摘要：他以Windsurf为例，该工具高度依赖Anthropic的Claude模型，在被OpenAI收购后因API接口被切断而陷入困境，最终团队出售给谷歌。这反映出过度依赖单一技术供应商的巨大风险。

当前AI浪潮下，不少创业者认为借助大模型就能轻松打造出热门应用。但北极光创投的林路指出，这种想法并不正确。

AI时代与移动互联网有根本区别：大模型公司追求的是通用智能，而非单一功能。若创业公司仅简单依赖大模型，其业务模式将缺乏可持续性。

他以Windsurf为例，该工具高度依赖Anthropic的Claude模型，在被OpenAI收购后因API接口被切断而陷入困境，最终团队出售给谷歌。这反映出过度依赖单一技术供应商的巨大风险。

移动互联网时代，操作系统与应用之间有明确界限。但在AI领域，大模型公司同时扮演平台提供者和竞争者的角色。它们通过思维链（CoT）和工作流（workflow）技术不断进化，并因自身盈利压力持续向应用层扩展。

在此背景下，仅做“套壳”应用的创业公司，将难以应对来自巨头的直接竞争。

林路指出，并非所有领域都会被大模型轻易覆盖，教育就是其中之一。尽管OpenAI多年前已投资韩国AI英语教育公司Speak，但AI至今未对教育行业产生颠覆性影响。

这主要是因为教育依赖大量独特的专业经验（know-how），其复杂性难以被通用模型在短期内复制。

教育的关键“know-how”之一，在于对学习动机的深入理解。林路认为，学习效率更多取决于持续高效的投入，而非智力差异。

人类注意力容易分散是普遍现象，受生理节律、大脑资源有限、疲劳和外部干扰等多重因素影响。成年人尚可依靠目标感和责任感维持专注，而低龄学生则更难长期对抗这种天性。

在激发学习动机方面，游戏设计提供了有益借鉴。游戏通过精心设计的“心流曲线”，让玩家在适度挑战中完成任务，并通过角色成长、资源奖励等方式提供持续正向反馈，从而保持 engagement。

林路提出，教育完全可以引入类似机制，使学习过程更具吸引力。

林路特别指出，许多历史悠久的国外英语教材在设计上尤为精妙。这些教材以循序渐进的方式，让核心知识点在不同阶段以多种形式重复出现，难度缓步提升，既维持了学习挑战，又避免了挫败感。

这种高度系统化的教学设计，并非大模型仅靠算法就能轻易实现，它背后依赖的是长期教研积累、反复修订和教师经验评估，才得以保证科学有效。

传统纸质教材的局限在于缺乏即时反馈，因此不少教育公司尝试借助计算机软件引入激励机制，例如定时任务完成奖励或虚拟勋章。这些看似简单的互动，实则需经过周密设计和效果验证。

林路强调，若仅依靠大模型泛泛地表扬学生，不仅难以形成有效激励，还可能降低反馈价值。真正有效的正向反馈，需依托于科学的行为触发与节奏控制。

此外，林路提到，很多AI从业者对教育中的这些隐性规律认识不足，导致如Speak、Elsa Speak等主打“场景对话”的产品，常面临用户留存率低、学习成效有限的问题。

他预测，AI教育创业可能将重复2014年中国教培行业的发展路径：先由懂教育的人摸索出可行模式，再由技术和互联网背景的创业者推动规模化。

在学科应用方面，林路认为大模型对文科尤其是语言学习的助益，将远大于理科。尽管大模型在IMO等理科竞赛中表现优异，但它早期甚至难以准确比较3.11和3.8的大小，需经强化学习才逐步改进。

而在文科领域，大模型在观点归纳、资料整合等任务上已表现成熟，OpenAI的Deep Research功能甚至可达到或超越人类实习生水平。

林路以Newsela App为例，说明过去分级阅读需大量人工完成，而如今大模型可高效实现。他分享自身使用Kimi逐段解析英文文档、列出词汇与例句的体验，指出这种系统化、个性化学习以往需巨大教研投入，现在却能快速完成。

他甚至通过与ChatGPT英语对话来练习口语并实时纠错，认为当前语言教育只缺一家能结合优质课程设计与这类工具的公司，以帮助用户真正掌握一门语言。

个性化学习曾因成本过高难以普及，如Knewton和Alt School均未成功。但林路认为大模型可在人文学科尤其是语言学习带来突破。例如在英语学习中，AI可生成多样化例句、展示词汇在不同时态和语境中的用法，并配合图像与动画提升效率。

他预计语言教育将成为AI最容易取得突破的领域，成功后再将方法论扩展至其他学科。

AI还能持续追踪学习轨迹，精准评估知识掌握情况。例如在阅读时推荐合适难度内容，标注生词，讲解词组和篇章结构，如同有一位教授随时辅导，显著提升效率。一旦建立个性化学习画像，其他竞争者将难以替代。

当前语言教学的核心瓶颈在于“实际使用”。许多学生难以开口，源于真实会话需要高度熟练度，而大模型可生成大量真实场景，提供充分口语训练，帮助跨越“学而不会用”的障碍。

例如孩子可与自适应对话的动画角色自由交流，口语能力自然提升。

林路进一步提出，AI不仅能优化教学，还可解决教育行业的运营效率问题。以往教育依赖大量服务和销售团队，主要依靠标准化流程（SOP）促进完课与续费。这类SOP化的工作完全可以由AI承担。

互联网广告仍有提效空间，而AI教育平台可积累更细致的学习数据，如发音、语法薄弱点或阅读量不足。传统销售无法提供专业学习建议，但AI可复制一位“优秀教师”的辅导能力，基于数据给出有效方案，续费便水到渠成。

学生与家长最需要的是清晰的学习规划，而非更多资源。AI能根据当前水平与目标制定科学路径，以此建立信任，使家长自愿长期付费，减少销售依赖。未来教育公司或只需教研与技术团队，其余服务由AI完成。

林路总结，与其在通用大模型上修补，不如深入行业推动实质改变。创业公司应聚焦用户核心需求，以更优方式解决问题。而“行业know-how”正是基础大模型难以跨越的障碍，也是创业者建立优势的关键。

正如工业革命不仅带来技术飞跃，更彻底重塑了生产组织与社会形态，AI对教育的变革也将超越工具层面，深刻重构学习方式与行业生态。只有深入理解教育规律，才能在这场变革中真正创造价值。

来源：奇闻观史