文 | Tech 星球，作者 | 任雪蕓

即便你從未使用過多鄰國，也大概率對它并不陌生。

在抖音、小紅書等社交平臺上，" 多鄰國受害人 "" 忠誠綠鳥兵 "" 多鄰國后遺癥 " 等話題的視頻熱度居高不下，不少用戶帶著從多鄰國 " 突擊 " 學到的蹩腳粵語自信 " 實戰 "。

他們大都只學會了多鄰國里的早茶四件套：蝦餃、腸粉、燒賣、豉汁排骨。喝茶只會點鐵觀音、菊花茶和普洱茶。

" 散裝粵語 " 與認真實操的反差場景，正是多鄰國在社交平臺出圈的關鍵密碼。在抖音等平臺上，用戶分享的多鄰國實戰視頻熱度驚人，單條熱門內容點贊量甚至高達數十萬。

這些充滿喜感的 " 散裝粵語實戰 " 絕非多鄰國的全部。實際上，這個以綠色貓頭鷹為吉祥物的產品，在全球擁有超 5 億用戶。根據 2025 年第一季度財報，多鄰國全球月活用戶超 1.3 億，日活躍用戶為 4660 萬。

盡管沒有中國用戶的具體數據，但是根據此前報道，中國已成為多鄰國年增速最快的國際市場之一。一位多鄰國深度用戶告訴 Tech 星球，他已經打卡超過 400 天，而且還會繼續。

對比國內英語流利說、滬江網校等語言學習平臺，多鄰國看似以 " 輕量化 " 打破了語言學習 " 反人性 " 的困局。但大量用戶被吸引的背后，多鄰國究竟藏著哪些秘密？

靠 " 發瘋 " 留存用戶，靠 "AI" 創造課程

" 不像在學習，而是像玩一個游戲 "，上述多鄰國深度用戶表示。

2022 年時，多鄰國在課程設置里添加了游戲元素，并進行了界面更新。根據多鄰國 APP 顯示，其學習界面類似游戲中的解鎖闖關模式，甚至游戲中常用的寶箱、金幣等元素也被應用在界面上。

游戲化設計和碎片化學習方式減少了語言學習的痛苦。與此同時，通過獎勵機制和排名系統，多鄰國則將用戶粘性推向新高度。

2022 年年末，多鄰國上線了類似游戲中的排行榜，用戶通過解鎖更多的關卡，累積經驗值，從而提高自己的段位和排名。

用戶為了維持排名，就需要增加解鎖關卡數量，這意味著就要在多鄰國消耗更多的時間。據 Jorge Mazal 統計，排行榜上線后，多鄰國用戶總體學習時間增加了 17%，高度投入的學習者（每周 5 天每天至少花費 1 小時的用戶）的數量增加了 2 倍。

而即使用戶試圖 " 逃離 " 多鄰國，也難免陷入 " 掙扎 "。

一位曾因工作繁忙被迫放棄打卡多鄰國的用戶告訴 Tech 星球，在沒有打開多鄰國的每一天里，都能看到手機小組件里 " 小綠鳥 " 變換著各種 " 勸學 " 的表情包。" 每天被催會產生沒學習的愧疚感，現在我又重新開始打卡了。"

這一切的背后，實則有一套精密的 AI 系統在持續運作。多鄰國通過復雜的算法模型，精準測算并優化 " 勸學 " 內容的推送時機，旨在以最高效率喚醒用戶的學習意愿。

隨著 AI 在用戶留存領域的成效顯現，多鄰國進一步將 AI 能力注入核心業務。近期，其一口氣推出 148 門新語言課程，使平臺課程總量翻倍。值得關注的是，這些新增課程由 AI 完成創建。

如此一來，從用戶留存到課程開發，AI 正深度滲透至多鄰國的核心業務鏈條，成為其規模化擴張與智能化運營的底層驅動力。

All in AI 后，多鄰國要做怎樣的產品？

多鄰國與 AI 的深度綁定早已埋下伏筆。

2016 年，多鄰國就采用了機器學習技術實現個性化學習路徑。通過自適應分級測試、重復間隔算法和內置的 Birdbrain 模型，分析用戶的掌握度，相應地調整課題難度，提高學習效率。

2021 年開始，多鄰國與 OpenAI 達成合作，深度推進 AI 在企業內部的應用。OpenAI 模型被多鄰國用于生成課程內容、教學材料，以及為部分課程中的用戶寫作提供反饋。

去年 9 月，在多鄰國于美國舉辦的第六屆全球分享大會上，多鄰國 CEO& 聯創 Luis von Ahn 宣布了兩項新的 AI 驅動功能：視頻通話與多鄰國大冒險。用戶可以與多鄰國角色對話，且對話內容會根據用戶語言水平靈活調整。

到了今年，多鄰國在 AI 方面的動作更為激進。今年 4 月底，多鄰國 CEO& 聯創 Luis von Ahn 發布了全員信，宣布公司要 All in AI。根據多鄰國的計劃，其將通過 "AI 優先 " 戰略加速內容創作，增強用戶體驗。

這次上線的 148 門新語言課程，就是多鄰國利用 AI 在課程設計上的一次大邁步。

不過，一位線上英語老師告訴 Tech 星球，"AI 在線上語言學習平臺的應用很常見，但大都局限于 AI 技術分析用戶的學習數據，動態調整學習內容等方面。"

在他看來，若完全依賴 AI 編寫語言類課程，可能存在不少的問題。比如，AI 雖能生成語法正確的句子，卻難以精準捕捉真實場景中的語義細微差別。再比如，語言學習不僅是詞匯積累，更需情感共鳴，AI 生成的對話場景往往偏模板化，難以模擬人類教師的感知與引導。

但對于多鄰國而言，相比追求極致的準確率，AI 首先帶來的效果是降本和提效。

148 門由 AI 制作的課程推出后，Luis von Ahn 曾對外提到，公司曾花費了長達 12 年的時間開發了前 100 門課程，而現在借助生成式 AI 的力量，僅用一年就成功推出了近 150 門新課程。

盡管用戶頻繁吐槽 AI 生成的課程弊病叢生，不僅內容缺乏情感共鳴、場景脫離實際，連基礎準確性都難以保障。社交平臺上一位學習韓語的用戶直言，更新后的課程難度跳躍明顯，翻譯錯誤、發音失準等問題頻發。

但對急于擴張課程版圖的多鄰國來說，AI 仍是不可替代的 " 快車道 "。人工打磨一門課程耗時耗力，而 AI 能以極低邊際成本批量生產內容。目前，多鄰國已不滿足于語言賽道，正借助 AI 技術快速切入音樂、數學等新領域，相關課程已在試點市場上線。

寧做 " 教育界消消樂 "，不做 " 語言界新東方 "

多鄰國游戲化、碎片化的教學模式，飽受爭議。這種模式雖能憑借打卡獎勵機制提高用戶粘性，卻難以讓學習者直觀感受到自己的語言能力提升。

上述從業者表示，其教學內容不追求系統性，而是反復聚焦高頻詞匯，通過機械重復來強化記憶，" 一旦 AI 深度介入后，這些固有問題反而愈發凸顯。"

在他看來，AI 生成的課程進一步加劇了內容的零散化。雖然課程數量大幅增加，但知識缺乏內在邏輯串聯。重復練習的模式在 AI 加持下變得更加機械化，用戶在虛擬游戲場景中完成任務，卻依然難以將碎片化知識整合為完整的語言應用能力。如此一來，學習效果難以保證。

一位連續打卡了一年多鄰國日語課程的用戶告訴 Tech 星球，相比把多鄰國當做一個學習類工具，它更像一個 " 電子寵物 "。

在她看來，" 在對語言和學習沒興趣的時候，多鄰國的確能激發學習的興趣，但一旦想進階或者進入考試，還是需要系統地去啃教科書。"

不過，多鄰國似乎也并未想成為一個 " 系統性教育工具 "。當 Luis von Ahn 被問：" 用戶參與度和教育效果之間產生沖突的時候，怎么辦？" 他回答：" 很簡單，永遠選擇用戶參與度。"

這一策略與游戲界 " 常青樹 "《開心消消樂》的成功邏輯不謀而合。

自 2014 年上線至今，《開心消消樂》始終保持著穩定的用戶熱度，這款消除類游戲憑借零門檻操作與即時反饋機制（如特效連擊、積分獎勵），持續吸引海量用戶。

多鄰國同樣深諳此道，將語言學習拆解為類似消除闖關的輕量任務，用經驗值、等級晉升等游戲化元素，將學習行為轉化為充滿即時快感的日常打卡。

而市場數據也印證了這種策略的有效性。在最近發布的 2025 年 Q1 財報中，多鄰國 2025 年 1 月 1 日至 2025 年 3 月 31 日的收入為 2.31 億美元，同比增長 37.71%，凈利潤為 3513.50 萬美元，同比增長 30.34%。

眼下，多鄰國的 " 游戲化 +All in AI" 的策略，本質是用互聯網產品思維重構學習這件事，它或許無法成為語言學習的 " 最優解 "，卻精準踩中了當代人對輕量化學習的需求痛點。

但對多鄰國而言，真正的挑戰或許并非課程深度不足，畢竟其商業模式本就不依賴 " 教學效果承諾 "，而是如何在用戶新鮮感消退后，持續用 AI 創新和營銷破圈吸引新用戶、留住老用戶。