20分钟开口60—70次，Tutor Luna如何用AI让孩子真正说英语？

一支不到15人的团队，如何完成AI全球化产品的0-1和商业化验证

今年6月底，全球领先的科技教育公司LingoAce推出了面向4-12岁儿童的AI原生英语学习产品Tutor Luna。芥末堆了解到，在上线后的这一个月里，Tutor Luna的表现远远超出预期，20分钟实现60-70次有效开口，8月收入较7月增长了10倍多。

市面上一向不缺少儿英语学习产品，但区别于其他类型产品，Tutor Luna探索出了“AI口语体系课”这个全新产品形态，不一味地卷模型、堆功能，而是瞄准孩子不敢开口说的痛点，以长期能力提升为目标，让孩子有机会以更低的费用，持续、高频地与媲美真人外教的AI老师对话。

出乎意料的是，相比于在真人外教课堂上，孩子在Tutor Luna课堂上的开口次数反而更多。Tutor Luna团队分析，这是因为孩子与AI老师交流，感受到的压力更小。

按照常规的路线走下去，Tutor Luna会继续把英语学习市场做深。从更长远的趋势和更广阔的视角来看，AI英语口语体系课远远不是Tutor Luna的终点。

Tutor Luna团队并不局限于学英语这件事本身，而是将英语作为起点，先搭好底层学习引擎，跑通商业化飞轮，进而踏上能力提升的第一级台阶，迈出扩科和全球化的第一步。

一、AI口语体系课：让孩子无压力大声开口说

英语学习领域已经有多种品类，从学生规模来分有小班课、大班课、一对一，从在线模式来看有录播课和直播课，从发生场景来看有线上和线下，从AI角度来看有AI外教课、AI口语学习等。

LingoAce推出的Tutor Luna不属于上述范畴，它定义了“AI口语体系课”这个全新品类——由AI驱动完整的上课流程，系统化地强化孩子的口语能力。

Tutor Luna业务负责人金钱琛（Henry）向芥末堆解释，虽然AI口语体系课看上去与录播课有点相似，但二者的底层逻辑完全不同。录播课更像是更高级的互动绘本，动画教学仍以输入为主，而AI口语体系课模拟的是一对一，强调互动和输出。

此外，不同于AI口语陪练，AI口语体系课的核心在于系统化学习。

教研和测评负责人亚捷分析，AI口语体系课有其必要性。语言启蒙阶段，孩子需要的是可理解性输入和结构化重复，而非随机的日常对话。零散沟通缺乏难度分级和复现机制，往往停留在浅层应答；而体系化的AI口语课能按认知规律设计进阶路径，帮助孩子实现螺旋式积累。对重视教育结果的中国家长来说，这种“学有所成”的可视化过程，远比“能说两句”更具吸引力。

如今，这个新物种已经得到了市场的验证，交出了第一份答卷。

• 20分钟单课实现60-70次有效开口，为真人一对一的1.5-2倍、线下小班课的6-8倍；
• 单个知识点可以完成6次以上针对性训练；
• 首次课程完成率达到90%；
• 首次回答正确率达到70%；
• 首次答错的学员中，超过半数在AI老师二次引导后答对；
• 单用户平均每周学习4次，约80分钟；
• 截至2026年8月，在已完成30日观察期的数百名付费学习者样本中，D30活跃留存率达98%。

可以看出，Tutor Luna的主要评估指标是开口频次和完课率，而不是孩子掌握了多少单词和语法。这些数据初步证明了三件事：AI可以完整地交付一堂结构化课程；可以用规模化产品的成本提供超过真人课堂的互动密度；用户愿意持续使用，而不是体验一次就离开。

上线以来，在屏幕背后，还发生了让Tutor Luna团队意想不到的事。虽然AI口语体系课模拟的是真人一对一，但它比真人上课更能让孩子无压力地大声开口说。

团队甚至用“惊人”来形容孩子的开口次数。在与Tutor Luna学习的时候，孩子会大声地朗读，还会手舞足蹈，状态十分活泼。亚捷分析，这恰恰体现了AI课堂与真人课堂的差异：真人老师出镜，孩子会自然形成“被监控”的感觉，表达时趋于谨慎；而AI老师的低压力互动，让孩子卸下心理防备，更愿意主动输出。

团队还观察到，部分儿童在与AI互动时更愿意自然使用母语求助，因此Tutor Luna正在探索有限度的母语辅助机制。

作为一款新产品，Tutor Luna当然也存在不足之处，比如目前还需要真人顾问来鼓励学生，向家长反馈学习情况。此外，有家长反馈，孩子更喜欢与偏真人的形象互动，所以未来Tutor Luna的形象可能会改版。

二、底层学习引擎：模拟真人老师工作流

Tutor Luna之所以被冠以“AI口语体系课”之名，是因为它建立在一套完整的AI底层学习引擎之上，整个App的代码、素材、脚本均由AI生成。

这个学习引擎由四大真实能力构成，模拟真人老师的完整工作流。

• 教学内容生成系统：根据明确的能力目标，个性化生成适合学生的例子、问题、场景、练习和互动内容；
• Tutor Agent：负责生成动态问题和教学策略；
• 记忆系统：持续理解学生的能力状态，涵盖能力、记忆和情绪三个维度；
• 学习效果评估系统：不只评估答案对错，还评估表达是否完整、错误属于哪一种类型、提示之后是否掌握、这次教学行动是否真正有效，模型会根据评估结果更新，持续优化教学策略。

这四个能力共同构成一个完整的循环：能力状态识别→动态任务生成→即时互动反馈→持续能力建模→学习策略优化。

Agent产品负责人梁漩智分享道，Tutor Luna团队从一开始就打算用AI制作一整节课，这涉及AI对话、图片和动画生成能力，但前期技术能力还不够稳定，仍需要人工来写大量的内容，彼时的AI也只能进行一些个性化的回复，长上下文理解和指令遵循能力表现无法满足线上实时教学场景。

去年第四季度，代码生成和内容生成能力都到了拐点，使得用AI规模化生产高质量课程成为可能，Tutor Luna团队意识到，时机到了，于是开始发力。

团队采用小步快跑的方式，先在课后通过一两分钟的学习对底层AI引擎进行实验，验证可行之后再应用到整节课上。如今，Tutor Luna团队已经生成了多个级别的课程，每个级别覆盖丰富的主题和单元。

借助这套引擎，Tutor Luna已经把高度依赖真人老师的课程交付，变成一款可以规模化复制的产品。

三、Tutor Luna的下一步：进化为能力成长基础设施

Tutor Luna从AI英语口语体系课出发，但并不止步于此。

过去的大多数教育产品只能围绕教材、大纲、知识点来设计，如今AI的出现，让教育产品有可能从内容分发系统，逐渐升级成能力建模系统。未来真正强的产品，拼的未必是谁内容更多，而是谁更能看懂能力、刻画能力、提升能力。

Tutor Luna想要成为的就是这种AI教育产品。

实现这个目标，一蹴而就基本不可能，为此，Tutor Luna团队设置了L1-L4的阶段性目标，一步步升级，覆盖更长的周期，提供更完善的能力。

在L1阶段，团队聚焦结构化课程执行，做出了Tutor Luna这款面向全球市场的少儿英语口语体系课。

L2阶段的重点在于动态编排课程，即AI不再只调整一次讲解或一道练习，而是可以动态决定课堂顺序、难度、练习量、互动方式和节奏。个性化学习将从“一个知识点怎么教”扩展到“一堂课怎么组织”。

L3阶段则进一步覆盖更长的学习周期，进化为动态路径规划。用户将从“购买一门课”变成“持续订阅一条个性化成长路径”。到那时候，Tutor Luna能持续建立长期学生模型，诊断能力变化，制定阶段目标，并跨课程、跨学科地调整学习路径。

长期愿景中的L4阶段，Tutor Luna将不只是一位AI Tutor，而是能长期陪伴孩子的能力成长智能体和面向全球的人类能力成长基础设施，具体表现为理解一个人的能力、兴趣、目标、优势和长期发展，协调内容、工具、老师和家长等资源，持续帮助一个人完成能力成长。

从这个角度，也说明了一开始就要设计成体系课的必要性。如果没有对学生学习状态的长期追踪，就无法解锁后边的关卡，能力提升也就无从谈起。

Tutor Luna的目标并非遥不可及，实现从0到1的突破相对较难，接下去不断演化往10乃至100发展。目前，Tutor Luna已经达到L1的目标，计划2027年进入L2的核心阶段，把动态编排能力复用到更多学科和国家。

四、跑通商业化飞轮：不另起炉灶，全球化与扩科同时进行

有了明确的阶段目标和能复用的底层引擎，Tutor Luna不需要从零做起，就能快速扩科、走向全球市场。

除了继续做深英语学习产品，Tutor Luna正在面向海外市场研发中文识字产品，同时也在规划数学学习产品。

英语、识字和数学这三个学科具有不同的知识和能力刻度：英语口语需要识别发音、词汇、句法和表达能力，通过对话、追问与纠错完成高频训练；中文识字需要建立字形、字音、字义与阅读之间的连接；数学更关注思考过程、错误类型和解题策略。

这三个学科背后指向高度一致的底层问题：学生处于什么状态？下一步应该训练什么？用什么方式最有效？训练之后，能力有何变化？

对于Tutor Luna团队来说，每进入一个学科，底层问题交给底层引擎解决，团队只需要建设新的能力图谱、学科策略和交互方式。

全球化也是同样的逻辑。依托LingoAce长期积累的海外市场能力，结合Henry此前海外多国业务的实战经验，Tutor Luna从一开始就瞄准全球。

在本地化过程中，首先要分清楚什么必须全球统一，什么必须本地化，这样能避免走向两个极端：所有都全球统一，导致家长认为产品不够懂自己家孩子；全部本地化，导致团队膨胀、产品复杂，最终无法实现复用。

Tutor Luna团队认为，更合理的结构应该是底层能力全球统一，内容模块轻量本地化，GTM深度本地化。

在内容方面，全球统一内容占70%至80%，本地化内容包占20%到30%。这个比例既能保证产品的一致性，也能让不同国家的家长感受到产品真的理解自己的孩子，进而获取家长的信任。

以英语为例，全球统一的主课是一套面向4至12岁儿童，对标剑桥/CEFR能力框架的体系化课程。本地包根据不同市场来决定，例如：中国市场是校内词汇/阅读衔接包+开口表达强化包，日本市场是低压力口语启动包+每日短练/发音节奏包，东南亚市场适合加基础口语高频包+学校/家庭日常场景包。

GTM要根据每个市场家长的购买动机来设计，才能实现深度本地化。

同一个Tutor Luna，在不同市场不能用同一句话来销售，在中国可以讲“AI外教陪练+校内英语提升+词汇阅读同步+让孩子真正开口”，在日本的卖点是“每天15分钟，低压力让孩子自然开口”，在东南亚可以介绍“高性价比AI英语私教，每天练口语，进步看得见”。

可以看出，Tutor Luna践行的全球化策略，不是“同一套课卖全球”，而是“同一个学习承诺，服务不同国家的家庭”。

Tutor Luna正在跑通一个商业化飞轮：每增加一个学科和市场，底层能力被复用；每增加一批真实学习互动，学生模型和教学策略进一步改善；技术复用降低扩张成本，产品扩张增加数据和收入。

据了解，今年9月起，Tutor Luna将进入更多国际市场，会先拓展泰越和日韩，再进入北美和欧洲市场。

五、全球化AI应用团队：像乐队一样创作、协作

之所以能研发出面向全球的AI原生产品，团队组织的作用同样不容忽视。真正的全球化，首先是一种人才结构和创作方式，然后才会变成产品能力与GTM能力。

从一开始，这支团队就把全球化写进了基因，而不是走传统的国际化路线，先设计出一个标准范本，再交给各个国家翻译语言、替换内容、寻找渠道。

Henry表示，Tutor Luna团队的创作和协作更像是一支乐队，成员既能完成solo，也能听懂整首歌。

教研、算法、产品、工程、市场成员有自己的专业长板，这决定一个人能否独立创造价值。教研必须是非常优秀的教育专家，理解儿童如何学习语言，能够定义能力刻度、设计学习路径，并判断教学是否有效；算法要在模型、数据、训练和评测上足够突出；产品设计需要拥有真正的产品判断力；工程要有扎实的系统能力；市场要懂渠道和销售。

同时，他们也必须具备跨界学习和协作配合的能力，这决定一群优秀的人能否共同创造一个完整的产品。教研需要理解模型能够做什么、容易在哪里犯错，并把优秀老师依赖经验完成的判断，转化为状态、Rubric和评测集；算法要理解真实的教学过程，区分孩子“不会”“不敢说”“没有听懂”还是“学会了但无法迁移”的状态；产品要能够知道Tutor应该如何观察、判断和行动；工程要对最终体验保持敏感；市场要深刻洞察当地用户，理解产品和AI，把本地经验转化成产品判断。

以评测为例，这个环节涉及产品、技术、教研多种能力，能直观地体现团队如何像乐队一样共同创作、反复试音、彼此调音，同时不断转变舞台中心。

团队首先会判断问题需要哪种能力，接着由对应的成员站到舞台中央解决问题。当一种体验被判断有效后，成员会共同形成产品判断，沉淀成Rubric、评测集、训练数据和行为标准，帮助后续快速稳定地落地、复制、放大。

AI Tutor不是按照固定剧本，把预先制作好的课程内容依次播放，它必须在互动中持续理解孩子，动态选择下一步教学策略，不断重复“理解用户—判断状态—选择策略—观察结果—更新判断”这一循环，这也是Tutor Luna需要这样一支团队的原因。

这支团队还有一个与众不同之处。在LingoAce品牌、海外运营和组织资源的支持下，Tutor Luna团队在上海以内部创业方式从0到1推进，并在产品决策、团队组建和迭代节奏上保持较高自主性。

正是这支核心规模保持在15人以下的团队，在约8个月内完成产品定义、研发、上线和初步商业化验证。

Tutor Luna的上海办公室

这或许也是Tutor Luna团队能够研发出AI原生产品的关键——在LingoAce资源支持与较高自主性之间，团队形成了一套适合AI产品快速迭代的组织与协作方式，并将这种组织能力转化为面向全球的产品能力。

结语

Tutor Luna的AI英语口语体系课用初步结果验证：AI Tutor正在实现从“回答问题”到“参与教学决策”的跨越。在此过程中，Tutor Luna初步形成了可复用的产品与技术能力——通过底层学习引擎，将每一次教学互动沉淀为可评估的数据，持续改善学生模型、教学策略和内容生成系统。

未来，Tutor Luna将根据更多国家和学科的学生学习数据，以更严格的标准，评估更长周期的效果，回答AI Tutor能否从“课程交付”进阶为“能力增长交付”这个问题。

Tutor Luna今天解决的是一堂课的下一步，未来还想解决一个人能力成长的下一步。下一代AI教育产品长什么样，还没有人知道，但诸如Tutor Luna的先行者已经明确了方向，向未来走去。