Wild Zebra获600万美元扩张兴趣驱动AI教学,面向2至9年级学生提供数学和阅读理解辅导
美国AI学习平台Wild Zebra完成600万美元超额认购种子轮融资,由Trilogy Equity Partners领投,Tetherpoint Capital及Shrikesh Majithia等天使投资人参投,累计融资达到800万美元。公司计划将资金主要用于招聘工程师,并加强面向学校和家庭的销售与市场推广。
Wild Zebra由Edan Shahar与AI技术专家Erik Selberg于2024年创立,面向2至9年级学生提供数学和阅读理解辅导。产品最核心的设计不是直接给出答案,而是以苏格拉底式连续提问引导学生解释推理过程、识别自身错误并逐步得出结论;平台将学生的回答、停顿、求助方式和解题路径转化为学习行为数据,而不只记录最终答案是否正确。
与通用AI学习工具相比,Wild Zebra将题目包装进学生已感兴趣的主题中,例如体育、烹饪、音乐、游戏或其他个人爱好。同一道数学或阅读理解任务,可以围绕不同学生的兴趣生成情境;公司试图用兴趣降低学习阻力、延长专注时间,再用平台内的连续对话建立对学生知识状态的长期追踪。系统还会识别学生是否频繁分心、转向外部搜索答案,或表现出坚持、好奇和主动推理,并将这些正向或风险信号标记给教师与家长。
平台为每位学生建立“Learning Tree”,记录其已掌握的能力、仍在发展的知识点、存在的概念缺口和下一步应学习的内容。学习路径不由学生临时提问决定,而是依据历史表现、技能里程碑和当前薄弱点动态调整;Wild Zebra因此把自己定义为长期学习系统,而非一次性问答机器人。其官网称,后续任务由学生表现、聚焦领域与技能里程碑驱动,确保练习保持累积性和结构性。
在B端,Wild Zebra通过教育评估机构E3n进入学校市场。E3n由Educational Records Bureau与Enrollment Management Association合并而来,服务大量独立学校;ERB曾于2024年投资Wild Zebra。平台可使用学生在CTP和Milestones等ERB测评中的结果定位数学与阅读起点,再生成个性化练习路径,但部分合作学校也会在没有ERB测评数据的情况下直接部署产品。
E3n对722名学生进行了数学与阅读试点评估,并与由数十万学生构成的ERB常模群体比较;结果显示,五、六年级学生成绩提升约4至8个百分点。该数据样本有限,且并非随机对照试验,不能单独证明AI工具造成全部提升;但对Wild Zebra而言,它提供了从“用户喜欢聊天”走向“学习结果可测量”的早期销售证据。
Wild Zebra用户规模已从一年前约6000名学生增长至数万名,累计记录数十万次辅导对话。公司计划在2026年以每名儿童每月48美元向家庭开放服务,同时继续从私立学校向特许学校、公立学校扩展;这意味着它同时押注学校采购与家庭直接付费两条收入路径。
市场机制上,学校、教育评估机构、家长和学生是Wild Zebra的买方;平台出售的是个性化练习、学习诊断、教师仪表板和持续追踪能力。通用模型公司提供低成本甚至免费的问答工具,Wild Zebra则试图通过学生长期档案、课程数据接入、学习成果测量和教师家长工作流证明其收费合理性。若学校认为平台能够提高掌握度并减少教师准备与批改负担,预算将从传统练习软件、课后辅导和测评工具流向AI学习系统;若结果无法持续验证,48美元月费和学校采购预算则会直接受到免费模型工具挤压。
来源:公开信息
ABAB AI 解读
Wild Zebra的创始人Edan Shahar此前经营Test Innovators近十年,该公司帮助学生准备私立学校入学考试;这一背景决定了Wild Zebra并非从通用聊天机器人出发,而是从“高风险教育节点中的测评、家长焦虑和个性化练习需求”出发。Test Innovators的客户是愿意为学习结果付费的家庭和私立学校,Wild Zebra承接的正是这一人群对学习诊断、能力提升和升学准备的长期需求。Trilogy Equity Partners总经理Amy McCullough也曾以Test Innovators用户身份接触Shahar,这使本轮投资带有明显的客户验证色彩。
其资本路径与多数AI教育应用不同。很多AI学习产品先以免费聊天或作业帮助获取用户,再尝试转化为订阅;Wild Zebra先从学校和测评数据切入,利用ERB的CTP与Milestones结果建立学生起点,再向家庭提供长期辅导订阅。学校端提供可信的能力基线和机构背书,家庭端提供持续使用和直接现金流;两端共同积累的学习数据又反过来提升“Learning Tree”的判断能力。
这条路线的核心竞争不是模型回答是否更聪明,而是能否证明“模型知道学生何时真正学会了”。OpenAI、Google和Anthropic可以快速推出免费学习模式,也能即时解释一道题,但它们天然面临两个教育产品难题:第一,难以长期追踪单个学生跨数周、数月后的概念掌握;第二,难以直接接入学校的测评体系、课程标准、家长沟通和教师工作流。Wild Zebra将通用大模型视为底层供应商,而把学生状态模型、学习轨迹和机构数据连接层作为自身产品层。
历史类比是Duolingo从“提供练习题”升级为“通过连续行为数据判断语言能力”,以及Khan Academy通过Khanmigo尝试将AI对话嵌入课程进度和教师管理系统。两者共同说明,教育AI的长期价值不在生成一段看似有帮助的回答,而在于能否将学习活动连接到知识图谱、学习目标、错误模式与结果评估。Wild Zebra的兴趣驱动题目只是获客与留存机制,真正决定续费的是它是否能证明兴趣化练习带来可量化的能力进步。
这属于定价权转移。过去,教育软件主要按内容库、题库数量、学校席位或课时收费;AI时代,内容生成成本下降,题库本身越来越难维持高溢价。定价权将转向能够掌握学习结果的一方:谁能识别学生的真实掌握度、预测下一步最有效的练习、向家长和教师证明提升,并接入学校的评估体系,谁就能从免费的通用AI工具中抽离出可收费的专业价值。
ABAB News · 认知定律
AI能回答问题,学习系统必须记住成长
兴趣赢得注意力,结果赢得付费权
内容正在免费,学习轨迹正在增值