摘要

Talkit 的核心赌注是：大模型把人机交互从“手”推向“嘴”，语言学习也应从点选题迁到开口完成真实任务。 刘夜把多邻国称为“专注于做手的公司”，而自己要做“嘴的公司”；Talkit 试图构建一个对学习者友好的虚拟英语世界，让用户像“移民到美国”一样，在点餐、面试、租房、索赔、讨价还价等场景中学会表达。
产品壁垒不只是聊天模型，而是把 TBLT 教学法、3D 角色、任务生成与精确难度控制装进同一套 Gen World Engine。 刘夜称，Transformer 让系统第一次能够判断“hi bro”“hi there”是否完成教学目标，而非只接受“how are you / fine thank you and you”这样的枚举答案；系统还要做到 n+1、间隔记忆、兴趣匹配和个性化评估，“用说的方式来学，用完成任务的方式来学”。
Talkit 选择的不是与多邻国正面争夺入门用户，而是承接其练了几百天、最终想从“练手”转向“练嘴”的人。 刘夜给出的市场框架是全球约 20 亿语言学习者、其中 15 亿学英语，且 90% 属于 weak motivation；团队的千人级问卷发现，不少用户在多邻国打卡 300、500 乃至 1,000 天后离开，是为了“seek to improve their spoken language”。
这仍是一笔产品验证期的早期赌注：种子轮 1,000 万美元、团队 40 多人，但正式版刚在采访前一周发布，收入和利润尚未形成可供讨论的数据。 团队把目标用户的对话时长和留存设为重点指标——“就是来不来，第二个说得久不久”；测试版虽有很多 bug，刘夜称已有用户每天使用一两个小时，但他只给当前产品“30 分”。
刘夜真正看重的竞争变量是 effortless，而不是先把 effectiveness 做到极致。 主持人指出多邻国卖的可能不只是学习效果，更是持续进步的自我感觉；刘夜认同多邻国让语言学习变得 effortless 的方向，并把语言学习定义成生活方式和娱乐体验。“你永远教不会一个不出勤的学生”，因此必须先让人长期出现、愿意开口，学习才可能持续。
双减并未让刘夜产生单一的愤怒，反而混合了“解脱”与必须重建的遗憾。 他回看 2018—2019 年后的流量、续报、广告和 ROI 战争，认为行业陷入“价值有限，行业内卷，违背初心”；但遗憾只能由“一个更大的公司、更成功的公司、更有价值的公司”消解，这也解释了他为何拒绝多个容易赚钱、却不属于自己的方向。他还认为，巨大的商业前景和价值是必要但不充分的条件，愿力必须大于阻力。
对投资者更重要的创始人信号，是他愿意为产品判断承受长时间的非共识，而不是急于完成一次“复仇型创业”。 三年里他看过 30 多个行业，曾为咖啡连续半年每天喝约 6 杯、走访数百家店，直到楼已盖、资金将到仍叫停；到了 Talkit，他又用 24 个月试验 100 多个版本、三次推翻大架构，因为他相信“孤独意味着稀缺”，也承认孤独可能意味着犯错——“万一他们都错了呢？”

精读

1. Talkit 从千万美元种子轮进入真正的产品验证期

主持人介绍，刘夜曾于 2014 年创办服务过约 1 亿用户的作业盒子；双减后启动 Vision Flow，以 Talkit 再次进入 AI 教育，种子轮融资 1,000 万美元，投资人包括理想汽车的理想、阿里巴巴合伙人曾明、雨嫣、Zoom 天使投资人 HP、加拿大 VC Celtic House、Perplexity 的投资人等。主持人称，这是 AI 语言学习赛道种子轮融资最多的公司。
新公司目前有 40 多人。经过两年打磨，Talkit 正式版在采访前一周末才发布；刘夜没有给出收入和利润数据，只表示现在开始获得一些不错的用户行为数据，对后续轮次则称未来会有计划。
刘夜给公司的那句定义不是“AI 口语陪练”，而是“构建一个虚拟的世界，让每个人就像移民到英语国家、就像移民到美国那样去学习语言”。这次创业的愿景也比作业盒子时期更明确：改变未来几十年人类学习语言的基本方式。

2. 大模型改变了交互，语言学习却仍停留在手指上

刘夜自称长期是 early adopter：Gmail 全球前 5,000 名用户、魔兽世界前 1,000 名内测用户、Google AdWords 最早约 100 个账户之一，还体验过 Vision Pro、Quest 上近 70% 的游戏，吃了“好几盒晕车药”。
ChatGPT 给他的关键启发是：“人类有史以来跟机器聊天的时间，超过了跟人聊天的时间。”全世界几乎一夜间开始对着聊天框说话，人机交互从手转向嘴，但多数人仍用眼睛、手和点选题学英语。
当美国投资人追问 Talkit 与多邻国的区别时，他的回答刻意极端：“多邻国是一家专注于做手的公司，我是专注于做嘴的公司。”Talkit 因而定下 All in Talk——像学习母语一样，调动眼睛、耳朵和嘴，而不是把点击正确率误当成语言能力。

3. Course、Explore、Apply 组成从输入到真人交流的闭环

Talkit 的第一根支柱是 Course。初学者仍需先用手建立基础，学习单词、语块、词汇和简单语法；团队内部把它称为“A Better Duolingo”，区别主要在沉浸感，而不是否认结构化练习。
第二根支柱 Explore 承担 rehearsal。界面类似短视频信息流，由推荐策略不断推送 living scenarios：用户可能要完成面试、索要微信、说服他人、讨价还价、处理纷争、点餐、买机票、退房、索赔或租房等任务。
场景中的关系会延续：用户可以把办事时认识的角色变成好友，继续 make friends，获得对方的情感。刘夜的语言学习公式是“要念书、要在生活中用说去应用、还得交到很多好朋友”，否则很难接近母语水平。
最后一根支柱 Apply 允许用户在 app 内直接 connect 到英语国家的真人。由课程输入、AI 世界演练，再到真人交流，构成刘夜所说的“念书—生活—交朋友—真实应用”。

4. TBLT 等了四十多年，才等到能理解开放表达的模型

刘夜认为，人从 day one 起就在 3D 世界中学习母语，而不是“看着电视学会”的；Talkit 因此采用 TBLT，即 Task-Based Language Teaching，让用户“learn by talk，talk to finish the real scenarios, the real task”。
这套理论据他说在 20 世纪 80 年代已被提出，线下课堂后来成为主流，却一直难以产品化。传统系统只能把“how are you / fine thank you and you”设为正确答案；用户说“hi bro”或“hi there”，基于 BERT 一类方法的系统无法判断其是否同样完成了沟通任务。
刘夜的判断是，Transformer 把自然语言理解能力推进到他所称的“99.99%”，系统才可能灵活判断教学目标是否达成，并生成个性化评估、强化与下一步教学。模型让过去难以规模化执行的教研法有了产品化的可能。

5. Gen World Engine 要同时生成灵魂、场景与可教的任务

Gen Souls Engine 负责“生成灵魂”：每个角色既有 3D Avatar，也可以拥有职业、长相、性格、动作和情感反应。刘夜称，一个实习生一个月可借助 AIGC 生成约 1,000 个角色；用户说得好时，角色会用手势、表情和动作回应，而非只播放“good job”和烟花。
他拿 Roblox 作对比：后者依靠编辑器和用户创作成长为其口中的“1,000 亿美元元宇宙公司”，Talkit 则想用模型降低世界生产成本。Gen Scenario Engine 尚未完全攻克，目前背景主要是看似 3D 的 2D 图；他预计真正的 3D 生成模型“再过一两年”会快速成熟。
Gen Task Engine 是关键难点之一。刘夜称 ChatGPT 有约 20% DAU 用它学习外语，但自由聊天很难持续且生成不够准确；Talkit 因而用模型 infra、prompt、例程、串行与并行调用、agent 及传统工程共同约束对话。
约束目标包括 n+1——一句话尽量只出现一到两个生词——同时匹配间隔记忆、兴趣、学习风格、语言风格与单次学习长度。现实中的英语母语者可能加快语速、故意刁难学习者，而 Talkit 想做的是“for language learning friendly virtual world”。

6. 多邻国证明了：弱动机市场先卖持续参与，再产生学习效果

刘夜给出的市场拆分是：全球约 20 亿语言学习者，其中 15 亿学英语，其余约 5 亿学习西、法、德、意、俄、日、韩、中等语言；只有约 10% 为考试学习，另外 90% 都是 weak motivation。
他反对用“刚需”解释这个市场，称其是农业到工业社会留下的“陈旧和腐朽的词汇”。创业、播客、个人成长都不是“不做会死”的需求；大量消费真正购买的是生活方式、体验、成就感与社会认同。
主持人的推论是，多邻国让人付费的底层原因可能不是“我学会了”，而是“我一直在进步，我越来越喜欢自己”。刘夜高度认可多邻国提供的持续参与、正反馈和生活方式价值，并把它总结为“let language learning effortless, then effectiveness”：娱乐是目的，学习可能只是有价值的副产物。
他举的最佳样本是一位朋友连续打卡阿拉伯语 1,000 天，却还没见过阿拉伯人；这并不等于产品失败，因为它提供了 show off、陪伴与最小而频繁的正反馈。“人生不如意就去背单词”，正是因为进步感来得足够快。

7. Talkit 更可能承接多邻国流失用户的“练嘴”需求，但开口必须先变得不痛苦

按刘夜引用的数据，多邻国累计约 10 亿用户、1.5 亿 MAU、5,000 万 DAU，连续打卡 365 天者预计约 1,200 万；与此同时，约 8.5 亿注册用户已经流失。“你永远教不会一个不出勤的学生”，所以连续学习必须先于效果。
Talkit 做过千人级问卷，团队把一批流失者的共同需求概括为“seek to improve their spoken language”。刘夜认为，用户打卡 300、500 或 1,000 天后，已经熟悉填空和单词，终究会说：“我不可能一辈子都玩填空练我的手指头，我要开始练嘴。”
主持人的关键反驳是：背单词容易获得正反馈，口语却会让初学者不断受挫。刘夜没有用单一功能回答，而是把解法拆成 engage：角色要有趣、有情感、记得用户，难度必须合理，任务要有剧情、挑战、互动与奖励。
他用自己的经历解释沉浸的威力：初中地理、历史不及格，玩《大航海时代》却能记住全世界港口，玩《三国志》能记住约 2,000 名武将。不是内容突然变简单，而是发动学习的体验变了；大模型补上的正是这台“发动机”。

8. 两年、百余版本和三次推倒，才换来一个“30 分”的产品

团队过去两年试验了 100 多个版本，三次推翻产品大架构。刘夜直到正式版发布后才接受第一次采访，因为“产品没做好我就是不发布”；他把 24 个月的开发比作哪吒出生，“凡人只有十个月，哪吒才生二十四个月”。
对结果他仍极度克制：“这个产品远远达不上成功”，目前只是“30 分可以拿出手”。更形象的标准是，这个小孩至少“四肢健全，看起来能呼吸，能自己喘气儿”。
两年中反复验证的是三层哲学：用户价值上 effortless first, then effectiveness and enjoyable；教研上像母语学习一样采用 TBLT；产品形态上必须创造“an emotional immersive world for language learning”。
测试版尚有很多 bug，但刘夜称已有用户每天使用一两个小时。团队现阶段更关注目标用户的对话时长与留存：“就是来不来，第二个说得久不久。”

9. ChatGPT 出现后的一天决策，建立在此前三年的无方向探索上

疫情期间，刘夜看过医疗、生物制药、新能源汽车、消费电子、连锁咖啡、招聘平台、蓝领用工等 30 多个行业，始终没有找到能让自己扣下扳机的方向。ChatGPT 出现后，他“一天就决定做这个方向”。
他回忆，当时 GPT-3.5 还没出来，自己已在离线环境里用一天写出几个 engine 的关键 prompt 和生成流程，在对话流中模拟产品。随后他找李想交流，又在一周后的同学聚会上讲了一遍，很快完成 1,000 万美元种子轮，额度甚至“不够分”。
融资后并未立刻用声量制造进展。刘夜称自己差不多一直待在公司，只是每季度去一次美国；与作业盒子时期面对竞品频繁发布就想跟进相比，这次他能忍住两年不宣传。
这种节奏也回应了主持人对“复仇型创业”的担忧：壮志未酬或许是动力，但刘夜给出的证据不是口头否认，而是愿意把证明自己的冲动延后，直到产品哲学出现可用载体。

10. 语言障碍是 Talkit 愿景背后的能力分配问题

刘夜把美国约 800 万华人作为直观背景：许多中国技术人才觉得“活都是我们干的”，汇报对象却可能是印度人。他讲到一位美国计算机 Ph.D.、早期 Meta 员工、现任职 Snapchat 的朋友，能讨论技术，却难以讨论管理和 small talk。
那位朋友概括自己最常说的两句话是“Yes, I can do it”和“Can you speak again?” 刘夜由此认为，language barrier 没有“unleash everyone’s potential”：努力、聪明和勤奋并不足以自动换来应有机会。
主持人以“很多活由中国人做、却向印度人汇报”的观察作背景，刘夜的反驳值得保留：最擅长表达的中国人很多留在中关村、望京和国内大厂，而印度人才因本国经济与英语母语优势更自然地全球流动；这不应被简单解释为中国人不会表达。
他自己的口语两年前甚至让入境美国都困难，美国人也问“英语不好你怎么做英语培训”。他的答案不是回避能力缺口，而是“我开始学”；对他而言，语言产品既是市场机会，也是中国人能否更自由参与全球竞争的问题。

11. 双减落地时的第一感受不是末日，而是一种复杂的解脱

2021 年双减正式到来前，头部公司已经知道结果且时间很短。落地当晚，刘夜与身在美国的联合创始人通话；对方问他的感受，他回答“挺好的”，对方也说“还挺好”。
这份解脱来自更早的行业变化。刘夜把 2018—2019 年视为从流量、增长转向商业化的关键阶段，随后进入双师大班广告战、挖人战和销售转化竞赛；团队每天讨论续报、话术、流量与 ROI，甚至同一位老师同时为三家公司代言。
他的复盘是“价值有限，行业内卷，违背初心”。头部在线教育创业者绝大多数仍有教育情怀，却只能“用辛苦来麻痹自己”；他甚至经常问，如果自己有孩子，会不会让孩子参加这种补习，答案是“一秒钟 no”。
主持人追问投入清零怎会没有痛苦，刘夜的回答是：“知道世界末日的时候是没有心情，因为所有的问题它就不是问题。”遗憾当然存在，但只有再做出“更大的、更成功的、更有价值的公司”，才能真正消解。

12. 他拒绝的不是赚钱，而是无法回答“为什么必须由我做”

刘夜大学读金融，却把约 90% 时间用于计算机和编程比赛，毕业后没有找工作，直接创业。第一家公司做了十年中国 SaaS 与低代码；切换教育赛道时，他把所有股份送给留下的人，只带三个人离开，最后在同事坚持下保留 10% 作纪念。
他还称自己在 2013 年曾有机会拿“将近 10 万个比特币”做交易所，最终放弃，转去做只融到 100 万美元、几乎没人相信能挑战好未来的作业盒子。对他而言，利益与教育的选择早已接受过一次考验。
双减后的咖啡探索最接近真正落地：他连续六个月每天喝约 6 杯，走访北京、上海数百家门店，访谈品牌高管、店员、建筑师和规划师，学习选址、设备与制作；阿那亚方面甚至批了地、盖了楼，投资人的钱也将到账。
临门一脚时他仍叫停，因为判断自己只能“开一堆咖啡店，最后赚了钱”，却创造不出独一无二且足够大的价值。其区分是：“你到底是一个套利的商人，还是一个企业家？”水和空气很有价值，但并不因有价值就构成他的创业机会。

13. 清零后的真正危险不是没机会，而是没有目标、无法被需要

主持人一度把三年空档理解为终于有时间做开心的事，刘夜当场纠正：“不准确。”他其实想迅速找到机会，年龄压力和二十多年从未真正休息的惯性，让他“不知道怎么安排时间”，内心非常慌乱、痛苦和迷茫。
他承认那时格外热情，朋友一找就“加十倍来帮你”，因为太无聊，也“很希望自己被需要”。不少项目看起来能迅速融资、赚很多钱，投资人甚至按着他要投，但他始终无法扣扳机：“不是我想做的事情。”
这不是第一次经历无目标期。2013 年寻找新方向时，他曾去精神病院接受诊断并确诊抑郁；医生建议若心理疗法无效再服药，并问他能否说话、能否运动。得到肯定答案后，建议他疯狂找人聊天和跑步，把所有想法说出来。
刘夜照做一两个月后，称自己的症状“都好了”。第二次空档没有再次抑郁，一是作业盒子的成绩让他知道机会一直存在，二是疫情使所有人共同暂停，减少了横向比较；但“没那么难受”并不等于轻松，只是尚未觉得“此生就完了”。

14. 双减最终留下价值、周期与全球化三堂课

第一堂课仍是价值：企业无论处于高光还是低谷，最终都要回到是否为用户创造了独一无二的价值，“其他都是扯淡”。做有价值但不难的事不稀缺，真正值得长期投入的是“足够难且有价值”，最好是“如果你不做就没人做”的事。
第二堂课是周期：最好的时候要知道后面可能变坏，最坏的时候也可能正是好转的前奏。年轻创业者常在由好转坏时恋战，又在由坏转好前放弃；表面看是浮躁或不坚持，本质上可能是没有读懂节奏。
第三堂课是视野：刘夜观察到，有条件的那批在线教育创业者“几乎无一例外”转向全球化。他用自己的连续性回答坚持问题：“I have three decades, first decade, second, then is the third。”第一个十年做 SaaS，第二个十年做教育，现在进入第三个十年。他还用“愿力大于业力，再大于能力”解释为何英语差也不必成为阻力：关键是愿力是否大于阻力。
他的口号“一直游到海水变蓝”，来自余华写过的意象，以及浙江近海是黄色、蓝海却能在远方被清楚想象的画面：“蓝海在远方，所以苦海不苦。”给年轻创业者的结论也由此落下：机会爆炸中很多是假机会，值得花两三年寻找长期正确的事；找到后不要怕孤独，因为“孤独意味着稀缺”，也不要怕犯错——“只有犯错才能跟自己相处……万一他们都错了呢？”

General Catalyst CEO Hemant Taneja：将 GC 管理资产规模扩至400亿美元的经验组织能力才是 AI 公司真正的壁垒 | 对谈 Palona AI 联创任川