梨花文化创始人杨楠：用AI为银发群体造一条“被看见”的路

来源：环球网

近年来，银发经济领域跑出来的明星公司，几乎全部集中在三个方向：养老服务、健康管理、适老化消费品。资本也随之入局——康养社区、智慧医疗、老年食品，投资逻辑清晰，商业模式可参照，退出路径可预期。

但仍有一块“新大陆”尚待进一步挖掘——3.23亿人退休之后的精神文化生活。

这个市场并不小。阿里研究院预测，未来十年银发群体精神情感消费占比将从24%跃升至35%。需求端的数字很好看。问题出在供给端——这些消费流向了什么？报一个旅行团，买一张演出票，在公园里跟着别人唱几首歌，在短视频上刷碎片化的内容……几乎都是零散的、一次性的、没有成长感的消费。

在精神文化消费领域，市场端的系统化服务能力亟待补足。梨花文化创始人杨楠想做的，就是补上这个空白。2025年，品牌升级为梨花文化素养智慧服务平台，同年年底用户突破2300万。

香港科技大学通信工程硕士出身的杨楠，思考问题的方式更接近系统工程师，习惯把需求拆解成模块，把模块串成链路，然后评估每个节点的效率。

不是“卖内容”的公司

外界对梨花文化最常见的误读，是把它归入传统的知识付费或在线学习赛道。杨楠觉得这个归类“从根上就偏了”。

“一个人来梨花学朗诵、学声乐，他的目的不只是掌握一项技能，更是在退休之后找到一件值得投入的事。这件事的终点是‘被看见’。”

这个区分决定了梨花整个业务架构的底层代码。传统机构卖内容，梨花则提供一条从不敢开口到站上舞台的完整体验路径。内容是路径的起点，AI是前行的动力。

梨花在AI方向上最早亮出的牌，是AI声音陪练师。4.8亿份声音样本、75种测评算法、50种声音特征维度，98%的准确率——这款产品让行业第一次看到梨花在AI上的积累。

但技术参数本身不是故事。更有意思的问题是：AI在梨花的商业模型里到底扮演了什么角色？

传统文化服务的经济模型有一个硬约束——服务交付高度依赖人力。一个声乐讲师最多面对几十个用户，之后的练习指导更是一对一的重活。服务质量受限于师生比，规模扩张受限于师资供给。这个模型的天花板很低，也是过去老年大学难以大规模覆盖的核心原因之一。

杨楠对AI的部署，是重组这个经济模型的成本结构。

AI测评系统让诊断环节的边际成本大大降低。不管一百人还是一百万人录了朗诵音频，系统都能在几秒内给出逐句的多维分析。AI陪练师让练习指导脱离了对真人老师时间的占用。用户随时练，随时有反馈。AI导师根据每个人的数据做个性化路径规划。

这意味着服务一个用户所需要的人力投入被大幅压缩，原来需要讲师、助教、班主任三个人分别投入时间的工作，现在AI接管了其中大部分标准化的部分。人的精力被释放出来，去做AI做不了的事。情感连接、关键节点的激励、对一个人状态的整体判断与监督跟进。

从商业角度看，这组变化让梨花拥有了一个传统文化服务机构不具备的结构性优势：随着用户规模增长，服务成本不是线性增加，而是被AI能力摊薄了。规模越大，AI模型越精准，服务质量反而可能上升。这是一个正向飞轮，也是梨花覆盖2300万用户的底层逻辑。

但杨楠对AI的定位不止于成本优化：“整个AI行业的主流叙事是效率——用AI替代重复劳动，降低成本。这对大多数行业成立。但在我们这个场景里，用户的核心需求不是效率。他们有的是时间。他们需要的是一件让余下几十年有意义的事，一条可以持续走的路，一个被看见的机会。AI在这里面的角色，不只是降本增效的工具。它让一种原本受制于师资供给的人生体验，变成了普通人也能触及的东西。”

这个观点是否成立，取决于怎么定义AI的价值边界。从供给可及性的角度看，AI确实让一个过去需要稀缺资源（好的讲师、好的场景、面对面的指导）才能获得的体验，变得可以被远程、低成本、大规模地交付——这个逻辑是自洽的。关键在于，梨花后端的服务质量能否撑住前端的规模扩张。从数据来看，目前，这个平衡还维持着。

三条业务线的生长逻辑

梨花目前有三条线：AI软件、AI硬件、线下研学（梨游学）。这三条线是被用户需求一步步推出来的。

现有的线上服务和AI能力。跑了一段时间，团队发现一个问题：用户学到一定程度就需要一个出口——学了半年朗诵，水平确实提升了，但在家对着手机录一段发朋友圈这个出口太弱，撑不起持续学习的动力。

梨游学团队因此搭建。带用户走出家门，在有文化质感的真实场景里完成一次表演。在电视台录音棚录音，在名胜古迹前朗诵自己的练习作品，在银龄合唱大会上登台。这些线下体验对用户来说是强烈的情感峰值，它让“接受服务”这件事有了一个具体的、可期待的终点。

硬件的逻辑类似。AI能力在手机端已经跑通了，但手机是一个不断被微信、短视频、来电打断的通用设备。用户需要一个专注的学习场域。同时不同的练习场景对设备形态的要求不同。于是梨花做了十余款硬件，组成“1+2+3”的矩阵——学习中枢、场景套装、专业创作设备，每一款解决一个具体场景的具体需求。

值得关注的是这三条线之间的数据连通。学习机上的练习记录和测评结果同步到手机端App和云端，AI持续根据用户的累积数据优化反馈。三条线是同一个用户旅程在不同场景下的延伸，数据在底层打通。

从商业模式的角度做一个粗略的拆解：线上服务和AI能力是规模化的流量入口，边际成本低、覆盖面广；硬件是场景深化的工具，提升单用户的使用时长和学习质量；研学是高客单价的体验产品，也是最有力的品牌资产和口碑发酵场。三者之间形成了一个漏斗+飞轮的结构。线上获取用户并完成初步的学习和练习，硬件和AI能力提升留存，研学提供峰值体验并推动口碑传播，口碑反过来降低获客成本。

杨楠没有用这么商业分析的语言来描述它。她的说法更简洁：“陪着一个人从学会走到被看见，中间每一步都需要有人接住他。软件、硬件、研学，就是在不同的位置接住他。”

梨花的基础设施观

杨楠反复使用“基础设施”这个词来定义梨花在做的事：“基础设施有三个特征：覆盖面广，不是为少数人服务的；底层化，其他服务可以长在它上面；一旦建成就持续产生价值。”

按照这个定义去对照，梨花的AI能力层，理论上可以服务海量的用户，且随着数据增长自我迭代；硬件场景层，覆盖了从居家到户外到创作的主要使用环境；研学出口层，让学习成果有了社会化展示的通道。三层叠加，构成了精神文化消费领域的一个早期服务基础设施形态。

当然，“基础设施”这个说法也带有显而易见的战略野心。中国现有3.23亿60岁以上人口，谁能率先在这个群体的精神文化生活领域建立起系统化的服务能力，谁就有可能占据一个长期的战略位置。

杨楠承认这件事远没有做完。“养老的基础设施花了二十年才到今天的水平。精神文化消费这一块，整个行业才刚开始，不可能一家公司做完。但总得有人先把框架搭起来，让后面的人知道这件事可以怎么做。”

回头看，梨花走在这条路上每一步的选择，先做软件再做硬件再做研学、先做能力再做标准，都带着工程师做系统架构的影子：先定义需求，再拆解模块，再一个一个搭建，最后让它们连通。

杨楠大概不会用“系统架构”来描述自己做的事。她更可能用的是一句更朴素的话：“帮人找到一件值得做的事，然后陪他做下去。”

只不过要把这件事做到2300万人的规模，需要的远不是一颗朴素的心。