Wild Zebra獲600萬美元擴張興趣驅動AI教學,面向2至9年級學生提供數學和閱讀理解輔導
美國AI學習平臺Wild Zebra完成600萬美元超額認購種子輪融資,由Trilogy Equity Partners領投,Tetherpoint Capital及Shrikesh Majithia等天使投資人蔘投,累計融資達到800萬美元。公司計劃將資金主要用於招聘工程師,並加強面向學校和家庭的銷售與市場推廣。
Wild Zebra由Edan Shahar與AI技術專家Erik Selberg於2024年創立,面向2至9年級學生提供數學和閱讀理解輔導。產品最核心的設計不是直接給出答案,而是以蘇格拉底式連續提問引導學生解釋推理過程、識別自身錯誤並逐步得出結論;平臺將學生的回答、停頓、求助方式和解題路徑轉化爲學習行爲數據,而不只記錄最終答案是否正確。
與通用AI學習工具相比,Wild Zebra將題目包裝進學生已感興趣的主題中,例如體育、烹飪、音樂、遊戲或其他個人愛好。同一道數學或閱讀理解任務,可以圍繞不同學生的興趣生成情境;公司試圖用興趣降低學習阻力、延長專注時間,再用平臺內的連續對話建立對學生知識狀態的長期追蹤。系統還會識別學生是否頻繁分心、轉向外部搜索答案,或表現出堅持、好奇和主動推理,並將這些正向或風險信號標記給教師與家長。
平臺爲每位學生建立“Learning Tree”,記錄其已掌握的能力、仍在發展的知識點、存在的概念缺口和下一步應學習的內容。學習路徑不由學生臨時提問決定,而是依據歷史表現、技能里程碑和當前薄弱點動態調整;Wild Zebra因此把自己定義爲長期學習系統,而非一次性問答機器人。其官網稱,後續任務由學生表現、聚焦領域與技能里程碑驅動,確保練習保持累積性和結構性。
在B端,Wild Zebra通過教育評估機構E3n進入學校市場。E3n由Educational Records Bureau與Enrollment Management Association合併而來,服務大量獨立學校;ERB曾於2024年投資Wild Zebra。平臺可使用學生在CTP和Milestones等ERB測評中的結果定位數學與閱讀起點,再生成個性化練習路徑,但部分合作學校也會在沒有ERB測評數據的情況下直接部署產品。
E3n對722名學生進行了數學與閱讀試點評估,並與由數十萬學生構成的ERB常模羣體比較;結果顯示,五、六年級學生成績提升約4至8個百分點。該數據樣本有限,且並非隨機對照試驗,不能單獨證明AI工具造成全部提升;但對Wild Zebra而言,它提供了從“用戶喜歡聊天”走向“學習結果可測量”的早期銷售證據。
Wild Zebra用戶規模已從一年前約6000名學生增長至數萬名,累計記錄數十萬次輔導對話。公司計劃在2026年以每名兒童每月48美元向家庭開放服務,同時繼續從私立學校向特許學校、公立學校擴展;這意味着它同時押注學校採購與家庭直接付費兩條收入路徑。
市場機制上,學校、教育評估機構、家長和學生是Wild Zebra的買方;平臺出售的是個性化練習、學習診斷、教師儀表板和持續追蹤能力。通用模型公司提供低成本甚至免費的問答工具,Wild Zebra則試圖通過學生長期檔案、課程數據接入、學習成果測量和教師家長工作流證明其收費合理性。若學校認爲平臺能夠提高掌握度並減少教師準備與批改負擔,預算將從傳統練習軟件、課後輔導和測評工具流向AI學習系統;若結果無法持續驗證,48美元月費和學校採購預算則會直接受到免費模型工具擠壓。
來源:公開信息
ABAB AI 解讀
Wild Zebra的創始人Edan Shahar此前經營Test Innovators近十年,該公司幫助學生準備私立學校入學考試;這一背景決定了Wild Zebra並非從通用聊天機器人出發,而是從“高風險教育節點中的測評、家長焦慮和個性化練習需求”出發。Test Innovators的客戶是願意爲學習結果付費的家庭和私立學校,Wild Zebra承接的正是這一人羣對學習診斷、能力提升和升學準備的長期需求。Trilogy Equity Partners總經理Amy McCullough也曾以Test Innovators用戶身份接觸Shahar,這使本輪投資帶有明顯的客戶驗證色彩。
其資本路徑與多數AI教育應用不同。很多AI學習產品先以免費聊天或作業幫助獲取用戶,再嘗試轉化爲訂閱;Wild Zebra先從學校和測評數據切入,利用ERB的CTP與Milestones結果建立學生起點,再向家庭提供長期輔導訂閱。學校端提供可信的能力基線和機構背書,家庭端提供持續使用和直接現金流;兩端共同積累的學習數據又反過來提升“Learning Tree”的判斷能力。
這條路線的核心競爭不是模型回答是否更聰明,而是能否證明“模型知道學生何時真正學會了”。OpenAI、Google和Anthropic可以快速推出免費學習模式,也能即時解釋一道題,但它們天然面臨兩個教育產品難題:第一,難以長期追蹤單個學生跨數週、數月後的概念掌握;第二,難以直接接入學校的測評體系、課程標準、家長溝通和教師工作流。Wild Zebra將通用大模型視爲底層供應商,而把學生狀態模型、學習軌跡和機構數據連接層作爲自身產品層。
歷史類比是Duolingo從“提供練習題”升級爲“通過連續行爲數據判斷語言能力”,以及Khan Academy通過Khanmigo嘗試將AI對話嵌入課程進度和教師管理系統。兩者共同說明,教育AI的長期價值不在生成一段看似有幫助的回答,而在於能否將學習活動連接到知識圖譜、學習目標、錯誤模式與結果評估。Wild Zebra的興趣驅動題目只是獲客與留存機制,真正決定續費的是它是否能證明興趣化練習帶來可量化的能力進步。
這屬於定價權轉移。過去,教育軟件主要按內容庫、題庫數量、學校席位或課時收費;AI時代,內容生成成本下降,題庫本身越來越難維持高溢價。定價權將轉向能夠掌握學習結果的一方:誰能識別學生的真實掌握度、預測下一步最有效的練習、向家長和教師證明提升,並接入學校的評估體系,誰就能從免費的通用AI工具中抽離出可收費的專業價值。
ABAB News · 認知定律
AI能回答問題,學習系統必須記住成長
興趣贏得注意力,結果贏得付費權
內容正在免費,學習軌跡正在增值