news 2026/4/26 1:06:24

从“AI-First”到“不强迫用AI”,多邻国一年市值从250亿降至40亿,为何?

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
从“AI-First”到“不强迫用AI”,多邻国一年市值从250亿降至40亿,为何?

顶级生意遇见永不疲倦的AI

从“AI-First”到“不强迫使用AI”,从市值250亿美元到40亿美元,多邻国只用了一年的时间。这只让全球用户既爱又恨的“邪恶”小绿鸟到底经历了什么?

2026年4月,路易斯·冯·安(Luis von Ahn)在播客中表示,Duolingo已不再将员工使用AI的情况纳入绩效考核。他说,绩效最重要的是“把本职工作尽可能做好”;很多时候AI能帮上忙,但如果帮不上,“我不会强迫你去用它”。

这家公司曾是全球最激进的企业之一——2025年4月,路易斯在一封致全员的公开邮件中宣布公司转向“AI - First”,并要求只有证明“AI做不了”时,人力岗位才有存在的必要。从“强制使用”到“想用就用”,这家曾被视作“All in AI”最激进标杆的语言学习巨头,在短短一年内完成了一次策略回摆。为什么最早、最猛推行AI的公司,反而最先撤回了这项制度?

这只绿色的猫头鹰可能是史上对人类态度最差的鸟了。不仅一言不合就“变脸”,还时常威胁它的5000万日活用户:“最后通牒!你的连胜要断了!”就这样,多邻国用类似闯关游戏的机制,把学习这件枯燥的事情变成让人上瘾的日常打卡,一路高歌猛进,成为资本市场眼中的“标准优等生”——增长快、盈利好、用户黏性强。

AI浪潮来临的时候,在一众C端互联网应用中,多邻国绝对算是出手快的。2023年3月,多邻国与OpenAI合作推出AI学习功能,正式发布Duolingo Max,随后,多邻国在次年迈入了“吃到AI红利”的第一阶段。2024年年初,公司裁撤了约10%的合同工,并明确表示正在更多依赖AI来生成内容。

很快,多邻国也确实在生产效率上发挥了AI的“魔力”,借助AI,多邻国2024年上线了超过7500个全新的内容单元,而在AI尚未大规模应用的2021年,这个数字仅为425个。内容生产的效率被拉升到了过去难以想象的高度。

财务数据为多邻国的AI战略提供了最有力的背书。2024财年,多邻国总预订额达8.7亿美元,同比增长40%;付费订阅用户数达到950万,同比增长43%。在致股东的年度信函中,管理层将2024年定义为“破纪录的一年”。此时的资本市场,看到一个清晰而性感的故事,AI似乎真的成为了多邻国新的增长引擎。

尝到甜头的多邻国,在2025年将油门一脚踩到底,进入了激进的“AI - First(AI优先)”元年。2025年4月,路易斯宣布公司转向“AI - First”,随之而来的是一套硬核的“连招”:逐步停止让承包商做AI能做的工作、在招聘中重视AI使用能力、在绩效评估里考查AI使用情况、申请增员前必须先证明工作无法被自动化。

在这家公司里,默认的生产者从人转向了AI,而人类不仅需要证明自己不可替代,还要和AI同台竞技,甚至从此绩效考核的评价方不仅来自于老板,还来自于AI——AI检查你对AI的使用多不多、好不好。

AI的热潮也带动着这一年的产品与财务表现节节攀升,使2025年成为多邻国的AI叙事最受市场青睐的一年。第二季度,公司日活跃用户数(DAU)同比增长40%,净利润同比暴涨84%,到第三季度时,公司开始强调Duolingo Max和“家庭计划”带来的用户人均收入(ARPU)提升,出色的业绩推动股价在财报发布后一度大涨约24%。《快公司》(Fast Company)报道称,市场用真金白银奖励了多邻国的AI故事。甚至在成本端,多邻国也给出了一个“反直觉”的信号:AI成本低于预期。这意味着,AI不仅能提升效率,其成本可控性也得到了证明。

成也AI,败也AI,“小绿鸟”跌落神坛

然而,光鲜的财务数字之下,裂痕已经开始显现。对外,大量用户开始质疑课程质量,并抱怨“机器味太重”。对内,将AI使用与绩效强绑定的做法,使员工开始“为了用AI而用AI”。

2025年,多家媒体(如Customer Experience Dive,Polygon等)均提到,用户开始集中反馈课程质量层面的问题,诸如“AI生成的句子‘不自然’、‘像机器拼接’”“练习内容重复、语境不真实”和“部分语言课程质量波动明显”。

在Reddit、X(Twitter)等社区中,用户对“教学”这一人人互动的体验变差的诘问声浪也越来越大,“课程变得不像人教的”“对话缺乏真实互动感,像在跟一个模板对话”。

在多邻国内部,Gallup的调查显示,大量员工对AI持有谨慎甚至不信任的态度,他们担心“不会用AI = 绩效不合格”、自己的岗位职责会被重新定义甚至边缘化,更多的是对AI是否会取代自己产生强烈的焦虑感。

舆论的影响并不仅仅停留在情绪层面,而是很快体现在具体的业务指标上。公司让“AI参选”,用户则开始“用脚投票”。一部分用户选择删除App,甚至放弃多年积累的连续打卡记录;与此同时,社交媒体上出现大量取消订阅的威胁与抵制言论,多邻国的TikTok和Instagram被用户愤怒的评论淹没,一度删除全部视频内容。

根据Reuters报道,多邻国的用户增长在2025年已经出现放缓,并被公司预期在2026年降至过去水平的一半左右。

市场的反应更加直接。在发布增长放缓的指引后,多邻国股价单日下跌超过23%,年内累计跌幅约38%。这标志着市场判断的转变:投资者不再只关心AI带来的效率,而开始质疑它对产品和商业价值带来的负向影响。

面对来自用户和资本市场的双重否定,多邻国在2026年被迫按下暂停键,进行策略回调。在发布2025财年业绩时,多邻国明确表示,新财年将优先考虑用户增长和教学效果,改善免费用户体验,并大力投资象棋、数学、音乐等新业务线,即便这会压低短期利润。

同时,公司计划将更多AI功能开放给更广泛的用户,而非仅仅局限于高端订阅层,试图修复因过度追求AI变现而受损的用户关系。这一系列的动作,是多邻国带领用户在AI高速狂奔失散后的挽回之举,仿佛在试图找回以有趣、有效为核心的品牌初心。

再看路易斯的最新表态,就不觉得奇怪了,在多邻国内部,“AI松绑”也自然发生了。路易斯在播客中公开表态,将不再把员工使用AI的情况纳入绩效考核,强调“最重要的是把工作做好”。

这实际上是否定了之前将AI使用量作为考核指标的尝试,在管理上,也一定程度上能够缓解之前员工“为了使用AI而使用AI”的表演行为,降低了“效率注水率”。

此外,当一个设计师被迫在无需AI的场景下强行使用AI生成配图,一个课程设计师为了刷量而生成大量同质化内容,这非但不能提升效率,反而制造了内部焦虑,并可能导致思考外包——员工不再深入理解问题本质,而是机械地寻求AI的“帮助”。

短短几年,多邻国已经完成了对AI的“上头”和“下头”。

阵痛不止多邻国有

多邻国的困境并非个例,它只是首先暴露了AI深度融入商业世界时引发的水土不服,或许多邻国的问题不在AI用得太多,而在过早、过急。在多邻国身后,科技公司们正经历着相似的成长的烦恼。

以电商平台Shopify为例,其CEO托比·卢克曾明确提出“在招人之前,先问AI能否做到”,将AI置于人力的优先级之前。这一理念和多邻国“需要证明人无法被AI替代”的逻辑如出一辙:推崇极致的工作效率。

毕竟在极致的效率这一点上,人确实无法优于AI,毕竟AI不需要休息、不需要请假,也不会去社交媒体上抗议。

Shopify虽然没有大规模裁员,但让许多岗位的JD不再出现在招聘市场上,如ur初级岗位、重复性岗位和支持性职能。此外,Shopify还在内部强调,AI可以让团队完成更多的工作,甚至带来百倍的效率提升。

Shopify的这套策略被曝光后迅速在社交媒体上传播,引发大量讨论。《华盛顿邮报》在报道中提到,有从业者公开批评这种做法“无法推荐这样的公司”,认为它对员工不公平。在Reddit和X等平台上,类似的情绪更加直接——如果所有公司都这么做,新人还能从哪里开始?

与此同时,这种策略也开始在产品和客户体验层面产生副作用。Shopify在客服等环节引入AI后,一些商家用户的反馈并不理想。《The Logic》报道称,部分商家对AI客服的响应方式感到困惑甚至不满,认为问题解决效率并没有明显提升,反而增加了沟通成本。有商家在论坛中写道:“我只是想跟一个真正理解我问题的人类沟通。”;另一位用户则评论:“AI的回复很快,但并没有真正解决问题。”AI一旦进入“人人交互”环节,效率的提升反而演变为服务的降级。

还有更多的多邻国们在AI之路上狂奔。Meta内部越来越强调AI工具的使用熟练度,甚至出现“Token使用排名”等文化。Klarna在激进部署AI客服并宣称取得巨大效率提升后,又不得不公开承认复杂场景下人类客服的不可替代性,进行了策略微调。

AI的投入在部分生产环节中确实能够提升效率,短期内可能提振股价,但另一方面,它也向员工和社会大众传递令人不安的信号:人的价值正在被工具化。公司越是公开强调AI对效率的颠覆,就越把公司间效率的竞赛演变为“人与机器的竞赛”,这无疑会加剧员工和用户的焦虑情绪,最终的成本终将体现在企业真正在意的股价上。

然而,多邻国2026年的“松绑”,不应简单解读为AI战略的失败或倒退。多邻国并没有失败,只是最先走到极限。多邻国的故事,是一个关于管理方式而非技术本身的故事。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/26 1:01:35

LSTM时序预测:Stateful与Stateless模式实战解析

1. 时序预测中的LSTM基础认知时间序列预测是机器学习领域最具挑战性的任务之一,而LSTM(长短期记忆网络)因其独特的记忆门控机制,成为处理这类问题的利器。我在金融、物联网等多个领域的预测项目中,见证了LSTM从理论到实…

作者头像 李华
网站建设 2026/4/26 1:00:29

终极指南:如何使用Ryujinx在PC上免费畅玩Switch游戏

终极指南:如何使用Ryujinx在PC上免费畅玩Switch游戏 【免费下载链接】Ryujinx 用 C# 编写的实验性 Nintendo Switch 模拟器 项目地址: https://gitcode.com/GitHub_Trending/ry/Ryujinx 想在电脑上体验任天堂Switch游戏的魅力吗?Ryujinx这款用C#编…

作者头像 李华
网站建设 2026/4/26 1:00:26

LVQ向量量化学习:原理、变种与实战优化

1. 向量量化学习(LVQ)基础解析在机器学习领域,分类算法的选择往往决定了模型性能的上限。LVQ(Learning Vector Quantization)作为一种原型监督分类算法,其核心思想是通过调整原型向量(prototype…

作者头像 李华
网站建设 2026/4/26 0:47:30

FotoJet Photo Editor(图片处理软件)

链接:https://pan.quark.cn/s/98280b450cf6FotoJet Photo Editor是一款图片编辑软件,支持图片水印添加,图片亮度调节,大小调节等功能,拥有多种图片效果,可以一键处理图片。快速、方便、易于使用每个人都可以…

作者头像 李华