向您介绍 UniCards 留学信息聚合平台——商业项目 IntroUniCards Version V1.0 · 2026.08
Introduction / 初次见面
我是黄达, 可以叫我黄老师 / DerekHuang。
过去九年多,我一直从事艺术留学行业,在一线从事教学与教学管理、校区管理、升学咨询和创业。
9年+ 行业经验
教学 · 教学管理 · 校区管理
升学咨询 · 独立创业
个人所授学生名校录取(Offer)超百封
管理经手成功录取(Offer)数千封
我正在筹备的新项目
Introduction to UniCards:一个把留学院校信息与 AI 学业规划放在一起的留学信息聚合与决策平台。
我希望学生和家长不再需要在院校官网、排行榜、社交平台和机构销售之间反复核验,而是在一个入口中查清信息、理解差异,并获得更适合自己的升学方案。
以往需要学生和家庭花费数十小时搜索、比较、验证和确认的院校信息,UniCards 希望通过结构化数据与统一入口,将目标院校核心信息的初步查询压缩至约 5 分钟 ;复杂申请决定仍应结合院校官方来源与专业判断。
目标客户 先服务准备海外艺术设计类本科或硕士申请的学生与家庭,再逐步扩展至全学科留学。
现在是什么阶段 融资前准备与极少量内部测试;目前暂无付费用户。
盈利逻辑 免费信息获客 → AI 规划与导师服务 → 用户授权的 B 端(机构合作方)线索/签单 → 远期数据、API(数据接口)与 SaaS(软件订阅服务)。
全国留学大盘 57.06 万人 2025 年中国出国留学人员,教育部留学服务中心官方口径
艺术留学切入市场 约 5.7–8.6 万人/年 按艺术类占总体 10%–15% 的研究工作区间推算
内部规划分母 7 万人/年 用于阶段目标与渗透率规划,不作为官方统计引用
长期拓展 全学科留学 先验证艺术设计类,再复制数据库、评估和规划框架
市场口径说明:最新可核验的全国官方数据是 2025 年 57.06 万人;艺术类 10%–15% 是项目研究工作区间,不是全国统一官方占比。由于缺少同口径连续权威序列,本页不把“当前约 10% 增速”写成确定事实。
目前阶段融资项目文件包含 核心产品可现场演示;完整模型、研究与执行材料在确认交流意向后分级开放,本页不直接链接敏感文件。
01 UniCards Prototype(可交互产品原型)演示入口 院校资讯聚合 + AI 深度学业规划两项核心产品,可现场完整演示
02 UniCards Pitch Deck V2(商业计划书视觉呈现版) 项目、市场、产品、商业模式、里程碑与融资方案的正式汇报材料
03 天使轮融资测算表 V2.4 / FM1.0(统一财务模型口径) M1–M48(第 1–48 个月)注册、收入、成本、现金流、Runway(资金可维持运营月数)与关键节点计算母表
04 天使轮融资规划书 V2.4 与锁定测算表一致的融资结构、预算配置、团队与执行规划
05 UniCards M1–M18 营销计划 双预算情景、渠道配置、阶段闸门、目标拆解与数据地基
06 市场与竞争研究 中国艺术留学、广东区域、Niche、留学机构与市场数据核验
07 FM1.0 指标、状态与市场口径字典 统一跨文件定义、事实/假设边界、版本状态与引用规则
08 产品运行逻辑、信息架构与商业画布 院校数据库、AI 审核更新闭环、规划流程及商业协同结构
Project Motivation / 我为什么做这件事
这是2012年我有留学的念头的时候,就深刻感受到的问题,至今仍是如此。
在教学和咨询现场,我不断看到学生把大量时间花在搜索、比较和辨别信息上。院校数据散落、更新时间不一,真实经验和营销内容混在一起;一个高投入、长周期的留学决定,常常建立在不完整的信息和个人顾问的有限经验之上。
与此同时,中国留学需求已经持续十余年,但市场仍缺少一个以中立信息、结构化数据和可解释决策为核心的系统化第三方平台。这里并非没有竞争,而是这种供给方式仍有明显空白。
AI 正在改变这个行业的成本与效率:过去需要顾问反复查找、整理和比较的工作,可以由 AI 在限定权威来源、固定数据格式和规则约束下近实时完成,再由人工对关键结论进行检查。它让更完整、更一致的规划服务第一次有机会以更低边际成本覆盖更多家庭。
结合我个人工业设计的专业背景,我想把自己九年多在教学行业的理解、教学判断、院校经验和管理方法,变成一个不依赖单个顾问、能够持续更新并逐步扩展的产品;同时,在这个每年新增近 60 万留学生、规模达数百亿元的市场中,我也清楚地看到了这项事业背后巨大的商业价值与拓展空间。
Product Logic / UniCards 如何帮助用户
先让用户查清楚 ,再帮助用户做决定 。
UniCards 不是另一个堆满营销文章的留学网站,也不是一家把咨询包装成平台的传统机构。
01 / 查清信息
院校资讯聚合 把院校、专业、学位、费用、语言和申请要求按统一口径呈现,并保留来源与更新时间。
02 / 理解选择
AI 学业规划 基于个人背景、目标、预算和准备状态,形成冲刺/匹配/保稳组合、逐校解释与行动时间线。
03 / 获得帮助
专业服务连接 需要进一步确认时,由导师提供专业答疑;在用户授权后,再把明确需求连接给适配服务方。
第一阶段客户 准备海外艺术设计类本科或硕士申请的学生 需要参与费用与院校决策的家长 处于专业选择、选校或申请准备阶段的高意向用户
中长期范围 (实际决策可能变动) 从全球顶尖院校前 300 的艺术类与设计类学科切入 扩展至全球 500–600 所院校的艺术留学全专业 最终复制到全球约 600 所院校的全学科留学信息与规划
Prototype 01 / 院校资讯
已经可以看见的产品, 不只是概念。
当前演示版聚焦艺术与设计院校。下面截图均来自真实可交互的 Prototype;正式上线版本将在融资后重新设计和建设。
01 · 院校项目检索与比较 点击截图可放大
在同一口径下查看和比较院校。 院校、国家、专业、学位层级与项目数量被放进统一结构,减少用户在多个网页间来回查找。
02 · 连续浏览院校资讯卡 公开院校数据 · Prototype
从搜索结果继续进入可行动的信息。 每个项目进一步呈现申请门槛、语言、作品集、费用与材料要求,保留来源与更新口径。
一张深度卡片,继续展开完整决策信息。
下面四个代表性视窗来自同一张完整二级院校资讯卡;点击任一视窗可查看完整长图。正式 Prototype 已恢复院校 Logo、城市图片与导师图片素材。
01 · 院校与专业定位、申请门槛 先回答“这是什么项目、适合谁、需要什么”,再继续进入专业要求与作品集判断。
02 · 课程结构、师资与竞争难度 把课程单元、教学资源、行业连接和录取难度放在同一阅读路径中。
03 · 学费、生活成本与总预算 从年度学费继续展开住宿、交通和日常开支,形成可核对的整体预算。
04 · UGC(User Generated Content,用户生成内容)院校在读与毕业生评价社区、智能评估风险与来源核验 保留正反面反馈、信息来源与进一步验证入口,避免只呈现营销式结论。
Prototype 02 / AI 学业规划
让一份完整规划更快、更清晰 ,也更容易被更多家庭获得。
演示数据使用完全虚构的学生“林悦”。内部权重、规则阈值和模型配置不在本介绍页公开。
AI 的优势,不只是“生成一段回答”。
传统顾问需要反复查资料、比较院校并整理方案,交付质量也会受到个人经验、时间和销售目标影响。UniCards 的目标,是由限定数据源和规则约束的 AI 在秒级生成结构完整的规划初稿,持续保持信息口径、视觉标准与解释逻辑的一致,再由 AI 对关键结论进行检查。它不否定专业老师,而是把老师从重复整理中释放出来,并显著降低高质量规划的边际成本。
01 · AI 深度规划报告关键段落 A 虚构演示用户 · Demo Data(演示数据)
从完整学生画像进入可解释的选校组合。 背景、目标、预算与准备进度共同构成输入,输出冲刺/匹配/保稳分层、逐校匹配理由和关键风险。
02 · AI 深度规划报告关键段落 B 深度规划 · 非基础版
规划继续落到作品集、时间线与备选方案。 长周期申请被拆解为阶段任务、能力差距、风险提示与替代路径;本页呈现代表性段落,完整报告与单独长图可在现场演示。
推荐结果还可以进入单校解释。
AI 给出的学校不是一个孤立名称:用户可以继续查看匹配院校的课程、费用、语言门槛、作品集要求与风险提示。
AI 推荐院校详情 · 卡内基梅隆大学示例 规划结果与院校数据库继续衔接,帮助用户理解“为什么推荐、还差什么、下一步查什么”。演示用户与数据均为虚构示例。
从免费信息到精准热线索的四层漏斗
产品价值与商业模型在同一条用户路径中逐步加深:先帮助用户,再通过真实使用和低价付费识别意向。
第一层漏斗 深度院校与专业卡片(免费) 筛选浅层意向留学客户 用真实查询行为识别院校与专业兴趣。
第二层漏斗 秒级规划初稿(免费) 筛选深层意向客户 沉淀背景、目标、预算与申请时间等用户画像。
第三层漏斗 秒级深度报告(低价) 形成付费级高精准意向客户 以小额付费验证规划需求与行动意愿。
第四层漏斗 专业规划老师深度人工咨询(低价) 确认意向并形成精准热线索 进一步确认留学意向和服务需求,形成可授权承接的热线索资源。
比较项目
传统一对一规划 · 人工密集型
UniCards AI 深度规划 · 结构化 + AI 复核
视觉呈现
多数老师缺少独立视觉与交互设计能力;若达到同等级的资料编排与视觉呈现,往往还需要额外设计协作和至少数天制作。
秒级生成高可读性的结构化网页初稿;信息层级、图表和交互统一,并可适配 Web、移动端及图片/PDF 保存。
交付效率
查找资料、比较院校、整理文字与排版高度依赖人工,完整交付通常按工作日计算。
AI 先完成资料调用、匹配、解释、视觉编排与关键结论复核,专业老师主要投入深度答疑;目标是把初稿缩短到秒级。
人工与机器成本
依赖高经验顾问逐份制作,产能随人数线性增长;高质量服务难以低价覆盖更多家庭。
主要边际成本转为模型、数据调用与审核;单份计算成本预期显著低于专业人工,但正式成本仍需上线后实测。
准确性与一致性
结果受个人知识边界、记忆、时间投入和交付习惯影响,不同老师之间口径容易变化。
限定权威来源、固定字段、匹配规则和版本记录;由 AI 对关键结论进行二次检查,提升口径一致性,但不宣称完全替代专业判断。
公正性
建议可能受到机构合作院校、佣金结构、销售任务或顾问个人偏好的影响,用户难以识别利益边界。
将选校逻辑与商业服务分离:先按用户条件给出可解释建议,仅在用户授权后连接服务方,并清楚披露商业关系。
更新能力
院校政策变化主要靠个人跟进,全面复查成本高,旧资料难以及时发现。
AI 定期重新检查院校官网与政府/教育类来源,生成修正建议,经自审核与人工抽查后同步更新数据库和产品。
规模化能力
一个老师同期服务数量有限,扩张需要持续招聘、培训与质量管理。
标准化数据与流程可并发服务更多用户,专业导师集中处理复杂问题、审核与热线索转接。
Business / 客户、模式与优势
免费信息建立信任 ,规划识别需求,授权服务完成商业闭环。
C 端(学生与家庭用户)价值 深度院校资讯与比较:免费用户入口 AI 规划初稿免费,深度报告低价付费 专业规划老师深度咨询:低价人工服务
B 端(机构合作方)价值 仅在用户授权后转接明确需求 留学机构、语言培训等按实际效果付费 远期延伸至数据、API(数据接口)、院校 SaaS(软件订阅服务)与增量业务
UniCards 业务运作流程
把 Pitch Deck(商业计划书视觉呈现版)中的完整流程压缩为一条可快速理解的路径:免费内容建立信任,逐层识别意向,在用户明确授权后完成 B 端(机构合作方)分发与回款。
Core business logic · 核心商业逻辑
以免费优质内容 获取高意向留学用户, 逐层确认真实需求,再通过 B 端按效果付费 完成核心变现。
UniCards 以优质、高效、公正透明的免费院校内容作为用户入口,再通过免费规划初稿、低价深度报告与人工咨询逐层确认意向。当用户成为高意向留学者并明确授权后,平台将精准热线索推荐给艺术留学机构、语言培训机构,以及游学、研学、赛事等商业合作方。
01 · 免费内容建立信任 02 · 免费与低价服务筛选需求 03 · 机构按实际效果付费
01 · 内容入口 可信院校数据库 限定权威来源、结构化字段和持续更新,为免费深度院校卡片提供数据底座。
02 · 浅层筛选 免费院校与专业查询 以查询、收藏和比较行为识别真实的国家、院校与专业兴趣。
03 · 深层筛选 免费 AI 规划初稿 收集背景、目标、预算与时间,形成用户画像和初步选校路径。
04 · 付费验证 低价深度报告与咨询 小额付费验证需求;专业规划老师答疑并确认真实留学意向。
05 · 授权与分级 形成精准热线索 仅在用户明确授权后,按国家、专业、预算、时间与服务需求分类。
06 · 核心变现 B 端精准分发 连接适配的留学、语言与相关服务机构,并按照约定的实际效果付费。
核心收入 · B 端线索与签单 经过多层行为、付费与人工确认后再分发,提高线索质量与合作效率。
C 端收入 AI 深度报告、专业规划咨询与后续增值服务。
远期收入 数据/API、院校 SaaS、广告及新增业务。
1 项目发起人–市场匹配 九年多教学、管理、咨询和创业经验,理解学生与机构两端。
2 可信数据机制 限定权威来源、结构化字段、版本更新与人工关键检查。
3 AI 的成本与速度窗口 把重复整理转成自动化流程,让规划以更低边际成本被规模交付。
4 可扩展的框架 从艺术设计类验证,再向艺术主流专业和全学科留学复制。
Revenue projection / 收入规模化路径
从 M6 到最终阶段:收入规模化路径。
简化自正式 Pitch Deck(商业计划书视觉呈现版):只保留关键节点总收入与相对 M12(第 12 个月)的累计增长倍数。
M6–M48: 累计收入M60及最终阶段: 年度收入能力纵轴: 万元,对数刻度
20亿 10亿 1亿 1000万 100万 10万 1万
4.335亿/年
2,016.28x
M60 最终阶段一
M60 阶段一 4.335 亿元/年 年度能力 · 2,016.28x
最终 阶段二 18.05 亿元/年 年度能力 · 8,395.35x
详细数据可展示: 以上仅为摘要。注册、C 端(学生与家庭用户)付费、B 端(机构合作方)线索与签单、收入构成、履约成本、月度成本、累计收入、现金余额与 Runway(资金可维持运营月数)等详细数据,可在《天使轮融资测算表 V2.4 / FM1.0(统一财务模型口径)》中现场展示。规划边界: 全部数字来自融资测算模型,代表在关键假设成立时的规划情景,不是当前收入、已验证业绩或收益承诺。M19–M48(第 19–48 个月)及最终阶段需要后续融资或经营现金流支持。
Readiness, Funding & Current Goals / 准备度、融资与现阶段目标
核心材料与产品原型已经形成,现阶段正在寻找合适的投资人与合作支持。
2 Prototype(可交互产品原型) 院校资讯 + AI 学业规划
V2.4 融资模型与规划书 计算母表、Runway(资金可维持运营月数)与锁定版本
M1–18 营销执行计划 第 1–18 个月的基准/增强预算与阶段闸门
20+ 核心研究与材料 市场、竞争、产品、财务与核验
Current Goals · 现阶段重点
推动 UniCards 从完整融资准备进入真实的融资、合作与行业验证。
01 · 首要目标 寻找合适的天使投资人 寻找理解教育科技、留学服务与 AI 信息平台长期价值,并认同阶段性验证路径的投资伙伴。
02 · 项目协同 建立项目合作 探索产品技术、院校数据、渠道推广、机构服务及后续商业落地等合作可能。
03 · 可信度建设 获得背书与资源支持 连接教育、艺术留学、院校与产业相关的专业人士和机构,为产品验证与市场进入提供支持。
450 万元 拟进行天使轮融资 用于正式产品与数据库建设、核心团队招聘、18 个月运营和分阶段市场验证。
322.97 + 127.03 计划支出 + 安全垫(万元) 322.97 万元覆盖 M1–M18(第 1–18 个月)计划支出;127.03 万元为不含收入安全垫,约等于按 M18 月度成本静态测算的 6 个月 Runway(资金可维持运营月数)。
Project initiator / 项目发起人
教育背景: 西安建筑科技大学工业设计本科;University of South Australia / 南澳大利亚大学 Master of Design,工业设计方向。
当前职业: 现任广东某教育培训机构艺术留学板块负责人 / 合伙人。
机构管理经历: 曾任某大型国际艺术留学连锁机构全国工业板块负责人、广州校区教学主管、副校长。
国际高中管理: 曾任广东大型国际艺术高中副校长。
创业经历: 独立创办 LOOP-LOOP Art & Design Studio 艺术留学工作室;曾在澳洲创办个人工作室。
设计实践: 参与南澳政府植物园座椅设计及 RDNS 医院机构设计合作;曾获入学奖学金与设计专利。
UniCards: 独立推进项目研究、Prototype、商业计划、营销计划与融资材料体系。
个人所授学生名校录取(Offer)超百封 管理经手成功录取(Offer)数千封
英国代表性录取(Offer) 帝国理工 / RCA 双学位 MA 直录 RCA、UAL / CSM 爱丁堡大学、拉夫堡大学 格拉斯哥艺术学院、金斯顿大学等
美国及其他代表性录取(Offer) ACCD、Parsons、Pratt、SVA、SAIC CCA(含 72,000 美元奖学金) Monash、RMIT、OCAD、多摩美术大学 都灵理工大学(公派留学资格)等
我对这个机会的判断
中国留学市场有十余年的持续需求,但教育信息长期分散、不透明,用户面对的搜索结果又经常被营销内容占据。我看到的供给空白,不是“没有留学服务”,而是缺少一个真正从中立信息、结构化数据和用户决策出发的平台。AI 让数据采集、整理、核验、更新与个性化解释的成本和效率发生了根本变化;而这套方法一旦得到验证,完全可以扩展至全球院校、全专业留学范畴,甚至延伸至国内院校体系,以及数据/API、院校 SaaS 等更大的业务空间。UniCards 是我将长期一线经验与这一技术窗口相结合,并在当下 AI 剧烈变革的时代背景下深刻感知到的一次巨大时代机遇。