撰文：Leo
你有没有想过，为什么学习一项新技能总是那么困难？不是因为内容太难，而是因为我们根本不知道从哪里开始。你想学股票交易，搜索引擎给你返回成千上万条结果，但没人告诉你第一步该学什么。你想了解 AI 基础知识，YouTube 上有无数视频，但你不知道哪些适合你的水平。你想掌握一门编程语言，网上教程铺天盖地，但你找不到一条清晰的学习路径。
我一直认为，互联网最大的悖论就在于此：信息从未如此丰富，但真正有效的学习却从未如此困难。直到最近，我注意到一家叫 Oboe 的公司刚刚完成了 1600 万美元的 A 轮融资，由 a16z 领投。这家公司的创始人 Nir Zicherman 和 Michael Mignano 此前创办了 Anchor，那个后来被 Spotify 收购的播客平台。当我深入了解 Oboe 正在做的事情时，我意识到他们可能正在解决在线学习领域最核心的问题：如何让任何人都能高效地学习任何东西。
这不是又一个在线课程平台，也不是简单地把 AI 聊天机器人包装成学习工具。Oboe 正在构建的，是一套全新的学习架构，它能够理解你的学习方式、适应你的节奏，并且随着你的使用变得越来越聪明。我认为这代表着在线教育即将迎来的一次真正变革。
为什么传统在线学习总是失败
在深入探讨 Oboe 的创新之前，我想先聊聊为什么现有的在线学习方式大多不太有效。过去十年，我们见证了无数在线教育平台的崛起，从 Coursera 到 Udemy，从 Khan Academy 到各种编程训练营。这些平台确实让教育资源变得更加触手可及，但有一个不争的事实：大多数人无法坚持完成在线课程，学习效果也远不如线下教育。
我认为问题的根源在于，传统在线学习平台只是把线下课堂搬到了网上，却没有解决数字化学习的本质挑战。它们提供的是静态的、一刀切的内容，假设所有学生都以相同的方式、相同的速度学习。一个从未接触过编程的人和一个有五年经验的开发者，在这些平台上看到的可能是完全相同的课程内容。更糟糕的是，这些平台无法理解你真正想学什么、为什么要学，也无法根据你的学习进度和理解能力动态调整内容。
还有一个更深层的问题：激活能量太高。当你想学习某个新话题时，你需要先搜索相关课程，浏览大量选项，阅读课程大纲，评估难度是否合适，然后才能开始学习。这个过程本身就充满摩擦，很多人在真正开始学习之前就已经放弃了。我见过太多人购买了在线课程，却连第一节课都没看完。这不是因为他们缺乏学习动力，而是因为整个系统设计得并不友好。
研究数据也支持这个观点。有研究显示，用数字方式记笔记的学生，知识留存率明显低于手写笔记的学生。在线学习的完课率通常低于 10%，而那些完成课程的学生，真正能将知识应用到实践中的比例更是少之又少。这说明问题不仅仅在于内容质量，而在于整个在线学习的底层架构从一开始就存在缺陷。
Nir Zicherman 在一次采访中说得很直白："教育这个词让人联想到正式的学术环境和学生从小习惯的那种规定性课程。但事实是，我们都是终身学习者。我们在互联网上花费的大量时间都是在试图更好地理解事物，但真相是，互联网的设计初衷是抓住我们的注意力，而不是有效地教学。"这句话道出了问题的核心：现有的在线学习工具并不是为了真正的学习而设计的。
Oboe 的突破性创新在哪里
当我第一次体验 Oboe 时，最让我印象深刻的不是它生成内容的速度，而是它对学习过程的重新思考。你只需输入一个学习目标，比如"我想了解海岸侵蚀的科学原理"或"我想学习 AI 基础知识"，Oboe 就会在几秒钟内为你生成一门完整的、结构化的课程。这门课程不是简单的文本堆砌，而是包含章节划分、视觉素材、音频讲解、互动测验和记忆卡片的多模态学习体验。
我认为 Oboe 真正的创新在于它构建了一套复杂的多 AI agent 架构。Nir 在接受采访时解释说："真正的魔力来自我们从零开始构建的内部架构，我会把它描述为一个复杂的多 AI agent 架构，其中每个部分都经过精心编排，在生成课程时并行运行。挑战在于，如何创建既高质量、又完全个性化、并且能够极快生成的课程？所有这些都在几秒钟内完成。"
这套系统的运作方式非常精妙。不同的 AI agent 负责不同的任务：有的负责开发课程架构，有的负责开发和验证所教授的基础材料，有的负责编写播客脚本，有的负责从互联网上提取真实图像而不是 AI 生成的图像，并将这些视觉素材融入阅读格式中。还有一些 agent 专门负责审核内容，确保课程准确、高质量，并且个性化地满足用户想要学习的内容。
但我觉得更重要的是 Oboe 对长期学习的思考。Nir 强调了一个关键点：大语言模型本身无法支撑长期有效的学习。他说："驱动大语言模型的基础架构本质上无法在长时间内维持有效、高质量的学习。当我说长时间时，我指的是学生上整个学期的课程，而不仅仅是为了期末考试而临时抱佛脚。"这个洞察非常深刻，因为它揭示了为什么 ChatGPT 这样的工具虽然可以回答问题,但无法真正成为有效的学习平台。
LLM 的问题在于，它们基于概率模型运作，随着对话的进行，错误和幻觉的可能性实际上会增加。上下文窗口越长，对话持续时间越久，系统漂移和累积错误的可能性就越高。如果你和任何 LLM 进行过长时间对话，你会发现它们的质量会随时间下降。这对于需要几个月甚至几年持续学习的场景来说是致命的。
Oboe 的解决方案是构建一个完全相反的系统：你与平台互动得越多，它就越擅长教你。它会理解你如何学习，理解什么能激励你，理解你喜欢以什么媒介和格式学习。你是视觉学习者吗？你记忆力好吗？你需要很多例子吗？需要什么类型的例子？就像一个真人导师一样，你与它相处的时间越长,它就越了解如何教你。这不是 LLM 能做到的事情。
从技术角度看，Oboe 采用的是一种混合架构。它依赖 LLM，如果没有 LLM 的出现，Oboe 不可能存在。但它同时也建立了一套独特的专有数据架构，这套架构让 Oboe 能够做传统 LLM 单独无法完成的事情。Nir 说："我认为这是一种混合方式，既依赖 LLM，如我所说，如果没有 LLM 的出现这不可能存在，但它也有一半是独特的专有架构和数据架构，我认为这让我们能够做到传统 LLM 单独无法做到的事情。正是这两者的结合，释放了构建比以往任何东西都更好的学习平台的神奇能力。"
从播客到教育：创始团队的独特优势
了解 Oboe 的创始团队背景后，我更理解为什么他们能够做出这样的产品。Nir Zicherman 和 Michael Mignano 此前创办了 Anchor，那个让任何人都能轻松创建和发布播客的平台。Anchor 在 2021 年被 Spotify 收购之前，已经获得了 2500 万美元融资，拥有超过 100 名员工和 300 多家客户。更重要的是，Anchor 成功实现了播客创作的民主化，让无数原本不具备技术能力的人也能制作播客。
我认为这段经历给了他们两个关键优势。第一个是对叙事和内容设计的深刻理解。播客本质上是一种叙事媒介，如何让内容既有趣又有价值，如何保持听众的注意力，如何通过声音传递信息——这些都是 Anchor 团队积累的核心能力。现在他们把这种能力应用到教育内容的设计上。Oboe 提供的音频课程有两种格式：一种更像大学讲座，另一种类似 Google 的 NotebookLM，由两位主持人深入讨论话题。这种多样化的呈现方式正是源于他们对音频内容的深刻理解。
第二个优势是对产品分发和用户增长的理解。在 Anchor 早期，他们面临的最大挑战就是如何让内容被更多人看到。他们尝试了各种分发策略，最终意识到必须利用现有的分发渠道——也就是传统的播客平台——而不是试图创建一个全新的封闭生态系统。这个教训在 Oboe 的产品设计中也能看到：Oboe 允许付费用户导出课程内容,在平台外消费,而不是试图把用户锁定在自己的生态系统内。
a16z 的合伙人 Bryan Kim 在宣布投资时特别提到了一点让他印象深刻的地方：Oboe 生成内容的速度。他说他们一直在寻找合适的 AI 辅助学习公司，当 Oboe 推出后，他们试用了产品并立即爱上了它。"我们想支持一位既有雄心、又能灵活采用不同形式、并理解 AI 以构建大型平台的创始人。我们在 Oboe 身上找到了这些特质。"
这个评价很有意思，因为它强调的不是技术本身，而是创始人的视野和执行能力。在 AI 时代创业,技术门槛实际上降低了，关键在于你是否真正理解用户需求，是否有能力快速迭代并找到产品市场契合点。Nir 和他的团队已经证明过一次他们有这种能力，现在他们正在教育领域再次证明。
产品设计的深度思考
深入了解 Oboe 的产品演进过程后，我对他们的设计哲学有了更深的认识。在最初版本中，Oboe 会为用户生成不同的文本和音频格式，用户可以选择不同风格，但每月课程生成数量是有限制的。这种设计虽然提供了灵活性，但也增加了用户的选择负担。
在新版本中，Oboe 做了一个关键改变：应用会先理解你的学习目标，然后基于目标生成章节，帮助你学习这些主题。更重要的是，用户会看到测验等其他模态无缝地出现在课程材料中。对于某些课程，Oboe 还会生成记忆卡片，帮助你轻松记住课程内容。这种设计背后的思考是：不要让用户自己决定用什么格式学习，而是让系统根据内容和学习目标来决定最佳的呈现方式。
音频方面的改进也很有意思。过去用户需要在播客格式和讲座格式之间选择，现在 Oboe 会自动为你生成播客，并根据学习材料和用户的其他信号改变语气。这体现了一个重要的产品理念：减少用户的认知负担，让系统做出更多智能决策。
Nir 提到，他们观察到用户对学习 STEM 主题（科学、技术、工程和数学）的需求很高。因此公司特别努力为这些主题（包括编程）寻找最优质的材料。他说："优秀的老师会决定什么是学生的最佳学习方式，我们公司正在采用这种为学习者设计课程的方法。"
这句话让我想起了一个更深层的问题：AI 时代的教育产品设计到底应该是什么样的？我认为 Oboe 给出了一个很好的答案：不是简单地用 AI 生成内容，而是用 AI 来模拟优秀教师的思考过程。优秀的教师不会给所有学生上完全相同的课，他们会根据每个学生的特点调整教学方式。Oboe 正在尝试用技术实现这种个性化。
定价策略背后的商业逻辑
Oboe 的定价模式变化也很值得关注。他们完全重新设计了定价策略，为所有用户提供无限的课程生成。但如果你想深入学习某个主题，可以支付每月 15 美元（每年 144 美元）来访问更多课程章节。还有每月 40 美元（每年 384 美元）的专业版计划，提供无限章节访问，并允许用户导出或下载课程以在 Oboe 之外消费。
我认为这个定价策略非常聪明。它解决了几个关键问题：降低用户的尝试门槛，通过免费的无限课程生成让人们快速体验产品价值；为深度用户提供付费选项，那些真正想系统学习某个主题的人愿意为更深入的内容付费；为学生等特定群体提供离线学习选项，满足他们打印学习材料、离线消费的需求。
更重要的是，这个定价策略反映了 Oboe 对学习本质的理解。学习不是一次性的消费行为，而是一个持续的过程。有些人只是想快速了解某个话题的概要，有些人则想深入钻研。Oboe 的分层定价让不同需求的用户都能找到适合自己的方案。
从商业角度看，这种"免费增值"模式也更容易获得用户增长。在教育领域，用户获取成本一直很高，因为人们在为教育产品付费之前往往需要较长的评估期。通过提供免费的核心功能，Oboe 可以快速积累用户基数，然后通过优质的产品体验将免费用户转化为付费用户。
Nir 在采访中提到，他们现在提供的课程是英语的，但希望通过本地化课程和语言支持更好地覆盖世界不同地区。平台目前在网页上可用，未来计划推出移动端支持。这个扩张计划也很务实：先在一个市场（英语用户）验证产品模式，然后再扩展到其他语言和地区。
为什么现在是 AI 学习工具爆发的最佳时机
我一直在思考一个问题：为什么 Oboe 这样的产品现在才出现？答案是因为技术条件刚刚成熟。大语言模型的能力在过去两年有了质的飞跃，从只能生成文本发展到能够理解上下文、进行推理、调用工具。但更重要的是，人们对 AI 的期望也发生了变化。
几年前，如果你告诉用户"AI 可以为你生成一门个性化课程"，大多数人会持怀疑态度。但现在，经过 ChatGPT 等产品的教育，用户已经习惯了 AI 生成内容，他们的期待不再是"AI 能不能做"，而是"AI 能做得多好"。这种心态转变为 Oboe 这样的产品创造了市场机会。
从成本角度看，AI 推理成本的大幅下降也使得像 Oboe 这样需要大量 AI 计算的产品变得经济可行。想象一下，为每个用户生成个性化的多模态课程，如果在两年前，这个成本可能高到无法支撑一个可持续的商业模式。但现在，随着模型效率的提升和推理成本的降低，这变成了一个可行的商业方案。
竞争环境的变化也很有意思。过去几年出现了很多 AI 学习工具，包括 Google 的 NotebookLM 和前 Google 员工创办的 Huxli。这些工具让你输入一个提示就能获得一集播客来探索某个主题。但正如 Nir 指出的，这些是一次性生成，而 Oboe 的方法是让你通过基于章节的学习深入研究主题。
我认为这个对比揭示了一个关键差异：一次性的内容生成和系统化的学习体验完全是两回事。NotebookLM 可以为你生成一集关于某个话题的播客，这很酷，但它无法帮你建立完整的知识体系。Oboe 则试图提供一条完整的学习路径，从入门到深入，每一步都经过精心设计。
Bryan Kim 在投资备忘录中写道："好奇心是人之为人的本质。它是我们改善生活、解读世界、打开新理解之门的方式。然而对许多人来说，那个火花已经黯淡——不是因为好奇心消失了，而是因为学习新的有意义的东西既困难又耗时。"我非常认同这个观点。技术应该降低学习的门槛，而不是提高它。Oboe 正在朝这个方向努力。
学习的未来会是什么样子
和 Nir 的对话让我对学习的未来有了新的思考。他提到了一个很有意思的观点：我们不应该把 Oboe 称为"教育平台"，而应该叫"学习平台"。这不只是用词的区别，而是对愿景范围的根本性扩展。
教育这个词让人想到学校、课程、考试这些正式的学术场景。但学习是更广泛的概念，它包括我们在日常生活中对任何事物的好奇和探索。Nir 给了一个很生动的例子：我们每天接触的物理世界中有无数我们不完全理解的东西。在不远的将来，你应该能够学习任何你遇到的东西——不仅仅是数字领域的东西。
他说："我的一个梦想是，短期内，你遇到的任何东西，你都应该能够在数字领域学习。任何你不理解的东西，任何你需要了解背景的东西，你都应该能够把它加入你的课程中，通过 Oboe 的教学工具完全理解它。但没有理由认为这应该仅限于数字世界。"
这让我想象了一个场景：你在博物馆看到一幅画，用手机扫一下，Oboe 就能为你生成一门关于这幅画、这位画家、这个艺术流派的完整课程。你在公园里看到一棵树，想了解它的生物学特征和生态作用，Oboe 立即为你创建一门植物学课程。你在新闻里读到一个经济概念，想深入理解，Oboe 根据你的知识水平生成个性化的经济学课程。
Nir 说："关键是入口点——我如何接触到 Oboe 教我某件事的能力，以及 Oboe 能教我什么。真正有雄心的事情是，它不需要仅限于线上的一切，而可以是所有的一切。这就是如何真正让人类变得更聪明，这就是如何真正提升我们能做的事情：任何时候一个人想更好地理解任何东西，无论它在哪里，无论他们如何与它互动,他们都应该能够来到 Oboe 并实现这一点。"
这个愿景让我想起了科幻小说中的场景，但它并不遥远。随着增强现实技术的发展、物联网的普及、以及 AI 能力的持续提升，将数字学习体验无缝融入物理世界是完全可行的。而 Oboe 现在构建的底层架构和学习引擎，正是实现这个愿景的基础。
对在线教育行业的启示
回顾 Oboe 的整个故事，我认为它给整个在线教育行业带来了几个重要启示。第一个启示是：用户体验的创新已经不够了。过去十年，我们看到很多教育科技公司专注于打造漂亮的界面、流畅的交互、游戏化的设计。这些都很重要，但它们无法解决教育的根本问题——如何让学习真正有效。
Nir 在谈到 Anchor 和 Oboe 的区别时说得很清楚："我认为 Anchor 的用户界面是我们创新的主要方面。我们在一个非常过时的行业中构建产品，有很多传统的做事方式，我们有这种'构建未来'的核心价值观，就是我们不在乎过去的做法，我们只专注于按照未来应该有的方式构建东西。但我认为 Oboe 非常不同。我认为在教育领域，问题不在于用户体验。教育领域有很多美观的产品，有华丽的用户界面和真正流畅、无缝、有趣、游戏化且易于接近的用户体验。我认为改进的空间不在这里。我认为在教育方面，这是一个根本的底层架构和内容问题。"
第二个启示是：AI 时代的产品创新需要在底层架构上下功夫。简单地在 LLM 外面包一层漂亮的界面是不够的，真正的护城河来自于你构建的专有技术和数据架构。Oboe 花费大量精力构建的多 AI agent 系统、能够随时间改进的学习引擎，这些才是长期竞争优势的来源。
第三个启示是：要有耐心地迭代产品。Nir 在采访中多次强调,他们对产品的具体实现方式持"强烈信念但松散坚持"的态度。他知道很多假设会被证明是错误的，产品需要不断演进。但与此同时，他对底层架构和长期愿景有更坚定的信念。这种在灵活性和坚定性之间的平衡，是成功创业的关键。
第四个启示是：从利基市场起步,逐步扩张。Oboe 现在专注于英语内容，专注于 STEM 主题，这是一个明智的策略。与其一开始就试图覆盖所有语言、所有学科,不如先在一个细分市场证明产品价值，建立口碑，然后再扩展。这种务实的方法在资源有限的创业早期尤其重要。
最后一个启示是：使命驱动很重要。"让人类变得更聪明"是一个宏大的使命，但正是这种使命感吸引了优秀的团队成员、投资人和早期用户。在 AI 时代，技术门槛降低了，很多人都能快速构建产品原型。真正能让一家公司脱颖而出的，是对要解决的问题的深刻理解和持久的热情。
也欢迎大家留言讨论，分享你的观点！
