当前，文生文技术已经实现了从基础的文本生成到复杂内容创作的跨越，并能够高效完成一些通用型写作任务。不过，当其深入到专业领域时，仍面临着精准度不够、行业知识匮乏等瓶颈。由此可以预见，想要行业更好地发展，真正让AI作为实用工具融入人们生活当中，除了模型技术方面的升级外，垂直化发展也成为了必然性。

而对于垂直领域的选择，目前大部分产品都还处于试水阶段。抱着尝试心态的明光数科，基于团队成员的经历和需求发现，在留学文书这一领域，AI的使用还存在着很大空白。

“通过EdVance（AI留学文书产品名称）生成的文书能够将AI率降到10%以下，且经过专业评审后，发现与专业文书老师写的几乎看不出来区别。”是什么样的AI生成产品能在专业领域达到如此效果？对教育行业会有怎样的影响？带着好奇，我们与其创始人许云龙进行了一场深入对话。

许云龙： 我们在2023年12月启动创业，当时宏观经济刚开始回暖。纵观国内市场，移动互联网和推荐算法已趋于饱和，但AIGC领域仍有广阔空间。我们思考的是如何从上、中、下游切入市场。鉴于团队技术实力尚在积累，且国内底层模型竞争已趋白热化，我们最终选择从上游数据层和下游AI应用层入手。

许云龙： AI本质上脱胎于大数据科学，AIGC的诞生直接受益于大数据技术的成熟。在数据市场，我们把自己定位为中国“高存量、低流通”市场的开拓者，希望通过技术手段提升国内数据资产的流通效率。为此，我们把数据市场的交易和加工环节结合在一起，为C端用户提供知识库、算法接口和AI查询服务，目标是释放国内数据要素的价值。

当前中国数据要素支出规模超3万亿，但这个市场有两个显著特点：一是交易额较低（相对存量来讲），二是大量交易游离在场外，不利于监管——大量的数据生产方和处理者既不愿进场，又对安全、流通、交易方式等方面都有着各种各样的考量。因此，作为创业者，我们选择深耕这个有待开拓的、尚未完全成熟的市场。

从行业定位看，我们首先是一家数据科学公司，致力于在上游推动有价值的数据集充分流通，从而服务于AI和大模型公司。同时，我们聚焦垂直领域的特定需求，通过采购跟合作，积累了大量高质量数据集用于开发。这种数据优势是垂类市场上大部分玩家不具备的。在开发阶段拥有数据优势，就意味着垂类模型应用的能力有所保障。总的来说，我们是一家“两条腿走路”的公司：一边是数据，一边是垂类AI应用。

许云龙： 我们团队整体偏年轻化，成员多为在校实习生或应届毕业生，富有想法和创造力。虽然数据科学项目的商业回报有限，但我们更看重其“练兵价值”，这对团队整体的技术进步大有裨益。

许云龙： 我们在下游专注AI应用，有很多接口是用低代码智能体平台搭建的工作流封装的，这就涉及大模型的选择问题。我们坚持两个原则：

第一，通用大模型并非能力越强越好，关键要考虑其在工作流中的适配性。例如，开发留学应用初期，Claude 3.7已经发布，测试其写作、计算等能力后，我们并未选用，主要因为它当时与其他智能体的兼容性存在很大问题。

第二，在应用开发过程中，我们必须着重考虑工作流整体的反应时间，这对用户体验至关重要。这里有个“反常识”的点：在简单任务中适当减少智能体数量，反而能提升整体性能。如果放入十几个Agent，每个节点响应可能在30秒到2分钟之间波动（视任务复杂度而定），很容易导致整个工作流响应超时。虽然现在Coze等平台已经有异步运行方案来解决这个问题，但用户体验并没有根本提升。因此，我们在一些节点上用程序插件和算法替代了智能体，仅在少数关键节点上放置了智能体。

当前大众对通用工作流的失望主要在于生成质量和生成速度，这导致AI内容难以真正融入工作场景，这是我们非常重视的问题。所以，我们的产品将反应速度置于首位——生成一份不超过1500词的文书，最长只需90秒。同时，性能稳定性也是我们优先保障的重点。

许云龙： 这个决定源于2024年底。团队里很多计划留学的实习生需要文书和推荐信，但市面上找不到好用的产品。虽然这是一个非常细分、垂直的领域，但我们还是惊讶于当时竟无人将这个小的赛道做透。

AI留学文书产品的前后端搭建并不复杂，且我们已积累了大量高质量文书语料数据和行业Know-how，如海外高校录取标准、学校特点、文书风格等核心Know-how，因此能在短时间内完成开发并快速验证市场。其中两个核心需求是：第一，大部分学校会使用Turnitin检测，生成的文书AI率必须低于一定阈值；第二，文笔至少要优于多数平台上的文书老师，即使达不到顶尖，也需保持中上水平。

基于此，我们的目标也变得很明确：一是将AI率降至30%以下的水平，在部分情况下可以低于10%；二是通过专业留学机构文书老师的盲选测试——将老师写的文书与AI生成文书混合打分。经过多次实验对比和产品优化，最终达到了二者几乎无法区分的效果。

许云龙： 我们与多家留学机构深度合作，他们的专业建议都融入了产品。例如，前期设置了智能建档功能，用户上传简历即可一键创建个人档案。我们还开发了专门的素材挖掘工具，帮助用户深入发掘求学或人生经历中的重要时刻。

基于建档信息，系统会推荐冲刺、目标、保底三档各三所的院校。用户选定院校后，产品会根据不同学校、专业的具体文书要求及风格偏好，在数据库中匹配范例，再生成个性化的文书，这种定制化体验对用户来说是十分重要的。此外，我们具备显著的价格优势，单次文书生成仅需几十元，少则一次，最多三次，就能得到一个比较理想的文书初稿。

许云龙： AI的出现解放了学术领域的生产力，目前已经带来了爆发性增长，让一些原来久攻不克的领域变成触手可及的果实，这是不可否认的。除此之外，对普通同学来说，AI对学术领域的真正意义其实是让人从大量非必要劳动中解放了出来。

第一，AI解放了学术行业中大量手工式、学徒式的不必要劳动，这是巨大的进步。我们上学的时候还需要自己手动一个一个调脚注和参考文献格式，数首字母顺序数到眼花，经常被老师批评分不清逗号的半角和全角，这有什么意义呢？除了这个之外，大家曾经还纠结格式是不是宋体小四，标题有没有加粗，现在这部分劳动全部被AI替代了。这个意义怎么强调都不过分。

第二，在学术论文和研究领域，顶尖研究范式的构建和颠覆是AI无法触及的领域，它最多只能做到现有水平的极限，这是它的训练原理本身决定的，而在学术领域真正重要的知识生产是突破知识边界的生产。当前争议的“重灾区”，其实是那些本身学术价值有限的内容（如高中生、本科生的论文），部分学生未经深入思考直接使用AI生成，被学校视为不诚信，这其实是一种生产评价系统短暂地跟生产力水平脱节的表现，在经过震荡后必然会有新的评价标准出现。

目前高校对AI生成内容的态度、检测和评分方式仍处于剧烈震荡的阶段，共识仍然有待形成。但共识是必然会建立的。就现在的趋势来看，越来越多的高校开始对AI for Science持开放的态度，这是一个积极的变化。

对我们团队来说，用AI写留学文书这件事其实没什么好争议的。文书制度本身就在制造一种不平等，每个海外学校、专业对文书风格的偏好，客观上都制造了信息差。比如，如果一个学术能力很强的理工科学生，因为英语写作能力没有这么突出，或者英语很好但是不太懂文书“套路”，而错失了offer，我们会觉得非常不公平。我们非英语国家的人难道就得吃这个亏吗？

通过AI文书工具的写作和润色，我们希望每个申请者的生涯亮点都能以最恰当的方式被完整地展现出来，避免其因为受限于学校偏好造成的信息差而失去受教育机会。本质上，这是AIGC在教育、学术领域能够带来的一种“平权”。

许云龙： 我们从未打算“取代”，而是希望AI成为解放生产力的工具，真正融入老师们的工作场景。目前我们平台有很多B端用户，已经成为众多留学机构老师激发创造力和获取灵感的重要来源。我们注意到，平台上的机构用户会围绕一个档案生成很多次文书，从中间找灵感，找亮点，这客观上也提高了他们的服务质量。

许云龙： 当前AI政策环境的影响是双面的。例如，很多国家推出了GDPR等数据法规，未来AI伦理监管合规条款落地后，我们在做产品时也能够有据可依。但现阶段，全球范围内大部分国家都还没有一个特别明确的AI立法，看似宽松，但实际上那条“线”并不明确，相比之下我们更愿意选择有明确立法的国家去发展出海业务。

许云龙： 我们坚持“双轮驱动”战略。除了近期计划发布的数据交易主线产品，也在积极探索AI在金融、法律、医疗、教育等多元化场景的应用。

我们现在的打法像一个产品实验室，依靠数据能力和开发能力在不同的行业持续验证和迭代。在这个过程中，我们逐渐沉淀出了在AI时代生存、适应并扩张的一套产品方法论。