導語：

一顆洋蔥，剝開第一層是教育，第二層是詞典，第三層是廣告，第四層是硬件。再往下剝，手會酸，眼會辣，但露出來的那個東西，叫AI。

網易有道就是這么一顆洋蔥。2025年，公司定位從“領先的教育科技公司”調整為“學習與廣告AI應用服務提供商”。三個詞的變動，背后是整個業務線的邏輯重塑，以AI為軸心，重新編織學習服務與在線營銷這兩張網。

2026年5月，這顆洋蔥又剝開了一層：企業級大模型聚合平臺ThinkFlow正式發布，DeepSeek、Kimi、Qwen等20余款主流大模型被納入統一調度。

從“子曰”到“龍蝦”，從AI答疑筆到ThinkFlow，網易有道正在一層層剝掉業務外衣。剝到最后，你會發現，那顆最緊實的核，是AI。

主筆/ 佳佳；文章架構師/ 拓拔野；出品/ 桃李財經

01 教育AI的難與路

2025年底的年度股東大會上，網易有道CEO周楓正式宣布了公司的戰略升級：“學習與廣告AI應用服務提供商”。

兩個關鍵詞，AI應用、服務提供商。周楓的解釋很直白：AI浪潮讓大量應用和服務都可以重新做一遍。

為什么是“AI應用”而非“AI技術”？這是一個務實的判斷：大模型的紅利正在兌現，但誰能把模型能力裝進具體場景、做出具體產品，誰才能真正吃到。

2026年4月的清華論壇上，周楓把問題講得更透。互聯網技術讓教育從“手工作坊”變成系統工程，但海量內容不等于學習效果，生產的工業化不能替代個性化。他的核心判斷是：“教育AI的落地要比聊天和編程更難。”原因在于學習過程的長期性、目標定義的困難性、利益相關者復雜，以及對不出錯的極高要求。

一次代碼生成錯了兩行，開發者自己就能發現；一次閑聊跑題了，用戶笑一笑就過了。但在教育場景里，AI面對的是對錯分明的學生和家長，容錯空間趨近于零。

所以有道的打法很明確：不跟通用大模型卷參數，專注教育垂類場景。

自2023年啟動“子曰”教育大模型研發，迭代路徑逐漸清晰：1.0版本聚焦知識問答，2.0強化英語能力，3.0引入強化學習突破理科答疑。2026年初，子曰-o1作為教育領域首個開源推理模型正式亮相，2024年該模型已實現全年盈利。

AI不是噱頭，而是生產力工具。那些早早把AI嵌入核心業務的公司，正在從技術儲備走向價值兌現。

02 層層遞進的AI拼圖

如果只看戰略描述，網易有道的AI轉型可能被誤讀為一次單純的業務調整。但拉長時間線，會發現這是一場層層遞進的產品覆蓋。

最底層的，是“子曰”教育大模型。它是一個擁有垂直知識體系的專用模型，不是直接在通用模型上做個“教育皮膚”。有道為此持續優化：從Hi Echo英語口語教學，到小P老師的理科答疑，再到AI答疑筆的生成式視頻講解，每一步迭代都在把模型能力壓實到具體場景。

2026年4月發布的有道詞典筆A7S提供了一個耐人尋味的技術思路。這支售價僅349元的入門級產品，集成了豆包、千問、DeepSeek、子曰等模型集群，用戶可根據推理或語言場景自由切換-。它沒有只依賴自研模型，而是開放接入多款模型，目的是讓不同任務匹配最合適的AI“大腦”。

這種多模型協同的思路，指向了一個更深層的認知：單一大模型無法解決所有問題。面向英語初學者的產品，與面向代碼開發者的產品，需要的是完全不同的模型能力棧。

C端Agent“有道龍蝦”（LobsterAI）的推出則是有道在AI應用層的另一場關鍵落子。作為國內大廠首個100%代碼全開源的AI Agent，它已接入微信、企業微信、QQ、釘釘、飛書，實現主流IM全覆蓋。用戶可以直接在手機端給AI“派活”，從數據分析到PPT生成，都可以遠程完成。

開源不是擺設。國外開源社區OpenClaw的創始人Peter Steinberger曾公開為有道龍蝦點贊，原因是它提供了一種更安全的選擇，代碼全開源意味著用戶可以本地化運行數據，不必把所有敏感信息上傳到云端。這在企業級場景里是硬需求。

2026年5月，有道龍蝦率先完成了對DeepSeek-V4與Kimi K2.6兩大最新旗艦模型的支持和接入。前者擁有1M百萬級超長上下文，后者在長程編碼能力上表現突出，二者疊加之后，有道龍蝦在辦公自動化、長文檔處理、多步驟任務執行等場景中的能力進一步提升。

從“子曰”到“龍蝦”，有道的AI布局從垂類教育模型走向通用智能體，從單一工具走向全場景服務。但還不夠，這個鏈條的“最后一公里”，在B端。

03 補上B端最后一塊板

2026年5月12日，網易有道發布企業級大模型聚合平臺ThinkFlow。

這個產品的定位是一條紐帶，幫助企業一次性接入20余款主流大模型，無需重復適配各家API協議，業務端切換模型不用重寫代碼。內置的智能路由、負載均衡與實時監測，能在毫秒級完成故障切換，配合限流熔斷策略，確保前端幾乎感知不到服務波動。

聽起來技術味很濃。但本質上，ThinkFlow解決的是一個非常樸素的問題：企業到底在AI上花了多少錢？

全鏈路Token消費可視化看板，把大模型調用成本精確到單次請求，讓企業財務再也不用在月末面對“AI預算全部超支”的茫然。同時，平臺統一保管所有API密鑰，支持模型服務部署于企業自有服務器或專屬云環境，調用數據全程在企業側處理。

這是一個“隱形成本”的問題。很多公司把AI接入做得天花亂墜，但很少算賬：員工自己申請的十幾個API密鑰散落在各部門代碼里，Token消耗不受控，模型宕機了只能人工切換。這些成本從來不在預算表里，卻實實在在地啃噬著企業的AI投入產出比。

ThinkFlow的底層架構脫胎于網易內部的大規模場景實踐，已在網易有道、網易游戲、網易云音樂等場景中完成壓力測試，能支持從小規模POC到大規模生產的平滑過渡。

IDC的數據為這道題提供了宏觀注腳：2025年，中國企業級MaaS（模型即服務）市場的Token調用量增長超過16倍。預計2026年全年Token消耗量約為40,000萬億次，較2025年進一步增長約20倍-。當Token消耗量以年化20倍的速度井噴，“怎么管”必然成為比“用什么”更緊要的命題。

從這個視角看，ThinkFlow的推出標志著網易有道完成了AI戰略的全鏈條閉環。底層模型層有“子曰”，C端應用層有“龍蝦”，B端基礎設施層有ThinkFlow。三塊拼圖合在一起，構成了從算力調度、模型研發到終端應用的全棧能力。

周楓在2026年初判斷“2026年將成為AI Agent的關鍵元年”。ThinkFlow正是這句話在基礎設施層的落子，只有企業端的大模型調用足夠穩定、低成本且安全，C端Agent的繁榮才有底層的支撐。

04 桃李財經的思考：一家公司的向內生長

從“子曰”到“龍蝦”再到ThinkFlow，表面看是產品線的延伸，實則是能力軸的折疊：把分散在教育、廣告、硬件里的AI能力，一點一點收攏、壓實、重構。

這種“向內生長”并不性感。它意味著放棄短期的概念炒作，忍受轉型期的增速放緩，甚至要接受外界“看不懂”的質疑。但正是這種克制，讓有道在AI落地最難的環節，場景適配、成本控制、工程化交付，率先跑通了閉環。

這是一條從外向內收斂的路徑。剝掉教育、廣告、硬件、軟件這些業務外衣，你看到的是一個正在裸露出AI內核的公司。

而所有外衣的歸位，本質上是在圍繞這個內核重新生長。