作者｜Yara
提到多鄰國，很多人第一反應還是那個綠色貓頭鷹、打卡、背單詞、學語言的app。但如果把鏡頭放大一點，你會發現，這家公司現在更像一個很有代表性的樣本：一家擁有上億活躍用戶、已經上市、賬上有現金、內部有歷史系統、外部有增長壓力的成熟公司，到底是怎麼把 AI 真正接進日常工作流里的？
最近，我們留意到多鄰國聯合創始人兼 CEO 路易斯·馮·安（Luis von Ahn）接受了《Silicon Valley Girl》主持人 Marina 的採訪，就講了非常具體的AI改變多鄰國的故事。梳理其中幾條脈路：
第一條，是多鄰國內部到底怎麼用 AI。
第二條，是那門很出圈的西洋棋課程。兩名沒有工程背景、也不懂西洋棋的員工，在沒有額外工程資源的前提下，用6個月時間把這門課從想法做到上線，最終成了多鄰國增長最快的新課程之一。
第三條，是所有人都在問的問題：AI 會不會讓工作消失？路易斯的回答很清楚，也很容易被記住：「AI 不會搶走你的工作，搶走你工作的，是會用 AI 的人。」
過去兩三年，關於 AI 的輿論往往在兩個極端之間擺動：一邊是「所有崗位都要沒了」，另一邊是「這只是一個高級搜索工具」。而多鄰國這場訪談呈現出的，是第三種更接近現實的狀態：AI 暫時既沒有強到能把組織徹底抽空，也早已不是一個可有可無的輔助插件，它正在把人和人的差距重新拉開，把崗位要求重新定義，把公司增長方式重新改寫。
一、多鄰國這家公司，究竟在用 AI 做什麼？
訪談一開始，Marina就開誠布公地提到，最近關於大公司裁員的消息很多，輿論都會下意識認為是AI導致的，外界也在好奇，多鄰國是怎麼衡量公司內部「在用 AI」這件事的？
路易斯講了一個原則。他說，公司的目標不是「為了 AI 而 AI」，而是「用 AI 讓學習者受益」，這是他們內部的「黃金法則」。過去幾年，團隊對 AI 的使用能力確實大幅提升了，而這種能力提升帶來的直接結果，是公司能做出更多學習內容、更多產品嘗試，而不是單純用來削減人員。
這一點很重要。因為它把「AI 使用率」從一個虛指標，重新拉回了產品結果上。路易斯說，管理層並不會天天盯著某個人的任務「是不是 AI 也能做」，他們更在意的是：你是不是在儘可能高效地完成自己的工作，而 AI 只是高效的一種手段。
接著，Marina 追問：員工具體怎麼用 AI？如果一個觀眾現在也在公司里，老闆天天催著「你要開始用 AI 了」，但他根本不知道怎麼入手，多鄰國內部有沒有一些特別典型的案例？
路易斯強調了「按崗位分化」。工程師的工作流已經明顯改變，AI 編程工具幾乎成了日常配置。產品經理則開始用 AI 先做出原型，而不是只拿一份文件去開會。
這個變化看上去不大，實則非常關鍵：以前一個產品經理來跟 CEO 講「我想做一個更好的西語學習功能」，高層很難只靠文字理解到底「更好」在哪裡；但如果直接把原型做出來，哪怕不是生產環境中的正式版本，也比寫十頁文檔更容易做判斷。換句話說，AI 是直接把「產品想法」前移成「可交互的半成品」，這會極大改善決策質量。
Marina 繼續追問：這種轉變是公司統一教的，還是員工自己摸索出來的？路易斯說，公司確實做過一些推動，比如幾個月前組織過一個「全員氛圍編程日（vibe coding）」，要求每個人都得用 AI 做點東西，注意，不只是工程師，HR、財務、所有部門都要做。目的很簡單：讓所有人都親手感受一下 AI 工具，而不是把它當成工程團隊的黑箱。
除此之外，公司也有一些最佳實踐文檔，但更有意思的是那些自發形成的內部交流機制。多鄰國有不少 Slack 頻道，其中一個就叫「best AI practices」（AI最佳實踐），員工會不斷往裡扔自己發現的新玩法、新工作流；另一個更有意思，叫「AI fails」，專門分享各種 AI 翻車現場。前者讓大家知道「原來還能這麼用」，後者則提醒大家「別把模型想得過於全能」。
路易斯順便提到，公司內部發生的一件很有代表性的事：很多員工已經給自己氛圍編程了一整套 KPI dashboard。比如產品經理，已經能自己做出按國家、按用戶行為維度拆分的追蹤界面。這種變化看起來只是「省了 BI 團隊一點時間」，但更深一層看，它意味著一個普通職能員工，開始部分接管過去屬於數據分析、工程支持乃至運營工具團隊的一部分能力。
這就是今天企業里最真實的 AI 變革：它不一定先表現在「公司砍掉哪個部門」，而是先表現在一個崗位的人，突然能做掉過去兩三個崗位協作才能做完的一部分工作。
二、為什麼多鄰國一度把 AI 寫進績效考核，後來又撤回了？
AI 熱潮里，很多公司都走到過一個極端：把「有沒有用 AI」本身當成一個考核指標。多鄰國也差點走到那一步。
路易斯說，確實有過那麼一段時間，公司打算把 AI 使用情況納入績效評估。他自己還發了內部 memo，明確告訴大家，績效里會看你有沒有使用 AI。結果很快出現了反作用。員工開始問：所以你們現在只是希望我們為了用 AI 而用 AI 嗎？哪怕它不適合這個任務，也要硬塞進去嗎？
這個反饋讓管理層意識到，事情走偏了。
於是公司很快撤回了這項做法。路易斯給出的解釋很有意思：最重要的績效標準，始終應該是你把自己的工作做得有多好，AI 往往能幫你更好地完成工作，但如果它幫不上，就不該被強迫使用。
這段話看起來平實，其實打中了很多公司「AI 推進失敗」的根子。很多組織以為數字化轉型、AI 轉型的關鍵，是把工具部署下去，再配上一個 KPI，逼員工去用。結果最後往往變成形式主義：大家為了滿足「使用率」，去做一些本來沒必要讓 AI 參與的事情。表面看，公司好像更 AI 了，實際上團隊卻更低效了。
三、兩個不懂棋、不會寫代碼的人，怎麼用 AI 做出公司增長最快的新項目？
整場對談最有傳播性的部分，無疑是西洋棋課程。
Marina 一開始就提到，最近兩位多鄰國員工在6個月內，用 AI 做出了一門西洋棋課程，既沒有工程背景，也不懂西洋棋，結果它成了公司增長最快的新課程之一。聽上去像營銷，但路易斯把過程講得很具體，反而讓這件事更可信。
先說起點。這兩個人不是突發奇想當場變身產品英雄，他們其實一年前就來找過路易斯，提議要把西洋棋加入多鄰國。當時路易斯拒絕了，理由很簡單：西洋棋就是個遊戲，而多鄰國是教育應用。他不想偏離主航道。
真正讓他改主意的，不是市場報告，也不是增長模型，而是一位現實中的決策者——瓜地馬拉教育部長。路易斯是瓜地馬拉人，他說自己後來和部長聊教育系統時，對方提到，瓜地馬拉的公立教育系統問題嚴重到一種地步，她甚至在考慮給每個學生發一個棋盤，至少先讓他們練出一點邏輯思維能力。部長這句話一下擊中了他。路易斯意識到，西洋棋不只是娛樂，在某些教育環境裡，它可以被視作一種認知訓練工具。
於是他又回去對那兩位員工說：好，可以做。但我沒有工程師給你們，你們自己想辦法。
這就進入了真正有意思的部分。
Marina 追問：他們到底是怎麼一步一步做出來的？如果有人今天也想借 AI 做點新東西，這裡面可複製的步驟是什麼？
路易斯說，第一步很樸素：他們先學西洋棋。因為他們本來就不會。這也是他們最初想做這個項目的原因之一——他們自己也想學。
接著，他們做的是非常典型的產品前期工作：去看市場上現有的西洋棋學習工具，調研這個品類的產品形態、內容質量和用戶體驗。他們很快發現，現成工具整體並不算特別好，至少沒有出現一個明顯滿足他們期待的版本。
之後，他們開始真正上手做東西。路易斯提到，這倆人下載了 Cursor
，開始用 AI 輔助開發。第一版做的是西洋棋謎題，也就是 chess puzzles。做著做著，他們發現一個問題：AI 在生成高質量謎題這件事上並不穩定。
於是他們沒有停下來抱怨「模型不行」，而是繼續往前推進：既然模型自己生成不好，那就餵它數據。他們找到了一個線上公開資料庫，裡面有大量現成的棋題，用這批數據繼續訓練、約束模型，效果果然好很多。
在此基礎上，他們又不斷做出更多移動端原型，讓路易斯親自上手試玩。路易斯的說法是，他們就這樣一版一版往前推，直到自己判斷這個東西終於「夠好」，值得被真正放進多鄰國的主應用里。
注意這裡有個關鍵細節。真正進入正式產品化階段後，公司當然還是投入了工程師，把它變成一個穩定、可上線、可維護的版本。也就是說，AI 並沒有神奇到讓「零技術背景員工」完全單槍匹馬交付完整生產級產品。但它已經強到足以讓兩個人在沒有正式工程配額的情況下，把一個新課程、交互雛形和產品驗證做得足夠深入，以至於管理層願意為它正式開綠燈。
這件事裡，最值得反覆看的是三個層面。
第一，它證明了「原型權」正在向更前線的員工下放。過去一個想法能不能成形，很大程度上取決於你能不能排上工程資源，現在這個門檻已經被 AI 削低了很多。
第二，它改變了 CEO 的決策。路易斯不是在批一份 PPT，而是在試玩一個新產品，這使得很多過去模糊、難判斷的產品想法，提前變得可以被討論、被取捨。
第三，它也暴露了 AI 當前真正適合做什麼。不是一鍵變出成熟產品，而是極大壓縮從想法到可驗證雛形之間的時間和人力。
最後，結果也很直觀。西洋棋課程上線後，靠多鄰國主應用的分發能力，很快就拉到了大量用戶。路易斯說，現在已經有 700 萬日活用戶在學西洋棋。真正跑成了一個新增長點。
不過他也順手提醒一句：不是所有新課程都能發展成這樣，西洋棋本身就有很強的吸引力，「西洋棋就是比數學更好玩」，他半開玩笑地說。所以這裡既有 AI 放大內部創新效率的一面，也有內容品類自身天然吸引力的因素。
四、如果你今天想用 AI 做個產品，有何建議？
Marina 聽到這裡，很自然地把話題拉向觀眾：如果有人只是一個普通學生，剛剛聽完西洋棋課程這個案例，也想自己動手用 AI 做個產品，他該怎麼開始？
路易斯給的第一條建議，甚至不是什麼技巧，而是一種行動方式：先開始。
他說，很多人最愛做的事，不是開始，而是反覆談「我有個想法」。但真正的學習，幾乎都發生在你坐下來動手之後。這個建議聽起來像雞湯，但放在今天 AI 工具已經把原型門檻壓到很低的背景下，它反而比以前更有現實性。
在「先開始」之外，他補了兩層具體建議。
一層是，儘可能去熟悉現在最好的工具。vibe coding 當然很重要，但不只是代碼。初始界面、產品結構、頁面設計，現在都有 AI 工具可以輔助。不要把 AI 理解成「我把需求說給它，它幫我寫點代碼」這麼單一的東西，而是把整個從構思到原型的流程都儘量藉助起來。
另一層更重要：哪怕你未來不需要逐行寫代碼，也最好理解一些最基本的程序結構。比如服務端和客戶端的區別，系統怎麼交互，這些底層概念仍然重要。也就是說，AI 降低的是實現門檻，不是認知門檻。它讓你不必手搓所有細節，但如果你完全不知道自己在做什麼，今天的 AI 仍然不太能把你直接送到一個「好產品」上岸。
這話其實很誠實。因為最近一個很流行的誤區就是：只要會說話，就能做軟體。路易斯的判斷更接近一線產品人的真實體感——一點都不懂的人，暫時還很難做出真正優秀的應用；但懂一點的人，已經能比過去快很多很多。
從這個角度看，今天最吃香的，是那些本來就有一點結構性理解、現在又願意快速把 AI 接進工作流的人。他們往往會突然像開了外掛一樣，把原本中等的執行力拉成強執行力。
五、AI 到底有沒有讓工程師快十倍？
整場訪談里，最值得反覆品的一部分，是路易斯對 AI 編程現實能力的判斷。
Marina提問：有沒有什麼典型案例，能說明「以前一周做完的事，現在用 AI 一下子成倍提速」？
路易斯沒有否認提速存在，但他的重點很快轉到了失敗案例上。他說，如果你只看 Twitter，過去兩年簡直像生活在另一個宇宙：到處都是「AI 寫代碼已經比工程師強了」「早該把所有工程師都裁掉」的聲音。可他真正回到公司里看，長期以來並沒有看到工程團隊整體效率因此暴漲。這種線上敘事和線下現實之間的落差，讓他一度很困惑：為什麼大家都在說天翻地覆，我在公司里卻沒看到那個級別的變化？
他的結論很明確：至少到目前為止，AI 還沒有強到全面超過人類工程師。你依然需要工程師，而且他認為在相當長時間裡你仍然會需要他們。
原因在哪裡？
他說，AI 編碼的「理想流程」很快。也就是在那些路徑清晰、需求明確、上下文不太複雜的情況下，模型往往能很快給你一個能跑的東西。
但麻煩在於「異常流程」。一旦東西沒跑通，或者邏輯出了問題，你會進入一個很難 debug 的狀態：因為代碼不是你逐步寫出來的，你並不真正清楚它每一步做了什麼。一旦錯了，定位和修復的成本會突然膨脹。最終就會出現一種很尷尬的情況：前面省下的時間，後面又在修 bug、補理解、重構邏輯上花回去了，甚至還更多。
這是一個非常重要的現實修正。因為今天很多 AI 編程演示，看上去都像魔法：一句提示詞，頁面起來了；再一句提示詞，功能有了；再一句提示詞，部署成功了。但真正複雜的軟體系統不是 demo，它們有舊代碼庫、有歷史包袱、有跨團隊協作、有性能限制、有數據邊界。AI 在全新的代碼庫上更容易大殺四方，在已有大型代碼庫上則往往表現得沒那麼神。
路易斯進一步指出：大公司不像一個人創業團隊，不是人人都在八小時全程寫代碼。工程師還要開會、溝通、對齊、評審、排期，這些環節並不能被 AI 成百上千倍加速。所以從組織視角看，你很難指望整個大公司因為 AI 一夜之間實現 10 倍產能暴漲。真正明顯的變化，往往發生在某些口袋狀場景里，而不是整家公司同時躍遷。
這也是為什麼他會說，現在真正看到巨大飛躍的，更多是一人團隊或極小團隊。因為他們本來就沒有複雜組織接口，一個人用 AI 能立即做更多事；而一旦進入大公司，很多約束並不是「寫代碼速度」本身。
六、CEO 自己怎麼用 AI？
Marina 接著把問題拉回到路易斯個人。一個每天都在談 AI、也在推動全公司用 AI 的 CEO，自己到底怎麼用這些工具？會不會已經拿它當教練、當顧問、當自己的決策助手？
路易斯的回答是：研究可以交給 AI，決策暫時不行。
他說，自己現在很明顯會比以前更多地獨立做研究。比如想了解「印度的西洋棋市場是什麼樣」，過去可能要麼自己花很多時間查，要麼找團隊幫忙做；現在直接問 Gemini 之類的模型，已經能在很短時間內得到一個相當不錯的輪廓判斷。所以在研究這個環節，AI 幫了他很多。
但到了真正的決定層面，他還是自己來拍板。他並不會去問模型「你覺得我該怎麼決定」，至少目前沒有這樣做。這個界限其實也很有代表性：AI 在高層管理里的真正價值，短期內更像一個極強的情報助手和資訊壓縮器，而不是一個直接接手責任的代理者。
當然，他也承認自己會做一些氛圍編程，比如自己給 KPI 做東西。但即便如此，他依然強調：重要決定還是他來做。
對於一家成熟的上市公司來說，這種邊界感很正常。因為前期研究出錯，後果通常還可以修；但戰略決策一旦錯了，代價和責任目前還沒有辦法自然地甩給一個模型。
七、語言學習真的會被 AI 翻譯幹掉嗎？
如果說前半場主要在談組織和工作流，那麼中段一個很大的話題，轉向了多鄰國的根本業務：語言學習本身，會不會被 AI 直接衝垮？
這個問題不是空穴來風。Marina 提到，她最近採訪了幾位著名投資人，對方都說，最先被 AI 完全改造的市場，很可能就是語言。理由聽上去也順理成章：翻譯越來越即時，耳機可以翻譯，未來眼鏡也可能實時翻譯，那麼為什麼還要學語言？
但路易斯明顯不買這個判斷。他的切入點很有趣：你得先搞清楚「改變」是什麼意思。對多鄰國的用戶來說，學習語言根本不是一件單一動機的事。
他說，多鄰國現在有超過 1 億活躍用戶，其中差不多一半是把學語言當成愛好。就像學西洋棋、學樂器一樣，哪怕機器已經比人強得多，人也依然會學。西洋棋就是最好的例子：早在 1997 年，電腦就已經能下贏人類頂級棋手了，但今天學西洋棋的人比 1997 年多得多。原因很簡單，它是個興趣，是一種腦力活動，是一種自我塑造的方式，而不是單純為了工具性結果。
另一半用戶，則主要在學英語。這裡路易斯特別提到：任何說「人們已經不需要學語言了」的人，多半從來沒有真正被迫去學英語。因為如果你的母語本來就是英語，你當然容易覺得翻譯技術會解決一切。但對那些來自瓜地馬拉、巴西、印度、土耳其的人來說，英語不是一個「錦上添花」的技能，而是教育、工作、移民、流動機會的基礎設施。你要去英語國家讀大學，沒人會允許你戴著翻譯設備坐在教室里聽教授講課；你要真正融入一個英語工作環境，也不能總靠機器在旁邊做同步字幕。翻譯工具可以幫你應急，卻很難替代你真正掌握語言。
他甚至用一種有點調侃的方式總結：很多美國投資人以為學法語、學西班牙語、學德語都是「有沒有必要」的問題，那是因為他們生活在一個以英語為默認語言的世界裡；可對全球絕大多數英語學習者來說，這根本不是同一個問題。
Marina 又追問：那翻譯這個職業本身呢？比如有人花幾年時間去做職業翻譯，未來怎麼辦？
路易斯的回答比較中立：翻譯不會徹底消失，但會越來越少，並且會變得更「高端化」。也就是說，普通日常用途上的翻譯工作，AI 會吃掉越來越多；但在某些真正對準確性、語境、文化細節、責任歸屬要求很高的場景里，人類翻譯依然會存在，只是會更稀缺、更貴、更像一種 premium 服務。
更關鍵的是，他還補了一刀：語言翻譯能力提升這件事，本來就不是大模型時代才有的。Google Translate 十年前就已經相當不錯了，但過去十年裡，學習語言的需求不僅沒消失，反而是上升的。所以在他看來，這件事至少對多鄰國來說，根本不是一個公司內部真正焦慮的核心問題。
八、AI 可以讓任何人隨手做一個語言學習 App，多鄰國擔心嗎？
Marina 的下一問，明顯更尖銳。
她說，現在已經進入了「任何人都可以氛圍編程一個 app」的時代，如果我今天想學英語，我直接去 Claude 說，幫我做一個專門為我定製的、按我興趣和愛好來教英語的應用，那多鄰國會不會被這種超個性化工具衝擊？
路易斯說，多少會考慮，但並不真正在內部構成高優先級擔憂。
他的理由很有代表性。
第一，理論上誰都能做個 app，但做一個真正「好用、有效、能長期留住用戶」的 app，並不簡單。多鄰國這些年最深的資產，不只是界面和課程，而是數據。每天有超過 10 億道練習題在 app 里被回答，這背後積累的是海量關於「人到底怎麼學得更好、什麼機制能把人留下來、什麼內容能激勵人繼續練習」的行為數據。路易斯認為，真正的壁壘不只是你能不能生成一個功能，而是你有沒有大規模驗證過哪些機制真的有效。
第二，市場上其實一直不缺語言學習 app。他說，全世界可能一直都有兩三千個這類應用，而 AI 之後，這個數字可能會從兩三千變成兩三萬。問題是，多鄰國不是第一次面對大量競品，它一直活在競爭里。今天 AI 讓「做出來」變得更容易，但不代表「做得比多鄰國更好」就自動成立。
不過，他也沒有掉以輕心，而是指出了公司真正正在準備的方向：用戶預期會變。
這才是他眼裡最關鍵的變化。比如 多鄰國現在已經有基於 AI 的對話練習功能。剛推出的時候，成本很高，所以只能放在最貴的訂閱檔位里。但現在模型成本已經降到一個可以接受的水平，他們接下來會把這個功能下放到更便宜的檔位，甚至最終免費開放。這麼做，是因為他判斷，用戶很快就會把「智能對話練習」視為理所當然。如果別的 app 都開始免費提供這種體驗，而多鄰國還把它鎖在高價層里，那遲早會被反噬。
所以，在路易斯看來，真正需要應對的，不是「有人用 AI 做了個新 app」，而是 AI 抬高了整個行業的體驗基線。用戶會開始期待：學習 app 應該更聰明、更會聊天、更懂我、更快反饋、更像一個隨時在線的練習夥伴。如果你不能把這種預期提前做進產品里，你才會被甩下去。
換句話說，AI 帶來的不是一個具體的新對手，而是一種新標準。
九、多鄰國怎麼看「AI 時代的用工邏輯」？
採訪進入後半段，Marina 提到了一個很現實的話題：最近很多大公司裁員，都說是 AI 讓效率更高了，用不著那麼多人了。她還引用了 Gary Vaynerchuk 的看法：如果我裁掉一百個人，競爭對手把這些人都招走，再加上 AI 讓他們產能翻十倍，那我反而是最蠢的那一個。路易斯怎麼看？
他的回答很乾脆：多鄰國從來沒有做過裁員。不是「最近沒裁」，而是壓根沒有過這種裁員，儘管網際網路外界常常誤讀公司的動作。
而且，他甚至明確說，自己反而覺得繼續招人是合理的。因為在 AI 提升生產力的前提下，一個員工現在能創造的價值更大了，所以從投資回報率角度看，再招一個人比過去更划算。
這句話非常有意思。因為它和很多人想像中的「AI 邏輯」正好相反。外界常常把 AI 理解為：既然一個人更高效了，那公司就不需要更多人了。但路易斯的邏輯是：既然一個人變得更值錢、更能打，那我更有理由把優秀的人招進來，讓他藉助 AI 創造更多價值。
當然，他也不是完全否認外面那些裁員新聞的現實性。他說，自己不能對每家公司下結論，但在很多案例里，所謂「AI 導致裁員」更像是一個好聽的公關敘事。真正的原因是，疫情紅利期間盲目擴張，過度招聘，現在只是在修正，而「AI」則成了一個方便的外部解釋。
Marina 在這裡也順勢加入了自己的觀察。她說，真正讓她擔心的，是管理者在招人時，開始優先尋找那些會用 AI 的人。她自己最近在招社媒經理，最常問的問題就是：你怎麼把這件事自動化？你會在哪些流程里用 AI？她還提到，自己的公關同事用氛圍編程很快搭了一個收錄播客字幕的網站，這些都被她寫進了自己的簡歷。也就是說，今天的門檻，越來越像是「你會不會借AI之力」。
路易斯顯然同意。他說，公司現在招人時，確實會看候選人對 AI 的態度。他們要的是對新技術抱有開放心態的人，是願意嘗試、願意變化的人，而不是天然排斥的人。然後他說出了那句最容易出圈的話：AI 不會搶走你的工作，搶走你工作的，是會用 AI 的人。
十、股價暴跌 82% 後，創始人為什麼還說「不後悔」？
在這場訪談里，Marina 還專門把話題拉到了股價層面。
她提到，多鄰國的股價曾經有過大幅回調，差不多 82% 的跌幅。這裡面有些決策明明讓用戶更開心，卻沒有那麼讓投資人開心。作為一家上市公司的創始人，路易斯當時是怎麼想的？
路易斯先開了個玩笑：「那個決定是 AI 做的。」然後立刻澄清，當然不是，是他自己做的。
接下來，他把那次戰略轉向講得很清楚。過去五年，多鄰國增長很大，2021 年上市以來，活躍用戶增長超過五倍，收入也差不多是類似量級的增長。
但到了 2025 年，公司遇到兩個信號。第一，雖然還在增長，但用戶增長速度比前幾年慢了。第二，他越來越強烈地感到，AI 會實實在在改變教育行業，而多鄰國作為教育領域的重要玩家，不能只維持原有經營方式，必須主動去引領這場變化。
這兩個信號疊加，讓他認為公司必須做一次重要調整：要更激進地抓用戶規模，而不是優先深挖當前用戶的商業變現能力。直白點說，就是短期內先別那麼急著從現有用戶身上多賺一點，而是更看重把用戶盤子做大、把產品能力往下沉，讓更多人進來。
他很坦白地說，這個決定做出來的時候，財務團隊和管理層都知道：股價會受影響。因為資本市場對這種故事並不總是有耐心。你如果選擇少賺一點、多投一點、多擴一點，市場會認為你在犧牲短期利潤和變現效率。
但他還是做了。原因也很簡單：如果繼續按原來的方式經營，公司也許還能繼續穩步增長，但到某個時候，這種增長會見頂。而如果現在在 AI 帶來的平台切換期里，主動去爭取更大的用戶基盤、更高的產品能力天花板，長期看公司會變得更大。
Marina 追問：你從沒後悔過嗎？畢竟市場用那麼劇烈的方式表達不滿。
路易斯說，不後悔，但不後悔不代表不痛苦。看到股價大跌當然很難受，只是他仍然確信這事從長期看是對的。他還補了一句很能說明他心態的話：他希望這是自己最後一份工作，是自己最後一家要做的公司，自己還有很多精力，所以他不是按「下一季度」的邏輯在經營，而是按更長期的時間尺度來做判斷。
十一、公開市場會綁架創始人的情緒嗎？
聊到這裡，Marina追問：你是上市公司創始人，股價會不會直接影響你的情緒？她自己作為內容創作者，就會發現自己容易被上一條影片的數據表現綁架，知道這對心理狀態不健康，所以很好奇一位上市公司 CEO 是怎麼面對這種壓力的。
路易斯說，剛上市頭一年確實會。股價每天漲一塊、跌一塊，都會牽動情緒。後來他學會了不再每天盯盤。不是完全不知道大概區間，但至少不會把自己一天的心情交給股價曲線。
然後他又說了一句很妙的話：我只是把這個情緒依附對象，轉移到了另一個指標上——日活用戶。
他說，公司前一天的日活數據會在每天早上 5 點準時出來，而他是個起得很早的人，所以幾乎每天早上 5 點 01 分，他的情緒就會被設定好。換句話說，他並沒有真正擺脫「被數字定義心情」的機制，只是把它從股票市場的二級反饋，移到了自己更相信、更可控、更能反映公司健康度的核心業務指標上。
Marina 隨後又追問：有沒有什麼心理上的調節方法，比如事情搞砸了的時候，你會怎麼調節？
路易斯說，事情出問題當然也會影響自己，他不是鐵人。但有一件事對他很有幫助：經常問自己，這件事六個月後還重要嗎？絕大多數事，六個月後都不重要。意識到這一點，會讓很多當下的情緒失去放大器。這不是他發明的方法，但很有效。
十二、如果你今天 18 歲，該選什麼專業？
快問快答環節，它關聯了年輕人最關心的職業問題：到底什麼職業會消失，什麼職業還能留下？
在進入職業預測前，路易斯先承認一件事：過去十年，預測未來沒那麼難。你大概知道下一代 iPhone 會更好一點，螢幕更好一點，系統更順一點，節奏大差不差。可現在，AI 把變量數量一下子拉高了，他自己也覺得預測未來變得困難得多。
然後 Marina 依次拋出幾個職業。
先是社交媒體經理。路易斯認為，這崗位不會消失。再到翻譯，他的判斷是：不會徹底沒了，但會越來越少，並且更高端化。接著是教師，這個問題他回答得最長，也最認真。
他明確說，教師不會消失，自己本來就是教授出身，對這個職業有很深感情。AI 會在某些環節上成為好老師，比如提供練習、適配節奏、做個性化反饋，但一個優秀教師真正強大的地方，在於他能把知識放進文化環境，能激勵學生，能讓學生「想成為那樣的人」。而這種榜樣感、情感調動、課堂氛圍判斷、對學生狀態的細微觀察，目前非常難由 AI 完成。路易斯甚至說，今天一位真正優秀的老師，仍然明顯優於「沒有老師只靠 AI」。
再到項目經理，路易斯的看法也很一致：不會消失。原因是，優秀項目經理往往依靠很強的 EQ，在多人協作中找出項目失靈的真正原因。有時項目卡住，不是流程沒畫清楚，而是兩個人不對付、一個人被邊緣化、某個團隊之間沒建立信任。AI 可以協助很多執行細節，但要讓兩個人坐下來、看出衝突根源、推動他們重新合作，這仍然更像人的工作。
Marina 最後又追問：作為管理者，你覺得哪些崗位會在短期內明顯縮減？路易斯給出的答案是，「某些公司會用更少的人做同樣的事」。比如客服團隊，過去也許需要 100 個人，未來可能 10 個人加 AI 就夠了，但並不意味著一個人類都不用留。
這其實比「某某職業 5 年內死亡」的唬人判斷更接近現實，AI 先重塑的，往往不是職業，而是同一職業內部的人數配置、技能要求和價值密度。
十三、如果今天重新創業，他還會做多鄰國嗎？
訪談最後，Marina 問了一個帶點人生復盤味道的問題：如果讓你回到當年創業的時候，你還會重新開始嗎？尤其是在 2026 這樣一個 AI 變量這麼多的年份。
路易斯說，自己大概還是會創業，但如果讓他在「15 年前開始」和「今天開始」之間選，他會非常高興自己是 15 年前就把多鄰國做起來了。
原因也很現實。今天的多鄰國手裡有錢，已經盈利，賬上有十幾億美元現金，有大規模用戶基礎，也有品牌和分發能力。所以即便 AI 帶來平台切換，這家公司是在一個相對舒服的位置上面對變局。可如果今天才從零開始做這件事，難度顯然會高得多。
如果假設多鄰國不存在，他依然會選語言學習。不是因為他本人是語言學習狂熱分子，甚至他還專門說了，自己和聯合創始人都不是那種「語言控」。而是因為回頭看，這確實是一個極大的市場。
全球大概有 20 億人在學語言，其中 18 億在學英語。這個規模，遠超很多矽穀人天然以為「更性感」的創業方向。比如數學學習者大概 10 億，基本和 K-12 教育人口規模高度重合；編程學習者，前幾年也不過 2000 萬量級。至於西洋棋，可能 1 億出頭。
這段尤其有認知偏差。很多投資人會本能地覺得，編程、數學這些領域，一定是更大的市場。但現實是，真正全球性、最剛需、最大規模的學習需求，依然是語言，尤其是英語。
當然，從花錢意願看，編程課程之類的產品可能單價更高，用戶也更願意為「找到工作」付費。路易斯承認這一點。但他也指出，多鄰國是 app 模式，它的商業模型決定了自己不能像線下培訓那樣一單賣幾千美金，它需要的是一個足夠大的用戶盤子，在低客單價下跑出規模。所以從這個角度看，語言依然是最適合多鄰國的起點。
這部分內容，其實也給創業者一個很有意思的提醒：真正大的市場，往往不是最「前沿最酷」的那個，而是最普遍、最基礎、最全球化的那個。
