Figma和Sketch等设计工具已经满足了许多设计团队的需求，例如腾讯团队也在使用。然而，时代和市场的变化不断催生新的用户需求，这就需要我们思考：是否需要一款新的设计软件？它能解决哪些现有工具未能满足的需求？

当前的设计软件虽然功能强大，但也存在一些问题。软件工具的发展与用户需求密切相关，例如Sketch的崛起恰逢移动互联网的快速发展。

如今，全球远程办公趋势加速，对在线协同软件的需求日益增长，Figma正是在这种背景下迅速发展。

推动新一代设计软件诞生的关键因素是什么？答案是AI。自2021年起，AI的巨大潜力就引起了我们的关注。

AI正在改变人机交互界面，例如，我们观察到各领域软件界面趋于同质化，以降低用户的学习成本。这种趋势预示着人机交互界面将朝着更加统一的方向发展，而AI恰好擅长此类优化。

因此，我们认为AI蕴藏着巨大的机遇。

最近的交流中，我们发现许多人认为AI时代可以重塑一切。然而，这种热情有时会让人忽略细节。

我们选择AI工具作为发展方向，是因为我们相信AI与专业工具的结合将催生划时代的产品。正如Sketch和Figma在各自时代引领潮流一样，我们认为下一代产品将是专业工具与AI能力的融合。

专业工具领域涵盖范围广泛，我们需要找准具体的产品方向。

在考察众多项目后，我们最终选择深耕设计领域。设计师的许多需求尚未得到完全满足，而专业工具不仅能提供深度使用体验，还能借助AI有效提升效率。这正是我们选择这一方向的原因。

选择产品设计领域作为发展方向，是基于其广阔的发展前景。目标是构建一个涵盖产品研发全生命周期的“全家桶”式产品线，服务于产品经理、产品设计师、研发人员和测试人员等团队成员，赋能他们高效协同，最终产出高质量的产品。

产品设计工具被选定为最佳切入点，因为它连接着产品研发的上游和下游，有利于后续产品线的逐步扩展。Figma的快速崛起也增强了对设计工具发展潜力的信心。

公司对AI技术的应用并非始于GPT时代。早期就成立了AI实验室，招募AI科学家，致力于将前沿AI技术落地到实际项目中。

公司更注重技术的应用转化，而非纯理论研究。在设计领域，即使在大型AI模型出现之前，也已具备将AI技术应用于设计工具的能力。

GPT的出现则进一步增强了AI工具的潜力，为设计工具的发展带来了更多新的可能性。

在GPT出现之前，公司曾尝试将自适应学习应用于教育领域，旨在根据学生的知识薄弱点和学习进度，提供个性化的学习内容，包括视频课程和线下辅助练习。然而，该项目在提升学生成绩方面效果并不显著。这反映出教育领域的复杂性，它不仅关乎知识的传授，还涉及学生的兴趣、专注力等多方面因素。 因此，提升学生的学习兴趣，使课程更具吸引力，才是提高学习效果的关键。此外，自适应学习在在线教育中的有效性也一直存在争议，需要更深入的探索和研究。

自适应学习并非推土机式的产品，无法立竿见影地改变所有学生的学习状况。学习效果的影响因素错综复杂，最终仍需回归到产品本身的问题上。

自适应学习技术可在哪些场景发挥作用？例如，在学生进行练习时，如果系统检测到学生需要完成15到20道题才能完全掌握一个知识点，则可以通过自适应技术分析学生的个性化学习情况，将所需练习题量压缩到10到8道题，从而更直接地提升学习效率和知识获取速度。

传统的教育项目评估方式往往难以准确衡量最终效果，例如观察一个班级在半年后使用某种策略的学习变化。斑马英语此前开展过类似的自适应学习项目，其经验对后续项目具有一定的借鉴意义。

斑马项目依托强大的AI技术，例如在英语口语练习中，可以快速提供评价、评测和打分，教师也能实时了解学生的学习情况，这主要得益于语音识别技术的应用。在自适应方面，例如学生进行思维训练时，系统可以了解他们的掌握情况，并在每次互动推送中，根据不同学生的情况提供5到6种策略，以达到更佳的学习效果。

这并非是什么高深的技术，而是通过简单的交互设计来实现的。

自适应学习项目的开展对于团队的长期积累非常有益。工程师、产品经理和AI科学家之间形成了良好的生产关系，这是最大的财富。

团队成员理解业务，产品经理能够清晰地表达用户需求，工程师从产品角度理解需求，AI科学家则理解用户场景并解决问题。该项目汇聚了原斑马和猿辅导最顶尖的技术人才，正如乔布斯所说，要把事情变简单，只需要找到一群“A”级人才，让他们一起工作。

Motive项目正是如此，强大的产研团队是项目成败的关键。

在北京招聘50名产研人员的成本是其他公司的两倍。“其他公司”指的是行业平均水平。

团队的技术人才密度是其他公司的两倍。招聘并非为了设立岗位或提供高薪，而是为了筛选高能力的人才，而这些人才在市场上的薪资也是一个相对可靠的量化指标。

可以说，团队成员如同奥赛冠军一样，在Motive的研发过程中，他们确实解决了许多类似奥赛级别的难题。