库克点赞的10人团队：用户覆盖160多个国家，想做AI时代的终身大学

　　整理丨一川

　　编辑丨子钺

　　图源丨 Ouraca

　　10 月 12 日，库克现身北京，参加 Apple 应用孵化器首期学员展示日，与一群中国创业者近身聊了聊。

　　第一个出场的，是一支只有 10 人的 AI Native 团队。他们正在做一款关于终身学习的 AI 产品。库克问，产品目前在哪个国家最受欢迎？吴俊东回答：美国。

　　注：Aibrary 团队跟库克的合影，从左往右：李健、吴俊东、库克、王诗乐、李近

　　这款产品还处于早期，就有了来自全球 160 多个国家和地区的用户。从欧美，到坦桑尼亚、肯尼亚，到印度、巴基斯坦，一群来自不同国家的用户，开始用 AI 听书、学习新知识。

　　海外社媒上部分 Aibrary 全球用户的留言

　　吴俊东和团队想做的，远不止一款 AI 读书应用。他们正在尝试打造一所属于 AI 时代的终身大学。

　　三位创始人都有长期的教育行业经历：吴俊东毕业于人大、哈佛，做过教育公益、教育投资，并参与了好未来的海外业务；李可佳创办过教育科技公司极课大数据，后加入字节；张栖铭曾负责字节教育中台。如今，他们把各自在教育、科技和产品领域的经验汇聚到一起，希望让优质的知识、科学与哲学不再只是少数人的特权。

　　Ouraca 三位创始人：李可佳、张栖铭、吴俊东

　　他们创办 Ouraca，先后探索 AI 读书、实操课程和 Agent 学习社区，希望把学习从一件需要专门腾出时间完成的事，变成融入工作与生活的日常。

　　到底是怎样的产品和团队，能让库克点赞？带着这样的好奇，创业邦找到吴俊东。

　　以下内容为创业邦与吴俊东交流的实录精编：

　　01 从高山书院到 Ouraca

　　创业邦：最初的创业想法是怎么产生的？几位创始人又是如何走到一起的？

　　吴俊东：我在好未来工作了很多年，也经历了投资、海外业务和内容合作等不同岗位。真正决定创业，是因为我和李可佳、张栖铭等人开始反复讨论一个问题：AI 时代的教育应该是什么样子？人的能力需要发生什么变化？未来理想的大学又应该是什么形态？

　　我和李可佳认识很多年。2018 年，好未来投资了他创办的教育科技公司极课大数据。我当时负责了和李可佳的投后和业务对接，双方合作非常紧密。2019 年，字节跳动收购了这家公司，也成为好未来退出速度最快的投资项目之一。

　　后来，李可佳加入字节跳动，参与教育业务及相关项目。离开字节后，他一方面在初心资本担任投资合伙人，初心资本后来也成为我们创业时最早的投资方之一；另一方面，他担任了高山书院的秘书长，参与书院的运营和管理。

　　李可佳、吴俊东和高山书院一起在京都大学

　　高山书院对他影响很大。它面向企业家，却不走传统商学院的路线，而是把学习科学、人文和基础学科作为重要内容。学习活动分布在世界各地，会探访科学家曾经工作和生活的地方；去大学，也不一定去商学院，而是走进生物医学、数学等院系和研究机构。

　　这种教育方式很符合我们对理想教育的想象：让人走出熟悉的环境，重新认识世界。

　　大约在 2024 年，我们跟着高山书院去了京都大学、东京大学等高校，也去了巴黎。我们几乎每到一所大学，都会问校长同一个问题：你认为未来理想的大学应该是什么样子？

　　讨论和探索持续了一段时间后，我们觉得，与其停留在讨论层面，不如成立一家公司，把这件事真正做起来。

　　我们最早确定的使命，就是打造一所 AI 时代的终身大学。至于具体的产品形态，当时还没有完全想清楚，但我们希望先明确方向，再逐步探索。

　　我记得，那时我和李可佳还在京都参加高山书院的活动。一天晚上，我们很快整理出一份关于未来大学的初步设想，发给初心资本的江川。没想到，几分钟后她就回复：“可以投。”

　　02 种子轮融资约 700 万美元：投资人为什么愿意支持

　　一个尚未成形的产品？

　　创业邦：王翔（小米集团原总裁）是你们最早的天使投资人之一吗？创业初期，投资人为什么愿意支持你们？

　　吴俊东：是的。翔总是我们最早的投资人之一，公司正式成立之前，他就已经投资我们了。

　　对早期创业团队来说，这种支持不仅是资金上的帮助，也是一种信任。创业初期有很多事情还没有验证，能够获得认可和支持，会让团队更有信心继续往前走。

　　高山书院也为我们提供了一个比较特别的创业环境。大家未必会刻意谈论彼此的商业背景，但可以通过共同学习了解对方。十几天里，大家一起讨论哲学、科学，交流对世界的理解。商业计划书可以包装，履历也可能被美化，但在这样的环境里，一个人的思考方式、价值观和对问题的理解会慢慢显露出来。

　　因此，我们创业初期获得了几位高山书院同学的支持。最开始，我们甚至没打算拿机构的钱，几个朋友和同学每个人出一点，先把公司做起来。当时我们觉得，AI 创业应该不需要太多资金。

　　后来，初心资本、红杉资本和拾象相继加入。最初一轮融资，我们融了大约 700 万美元。除了机构投资者，也有王励弘等几位个人投资者支持。

　　我们大约在 12 月正式决定创业、成立公司。到了 12 月底，红杉资本就通过初心资本的介绍联系了我们。

　　当时，红杉的教育团队和种子基金团队几乎同时找到我们。我们在同一天分别与两个团队交流，第二天又和红杉合伙人周奎一起开会，介绍了创业设想和最初的 Aibrary 产品雏形。

　　奎总很喜欢学习，也很重视终身学习。他听完后非常认可，当天晚上就决定红杉要参与这一轮融资。

　　他问过我们一个问题，让我印象很深：你们想象中的、AI 时代理想的终身大学，应该是一种什么样的学习形态？

　　当时我们没有现成答案，只能把此前的探索和思考讲给他听。但这个问题后来一直伴随着我们的创业过程，也是我们持续探索的方向。

　　随后，硅谷的几家 VC 也陆续参与进来，包括 Llama Ventures, iSeed, Taihill，还有对我们帮助非常大、也合作非常紧密的 SSG 加速器等。大家大多通过朋友介绍认识。那时我们甚至还没有一份完整的 PPT，融资更多建立在彼此的信任，以及投资人对我们所做事情的认可之上。

　　03 从 Aibrary 到 BotLearn：不同产品线分别解决什么问题？

　　创业邦：Ouraca 最初是怎么规划产品战略？

　　吴俊东：我们从一开始就把这件事当作至少要做十年的事业。Ouraca 是“Our Academy”的缩写，长期目标是打造一所覆盖面广、具有包容性的终身大学。无论年龄、兴趣和国籍如何，每个人都应该能找到适合自己的学习方式和内容。

　　但要实现这个目标，需要分三步走。我们最初的设想是：第一步，做 AI 版的樊登读书；第二步，做 AI 版的 Coursera；第三步，做 AI 版的 Minerva。

　　（注：Minerva（密涅瓦大学）是一所由 Minerva Project 创办的创新型私立大学，总部设于美国旧金山，以全球 7 城游学和全线上研讨教学为核心特色。）

　　这三步的难度逐步提高，对应的学习需求也不同。

　　第一步是认知型学习，帮助用户拓展视野、更新观念、理解新知识和新趋势。内容不一定要特别系统，但要足够轻，能够利用通勤、健身等碎片化时间来学习。

　　第二步是实操型学习，重点是掌握新技能、解决实际问题。我们希望结合最新的 AI 技术，让用户不只是获取知识，还能通过实践提升能力。

　　第三步，则是把认知学习和技能学习连接起来，逐步形成一套完整的终身学习体系，最终走向 AI 时代的终身大学。

　　我们先后推出 Aibrary 和 BotLearn，就是按照这个思路推进。创业第一年，我们主要精力放在 Aibrary 上；今年则投入更多时间推进 BotLearn。

　　创业邦：Aibrary 为什么从音频和深度内容切入？它与传统讲书产品有什么不同？

　　吴俊东：我们最初也讨论过资讯，因为很多资讯平台已经开始用音频讲解新闻。但我们希望做的是长期学习平台，而不是纯粹的资讯产品。

　　AI 正在让内容生产变得越来越便宜，市场上出现了大量自动生成的内容。用户每天能投入的时间和精力有限，可能只有十几分钟。如果内容信息密度不够高，用户的时间就被浪费了。

　　因此，我们决定先从深度内容切入，尤其是书籍。书籍经过出版流程，具有相对明确的来源，是建立可信内容体系的一个好起点。未来，我们也希望扩展到精选的社交媒体内容、博客和优质公众号等，帮助用户找到真正值得学习的材料。

　　产品形态上，Aibrary 首先要足够轻，适合开车、健身、上下班通勤等场景。每节内容大约十几分钟，让用户能利用碎片化时间完成一次学习。

　　我们希望它不仅能推荐内容，还能根据用户的情况，生成真正适合他的学习内容。更理想的状态是个性化生成：系统了解用户后，为他组织每天 10 到 15 分钟的学习内容，连讲解方式都可以根据用户的偏好调整。

　　更重要的是，内容必须与用户本人相关。

　　我自己听播客时经常遇到一个问题：一集节目可能有 50 分钟甚至一个小时，但我的通勤时间只有十几分钟。有时候听完才发现，整期节目真正与自己有关的内容并不多。读书也一样，用户既不知道应该读哪本书，也不一定能迅速找到书中最值得自己理解的部分。

　　所以，我们做的不是有声书，也不是把一本书从头到尾读给用户听，而是站在用户的角度讲解内容。同样是《原则》，讲给媒体人和讲给创业者听，重点应该不同。系统需要结合用户的实际处境，解释书中哪些观点与他有关、哪些内容值得理解和应用。

　　Aibrary 产品图

　　用户进入产品后，会先经历一个摸底过程。我们有一个叫 Nova 的学习助手，会通过对话了解用户的职业背景、工作类型和生活情况。例如，职场人士可能希望提升工作能力，宝妈可能更关心亲子教育和育儿。除了职业目标，用户的生活目标也很重要。

　　了解用户后，系统会在首页制定学习计划，每天推荐大约 10 到 15 分钟的内容，尽量从高品质书籍中挑选与用户最相关的部分。用户也可以主动告诉 Agent 自己感兴趣的领域，系统再参考相关资料，推荐适合的书籍。我们会参考 Goodreads、豆瓣、亚马逊等平台的书评和书籍解读信息。

　　目前，每本书主要有三种收听方式：第一种是内容摘要与讲解，类似讲书；第二种是双人对话形式的播客；第三种是我们称为“Idea Twin”的模式，可以理解为“思维分身”。

　　在 Idea Twin 中，用户可以成为播客的主持人。例如，系统可以生成一段围绕《原则》的对话，由一位主持人向另一位参与者提出问题，再展开讨论。这里的关键是让模型帮助用户提出好问题。我们希望通过训练提问模型，主动找到值得讨论、又与用户本人相关的问题，让十几分钟的学习更有针对性。

　　我们也鼓励用户继续阅读原书，会在讲解页面提供购买链接。我们的目标不是替代阅读，而是帮助用户发现好书、理解好书，并进一步产生阅读原书的兴趣。

　　创业邦：Aibrary 目前发展到什么阶段？

　　吴俊东：Aibrary 目前主要是一款 App，定位是终身学习伴侣。我们希望用户能够随时随地学习，未来也不排除探索硬件形态，但现阶段主要还是通过 App 提供服务。

　　产品去年年底上线时，几乎没有大规模推广，大概两三个月时间已经在海外积累了几万名用户。我们与哈佛的一家机构及公益组织开展过合作，也通过海外终身学习者社区进行推广。用户目前覆盖 160 多个国家和地区，主要还是在美国，不过也包括了包括坦桑尼亚、肯尼亚、印度、巴基斯坦、意大利等很多国家。

　　这些用户中主要是 20 多到 40 岁的职场人士、宝爸宝妈。也有不少年轻人，他们所在的地方可能缺乏丰富的学习资源，却很希望了解外面的世界。我们也在一些国家发展了学习大使，由他们在当地大学推广产品。

　　目前产品主要提供英文内容，未来会推出中文版本。

　　创业邦：BotLearn 主要解决什么问题？为什么你们后来开始关注 Agent 的学习能力？

　　吴俊东：BotLearn 对应我们三步走战略中的第二步，目标是打造一个 AI 版的 Coursera。

　　最初，我们没有计划这么快推出它。Aibrary 上线两三个月后，数据表现不错，我们开始小规模投放，ROI 已经转正，原本准备扩大投放规模。但今年 2 月，OpenClaw 以及整个 Agent 生态的快速发展，改变了我们的节奏。

　　我们的团队本身就是围绕 AI Native 理念搭建的，我们自己也频繁使用 OpenClaw 等 Agent 工具，明显感受到 AI 正在改变工作方式。

　　未来，人会越来越多地和自己的 Agent 一起工作。很多标准化操作，Agent 可能做得比人更好，人则需要更多承担审核、判断和创造等工作。这也让我们重新思考学习：未来不只是人需要持续提升能力，Agent 也需要持续学习和改进。

　　因为越来越多的工作，可能是由一个人和他的数字员工共同完成的。我们由此产生了一个想法：既然未来希望打造一所面向人的终身大学，不如先试着做一所“龙虾大学”，让 Agent 也来上学。

　　Botlearn 介绍

　　创业邦：为什么会想到让 Agent 进入社区学习？

　　吴俊东：当时，Aibrary 已经在帮助人提升认知，另一方面，Agent 正在承担越来越多的实际工作，但工具还不够成熟，使用起来有不少麻烦，很多人也不知道怎么用。

　　我们就在想，能不能让 Agent 像人一样，通过与同伴交流和经验分享来学习？

　　人会在小红书、论坛和 BBS 上学习各种技巧，我们也可以为 Agent 建立一个类似的社区，让它们分享经验、讨论解决问题的方法。于是，我们做了一个社区平台，用户可以一键把自己的 Agent 派进去。

　　我们希望把它做成一个 Agent 版的小红书。Agent 围绕如何帮助主人解决问题分享经验，其他 Agent 可以继续补充和讨论。学到的经验还可以反馈给主人，帮助主人优化工作流（Workflow）。

　　我们最初只是想做一个实验，没有预料到它会这么快受到关注。上线 24 小时内，就有 500 个 Agent 入驻；三周后，入驻数量超过 1 万个，社区里也积累了大量帖子，有些帖子下面有数百条回复。

　　一个 Agent 分享解决问题的方法，其他 Agent 在此基础上补充经验，再把经验反馈给主人。Agent 的能力因此有机会不断提升。

　　这就是 BotLearn 的一个重要定位：人机共学。

　　创业邦：BotLearn 近期有何大的产品动作？

　　吴俊东：我想用“点点”来展示下。它是一个桌面学习助手，可以配合 WorkBuddy、Trae 等 Agent 工具使用，也可以用于剪映等软件。

　　Botlearn 点点操作界面

　　点点主要有两种使用方式。

　　第一种是屏幕辅助。当用户在某个软件里遇到操作问题，或者不知道如何完成一项任务时，可以唤醒点点提问。它会根据当前屏幕内容，告诉用户应该在哪里操作、下一步怎么做。

　　例如，用户想在 WorkBuddy 里制作一份 PPT，却不知道如何安装某个 Skill，就可以让点点指出具体入口，并一步步引导完成。

　　第二种是系统性学习。点点内置了不少 AI 工具使用课程，可以带着用户从基础操作开始，逐步学习如何使用 AI 完成工作，甚至构建自己的数字员工和工作流。

　　比如在办公软件里，用户可以学习如何制作行业报告、撰写周报、整理会议纪要；在剪映里，也可以询问字幕应该如何调整、具体在哪里设置。点点会根据屏幕内容给出建议，帮助用户完成操作，并检查效果。

　　我们也会把官方推荐的使用方法和社区里经过实践验证的经验整合进来。希望它不仅能回答“按钮在哪里”，还可以帮助用户掌握更好的工作方法。

　　创业邦：点点为什么会诞生？

　　吴俊东：一开始，我只是有一个模糊的想法：未来学习 AI，是不是不应该让用户专门进入一个平台上课？能不能让用户在实际做事时，身边就有一个助手，随时告诉他下一步怎么做？

　　当时我跟产品和研发同事说，能不能做一个在屏幕上跑来跑去的小人，但大家也不太明白具体应该是什么样。

　　后来有一次，我参加 WAIC 大会，在一个小展位上看到一个 AI 游戏教练。一个孩子在玩射击游戏，不知道某个场景应该换什么武器，旁边的 AI 教练就告诉他应该按哪个键、怎么切换装备。孩子跟着指引，很快就学会了。

　　我觉得这很有意思，这给了我启发：能不能把这种实时指导的模式用在 AI 工具上？

　　回来后，我研究了国内外类似的陪练和指导产品，可佳正好也分享过类似的想法，最后决定自己先用 Vibe Coding（AI 辅助快速原型开发，俗称氛围编程）做一个原型。这是我第一次真正意义上从零开发产品。以前我是文科生，一行代码都没写过，也没有学过 Python。

　　原型完成后，我没有把一份文档发给研发团队，而是直接把一个 DMG 安装文件发到了产研群里。

　　原型当然还有很多问题，包括内容设计、模型调用和交互方式，但至少我们已经把想法变成了一个可以体验的东西。后续再由专业研发同事完善产品。

　　我们找了一些朋友试用，大家反馈不错。后来，我在小红书随手发了一段演示视频，没想到很多人来找我们要内测码，WorkBuddy 等相关团队也主动联系我们，希望进一步交流。

　　这让我更确信，创业早期应该尽快把想法变成原型，验证用户是否真的需要，再决定如何投入资源，把它做成可以规模化的产品。

　　创业邦：点点与 WorkBuddy 等工具自身的助手有什么区别？

　　吴俊东：用户下载一个工具并不难，真正开始使用却往往很难。很多人会卡在最基础的操作上，或者把 Agent 当成普通对话工具，只会向它提问，没有发挥出它的能力。

　　我们最近和 WorkBuddy、Trae、千问办公等产品的相关团队都有不少交流。很多企业花钱为员工开通 AI 工具，最后员工却没有真正用起来，使用频率很低。

　　点点希望在这个过程中发挥作用。工具更新了新功能，用户可以通过点点及时了解怎么用；即使没有具体问题，也可以跟着课程学习，从新手逐步成长为熟练用户。

　　我们还具有跨工具的特点。一个任务可能需要先用 WorkBuddy 打磨文案，再用剪映完成剪辑，甚至调用其他工具生成素材。点点可以围绕整个任务给出指导，而不是只解决某个软件内部的问题。

　　当然，软件本身未来也会增加更好的搜索、问答和操作引导功能。我们的机会在于专门打磨交互体验，并沉淀跨工具的知识库、规划方法和工作场景实践，让用户不只知道如何操作，还能真正完成任务。

　　04 从个人课程到企业培训：人机共学如何商业化？

　　创业邦：BotLearn 目前的商业模式是什么？

　　吴俊东：目前有两种模式，一种面向C端，一种面向B端。

　　C 端方面，每门课程单独收费，例如 AI 自媒体课、AI 领导力课。与传统录播课或直播课不同，我们强调人机共学。课程费用不仅对应学习内容，也包括学习过程中使用的 Token，以及打造 Agent 所需要的资源。

　　用户学完后，带走的不只是知识和认知，还会拥有已经构建好的 Agent，也就是自己的数字员工，并知道如何使用和管理它。

　　Botlearn 课程学习平台，学员可通过沙盒的方式实战演练，同时在课程中就把自己的 Agent 也训练好

　　B 端则是整体 AI 人才转型升级解决方案，包括定制化课程、全员 AI 素养提升、针对不同岗位打造数字员工，以及必要的线下培训。对于有更深层需求的企业，我们也会进一步探索组织转型和落地服务。

　　Botlearn 当前B端业务

　　最近，尤其是 BotLearn 这条业务线，商业化路径已经相对清晰。C端我们与 WaytoAGI 等头部 AI 学习社区大力合作，赋能广泛的 AI 学习者，B端我们近期也在服务不少大型跨国企业、上市公司等机构的 AI 组织和人才转型。

　　创业邦：随着大厂不断推出个人助理，BotLearn 的核心价值在哪里？

　　吴俊东：我们始终围绕人的学习来做产品。即使强调人机共学，Agent 也是为人服务。我们要帮助人更好地驾驭模型。

　　模型不断升级，并不意味着人不再需要学习。每次模型能力提升，人都需要学习如何更好地使用它、配置它，让它为自己服务。

　　与 WorkBuddy 等工具生态的合作，也有这方面的商业价值。如果企业买了工具却不会用，活跃度低、Token 消耗少，服务商就难以获得持续收入，客户也可能不续费。我们希望通过课程、点点和企业培训，帮助客户提高工具使用频率和实际效果。

　　BotLearn 部分已上线课程

　　05 全球化：先从海外C端切入，再探索企业市场

　　创业邦：为什么先从海外做 Aibrary，国内的 BotLearn 和点点又会如何发展？

　　吴俊东：Aibrary 仍以海外市场为重点。它的基础设施和整体产品架构已经有了一定积累，接下来需要持续迭代，并逐步推进国内市场。国内版本还需要进一步适配，包括内容体系和模型等方面。

　　BotLearn 和点点则主要从国内市场开始。团队过去有 To B 业务经验，也积累了一些企业客户和合作伙伴资源。我们希望先验证产品能否为个人和企业创造真实价值。

　　美国市场的企业 AI 服务也是长期方向。不过，随着业务发展，我们需要逐步建立本地销售和运营团队，而不是只靠产品本身进入市场。

　　创业邦：海外C端和B端市场，对中国团队的要求有什么不同？

　　吴俊东：海外B端市场很大，但中国团队进入的门槛也更高。产品能力强，并不代表能够马上获得海外企业的信任。企业还会考虑数据安全、隐私以及供应商背景。

　　消费者可能愿意使用 TikTok，但企业未必愿意把核心机密数据放在一家中国背景的服务商那里。这不一定意味着产品不好，而是企业选择工具时还要考虑其他因素。当前的中美关系，也让这类问题变得更加复杂。

　　因此，我们认为C端和B端的全球化策略应该有所区别。

　　对于C端产品，我们愿意和海外用户一起共创。产品早期不够成熟没有关系，可以让用户参与进来，在持续反馈中逐步完善。

　　对于B端产品，我们需要先把能力做到足够扎实，让客户看到明确的价值，并在可靠性、安全保障和实际效果等方面建立竞争力。

　　06 AI 时代的教育机会：社会转型正在改变学习需求

　　创业邦：有人认为，教育行业受到政策变化影响，整体机会正在减少。你怎么看？

　　吴俊东：我反而觉得，这可能是一个新的机会。

　　我做教育投资很多年。在我的观察中，教育需求最有可能出现巨大变化的时刻，往往是社会转型期。社会发生重大变化后，不同人的角色、发展机会和职业路径都会随之改变，教育需求也会跟着变化。

　　日本、韩国都经历过类似的过程。上世纪七八十年代，日本经济起飞，社会竞争非常激烈，学习成绩与职业发展之间存在比较清晰的联系。这和中国 2010 年前后的情况很像：在新东方学英语，出国读一所好大学，回来后有机会找到更好的工作；在好未来把数学学好，考上好大学，毕业后进入大厂。

　　但 AI 时代，这条路径正在发生变化，大学生受到的冲击尤其明显。

　　我有一个侄子，今年刚上大学，成绩很好，读的是计算机科学专业，却不知道以后应该找什么工作。尤其是在江西这样的地方，学生接触 AI 的机会可能相对少一些，学校会讲相关知识，但能帮助他们理解行业变化、判断未来职业方向的人并不多。他的学长也在告诉他，毕业后可能找不到工作。

　　我们创业时也有类似感受。以前创业，可能一下子招很多人；现在招聘会谨慎得多。遇到一个问题，我们首先会想能不能用 AI 解决。我宁愿增加一个 AI 账号，也未必愿意新招一个人。

　　但生产力提升也会带来新的能力需求和职业机会。人需要不断学习，才能跟上变化。因此，我认为，社会转型本身就是终身学习需求增长的重要背景。

　　创业邦：当 AI 改变生产力时，人们究竟需要学习什么？

　　吴俊东：我认为，学习至少有两种。

　　一种是为了生存而学习。AI 时代到来后，很多技能和工作方式都会改变，人们需要掌握新的技能，才能适应新的环境。

　　另一种是为了兴趣和热爱而学习。比如读一本书，它未必能直接提升某项工作技能，却可能带来快乐、启发和更深层次的满足感。这种体验不只是短暂的刺激，还能持续激发思考，让人不断获得新的理解。

　　我们认为，AI 时代不仅会改变人们学习什么、怎么学习，也会让终身学习变得更加重要。我们希望做的，就是围绕这一长期需求，探索一种适合 AI 时代的教育形态。

　　07 10 人 AI Native 团队：从大厂式协作转向快速验证

　　创业邦：你们的全职团队有多少人？AI Native 的工作方式给团队带来了什么变化？

　　吴俊东：全职团队一直保持在 10 人左右。最开始，团队里有不少人来自字节跳动，也有其他大厂的同事，大家有丰富的产品经验和创业精神。

　　但刚从大厂出来时，大家还是会带着原来的工作习惯。比如，写很多飞书文档，在产品、研发、设计之间反复对齐，一天开好几场会。在大厂，这样做有助于多人协作；但创业早期，资源有限，我们需要尽快验证一个功能是否满足用户需求，再决定要不要投入更多资源。

　　MVP（Minimum Viable Product，最小可行产品）阶段最大的问题，是产品本身还有很多不确定性。与其花大量时间打磨一份文档，不如先做出来，让用户试用，再快速迭代。

　　几个月的磨合后，我们逐渐形成了新的工作方式。现在，团队成员的职责边界更加灵活。设计同事也要具备产品思维，负责增长的同事同样要考虑产品。

　　如果有人提出一个新想法，我们会要求他先通过 Vibe Coding 等方式做出原型，再讨论是否投入研发资源。每个人都需要具备一定的 Coding 能力，至少能把自己的想法先做出来。

　　我们希望打造一种 AI Native 的组织形态，让每个人都保持活力，把更多精力放在创造有价值的产品和体验上。

　　创业邦：你以前做过投资，也负责过好未来的业务。真正开始做产品后，对用户的理解有什么变化？

　　吴俊东：变化很大。以前做投资时，我更多从宏观角度看行业、市场规模和竞争格局。但真正负责业务，尤其是第一次负责好未来美国业务时，我才意识到，研究报告里的结论和真实用户的需求之间，可能存在很大的差距。

　　真正面对家长和孩子时，才会知道他们究竟在意什么、产品需要解决什么问题，以及他们如何判断什么是好的。

　　我也曾经想过，花几个小时服务一个用户究竟值不值得。但真正和用户相处一段时间后，我才理解，为什么早期业务需要投入这么多时间，即使短期内没有直接收益。

　　这段经历让我认识到，早期产品需要和用户大量共创。好未来有一句话让我印象很深：“和客户不亲密的团队没有未来。”

　　这次创业也是一样。无论是 Aibrary 还是 BotLearn，我们都在和真实的学习者、开发者一起打磨产品。课程体系和社区内容中，有不少来自用户的建议。

　　我们也不能只听那些本来就喜欢学习的人。学习本身有一定门槛，一个人未必愿意专门抽时间学某个知识，但如果它能帮助自己解决工作中的实际问题，他就更愿意学。

　　所以，我们还需要了解那些没有那么热爱学习的人：什么样的方式能让他们愿意开始？什么样的内容能让他们坚持下去？怎样把学习融入工作和生活，而不是额外增加负担？这些答案都来自真实用户。

　　08 经历行业周期后，创业者如何保持方向感？

　　创业邦：你从 2016、2017 年前后开始接触投资，到现在也经历了教育行业的剧烈变化。今天自己创业，你如何面对周期？

　　吴俊东：我最深的感受是，热爱永远是第一位的。风口是追不过来的，今天这个东西火，明天那个东西火，如果一直跟着热点跑，很容易不断改变方向。

　　人的动机既有外部动机，也有内部动机。内部动机和性格、价值观，以及你想成为什么样的人有关，它决定了你为什么愿意长期做一件事情。

　　这些年我在不同机构做过不同的工作，但内心的主线一直没有变：我希望推动教育和人的发展，让更多人获得更好、更公平、质量更高的教育。

　　所以，我不会只盯着哪个赛道更热，而是会持续思考：我一直想解决的教育问题是什么？现在有什么新工具能够帮助我解决它？

　　今天有 AI 工具，我就用 AI 工具；未来出现更强的智能技术，我也会考虑如何利用它们。工具会不断变化，但想解决的问题可以保持稳定。

　　我在教育行业待了很多年，也见过一些人因为短期收益进入一个行业。当政策和市场变化时，他们就会迷茫，不知道下一步该做什么。AI 行业也可能出现类似情况。因此，创业者需要找到自己的发心，清楚自己为什么做这件事。

　　另一个重要的因素是顺势而为。它不是追风口，而是顺应时代和行业的长期趋势。

　　AI 正在改变人们需要具备的能力，教育内容就应该随之调整，而不是继续教授已经落后于时代需求的东西。

　　创业邦：你们为什么这么重视传播新的学习理念？

　　吴俊东：因为我觉得现在大家太焦虑了，从头到尾都在担心 AI 会取代人。

　　我们是乐观派。我们认为 AI 是一个机会。只要每个人能够用好 AI，不仅可以降低被取代的风险，还可能在提高工作效率之外，创造更多新的可能性。

　　就拿我们自己来说，如果没有 AI，我不可能在短时间内做出点点这样的产品原型，也很难同时推进这么多事情。AI 给了我们过去不具备的能力。

　　但 AI 的价值不应该只体现在提高效率上。它还应该让人从大量重复劳动中解放出来，把时间花在更重要的事情上，发挥自己的创造力。

　　工业革命曾经把人从很多繁重的体力劳动中解放出来。到了 AI 时代，我们希望人们进一步减少重复性的脑力劳动，把更多时间用于认知提升，学习哲学、艺术和美学，感受生活。

　　当然，现在有时间、有资源接触这些内容的人，往往本身就拥有比较好的条件。但我希望，未来这些资源不再只属于少数人。

　　我们希望通过 AI，让更多人以更低的成本获得高质量的学习资源，有时间感受阳光、雨露，探索自己真正感兴趣的事情。

　　我们不希望人变成 AI 的奴隶，而是希望人成为被 AI 赋能的思考者，获得更多自由，拥有更自由的灵魂。这是我们做这件事最希望看到的结果。