Koji by Brilliant 产品深度分析报告

阅读约 3 分钟

Koji by Brilliant 产品深度分析报告

面向创业者的AI教育产品战略洞察

一、产品概述与核心定位

1.1 产品身份

Koji是Brilliant公司（Brilliant Worldwide, Inc.）于2026年5月正式推出的AI个人导师产品。它是Brilliant这一成立于2012年、总部位于美国旧金山的在线STEM学习平台的战略性AI产品升级。Brilliant平台拥有超过数百万用户，其核心理念是通过交互式问题解决来培养数学、科学和计算机科学思维。

Koji的设计目标是成为“每个人家里的世界级导师”——一个能够实时感知学习者正在做什么、提供个性化引导、但绝不直接给出答案的智能 tutoring 系统。它以一个小绿色卡通形象呈现在学习界面中，被称为“图形导师”（graphical tutor），强调其能够直接在屏幕上指点、标注、与学习者同步互动的独特能力。

1.2 核心价值主张

Koji的价值主张可以提炼为三个层次：

第一层：即时个性化帮助。它解决了传统学习中的“尴尬壁垒”——学生不敢提问、不敢承认不懂、无法获得及时帮助的问题。Koji 24/7在线，随时待命，且永远不会对学生的问题感到不耐烦或评判。

第二层：引导式学习而非灌输式。Koji采用苏格拉底式教学方法，通过提问和引导让学习者自己找到答案。它能够精确识别学习者卡在哪个具体环节，并提供针对该薄弱点的视觉化解释。

第三层：深度理解而非记忆。产品设计哲学强调“让导师变得不必要”——通过 scaffolding（脚手架式教学）帮助学习者建立自主思考能力，最终使其不再需要导师引导。

1.3 创始人背景

Brilliant由Sue Kim（联合创始人兼CEO）领导。在2026年5月的TBPN访谈中，Sue Kim分享了产品的核心理念和创立愿景。著名投资人Chamath Palihapitiya在社交媒体上公开表示支持：“我与Sue合作了十多年。她创办了Brilliant——一个用于进阶学习的平台——现在她把所有这十年来积累的训练数据都用来创造这个帮助孩子变得更聪明的工具。无论什么水平的孩子，它都能适应并引导他们。”

二、产品功能与技术创新

2.1 核心功能矩阵

交互式视觉问题解决：Koji建立在Brilliant标志性的视觉化、交互式学习架构之上。用户不是被动观看视频或阅读文本，而是通过模拟器、草图和动态问题来“动手”理解概念。Koji能够直接在用户屏幕上绘图、标注、高亮或重新排列交互组件来辅助解释。

自适应学习引擎：Koji采用先进的自适应学习算法，持续追踪学习者进度，识别已掌握的概念和具体知识缺口。系统动态调整问题难度和顺序——当学习者展示掌握时加速推进，当需要额外支持时放慢节奏。

多学科课程覆盖：产品提供超过30门课程，涵盖：

  • 数学：算术思维、比例推理、概率、视觉代数、解方程、二次方程、微积分
  • 计算机科学：代码思维、Python编程与变量与函数、算法思维、CS基础、神经网络
  • 科学：科学思维、电路、数字电路、量子计算
  • 数据分析：数据可视化、聚类、回归、预测概率

语音交互能力：Koji的语音功能由ElevenLabs驱动。Brilliant团队花了数月时间测试语音提供商，最终选择ElevenLabs的原因是其声音“友好、不急不缓、真实”——这对教育产品至关重要。产品的目标是用听起来像一个真正导师的声音来建立学习者的信任。

2.2 技术差异化壁垒

Koji的技术护城河在于其与Brilliant整体学习和交互基础设施的深度整合。Brilliant首席内容官Blake Farrow在ElevenLabs合作公告中透露了一个关键细节：“Gemini处理数学符号很出色，但偶尔会’幻觉’——Koji自信地说出’9’而应该说’5’在辅导情境中是灾难性的。”

这揭示了Koji与通用大语言模型产品的根本区别：它不是简单调用第三方API，而是将AI能力深度嵌入到一个为数学和科学学习专门构建的确定性交互环境中。这种架构使其“极不可能犯数学错误”——准确率与偶尔出错的人工内容团队相当。

2.3 安全与合规设计

Koji在设计时将安全作为核心考量：

  • 话题锁定：Koji始终保持在主题内，拒绝进行学习材料之外的私人或时事对话
  • 合规认证：完全符合COPPA（儿童在线隐私保护法）
  • 数据保护：所有用于处理聊天和音频的第三方服务均为零数据保留，不用于第三方模型训练
  • 实时监控：在底层模型中启用高级安全过滤器，并对任何问题对话设置实时警报

三、商业模式与定价策略

3.1 商业模式架构

Brilliant采用典型的Freemium（免费增值）模式。这一模式的设计精妙之处在于：免费层不仅是试用入口，更是产品价值展示和用户习惯培养的载体。

免费层策略：

  • 提供Koji的有限预览——使用完后需要Premium订阅才能继续
  • 每日“钥匙”系统：每天获得2把钥匙，每把钥匙解锁一个课程或练习集
  • 可以完成每日挑战和社区内容
  • 仅能访问课程的前1-3节课，无法完成整门课程

付费层结构：

  • Premium月付：$27.99/月（约人民币200元/月）
  • Premium年付：$161.88/年（约$13.49/月，约人民币100元/月）
  • 家庭计划：$24.99/月
  • 团队计划：$407.88/年起（3个席位起）

年度订阅相比月度订阅可节省约52%的费用，但需要前期全额支付。

3.2 转化漏斗设计

Brilliant的转化策略体现了深思熟虑的用户心理把握：

  1. 低门槛入口：7天免费试用全功能Premium，让用户体验“完整感受”
  2. 教师免费计划：K-12教师可申请免费Premium（最多50名学生），通过教育机构渠道获客
  3. 学生优惠：返校季（8-9月）提供20-30%年度计划折扣，需.edu邮箱验证
  4. 退款保障：购买后3天内可退款（年付计划）

3.3 收入与市场验证

虽然Brilliant未公开具体营收数据，但其商业模式的可持续性建立在几个关键假设上：

  • STEM教育市场持续增长，特别是在AI辅助学习成为主流趋势的背景下
  • 用户愿意为“有效学习”而非“消遣性内容”付费
  • 家庭共享和多用户场景带来更高的客户终身价值（LTV）

四、目标用户与市场定位

4.1 用户画像细分

主要用户群体：

群体需求场景痛点解决
初高中学生家庭作业帮助、考试备考避免问“笨问题”的尴尬，即时获得个性化帮助
大学预科学习者自主学习微积分、线性代数按自己的节奏推进，无需等待课堂进度
家长为孩子寻找高质量教育资源消除传统家教的调度麻烦和高成本
终身学习者构建数据科学或编程基础获得可信赖的自学工具

年龄覆盖：明确针对5年级至大学及以上的学习者，并明确欢迎终身学习者。

4.2 竞争格局分析

直接竞争者：

  • Khan Academy Khanmigo：由可汗学院推出的AI导师，免费但视频风格为主
  • Coursera：大学课程认证平台，收费更高但提供正式证书

差异化优势：相比Khan Academy的免费但被动视频模式，Koji强调主动交互和即时反馈；相比Coursera的职业认证导向，Koji聚焦于建立直觉和深度理解，而非简历凭证。

间接竞争：

  • 传统真人家教（高成本、调度复杂）
  • YouTube教程（被动、非个性化）
  • 通用AI聊天机器人（缺乏领域专精度和安全保障）

4.3 市场时机

Koji推出的2026年正值AI教育工具市场爆发期。几个宏观趋势为其创造了有利环境：

  1. AI能力民主化：大语言模型能力显著提升，使得构建专业级辅导工具成为可能
  2. 个性化学习需求激化：疫情后线上学习习惯固化，但传统在线课程的高辍学率暴露了缺乏即时支持的痛点
  3. 家长焦虑与教育投资意愿：全球范围内STEM教育投资持续增长，特别是在K-12阶段

五、战略洞察：面向创业者的深度解读

5.1 核心战略教训一：差异化在于“深度整合”而非“功能叠加”

洞察：Koji的护城河不是简单的“AI聊天+课程内容”，而是将AI能力深度嵌入到一个为数学和科学学习专门构建的确定性环境中。这与许多试图用通用AI API包装教育内容的创业公司形成鲜明对比。

创业启示：在AI教育领域，表面的功能相似性极高，但真正的壁垒在于对特定学科认知过程的深度理解和技术实现。创业者应思考：我所专注的领域是否有独特的“确定性要求”或“安全边界”，使得通用方案不可接受？

案例深化：Koji选择使用ElevenLabs的定制语音而非默认选项，花数月测试以确保声音“真实可信”。在教育领域，声音的语气、节奏、清晰度直接影响学习者对内容的信任度。这种对细节的极致追求体现了产品思维。

5.2 核心战略教训二：重新定义“成功指标”

洞察：Sue Kim在访谈中提出了一个反直觉的产品哲学：“我们衡量导师成功的一个大标志是，他能否让自己变得不必要。”这与消费互联网产品通常追求的“用户粘性”和“使用时长”指标形成根本冲突。

Brilliant借鉴了在线约会应用的反向逻辑：如果一款约会应用成功，用户最终会离开平台找到长期伴侣。产品的成功指标应该是“帮助用户达成目标后离开”，而非“让用户永远留在应用中”。

创业启示：在设计商业模式时，创业者需要明确定义“用户成功”的真正含义，并围绕这一目标设计产品和衡量指标。对于教育产品，这意味着关注学习效果的衡量（知识获取、技能迁移）而非仅仅关注参与度指标。

实践建议：建立“学习者自主度”追踪指标——测量学习者在特定主题上从需要帮助到能够独立解决问题的时间轨迹。这既是产品改进的信号，也是用户价值的直接证明。

5.3 核心战略教训三：利用“安全设计”作为竞争壁垒

洞察：Koji在安全和合规上的投入（COPPA认证、零数据保留、话题锁定）不仅是合规需要，更构建了进入特定市场的准入壁垒。特别是面向未成年用户的教育产品，这些安全特性正在成为家长和教育机构的采购门槛。

创业启示：对于面向教育、医疗、金融等受监管领域的AI产品，安全和合规投入不是成本中心，而是竞争壁垒。创业者应从产品设计之初就将合规要求纳入架构，而非事后补救。

战略建议：在教育AI产品中，“AI安全”不仅是防止不当内容，更是确保AI输出的学科正确性（特别是数学和科学领域）。投资于领域特定的知识图谱和验证层，可能比追求通用模型能力更具防御性。

5.4 核心战略教训四：平台粘性的来源是“学习图谱”而非“内容库”

洞察：Sue Kim在访谈中指出了一个被许多教育科技创业者忽视的事实：“当你使用聊天机器人学习时，机器人获得的数据非常有限——你问问题，得到答案，交易结束。”传统聊天机器人无法追踪学习者是否真正掌握了知识。

Koji的核心是构建一个密集的学习者模型和学习图谱——它追踪用户在数百个交互式问题上的表现，这种密集数据才能实现真正的自适应个性化。

创业启示：内容的广度和深度固然重要，但真正的护城河在于构建一个能够随用户学习过程积累价值的“学习者档案”。这需要：密集的交互数据采集、实时的问题难度调整、细粒度的知识状态追踪。

技术建议：如果构建AI教育产品，应优先投资于学习数据基础设施和自适应学习算法，而非仅在内容制作上投入。内容会过时，但基于学习数据的个性化能力会随时间累积价值。

5.5 核心战略教训五：教育产品的“多模态”不仅是炫技

洞察：在讨论多模态AI趋势时，Sue Kim指出了一个关键区分：“使用聊天机器人学习是一个非常主动的过程。你需要知道问什么问题，要求什么格式。”这与Koji的“拉取式”设计哲学形成对比——产品主动向用户推送适合其当前水平的学习任务。

创业启示：多模态能力（文本、图像、视频、语音、交互模拟）对教育产品至关重要，但关键是“如何整合”而非“提供多少选项”。教育场景下的多模态应该是“根据学习者的当前状态和认知阶段，智能选择最适合的呈现和交互方式”，而非让用户自己决定。

设计原则：从用户的“提问能力”出发设计产品，而非假设用户知道自己需要什么。对于数学和科学学习，这意味着构建一个理解知识结构的系统，主动判断学习者在哪个具体概念上遇到困难，并提供该概念最需要的帮助形式。

六、产品哲学与设计理念

6.1 “引导而非告知”的苏格拉底方法论

Koji的设计哲学根植于对人类 tutoring 有效性的研究洞察：优秀的人类导师之所以有效，不是因为他们解释得多，而是因为他们让学习者做更多的工作。 tutoring 的魔力来自“学习者花更多时间在材料上”，而非“导师讲更多内容”。

实践体现：

  • Koji永远不会直接给出答案，总是引导学习者自己思考
  • 它能识别学习者卡在哪个具体误解点，提供针对性帮助
  • 系统鼓励学习者“停留在困惑中”，直到自己突破理解障碍

6.2 “导师自我消亡”的成功哲学

Sue Kim提出的最深刻的产品哲学是：Koji的目标是让自己变得不必要。这代表了从“替代人力”到“赋能人力”的范式转变——AI导师不是要取代学习者的思考能力，而是要培养这种能力。

长期价值主张：当用户能够自主解决曾经需要帮助的问题时，这才是产品真正兑现承诺的时刻。这与许多追求“用户依赖”的消费产品形成鲜明对比。

6.3 “学习上瘾”的正向设计

Sue Kim提到Brilliant有“让学习像社交媒体一样让人上瘾”的责任——但这是“积极的上瘾”。与短视频平台追求无限停留时间不同，Brilliant追求的是让用户渴望“下一次理解突破”的感觉。

设计隐喻：在线约会应用在用户找到长期伴侣后成功退出；Brilliant希望在学习者完全掌握一个主题后不再需要使用Koji。这两种“退出”在用户体验上都是正向的，但在商业模型上需要重新设计。

七、风险与挑战

7.1 市场风险

竞争加剧：AI教育领域正在涌入大量资本和产品，Google、Microsoft、Meta等巨头正在布局。Koji需要在功能迭代和用户体验上保持领先。

用户期望管理：AI导师的承诺（“24/7世界级导师”）可能抬升用户期望，但如果实际体验未达预期，可能导致高流失率。

学术诚信问题：AI辅导工具可能面临“学生是否在用AI代写作业”的质疑。需要持续投资于确保Koji帮助学习而非替代学习的功能设计。

7.2 技术风险

模型依赖：Koji虽然核心行为是定制的，但仍依赖第三方大语言模型。这带来对外部技术栈的依赖风险。

准确性挑战：在数学和科学领域，错误答案的代价远高于其他领域。需要持续投资于领域特定的知识验证层。

可扩展性：随着用户增长和课程扩展，自适应学习引擎的计算需求可能成为瓶颈。

7.3 监管风险

教育产品合规：不同国家和地区对教育产品有不同的监管要求，特别是在儿童隐私和数据保护方面。

AI生成内容监管：随着全球对AI生成内容的监管趋严，Koji需要持续确保其输出符合当地法规。

八、创业者行动指南

8.1 如果你正在考虑进入AI教育赛道

  1. 选择一个足够窄的垂直领域：Koji聚焦STEM，特别是数学和编程。宽泛的“全学科AI导师”定位缺乏差异化。思考：你的特定领域有什么独特的“确定性要求”或“安全边界”？

  2. 投资于学习数据基础设施：真正构建护城河的不仅是内容，而是追踪和理解学习过程的能力。从第一天就设计数据采集和自适应学习架构。

  3. 定义“成功用户”的标准：不是使用时长或DAU，而是学习效果的衡量。你如何知道用户真正学会了什么？

8.2 如果你正在构建其他类型的AI产品

  1. 警惕“功能叠加”陷阱：Koji的价值不在于“有AI聊天功能”，而在于“AI能够看到屏幕上有什么”。思考：你的AI能力是否真正嵌入到用户的核心任务流程中？

  2. 重新定义“用户粘性”：如果你的产品是帮助性的，用户成功后的“离开”是好事还是坏事？设计相应的商业模式来适应这一现实。

  3. 安全设计即竞争壁垒：在受监管领域，合规投入是市场准入条件，而非成本。

8.3 核心问题清单

在做出任何AI产品投资决策前，创业者应明确回答：

  • 我们的产品帮助用户达成什么具体、可衡量的结果？
  • 用户如何知道他们已经成功？
  • 我们的“AI差异化”是否仅仅是对第三方API的包装？
  • 我们是否有领域特定的数据或知识结构来支撑AI输出的准确性？
  • 我们的安全设计是否足以进入目标市场？
  • 我们的商业模式如何适应“帮助用户成功然后离开”的逻辑？

九、结论

Koji代表了AI教育产品进化的一个重要节点：它不满足于成为“会说话的搜索引擎”，而是追求成为“理解学习过程并能引导学习者穿越困惑”的智能导师。其产品设计哲学——引导而非告知、赋能而非替代、追求让自己变得不必要——为整个AI教育领域提供了有价值的参照。

对于创业者而言，Koji案例的核心启示是：在AI能力民主化的时代，真正的差异化不在于你能接入多强大的AI模型，而在于你对特定领域用户需求的深度理解，以及你能否将AI能力嵌入到一个为该领域专门构建的确定性环境中。

Brilliant用12年时间构建的学习基础设施和用户信任，以及对“学习科学”的持续投资，构成了Koji难以复制的护城河。这提醒我们：AI产品创业的竞争，最终是“领域深度”和“用户价值交付能力”的竞争，而非单纯的技术军备竞赛。

报告生成日期：2025年12月 数据来源：Brilliant官方产品页面、ElevenLabs合作公告、TBPN访谈记录、第三方产品评测及定价数据