作者｜Yara
提到多邻国，很多人第一反应还是那个绿色猫头鹰、打卡、背单词、学语言的app。但如果把镜头放大一点，你会发现，这家公司现在更像一个很有代表性的样本：一家拥有上亿活跃用户、已经上市、账上有现金、内部有历史系统、外部有增长压力的成熟公司，到底是怎么把 AI 真正接进日常工作流里的？
最近，我们留意到多邻国联合创始人兼 CEO 路易斯·冯·安（Luis von Ahn）接受了《Silicon Valley Girl》主持人 Marina 的采访，就讲了非常具体的AI改变多邻国的故事。梳理其中几条脉路：
第一条，是多邻国内部到底怎么用 AI。
第二条，是那门很出圈的国际象棋课程。两名没有工程背景、也不懂国际象棋的员工，在没有额外工程资源的前提下，用6个月时间把这门课从想法做到上线，最终成了多邻国增长最快的新课程之一。
第三条，是所有人都在问的问题：AI 会不会让工作消失？路易斯的回答很清楚，也很容易被记住：“AI 不会抢走你的工作，抢走你工作的，是会用 AI 的人。”
过去两三年，关于 AI 的舆论往往在两个极端之间摆动：一边是“所有岗位都要没了”，另一边是“这只是一个高级搜索工具”。而多邻国这场访谈呈现出的，是第三种更接近现实的状态：AI 暂时既没有强到能把组织彻底抽空，也早已不是一个可有可无的辅助插件，它正在把人和人的差距重新拉开，把岗位要求重新定义，把公司增长方式重新改写。
一、多邻国这家公司，究竟在用 AI 做什么？
访谈一开始，Marina就开诚布公地提到，最近关于大公司裁员的消息很多，舆论都会下意识认为是AI导致的，外界也在好奇，多邻国是怎么衡量公司内部“在用 AI”这件事的？
路易斯讲了一个原则。他说，公司的目标不是“为了 AI 而 AI”，而是“用 AI 让学习者受益”，这是他们内部的“黄金法则”。过去几年，团队对 AI 的使用能力确实大幅提升了，而这种能力提升带来的直接结果，是公司能做出更多学习内容、更多产品尝试，而不是单纯用来削减人员。
这一点很重要。因为它把“AI 使用率”从一个虚指标，重新拉回了产品结果上。路易斯说，管理层并不会天天盯着某个人的任务“是不是 AI 也能做”，他们更在意的是：你是不是在尽可能高效地完成自己的工作，而 AI 只是高效的一种手段。
接着，Marina 追问：员工具体怎么用 AI？如果一个观众现在也在公司里，老板天天催着“你要开始用 AI 了”，但他根本不知道怎么入手，多邻国内部有没有一些特别典型的案例？
路易斯强调了“按岗位分化”。工程师的工作流已经明显改变，AI 编程工具几乎成了日常配置。产品经理则开始用 AI 先做出原型，而不是只拿一份文件去开会。
这个变化看上去不大，实则非常关键：以前一个产品经理来跟 CEO 讲“我想做一个更好的西语学习功能”，高层很难只靠文字理解到底“更好”在哪里；但如果直接把原型做出来，哪怕不是生产环境中的正式版本，也比写十页文档更容易做判断。换句话说，AI 是直接把“产品想法”前移成“可交互的半成品”，这会极大改善决策质量。
Marina 继续追问：这种转变是公司统一教的，还是员工自己摸索出来的？路易斯说，公司确实做过一些推动，比如几个月前组织过一个“全员氛围编程日（vibe coding）”，要求每个人都得用 AI 做点东西，注意，不只是工程师，HR、财务、所有部门都要做。目的很简单：让所有人都亲手感受一下 AI 工具，而不是把它当成工程团队的黑箱。
除此之外，公司也有一些最佳实践文档，但更有意思的是那些自发形成的内部交流机制。多邻国有不少 Slack 频道，其中一个就叫“best AI practices”（AI最佳实践），员工会不断往里扔自己发现的新玩法、新工作流；另一个更有意思，叫“AI fails”，专门分享各种 AI 翻车现场。前者让大家知道“原来还能这么用”，后者则提醒大家“别把模型想得过于全能”。
路易斯顺便提到，公司内部发生的一件很有代表性的事：很多员工已经给自己氛围编程了一整套 KPI dashboard。比如产品经理，已经能自己做出按国家、按用户行为维度拆分的追踪界面。这种变化看起来只是“省了 BI 团队一点时间”，但更深一层看，它意味着一个普通职能员工，开始部分接管过去属于数据分析、工程支持乃至运营工具团队的一部分能力。
这就是今天企业里最真实的 AI 变革：它不一定先表现在“公司砍掉哪个部门”，而是先表现在一个岗位的人，突然能做掉过去两三个岗位协作才能做完的一部分工作。
二、为什么多邻国一度把 AI 写进绩效考核，后来又撤回了？
AI 热潮里，很多公司都走到过一个极端：把“有没有用 AI”本身当成一个考核指标。多邻国也差点走到那一步。
路易斯说，确实有过那么一段时间，公司打算把 AI 使用情况纳入绩效评估。他自己还发了内部 memo，明确告诉大家，绩效里会看你有没有使用 AI。结果很快出现了反作用。员工开始问：所以你们现在只是希望我们为了用 AI 而用 AI 吗？哪怕它不适合这个任务，也要硬塞进去吗？
这个反馈让管理层意识到，事情走偏了。
于是公司很快撤回了这项做法。路易斯给出的解释很有意思：最重要的绩效标准，始终应该是你把自己的工作做得有多好，AI 往往能帮你更好地完成工作，但如果它帮不上，就不该被强迫使用。
这段话看起来平实，其实打中了很多公司“AI 推进失败”的根子。很多组织以为数字化转型、AI 转型的关键，是把工具部署下去，再配上一个 KPI，逼员工去用。结果最后往往变成形式主义：大家为了满足“使用率”，去做一些本来没必要让 AI 参与的事情。表面看，公司好像更 AI 了，实际上团队却更低效了。
三、两个不懂棋、不会写代码的人，怎么用 AI 做出公司增长最快的新项目？
整场对谈最有传播性的部分，无疑是国际象棋课程。
Marina 一开始就提到，最近两位多邻国员工在6个月内，用 AI 做出了一门国际象棋课程，既没有工程背景，也不懂国际象棋，结果它成了公司增长最快的新课程之一。听上去像营销，但路易斯把过程讲得很具体，反而让这件事更可信。
先说起点。这两个人不是突发奇想当场变身产品英雄，他们其实一年前就来找过路易斯，提议要把国际象棋加入多邻国。当时路易斯拒绝了，理由很简单：国际象棋就是个游戏，而多邻国是教育应用。他不想偏离主航道。
真正让他改主意的，不是市场报告，也不是增长模型，而是一位现实中的决策者——危地马拉教育部长。路易斯是危地马拉人，他说自己后来和部长聊教育系统时，对方提到，危地马拉的公立教育系统问题严重到一种地步，她甚至在考虑给每个学生发一个棋盘，至少先让他们练出一点逻辑思维能力。部长这句话一下击中了他。路易斯意识到，国际象棋不只是娱乐，在某些教育环境里，它可以被视作一种认知训练工具。
于是他又回去对那两位员工说：好，可以做。但我没有工程师给你们，你们自己想办法。
这就进入了真正有意思的部分。
Marina 追问：他们到底是怎么一步一步做出来的？如果有人今天也想借 AI 做点新东西，这里面可复制的步骤是什么？
路易斯说，第一步很朴素：他们先学国际象棋。因为他们本来就不会。这也是他们最初想做这个项目的原因之一——他们自己也想学。
接着，他们做的是非常典型的产品前期工作：去看市场上现有的国际象棋学习工具，调研这个品类的产品形态、内容质量和用户体验。他们很快发现，现成工具整体并不算特别好，至少没有出现一个明显满足他们期待的版本。
之后，他们开始真正上手做东西。路易斯提到，这俩人下载了 Cursor，开始用 AI 辅助开发。第一版做的是国际象棋谜题，也就是 chess puzzles。做着做着，他们发现一个问题：AI 在生成高质量谜题这件事上并不稳定。
于是他们没有停下来抱怨“模型不行”，而是继续往前推进：既然模型自己生成不好，那就喂它数据。他们找到了一个线上公开数据库，里面有大量现成的棋题，用这批数据继续训练、约束模型，效果果然好很多。
在此基础上，他们又不断做出更多移动端原型，让路易斯亲自上手试玩。路易斯的说法是，他们就这样一版一版往前推，直到自己判断这个东西终于“够好”，值得被真正放进多邻国的主应用里。
注意这里有个关键细节。真正进入正式产品化阶段后，公司当然还是投入了工程师，把它变成一个稳定、可上线、可维护的版本。也就是说，AI 并没有神奇到让“零技术背景员工”完全单枪匹马交付完整生产级产品。但它已经强到足以让两个人在没有正式工程配额的情况下，把一个新课程、交互雏形和产品验证做得足够深入，以至于管理层愿意为它正式开绿灯。
这件事里，最值得反复看的是三个层面。
第一，它证明了“原型权”正在向更前线的员工下放。过去一个想法能不能成形，很大程度上取决于你能不能排上工程资源，现在这个门槛已经被 AI 削低了很多。
第二，它改变了 CEO 的决策。路易斯不是在批一份 PPT，而是在试玩一个新产品，这使得很多过去模糊、难判断的产品想法，提前变得可以被讨论、被取舍。
第三，它也暴露了 AI 当前真正适合做什么。不是一键变出成熟产品，而是极大压缩从想法到可验证雏形之间的时间和人力。
最后，结果也很直观。国际象棋课程上线后，靠多邻国主应用的分发能力，很快就拉到了大量用户。路易斯说，现在已经有 700 万日活用户在学国际象棋。真正跑成了一个新增长点。
不过他也顺手提醒一句：不是所有新课程都能发展成这样，国际象棋本身就有很强的吸引力，“国际象棋就是比数学更好玩”，他半开玩笑地说。所以这里既有 AI 放大内部创新效率的一面，也有内容品类自身天然吸引力的因素。
四、如果你今天想用 AI 做个产品，有何建议？
Marina 听到这里，很自然地把话题拉向观众：如果有人只是一个普通学生，刚刚听完国际象棋课程这个案例，也想自己动手用 AI 做个产品，他该怎么开始？
路易斯给的第一条建议，甚至不是什么技巧，而是一种行动方式：先开始。
他说，很多人最爱做的事，不是开始，而是反复谈“我有个想法”。但真正的学习，几乎都发生在你坐下来动手之后。这个建议听起来像鸡汤，但放在今天 AI 工具已经把原型门槛压到很低的背景下，它反而比以前更有现实性。
在“先开始”之外，他补了两层具体建议。
一层是，尽可能去熟悉现在最好的工具。vibe coding 当然很重要，但不只是代码。初始界面、产品结构、页面设计，现在都有 AI 工具可以辅助。不要把 AI 理解成“我把需求说给它，它帮我写点代码”这么单一的东西，而是把整个从构思到原型的流程都尽量借助起来。
另一层更重要：哪怕你未来不需要逐行写代码，也最好理解一些最基本的程序结构。比如服务端和客户端的区别，系统怎么交互，这些底层概念仍然重要。也就是说，AI 降低的是实现门槛，不是认知门槛。它让你不必手搓所有细节，但如果你完全不知道自己在做什么，今天的 AI 仍然不太能把你直接送到一个“好产品”上岸。
这话其实很诚实。因为最近一个很流行的误区就是：只要会说话，就能做软件。路易斯的判断更接近一线产品人的真实体感——一点都不懂的人，暂时还很难做出真正优秀的应用；但懂一点的人，已经能比过去快很多很多。
从这个角度看，今天最吃香的，是那些本来就有一点结构性理解、现在又愿意快速把 AI 接进工作流的人。他们往往会突然像开了外挂一样，把原本中等的执行力拉成强执行力。
五、AI 到底有没有让工程师快十倍？
整场访谈里，最值得反复品的一部分，是路易斯对 AI 编程现实能力的判断。
Marina提问：有没有什么典型案例，能说明“以前一周做完的事，现在用 AI 一下子成倍提速”？
路易斯没有否认提速存在，但他的重点很快转到了失败案例上。他说，如果你只看 Twitter，过去两年简直像生活在另一个宇宙：到处都是“AI 写代码已经比工程师强了”“早该把所有工程师都裁掉”的声音。可他真正回到公司里看，长期以来并没有看到工程团队整体效率因此暴涨。这种线上叙事和线下现实之间的落差，让他一度很困惑：为什么大家都在说天翻地覆，我在公司里却没看到那个级别的变化？
他的结论很明确：至少到目前为止，AI 还没有强到全面超过人类工程师。你依然需要工程师，而且他认为在相当长时间里你仍然会需要他们。
原因在哪里？
他说，AI 编码的“理想流程”很快。也就是在那些路径清晰、需求明确、上下文不太复杂的情况下，模型往往能很快给你一个能跑的东西。
但麻烦在于“异常流程”。一旦东西没跑通，或者逻辑出了问题，你会进入一个很难 debug 的状态：因为代码不是你逐步写出来的，你并不真正清楚它每一步做了什么。一旦错了，定位和修复的成本会突然膨胀。最终就会出现一种很尴尬的情况：前面省下的时间，后面又在修 bug、补理解、重构逻辑上花回去了，甚至还更多。
这是一个非常重要的现实修正。因为今天很多 AI 编程演示，看上去都像魔法：一句提示词，页面起来了；再一句提示词，功能有了；再一句提示词，部署成功了。但真正复杂的软件系统不是 demo，它们有旧代码库、有历史包袱、有跨团队协作、有性能限制、有数据边界。AI 在全新的代码库上更容易大杀四方，在已有大型代码库上则往往表现得没那么神。
路易斯进一步指出：大公司不像一个人创业团队，不是人人都在八小时全程写代码。工程师还要开会、沟通、对齐、评审、排期，这些环节并不能被 AI 成百上千倍加速。所以从组织视角看，你很难指望整个大公司因为 AI 一夜之间实现 10 倍产能暴涨。真正明显的变化，往往发生在某些口袋状场景里，而不是整家公司同时跃迁。
这也是为什么他会说，现在真正看到巨大飞跃的，更多是一人团队或极小团队。因为他们本来就没有复杂组织接口，一个人用 AI 能立即做更多事；而一旦进入大公司，很多约束并不是“写代码速度”本身。
六、CEO 自己怎么用 AI？
Marina 接着把问题拉回到路易斯个人。一个每天都在谈 AI、也在推动全公司用 AI 的 CEO，自己到底怎么用这些工具？会不会已经拿它当教练、当顾问、当自己的决策助手？
路易斯的回答是：研究可以交给 AI，决策暂时不行。
他说，自己现在很明显会比以前更多地独立做研究。比如想了解“印度的国际象棋市场是什么样”，过去可能要么自己花很多时间查，要么找团队帮忙做；现在直接问 Gemini 之类的模型，已经能在很短时间内得到一个相当不错的轮廓判断。所以在研究这个环节，AI 帮了他很多。
但到了真正的决定层面，他还是自己来拍板。他并不会去问模型“你觉得我该怎么决定”，至少目前没有这样做。这个界限其实也很有代表性：AI 在高层管理里的真正价值，短期内更像一个极强的情报助手和信息压缩器，而不是一个直接接手责任的代理者。
当然，他也承认自己会做一些氛围编程，比如自己给 KPI 做东西。但即便如此，他依然强调：重要决定还是他来做。
对于一家成熟的上市公司来说，这种边界感很正常。因为前期研究出错，后果通常还可以修；但战略决策一旦错了，代价和责任目前还没有办法自然地甩给一个模型。
七、语言学习真的会被 AI 翻译干掉吗？
如果说前半场主要在谈组织和工作流，那么中段一个很大的话题，转向了多邻国的根本业务：语言学习本身，会不会被 AI 直接冲垮？
这个问题不是空穴来风。Marina 提到，她最近采访了几位著名投资人，对方都说，最先被 AI 完全改造的市场，很可能就是语言。理由听上去也顺理成章：翻译越来越即时，耳机可以翻译，未来眼镜也可能实时翻译，那么为什么还要学语言？
但路易斯明显不买这个判断。他的切入点很有趣：你得先搞清楚“改变”是什么意思。对多邻国的用户来说，学习语言根本不是一件单一动机的事。
他说，多邻国现在有超过 1 亿活跃用户，其中差不多一半是把学语言当成爱好。就像学国际象棋、学乐器一样，哪怕机器已经比人强得多，人也依然会学。国际象棋就是最好的例子：早在 1997 年，计算机就已经能下赢人类顶级棋手了，但今天学国际象棋的人比 1997 年多得多。原因很简单，它是个兴趣，是一种脑力活动，是一种自我塑造的方式，而不是单纯为了工具性结果。
另一半用户，则主要在学英语。这里路易斯特别提到：任何说“人们已经不需要学语言了”的人，多半从来没有真正被迫去学英语。因为如果你的母语本来就是英语，你当然容易觉得翻译技术会解决一切。但对那些来自危地马拉、巴西、印度、土耳其的人来说，英语不是一个“锦上添花”的技能，而是教育、工作、移民、流动机会的基础设施。你要去英语国家读大学，没人会允许你戴着翻译设备坐在教室里听教授讲课；你要真正融入一个英语工作环境，也不能总靠机器在旁边做同步字幕。翻译工具可以帮你应急，却很难替代你真正掌握语言。
他甚至用一种有点调侃的方式总结：很多美国投资人以为学法语、学西班牙语、学德语都是“有没有必要”的问题，那是因为他们生活在一个以英语为默认语言的世界里；可对全球绝大多数英语学习者来说，这根本不是同一个问题。
Marina 又追问：那翻译这个职业本身呢？比如有人花几年时间去做职业翻译，未来怎么办？
路易斯的回答比较中立：翻译不会彻底消失，但会越来越少，并且会变得更“高端化”。也就是说，普通日常用途上的翻译工作，AI 会吃掉越来越多；但在某些真正对准确性、语境、文化细节、责任归属要求很高的场景里，人类翻译依然会存在，只是会更稀缺、更贵、更像一种 premium 服务。
更关键的是，他还补了一刀：语言翻译能力提升这件事，本来就不是大模型时代才有的。Google Translate 十年前就已经相当不错了，但过去十年里，学习语言的需求不仅没消失，反而是上升的。所以在他看来，这件事至少对多邻国来说，根本不是一个公司内部真正焦虑的核心问题。
八、AI 可以让任何人随手做一个语言学习 App，多邻国担心吗？
Marina 的下一问，明显更尖锐。
她说，现在已经进入了“任何人都可以氛围编程一个 app”的时代，如果我今天想学英语，我直接去 Claude 说，帮我做一个专门为我定制的、按我兴趣和爱好来教英语的应用，那多邻国会不会被这种超个性化工具冲击？
路易斯说，多少会考虑，但并不真正在内部构成高优先级担忧。
他的理由很有代表性。
第一，理论上谁都能做个 app，但做一个真正“好用、有效、能长期留住用户”的 app，并不简单。多邻国这些年最深的资产，不只是界面和课程，而是数据。每天有超过 10 亿道练习题在 app 里被回答，这背后积累的是海量关于“人到底怎么学得更好、什么机制能把人留下来、什么内容能激励人继续练习”的行为数据。路易斯认为，真正的壁垒不只是你能不能生成一个功能，而是你有没有大规模验证过哪些机制真的有效。
第二，市场上其实一直不缺语言学习 app。他说，全世界可能一直都有两三千个这类应用，而 AI 之后，这个数字可能会从两三千变成两三万。问题是，多邻国不是第一次面对大量竞品，它一直活在竞争里。今天 AI 让“做出来”变得更容易，但不代表“做得比多邻国更好”就自动成立。
不过，他也没有掉以轻心，而是指出了公司真正正在准备的方向：用户预期会变。
这才是他眼里最关键的变化。比如 多邻国现在已经有基于 AI 的对话练习功能。刚推出的时候，成本很高，所以只能放在最贵的订阅档位里。但现在模型成本已经降到一个可以接受的水平，他们接下来会把这个功能下放到更便宜的档位，甚至最终免费开放。这么做，是因为他判断，用户很快就会把“智能对话练习”视为理所当然。如果别的 app 都开始免费提供这种体验，而多邻国还把它锁在高价层里，那迟早会被反噬。
所以，在路易斯看来，真正需要应对的，不是“有人用 AI 做了个新 app”，而是 AI 抬高了整个行业的体验基线。用户会开始期待：学习 app 应该更聪明、更会聊天、更懂我、更快反馈、更像一个随时在线的练习伙伴。如果你不能把这种预期提前做进产品里，你才会被甩下去。
换句话说，AI 带来的不是一个具体的新对手，而是一种新标准。
九、多邻国怎么看“AI 时代的用工逻辑”？
采访进入后半段，Marina 提到了一个很现实的话题：最近很多大公司裁员，都说是 AI 让效率更高了，用不着那么多人了。她还引用了 Gary Vaynerchuk 的看法：如果我裁掉一百个人，竞争对手把这些人都招走，再加上 AI 让他们产能翻十倍，那我反而是最蠢的那一个。路易斯怎么看？
他的回答很干脆：多邻国从来没有做过裁员。不是“最近没裁”，而是压根没有过这种裁员，尽管互联网外界常常误读公司的动作。
而且，他甚至明确说，自己反而觉得继续招人是合理的。因为在 AI 提升生产力的前提下，一个员工现在能创造的价值更大了，所以从投资回报率角度看，再招一个人比过去更划算。
这句话非常有意思。因为它和很多人想象中的“AI 逻辑”正好相反。外界常常把 AI 理解为：既然一个人更高效了，那公司就不需要更多人了。但路易斯的逻辑是：既然一个人变得更值钱、更能打，那我更有理由把优秀的人招进来，让他借助 AI 创造更多价值。
当然，他也不是完全否认外面那些裁员新闻的现实性。他说，自己不能对每家公司下结论，但在很多案例里，所谓“AI 导致裁员”更像是一个好听的公关叙事。真正的原因是，疫情红利期间盲目扩张，过度招聘，现在只是在修正，而“AI”则成了一个方便的外部解释。
Marina 在这里也顺势加入了自己的观察。她说，真正让她担心的，是管理者在招人时，开始优先寻找那些会用 AI 的人。她自己最近在招社媒经理，最常问的问题就是：你怎么把这件事自动化？你会在哪些流程里用 AI？她还提到，自己的公关同事用氛围编程很快搭了一个收录播客字幕的网站，这些都被她写进了自己的简历。也就是说，今天的门槛，越来越像是“你会不会借AI之力”。
路易斯显然同意。他说，公司现在招人时，确实会看候选人对 AI 的态度。他们要的是对新技术抱有开放心态的人，是愿意尝试、愿意变化的人，而不是天然排斥的人。然后他说出了那句最容易出圈的话：AI 不会抢走你的工作，抢走你工作的，是会用 AI 的人。
十、股价暴跌 82% 后，创始人为什么还说“不后悔”？
在这场访谈里，Marina 还专门把话题拉到了股价层面。
她提到，多邻国的股价曾经有过大幅回调，差不多 82% 的跌幅。这里面有些决策明明让用户更开心，却没有那么让投资人开心。作为一家上市公司的创始人，路易斯当时是怎么想的？
路易斯先开了个玩笑：“那个决定是 AI 做的。”然后立刻澄清，当然不是，是他自己做的。
接下来，他把那次战略转向讲得很清楚。过去五年，多邻国增长很大，2021 年上市以来，活跃用户增长超过五倍，收入也差不多是类似量级的增长。
但到了 2025 年，公司遇到两个信号。第一，虽然还在增长，但用户增长速度比前几年慢了。第二，他越来越强烈地感到，AI 会实实在在改变教育行业，而多邻国作为教育领域的重要玩家，不能只维持原有经营方式，必须主动去引领这场变化。
这两个信号叠加，让他认为公司必须做一次重要调整：要更激进地抓用户规模，而不是优先深挖当前用户的商业变现能力。直白点说，就是短期内先别那么急着从现有用户身上多赚一点，而是更看重把用户盘子做大、把产品能力往下沉，让更多人进来。
他很坦白地说，这个决定做出来的时候，财务团队和管理层都知道：股价会受影响。因为资本市场对这种故事并不总是有耐心。你如果选择少赚一点、多投一点、多扩一点，市场会认为你在牺牲短期利润和变现效率。
但他还是做了。原因也很简单：如果继续按原来的方式经营，公司也许还能继续稳步增长，但到某个时候，这种增长会见顶。而如果现在在 AI 带来的平台切换期里，主动去争取更大的用户基盘、更高的产品能力天花板，长期看公司会变得更大。
Marina 追问：你从没后悔过吗？毕竟市场用那么剧烈的方式表达不满。
路易斯说，不后悔，但不后悔不代表不痛苦。看到股价大跌当然很难受，只是他仍然确信这事从长期看是对的。他还补了一句很能说明他心态的话：他希望这是自己最后一份工作，是自己最后一家要做的公司，自己还有很多精力，所以他不是按“下一季度”的逻辑在经营，而是按更长期的时间尺度来做判断。
十一、公开市场会绑架创始人的情绪吗？
聊到这里，Marina追问：你是上市公司创始人，股价会不会直接影响你的情绪？她自己作为内容创作者，就会发现自己容易被上一条视频的数据表现绑架，知道这对心理状态不健康，所以很好奇一位上市公司 CEO 是怎么面对这种压力的。
路易斯说，刚上市头一年确实会。股价每天涨一块、跌一块，都会牵动情绪。后来他学会了不再每天盯盘。不是完全不知道大概区间，但至少不会把自己一天的心情交给股价曲线。
然后他又说了一句很妙的话：我只是把这个情绪依附对象，转移到了另一个指标上——日活用户。
他说，公司前一天的日活数据会在每天早上 5 点准时出来，而他是个起得很早的人，所以几乎每天早上 5 点 01 分，他的情绪就会被设定好。换句话说，他并没有真正摆脱“被数字定义心情”的机制，只是把它从股票市场的二级反馈，移到了自己更相信、更可控、更能反映公司健康度的核心业务指标上。
Marina 随后又追问：有没有什么心理上的调节方法，比如事情搞砸了的时候，你会怎么调节？
路易斯说，事情出问题当然也会影响自己，他不是铁人。但有一件事对他很有帮助：经常问自己，这件事六个月后还重要吗？绝大多数事，六个月后都不重要。意识到这一点，会让很多当下的情绪失去放大器。这不是他发明的方法，但很有效。
十二、如果你今天 18 岁，该选什么专业？
快问快答环节，它关联了年轻人最关心的职业问题：到底什么职业会消失，什么职业还能留下？
在进入职业预测前，路易斯先承认一件事：过去十年，预测未来没那么难。你大概知道下一代 iPhone 会更好一点，屏幕更好一点，系统更顺一点，节奏大差不差。可现在，AI 把变量数量一下子拉高了，他自己也觉得预测未来变得困难得多。
然后 Marina 依次抛出几个职业。
先是社交媒体经理。路易斯认为，这岗位不会消失。再到翻译，他的判断是：不会彻底没了，但会越来越少，并且更高端化。接着是教师，这个问题他回答得最长，也最认真。
他明确说，教师不会消失，自己本来就是教授出身，对这个职业有很深感情。AI 会在某些环节上成为好老师，比如提供练习、适配节奏、做个性化反馈，但一个优秀教师真正强大的地方，在于他能把知识放进文化环境，能激励学生，能让学生“想成为那样的人”。而这种榜样感、情感调动、课堂氛围判断、对学生状态的细微观察，目前非常难由 AI 完成。路易斯甚至说，今天一位真正优秀的老师，仍然明显优于“没有老师只靠 AI”。
再到项目经理，路易斯的看法也很一致：不会消失。原因是，优秀项目经理往往依靠很强的 EQ，在多人协作中找出项目失灵的真正原因。有时项目卡住，不是流程没画清楚，而是两个人不对付、一个人被边缘化、某个团队之间没建立信任。AI 可以协助很多执行细节，但要让两个人坐下来、看出冲突根源、推动他们重新合作，这仍然更像人的工作。
Marina 最后又追问：作为管理者，你觉得哪些岗位会在短期内明显缩减？路易斯给出的答案是，“某些公司会用更少的人做同样的事”。比如客服团队，过去也许需要 100 个人，未来可能 10 个人加 AI 就够了，但并不意味着一个人类都不用留。
这其实比“某某职业 5 年内死亡”的唬人判断更接近现实，AI 先重塑的，往往不是职业，而是同一职业内部的人数配置、技能要求和价值密度。
十三、如果今天重新创业，他还会做多邻国吗？
访谈最后，Marina 问了一个带点人生复盘味道的问题：如果让你回到当年创业的时候，你还会重新开始吗？尤其是在 2026 这样一个 AI 变量这么多的年份。
路易斯说，自己大概还是会创业，但如果让他在“15 年前开始”和“今天开始”之间选，他会非常高兴自己是 15 年前就把多邻国做起来了。
原因也很现实。今天的多邻国手里有钱，已经盈利，账上有十几亿美元现金，有大规模用户基础，也有品牌和分发能力。所以即便 AI 带来平台切换，这家公司是在一个相对舒服的位置上面对变局。可如果今天才从零开始做这件事，难度显然会高得多。
如果假设多邻国不存在，他依然会选语言学习。不是因为他本人是语言学习狂热分子，甚至他还专门说了，自己和联合创始人都不是那种“语言控”。而是因为回头看，这确实是一个极大的市场。
全球大概有 20 亿人在学语言，其中 18 亿在学英语。这个规模，远超很多硅谷人天然以为“更性感”的创业方向。比如数学学习者大概 10 亿，基本和 K-12 教育人口规模高度重合；编程学习者，前几年也不过 2000 万量级。至于国际象棋，可能 1 亿出头。
这段尤其有认知偏差。很多投资人会本能地觉得，编程、数学这些领域，一定是更大的市场。但现实是，真正全球性、最刚需、最大规模的学习需求，依然是语言，尤其是英语。
当然，从花钱意愿看，编程课程之类的产品可能单价更高，用户也更愿意为“找到工作”付费。路易斯承认这一点。但他也指出，多邻国是 app 模式，它的商业模型决定了自己不能像线下培训那样一单卖几千美金，它需要的是一个足够大的用户盘子，在低客单价下跑出规模。所以从这个角度看，语言依然是最适合多邻国的起点。
这部分内容，其实也给创业者一个很有意思的提醒：真正大的市场，往往不是最“前沿最酷”的那个，而是最普遍、最基础、最全球化的那个。
睿迎网配资提示：文章来自网络，不代表本站观点。
