导语：

一颗洋葱，剥开第一层是教育，第二层是词典，第三层是广告，第四层是硬件。再往下剥，手会酸，眼会辣，但露出来的那个东西，叫 AI。

网易有道就是这么一颗洋葱。2025 年，公司定位从 " 领先的教育科技公司 " 调整为 " 学习与广告 AI 应用服务提供商 "。三个词的变动，背后是整个业务线的逻辑重塑，以 AI 为轴心，重新编织学习服务与在线营销这两张网。

2026 年 5 月，这颗洋葱又剥开了一层：企业级大模型聚合平台 ThinkFlow 正式发布，DeepSeek、Kimi、Qwen 等 20 余款主流大模型被纳入统一调度。

从 " 子曰 " 到 " 龙虾 "，从 AI 答疑笔到 ThinkFlow，网易有道正在一层层剥掉业务外衣。剥到最后，你会发现，那颗最紧实的核，是 AI。

主笔 /   佳佳；文章架构师 /   拓拔野；出品 /   桃李财经

01教育 AI 的难与路

2025 年底的年度股东大会上，网易有道 CEO 周枫正式宣布了公司的战略升级：" 学习与广告 AI 应用服务提供商 "。

两个关键词，AI 应用、服务提供商。周枫的解释很直白：AI 浪潮让大量应用和服务都可以重新做一遍。

为什么是 "AI 应用 " 而非 "AI 技术 "？这是一个务实的判断：大模型的红利正在兑现，但谁能把模型能力装进具体场景、做出具体产品，谁才能真正吃到。

2026 年 4 月的清华论坛上，周枫把问题讲得更透。互联网技术让教育从 " 手工作坊 " 变成系统工程，但海量内容不等于学习效果，生产的工业化不能替代个性化。他的核心判断是：" 教育 AI 的落地要比聊天和编程更难。" 原因在于学习过程的长期性、目标定义的困难性、利益相关者复杂，以及对不出错的极高要求。

一次代码生成错了两行，开发者自己就能发现；一次闲聊跑题了，用户笑一笑就过了。但在教育场景里，AI 面对的是对错分明的学生和家长，容错空间趋近于零。

所以有道的打法很明确：不跟通用大模型卷参数，专注教育垂类场景。

自 2023 年启动 " 子曰 " 教育大模型研发，迭代路径逐渐清晰：1.0 版本聚焦知识问答，2.0 强化英语能力，3.0 引入强化学习突破理科答疑。2026 年初，子曰 -o1 作为教育领域首个开源推理模型正式亮相，2024 年该模型已实现全年盈利。

AI 不是噱头，而是生产力工具。那些早早把 AI 嵌入核心业务的公司，正在从技术储备走向价值兑现。

02层层递进的 AI 拼图

如果只看战略描述，网易有道的 AI 转型可能被误读为一次单纯的业务调整。但拉长时间线，会发现这是一场层层递进的产品覆盖。

最底层的，是 " 子曰 " 教育大模型。它是一个拥有垂直知识体系的专用模型，不是直接在通用模型上做个 " 教育皮肤 "。有道为此持续优化：从 Hi Echo 英语口语教学，到小 P 老师的理科答疑，再到 AI 答疑笔的生成式视频讲解，每一步迭代都在把模型能力压实到具体场景。

2026 年 4 月发布的有道词典笔 A7S 提供了一个耐人寻味的技术思路。这支售价仅 349 元的入门级产品，集成了豆包、千问、DeepSeek、子曰等模型集群，用户可根据推理或语言场景自由切换 -。它没有只依赖自研模型，而是开放接入多款模型，目的是让不同任务匹配最合适的 AI" 大脑 "。

这种多模型协同的思路，指向了一个更深层的认知：单一大模型无法解决所有问题。面向英语初学者的产品，与面向代码开发者的产品，需要的是完全不同的模型能力栈。

C 端 Agent" 有道龙虾 "（LobsterAI）的推出则是有道在 AI 应用层的另一场关键落子。作为国内大厂首个 100% 代码全开源的 AI Agent，它已接入微信、企业微信、QQ、钉钉、飞书，实现主流 IM 全覆盖。用户可以直接在手机端给 AI" 派活 "，从数据分析到 PPT 生成，都可以远程完成。

开源不是摆设。国外开源社区 OpenClaw 的创始人 Peter Steinberger 曾公开为有道龙虾点赞，原因是它提供了一种更安全的选择，代码全开源意味着用户可以本地化运行数据，不必把所有敏感信息上传到云端。这在企业级场景里是硬需求。

2026 年 5 月，有道龙虾率先完成了对 DeepSeek-V4 与 Kimi K2.6 两大最新旗舰模型的支持和接入。前者拥有 1M 百万级超长上下文，后者在长程编码能力上表现突出，二者叠加之后，有道龙虾在办公自动化、长文档处理、多步骤任务执行等场景中的能力进一步提升。

从 " 子曰 " 到 " 龙虾 "，有道的 AI 布局从垂类教育模型走向通用智能体，从单一工具走向全场景服务。但还不够，这个链条的 " 最后一公里 "，在 B 端。

03补上 B 端最后一块板

2026 年 5 月 12 日，网易有道发布企业级大模型聚合平台 ThinkFlow。

这个产品的定位是一条纽带，帮助企业一次性接入 20 余款主流大模型，无需重复适配各家 API 协议，业务端切换模型不用重写代码。内置的智能路由、负载均衡与实时监测，能在毫秒级完成故障切换，配合限流熔断策略，确保前端几乎感知不到服务波动。

听起来技术味很浓。但本质上，ThinkFlow 解决的是一个非常朴素的问题：企业到底在 AI 上花了多少钱？

全链路 Token 消费可视化看板，把大模型调用成本精确到单次请求，让企业财务再也不用在月末面对 "AI 预算全部超支 " 的茫然。同时，平台统一保管所有 API 密钥，支持模型服务部署于企业自有服务器或专属云环境，调用数据全程在企业侧处理。

这是一个 " 隐形成本 " 的问题。很多公司把 AI 接入做得天花乱坠，但很少算账：员工自己申请的十几个 API 密钥散落在各部门代码里，Token 消耗不受控，模型宕机了只能人工切换。这些成本从来不在预算表里，却实实在在地啃噬着企业的 AI 投入产出比。

ThinkFlow 的底层架构脱胎于网易内部的大规模场景实践，已在网易有道、网易游戏、网易云音乐等场景中完成压力测试，能支持从小规模 POC 到大规模生产的平滑过渡。

IDC 的数据为这道题提供了宏观注脚：2025 年，中国企业级 MaaS（模型即服务）市场的 Token 调用量增长超过 16 倍。预计 2026 年全年 Token 消耗量约为 40,000 万亿次，较 2025 年进一步增长约 20 倍 -。当 Token 消耗量以年化 20 倍的速度井喷，" 怎么管 " 必然成为比 " 用什么 " 更紧要的命题。

从这个视角看，ThinkFlow 的推出标志着网易有道完成了 AI 战略的全链条闭环。底层模型层有 " 子曰 "，C 端应用层有 " 龙虾 "，B 端基础设施层有 ThinkFlow。三块拼图合在一起，构成了从算力调度、模型研发到终端应用的全栈能力。

周枫在 2026 年初判断 "2026 年将成为 AI Agent 的关键元年 "。ThinkFlow 正是这句话在基础设施层的落子，只有企业端的大模型调用足够稳定、低成本且安全，C 端 Agent 的繁荣才有底层的支撑。

04桃李财经的思考：一家公司的向内生长

从 " 子曰 " 到 " 龙虾 " 再到 ThinkFlow，表面看是产品线的延伸，实则是能力轴的折叠：把分散在教育、广告、硬件里的 AI 能力，一点一点收拢、压实、重构。

这种 " 向内生长 " 并不性感。它意味着放弃短期的概念炒作，忍受转型期的增速放缓，甚至要接受外界 " 看不懂 " 的质疑。但正是这种克制，让有道在 AI 落地最难的环节，场景适配、成本控制、工程化交付，率先跑通了闭环。

这是一条从外向内收敛的路径。剥掉教育、广告、硬件、软件这些业务外衣，你看到的是一个正在裸露出 AI 内核的公司。

而所有外衣的归位，本质上是在围绕这个内核重新生长。

发布于：北京