Runwise 增长研究院

2026-08-14

Runwise 增长研究院

08/14/2026
产品创新, 产品运营, 企业AI创新

营收涨41%、DAU涨36%，股价却单日暴跌25%。多邻国的AI豪赌，收益与代价来自同一个决策。

一句话看懂：多邻国做对的一件事，不是“用AI省钱”，而是把AI叠加进一个已经跑通十年的游戏化增长机器——让原本靠人力和时间堆出来的“造课、出题、对话陪练”规模化，并直接变成付费点。2025年第三季度，它的营收同比增长41%、达到2.717亿美元，日活跃用户5050万、同比增长36%，付费订阅用户1150万、同比增长34%。但就在同一场财报电话会之后，公司股价单日暴跌约25%，创下上市以来最大单日跌幅。更早之前的2025年4月，一封“AI-first”全员邮件让这家一向以俏皮形象著称的公司，在社交平台上遭遇了一轮罕见的品牌反噬。这就是本文要研究的问题：一家已经跑通增长飞轮的公司，把AI同时叠进“内容供给侧”和“变现侧”之后，收益与代价是如何同时发生的。

多邻国（Duolingo，NASDAQ: DUOL）做对的一件事，不是”用 AI 省钱”，而是把 AI 叠加进一个已经跑通十年的游戏化增长机器——让原本靠人力和时间堆出来的”造课、出题、对话陪练”规模化，并直接变成付费点。2025 年第三季度（截至 9 月 30 日），它的营收同比增长 41%、达到 2.717 亿美元，日活跃用户（DAU）5050 万、同比增长 36%，付费订阅用户 1150 万、同比增长 34%。数字全面超出华尔街预期。

但就在同一场财报电话会之后，公司股价单日暴跌约 25%（不同口径在 20%–30% 之间），创下上市以来最大单日跌幅。更早之前的 2025 年 4 月，一封”AI-first”全员邮件让这家一向以俏皮形象著称的公司，在社交平台上遭遇了一轮罕见的品牌反噬。

这就是本文要研究的问题：一家已经跑通增长飞轮的公司，把 AI 同时叠进”内容供给侧”和”变现侧”之后，收益（订阅、用户、内容产能）与代价（内容质量争议、品牌信任受损、资本市场情绪逆转）是如何同时发生的？对中国企业而言，多邻国不是一个”要不要用 AI”的问题，而是一个更尖锐的问题：当你决定把 AI 推到战略最优先级，你原本的机制、你与用户的信任，够不够结实到承接这次放大？

一、它面对的处境与挑战

多邻国 2011 年创立，2012 年上线，2021 年 7 月登陆纳斯达克，做的是全球最大的移动语言学习平台。它的底层打法在业内几乎是”教科书级”的：免费增值（freemium）+ 深度游戏化 + 数据驱动。用连续打卡（streak）、排位联赛、推送提醒、猫头鹰 Duo 的”情感绑架”把学习变成一件让人上瘾的事；用免费层做规模、用海量 A/B 实验持续优化留存与转化，再把其中一部分用户转化为订阅收入。这套东西跑了十年，沉淀出的不是某个单点功能，而是一个自我强化的机制——用户越多，行为数据越多，产品打磨越精准，留存和口碑越好，用户又更多。

这套机制里有两样东西是真正难被复制的。一是规模化的行为数据与实验能力：亿级用户每天产生的学习行为，让它能以极高频率做实验、快速判断哪种关卡设计、哪条提醒文案、哪种付费引导更有效——这是”数据驱动”四个字的真实含义，不是口号。二是被精心经营了十年的品牌人格：那只时而卖萌、时而”威胁”你打卡的绿色猫头鹰，在社交媒体上积累了庞大而忠诚的关注，让多邻国的获客成本远低于同类。请记住这两点，因为它们既是后面 AI 得以奏效的底座，也是后面品牌反噬之所以格外痛的原因。

但到 2024–2025 年，两个结构性约束越来越清楚。

其一是内容供给的速度瓶颈。多邻国自己的说法是，做出前 100 门课程用了大约 12 年——语言课程的搭建高度依赖人力和时间，一门新课往往要一个小团队做上数年。这意味着，当平台想覆盖更多”学习语言 × 界面语言”的组合（比如让说日语、韩语、印地语的人也能学西班牙语）时，供给端根本追不上需求端。

其二是变现的诉求。作为上市公司，多邻国需要持续证明自己能把庞大的免费用户池转化成收入，而不仅仅是一个”下载量很大、赚钱一般”的教育应用。它需要新的、愿意让用户付更高价格的理由。

生成式 AI 恰好同时对准了这两个约束：它既能规模化生产内容，又能提供”真人陪练”这种过去只有付费家教才有的体验。多邻国要做的判断是——把 AI 押到多高的战略位置。它给出的答案相当激进。

二、它做对了什么：核心动作拆解

多邻国的战略转向可以概括为：从”AI 是产品里的一个功能”，转向”AI 是公司运转方式的底层设定”。围绕这个转向，有三个关键动作值得拆开看。

动作一：”AI-first”宣言与组织转向

为什么（Why）。创始人兼 CEO Luis von Ahn 的判断是，AI 是一次和”2012 年押注移动端”同量级的平台级迁移，早动手是关键。他要解决的不是某个具体成本，而是”整个组织的默认工作方式”——让 AI 成为每件事的起点，而不是可选项。

是什么（What）。2025 年 4 月底，von Ahn 发出一封全员邮件（4 月 28 日在 LinkedIn 公开），正式宣布公司转向”AI-first”。原文的几个关键设定是：逐步停止把”AI 能处理的工作”外包给合同工（contractors）；只有当”一个团队无法把更多工作自动化”时才增加人手；在招聘和绩效考核中纳入 AI 使用情况；以及一句后来引发大量争议的表述——宁可”接受质量上的小幅折损”，也要快速跟上 AI 浪潮，而不是慢吞吞地错过。

这里有一个必须说清的口径：宣言针对的是合同工/外包，不是正式员工。von Ahn 后来对媒体明确表示，公司从未裁过任何一名全职员工，也不打算这么做；公司全职招聘仍在以”和以前相同的速度”进行。但在传播层面，”合同工”与”正式员工”的边界被迅速抹平，”多邻国要用 AI 取代真人”成了主流解读。

怎么做（How）。除了上述”约束条件”，公司还在内部推动一系列配套：每周五的”F-r-AI-days”（谐音 Friday），让团队集中做 AI 实验；对全员做 AI 工具培训、设顾问委员会、留出试验时间。换句话说，它不是发一封邮件就完事，而是试图把”用 AI”变成一种被考核、被训练、被制度化的日常。

动作二：AI 驱动的内容生产引擎

为什么（Why）。直接解决第一个结构性约束——造课太慢。如果一门课要做数年，平台的语言覆盖就永远是稀缺资源。

是什么（What）。就在”AI-first”宣言引发争议的两天后（2025 年 4 月 30 日），多邻国宣布一次性上线 148 门新课程，直接把课程总量翻了一倍多，是公司史上最大规模的一次内容扩张。von Ahn 的原话是：”开发我们的前 100 门课程用了大约 12 年，而现在，大约一年时间，我们就能创建并上线近 150 门新课程。”这批课程把西、法、德、意、日、韩、中这七门最热门的非英语语言，开放给了全部 28 种界面语言的用户。

怎么做（How）。核心是一套内部称为”shared content（共享内容）”的方法：先用生成式 AI 做出一门高质量的”基础课程”，再快速定制、适配到几十种语言，而不是每门课都从零重做。公司学习设计部门的负责人把 AI 的角色定义为”生成 + 校验内容”，从而把人的专业判断集中投放到”最关键的地方”。这批新课以初级（CEFR A1–A2）为主，并配上 Stories（阅读理解）与 DuoRadio（听力）等既有形式。这是典型的”供给侧重构”：不是让 AI 替代教研，而是让 AI 把教研的产能放大一个数量级。

动作三：Max 高价订阅与 AI 功能变现

为什么（Why）。解决第二个约束——给用户一个愿意付更高价的理由，把 AI 能力直接变成 ARPU（每用户平均收入）的抓手。

是什么（What）。早在 2025 年这轮宣言之前，多邻国就在 2023 年 3 月联合 OpenAI（基于 GPT-4）推出了最高价订阅层 Duolingo Max（约 29.99 美元/月或约 168 美元/年，高于中间层 Super）。Max 的核心卖点是两个 AI 陪练功能：Video Call（与 AI 角色 Lily 实时语音对话，可给出通话后反馈、并记住此前聊过的内容）和 Roleplay（在”咖啡馆点单””规划旅行”等模拟场景里对话，结束后给评估报告）。这相当于把”真人口语陪练”这件事，做成了订阅产品里的最高价档位。

怎么做（How）。变现路径是”分层 + 混合上移”：用免费层做规模，用 Super 去广告、给基础权益，用 Max 把 AI 陪练做成溢价理由。财报层面能看到这套设计起了作用——2025 年，随着更多用户向 Max 和家庭套餐等更高价档位迁移，订阅的 ARPU 持续以中个位数百分比逐季提升；到 Q3，ARPU 同比增长约 7%，家庭套餐占到总订阅用户的 29%。也就是说，AI 功能不只是”锦上添花”，而是被明确地放在了”往上卖”的位置上。

把这三个动作连起来看，它并不是一个新造的机制，而是把 AI 叠加到那个已经跑了十年的游戏化增长飞轮上：内容引擎让飞轮转得更快（更多课程 → 更多可服务用户），Max 让飞轮转得更”值钱”（更多高价订阅 → 更高 ARPU），而”AI-first”的组织设定，是想让整台机器都以 AI 为默认起点。关键在于——AI 在这里是放大器，不是引擎本身。这一点，是后面所有讨论的前提。

三、成果：用数据说话

多邻国这轮打法的成果，必须正反两面一起看：经营数据是真的漂亮，代价也是真的存在。

用同样的框架诊断你的业务

多邻国的案例说明，AI能放大增长，也会放大裂缝。如果你正在考虑把AI推到战略优先级，不妨先用AI顾问诊断一下：你的增长飞轮是否足够结实，能承接这次放大。

免费体验 Upskill AI 顾问 →

财务面。2025 年 Q3 营收 2.717 亿美元、同比增长 41%（按固定汇率约 42%），总预订额（bookings）同比增长 33%；经调整 EBITDA 创纪录达 8000 万美元，利润率约 29.5%、同比扩张近 5 个百分点。这里有一个必须点破的口径陷阱：当季净利润高达 2.922 亿美元、每股收益 5.95 美元，看起来暴涨——但其中包含一次性的 2.227 亿美元所得税优惠（递延所得税资产估值备抵的释放）；剔除这一项，真实的经营性盈利远没有那么夸张，与上年同期 2340 万美元净利润并不可直接比较。全年看，多邻国 2025 财年营收约 10.4 亿美元、同比增长约 39%，年度预订额首次突破 10 亿美元，经调整 EBITDA 超 3 亿美元。

这里有一组必须并置的、方向相反的信号。一方面，AI 的单位成本在快速下降——von Ahn 表示，视频通话功能如今的运行成本已比刚上线时便宜了十倍以上，这是”AI 越用越划算”的正面证据。另一方面，AI 功能的总用量在快速上升，反而在压毛利：Q3 毛利率约 72.5%、同比下降约 40 个基点，主因正是 Max 扩张带来的生成式 AI 成本；公司为 2026 年给出的指引更直白——预订额增速将大幅放缓至约 10% 出头，经调整 EBITDA 利润率预计从 2025 年的约 29.5% 压缩到约 25%，毛利率也会随 AI 用量进一步走低。换句话说，AI 变现的故事，账面上并不是一路向好的单边曲线，而是”单价在降、用量在升、利润率在被主动让渡换增长”的复杂局面。

运营面。DAU 达到 5050 万、同比增长 36%，MAU 达 1.353 亿；付费订阅用户 1150 万、同比增长 34%。但增速的”故事”比绝对值更重要——36% 的 DAU 增速，是在去年同期高达 54% 的高基数上取得的，增长明显在放缓。到 2025 年底，DAU 约 5270 万、付费订阅用户约 1220 万，公司提出了”2028 年 DAU 达到 1 亿”的目标。

客户与市场情绪面（代价的一面）。这才是本案例最不该被跳过的部分。

其一是用户与品牌反噬。”AI-first”宣言在 TikTok（约 670 万粉丝）和 Instagram（约 410 万粉丝）上被负面评论淹没，公司一度把两个平台上的内容全部临时下架；Reddit 上有付费用户抱怨课程质量下滑、称新内容是”AI slop（AI 垃圾）”并威胁取消订阅；带”Duolingo AI”标签的短视频在几天内累计上千万次播放，多数是负面的；一些用户甚至放弃了坚持上千天的连续打卡。需要说明，这些是”社交平台上的舆论反馈”，不是可量化的流失数据——但对一个品牌资产高度依赖”人格化、有温度”形象的公司来说，这类情绪的杀伤力不可低估。值得注意的是，多邻国并非孤例：同一时期，因”AI-first”式表述而遭遇公众反弹的公司不止一家，媒体常把它与曾激进用 AI 替代客服、后又回调的 Klarna 并置讨论。这说明”AI 提效”与”品牌反噬”之间的这条张力，正在成为一类可预期的普遍风险，而非某家公司的偶发失误。von Ahn 事后在 LinkedIn 公开承认：”我几周前发那封 AI 备忘录时，没有做好。”并澄清”我并不认为 AI 会取代员工在做的事，我们事实上仍在以和以前相同的速度招聘”。

其二是资本市场的情绪逆转。2025 年 4–5 月，多邻国股价一度较年初上涨约 70%，5 月创下约 540 美元的历史高点；宣言之后开始承压。到 2025 年 11 月 Q3 财报电话会，尽管数字全面超预期，公司却宣布把战略重心从”变现”转向”提升教学质量、优先做长期用户增长”，并预告 Q4 及 2026 年增速将放缓——市场当日以约 25% 的单日暴跌回应，创下上市以来最大单日跌幅，蒸发约 40 亿美元市值。截至 2025 年 12 月，其 52 周价格区间大致在约 165 美元（11 月）到约 545 美元（5 月）之间，较高点回落约六成。

一个特别值得玩味的细节，把”变现侧”的代价说得最透：在这次”增长优先”的转向里，公司主动把 Max 的招牌功能之一”与 Lily 的视频通话”从最高价的 Max 层下放到更便宜的 Super 层，并让部分原属 Max 的 AI 功能（如”Explain My Answer”）对更多用户免费——这等于短期内主动降低了自己刚建立不久的 AI 变现墙。这一点，我们放到下一节展开。

四、为什么不能盲目照搬

多邻国的故事很容易被写成两种爽文：要么是”AI 增长神话”，要么是”AI-first 翻车实录”。两种都不对。冷静地看，这套打法有至少五个前提和风险，决定了它不能被直接复制。

第一，飞轮是十年底座，AI 只是放大器——没有底座的公司照搬”AI-first”，只会放大混乱。 多邻国之所以敢激进，是因为它先有一台已经跑通的游戏化增长机器：成熟的留存机制、海量的行为数据、强大的品牌人格。AI 叠加上去，是让一台好机器转得更快、更值钱。如果一家公司自身的增长机制还没跑通、留存和口碑都不稳，就把”AI-first”当口号推下去，AI 放大的将不是增长，而是原有的混乱和低质。先问”我要放大的那个正向机制到底是什么”，再谈 AI。

第二，”AI-first”宣言的传播风险，往往比决策本身更难控制。 多邻国的教训极为具体：宣言真正引爆舆论的，不是”用 AI”这件事，而是”语气”和”语境”——”接受质量小幅折损””AI 能干的活就不用合同工了”这类表述，被社交媒体迅速放大成”公司觉得人是多余的”。更要命的是”合同工/正式员工”这条边界在传播中被抹平，造成大面积误读。对内，它冲击士气；对外，它冲击一个靠”有温度”立身的品牌。中国企业尤其要注意：效率叙事（我们要提效、要降本）在对外传播里极易被翻译成”我们要抛弃人”，而这几乎总会反噬品牌。

第三，内容质量与规模之间存在真实的两难。 AI 把造课周期从”数年”压到”不到一年”，这是真本事；但语言教学对准确性、文化适配极其敏感，一旦规模化生产出错，反噬的是品牌最核心的”专业可信”。这不是外部揣测——von Ahn 本人后来也承认，公司每种语言大约需要一千个短故事，其中约 20% 生成出来是不可用的。也就是说，”AI 提速”与”AI 出垃圾”是同一枚硬币的两面。规模的收益大致是线性的，而质量事故对信任的损耗是非线性的。

第四，”游戏化 + 订阅变现”有强烈的品类特殊性，多数行业不具备。 语言学习高频、可拆解成小任务、天然适合游戏化、可订阅、还能延伸出标准化测评（如多邻国英语测试 DET）——这几个条件叠在一起，才撑得起”免费做规模 + 高价卖 AI 陪练”的模型。很多行业既不高频、也难游戏化、更难让用户为”AI 功能”持续按月付费。照搬多邻国的变现结构之前，先掂量自己的品类是否具备这些底层条件。

第五，”AI 功能 = 高价订阅卖点”能否长期成立，尚待验证。 这一点，多邻国自己的动作就是最好的注脚：它把 AI 陪练做成最高价档位的核心卖点还不到两年，就在”增长优先”的压力下，主动把 Video Call 从 Max 下放到 Super、把部分 AI 功能（如 Explain My Answer）对更多用户免费——用短期变现去换长期用户增长。这背后有一个残酷的逻辑：当 AI 能力越来越便宜、越来越普及，”用 AI 对话”本身就越来越难成为一个能持续收高价的差异点。这说明，即便对多邻国，”用户愿意为 AI 功能持续付高价”这件事的定价权也并不牢固。AI 功能作为护城河，可能比想象中更容易被自己或对手的免费化策略稀释——真正稀缺的，从来不是”能不能接上一个大模型”，而是”用户为什么非要在你这里用”。

以上五点合在一起指向同一个结论：多邻国的成功可以研究，但很难直接搬运。它更像一面镜子，照出的是你自己那台机器的成色。

五、给管理者的启示与行动

从多邻国这轮实践里，可以提炼三条对事不对人的法则。

法则一：先确认你的飞轮，再决定 AI 放大什么。 AI 是放大器，不是引擎。在把 AI 推到战略最高优先级之前，先诚实回答一个问题：我这台机器现在转得好吗？如果留存、口碑、单位经济本身就有问题，AI 只会让问题跑得更快。这条法则成立的前提是——你得先有一个”值得被放大”的正向机制。

法则二：AI 转型的沟通，语气与语境比结论更容易引爆。 同样一个决策，”我们用 AI 提效”和”我们要抛弃人”往往只隔着一句没说清的话。对内要讲清”AI 是加速你、不是替代你”，对外要把”效率叙事”主动翻译成”用户价值叙事”。尤其涉及裁减、外包、编制这类敏感信息，边界（谁受影响、谁不受影响）必须一次说清，否则社交媒体会替你补上最坏的解读。

法则三：用 AI 扩规模时，务必给质量留一道人工守门。 承认”AI 会产出一定比例的垃圾”不是示弱，而是清醒。多邻国的做法是”AI 生成 + 校验、人把关键判断”。规模化生产的每一步，都要想清楚：哪个环节一旦出错会伤及品牌信任？那个环节，就必须留人。

给管理者的自检清单（对照自身）：

我们要用 AI 放大的那个”正向机制”，究竟是什么？它现在真的跑通了吗？
如果把 AI 推到战略最高优先级，我们的留存与口碑，扛得住被放大的风险吗？
我们关于 AI 的对内、对外沟通，会不会被解读成”我们觉得人是多余的”？
用 AI 扩规模的链条里，哪一个环节一旦出质量事故会伤及信任？我们在那里留人了吗？
我们让用户为”AI 功能”付费的理由，是真需求，还是短期噱头——竞争对手一旦免费化，它还站得住吗？

今天就能开始的小行动： 挑一个你正打算”用 AI 提效”的环节，先写下两句话——一句给团队（AI 会怎样改变你的工作、不会取代什么），一句给用户（这对你意味着什么价值）。如果这两句话你现在写不利落，说明这件事还不该对外宣布——沟通没想清楚就先动手，往往比不动手更伤。

结尾：一个更大的判断

多邻国的案例真正有价值的地方，不在于”AI 让它增长了多少”，也不在于”AI-first 让它翻了多大车”，而在于它同时呈现了两者——收益是真的，代价也是真的，且来自同一个决策。

一个更大的判断或许是：对绝大多数公司来说，”AI-first”与其说是一个终点，不如说是一次压力测试。它测试的从来不只是”你的 AI 能力有多强”，而是”你原本那台机器够不够稳、你与用户之间那层信任够不够厚”。AI 会忠实地放大你已经拥有的一切——包括你的优势，也包括你的裂缝。想清楚要放大的到底是什么，比急着宣布”我们 AI-first 了”，重要得多。