" 爱学 " 发布半年以来，市场表现怎样？

刘威：我们也走了很长的验证期。

第一个验证期是要判断真实客户能不能把课程完整地跟下来，而且不排斥，我们把这个指标称为 " 完课率 "。

我们用盲测的方式，回头再对孩子进行访谈：你觉得教师是真人还是 AI？如果孩子无感，我们就认为是 AI 还是真人，不影响上课。最后我们发现孩子对 AI 的接受度是很高的。

第二个阶段，我们告诉家长和孩子教师是 AI，他们不排斥。

第三个阶段，我们测试 AI 会不会降低完课率，最后发现相比真人教师，AI 不会降低完课率，反而更高了。

下一阶段，测试付费意愿。在这一过程，我们又走了一轮盲测，不告诉用户这是 AI 课程。只有当用户问起，我们才告知。最后我们发现，客户还是愿意买单的。

接下来就是让客服告诉客户，这是 AI 教师，测试退单率。最开始我们逐个打电话告知客户，发现没有人因为 AI 退费。

随着 AI 的发展，随着 DeepSeek 的出现、媒体的传播，家长对 AI 保有好奇、开放接纳的心态，不是特别抗拒。

最后一个阶段，我们上来就告诉客户这是 AI，看大家买不买。

媒体：付费率有多少？

刘威：我不能说太明确的。但我们发现大家不仅能买，而且付费率还比大班课要高。

媒体：现阶段团队更关心哪些指标？比如付费率、增长、ARR。

刘威：我们现阶段更关心 AI 底层能力的建设。

由于 AI 的能力有限，所以 AI 教学的范式是有限的，我得一个个范式死磕。所以我现在最关心的是提高 AI 的能力，去支持孩子更喜欢的范式。

如果底层能力跑通了，其他指标理论上都顺其自然。

媒体：在 AI 时代做教育产品的逻辑，跟在线教育有哪些不同？

刘威：有巨大的差异。

原来我们做在线大班课的时候，我们会把自己的核心竞争力定义为：组织能力。

简单来说，要服务 100 万学生，我就得有几万老师，服务 200 万学生，我就得有 10 万老师。

所以在 " 双减 " 前，高途就有 3 万老师。这 3 万老师水平的方差是很大的，也有一定的离职率，所以我们要一直补充新鲜血液，保持高水平。因此 " 组织水平 " 简单来讲是用更低的成本，达到更好的效果、更高的效率。

原来的在线教育，我称之为 " 农业 "。像种田一样，有多少人就能种多少田，想加量就得加老师，这是一个知识的劳动密集型领域。

但今天的 AI 教育，不能靠一百人、一千人把活干了。所以我们思考的核心方向是不一样的。原来在高途，我们天天琢磨组织建设，天天做培训。

现在不是，我天天打磨产品、讨论技术，怎么用技术和产品把业务问题解了、指标怎么提升。

AI 教育本质上是科技行业，再细化一点，它是 AI 行业，只是落地在了教育领域。但原来的在线教育本质上是教育行业，其次才是用了工具。

媒体：AI 教育商业化会在什么时候爆发？

刘威：我说不了这么准，但 2023 年我们刚创业时，AI 老师能把一堂课上完，我觉得得三五年，但其实用一两年我们就做出来了。所以 AI 发展得比我想象快。

AI 时代，聚焦某一人群不一定是正确的战略

媒体：" 与爱为舞 " 的产品，相比市面上类似的 AI 外教或者 AI 一对一教学，有什么优势？

刘威：大家会说 2023 年是大模型的元年，2025 年是 AI 应用的元年。在 AI 应用的元年，很多家公司都会推出自己的 AI 产品。

现在是百花齐放的阶段，有从工具角度做的，有纯瞎搞的，有还没开始干、正准备干的，有干了一点的，有已经发布了产品的，也有在学习机上干的。

我认为在接下来的一到两年里，市场上还会涌现出大量的 AI 方向的探索，这些探索都是有意义的，都在推着时代往前发展。

大家在探索的过程中，逐渐会有 1-2 个模式，会被社会和市场验证。

我认为未来的、AI 时代的教育，AI 一对一肯定是最靠谱或者最有效的。原来为什么要上大班课？本质上是因为一对一太贵了。

这个现象在 AI 时代会发生改变，但这个改变现在还没来，家长还是认为大班课是很正常的选择。再过几年，家长会选 AI 一对一，又便宜，效果又好。

媒体：未来学习的范式会因为 AI 发生变化吗？

刘威：一对一范式会成为主流。

但一对一范式一定要拒绝大班课的一些逻辑吗？也不一定。

比如说，孩子有时候需要陪伴，需要分组讨论。一对一范式也可以引入一些数字人，跟孩子分组教学。其中老师是为你 1V1 定制的，同学也是 1V1 定制的。

我希望有同学在你出错的时候引领你，还希望有一两个孩子给你垫底。玩法是非常多元化的。

媒体：在 AI 时代，AI 小班课有必要存在吗？

刘威：我认为没有必要。

基于 AI 数字人，教师资源是可以被无限占用的，没有必要 5 个孩子共用一个老师。

其次，小班课到底是 4 人班还是 6 人班？这几个人的程度应不应该拉齐？里面还有很多运营问题。

最后从效果上讲，无论什么班，肯定不如一对一效果好。所以没必要非得做一个小班。

当然这也不是绝对的。如果孩子需要体验小班课，我也可以做一些数字人素材去配合。

媒体：" 爱学 " 的目标用户会聚焦在 K12 阶段的学生吗？

刘威：不会，我们聚焦全人群。虽然迭代的速度、优先做哪些学科，我们有自己的判断。

我不觉得在 AI 时代，聚焦在某一人群是正确的战略。AI 会用技术抹平策略的不同。理论上你下载的抖音，和 80 岁老爷爷下载的抖音，不是一个产品。

做了某个年龄段后，再扩别的年龄段，对我们来说是容易的。里面有很多基础设施，比如数字人、语音，已经到位了，只是加一个不同的学科领域，再做一些打磨，没有那么费劲。

比如我们的英语产品，想要出海是很容易的。我现在后台就能出 20 个版本，中东语言的、韩语的，只是我需要做一些文化适应。

语言对 AI 来说一点挑战都没有。这在原来的线下教育和线上教育是完全做不到的。

欢迎交流！