【ITBEAR】
作者｜商業(yè)消費主筆 黃青春
題圖｜視覺中國
“孤獨的人是可恥的”，歌手張楚在 1994 年推出的同名專輯如是唱道。然而 30 年后的互聯(lián)網(wǎng)，人們反復(fù)甄別，相遇到相知依然是件困難的事情。
相比 80 后、90 后，00 后會更多地為個性化和能夠彰顯自己獨特的數(shù)字產(chǎn)品和服務(wù)買單，這使得做年輕社交越來越像一門玄學(xué)——從QQ、探探、Soul、積目再到小眾化的輕語、Dots、Falo，交互體驗往往決定著產(chǎn)品的上限。
“年輕人的社交需求在不斷演化，關(guān)系鏈發(fā)現(xiàn)、建立、活躍等維度會影響用戶數(shù)據(jù)，但 UI 設(shè)計、AI 能力、運營策略則會直接關(guān)系用戶體驗。”一位資深產(chǎn)品經(jīng)理向虎嗅表示。
上周，Soul 剛剛在 GITEX GLOBAL 上（全球三大 IT 展之一）亮出了 AIGC+ 社交融合的新進展：用戶不僅能利用 AI 創(chuàng)建 3D 數(shù)字人，還可以實時進行沉浸式語言、肢體互動。
“以前多模態(tài)交互是一個連續(xù)生成過程，會有延時，Soul 現(xiàn)在語音對話延遲不到 200 毫秒，因為我們已經(jīng)推出了端到端大模型能力——過去先生成文本/圖像再轉(zhuǎn)換為語音，現(xiàn)在能將語音與 NLP 統(tǒng)一到一個集成流程中，從而消除了滯后問題。”Soul CTO 陶明解釋稱，這背后是一個數(shù)百人的技術(shù)團隊在支撐，而 AI 人員配置占了一半。
事實上，2022 年底 ChatGPT 橫空出世讓整個互聯(lián)網(wǎng)都為之躁動，心有猛虎的公司都在尋找向上攀爬的入口——豆包之于字節(jié)、元寶之于騰訊、文小言之于百度、通義千問之于阿里，互聯(lián)網(wǎng)企業(yè)接連躬身入局。
形勢不等人，Soul 也縱身一躍跳入了這股時代浪潮——一方面，中國移動互聯(lián)網(wǎng)走到用戶、流量趨于見頂?shù)某墒炱冢O(jiān)管會更側(cè)重產(chǎn)業(yè)互聯(lián)網(wǎng)的推進與建設(shè)；另一方面，在大模型浪潮的推動之下，AI 正為企業(yè)打開新的增長空間，這意味著技術(shù)走到平臺重構(gòu)生態(tài)的關(guān)鍵時期，互聯(lián)網(wǎng)公司必須敢于縱身跳入 AI 浪潮（包括技術(shù)生態(tài)迭代、研發(fā)投入等）博一張未來的船票。
于是，越來越多開發(fā)者試圖為用戶構(gòu)筑出一個豐饒的精神樂園、賽博分身，默默打磨著產(chǎn)品和團隊，日拱一卒推動著產(chǎn)業(yè)齒輪緩慢前行。
而當(dāng) AIGC 的子彈射中社交時，往往要具備兩個條件，一是持續(xù)推進產(chǎn)品快速迭代；二是持續(xù)探索新業(yè)務(wù)與場景融合方式。“Soul擁有‘人機對話’的基礎(chǔ)原子能力，但用戶與業(yè)務(wù)之間存在鴻溝，不能直接把原子能力推向用戶，而要構(gòu)建一個AI being 和 Human being 共存的社區(qū)。包括大模型六小強做的一些 AI 聊天產(chǎn)品都支持單點聊天能力，但社區(qū)無法僅靠單點聊天維持。”
陶明介紹， Soul 正從技術(shù)層面利用規(guī)則和策略，讓人與 AI 交互變得更沉浸、真實。“人與 AI 在同一時空下不僅是單純聊天，還要一起參與、創(chuàng)造場景，才能不斷豐富用戶體驗。”
順著這個邏輯，AI 不能只具備認知能力，還應(yīng)當(dāng)具備超強的感知能力——純認知能力給用戶帶來的價值有限，用戶更希望表達被感知和理解。
“社交產(chǎn)品要善于創(chuàng)造場景，在人與 AI 的交互過程中打造更多場景，前陣子我們發(fā)布了一個 demo，智能體在跟我們用戶打電話的過程當(dāng)中，如果你咳了幾聲，AI 會思考你是否感冒，這個互動過程用戶獲得 AI 的關(guān)心，是一種情緒價值。”陶明說到。
他認為，要加快 AI 的感知效率，必須要在語音和 NLP 的融合上下功夫，但很多大模型公司更多在打造基座能力，Soul 是為數(shù)不多去趟這個方向的企業(yè)，就是為了讓用戶能實時與具備形象、表情、記憶的 AI 多模態(tài)交互。
如此發(fā)展下去，年輕人好友列表會擴列越來越多 AI ——與 80 后、90 后社交基于某些物理連接（現(xiàn)實身份信息）不同，00 后社交更傾向構(gòu)建一個賽博分身——他們對于互聯(lián)網(wǎng)懷著一種熱烈的期待，渴望被看見，卻又固執(zhí)地選擇畫地為牢、圈地自萌（圈層化）成為這個世代賽博社交最顯性社交共性。
為什么賽博社交更容易擄獲年輕人的心？
多位社交賽道從業(yè)者向虎嗅表示，市面上大多數(shù)傳統(tǒng)社交產(chǎn)品與現(xiàn)實關(guān)系綁定、強調(diào)顏值、中心化分發(fā)內(nèi)容，反而使自在表達、注重個性化的產(chǎn)品凸顯出差異化優(yōu)勢：
首先，以探探為代表的滑動匹配，通過產(chǎn)品設(shè)計放大顏值、真人照片帶來的視覺刺激。優(yōu)勢在于，極高的匹配效率；劣勢在于，用戶關(guān)系維護、沉淀環(huán)節(jié)缺失，容易轉(zhuǎn)移到其他主流社交平臺，長期留存不理想。
其次，與傳統(tǒng)社交產(chǎn)品唯顏值論、強調(diào)荷爾蒙源動力不同，賽博社交以審美、興趣為出發(fā)點，重塑形象進行社交溝通；賽博社交倡導(dǎo)“注意力普惠”，鼓勵每一個用戶參與到內(nèi)容創(chuàng)造與社交互動中，并通過機制保證每個用戶的發(fā)聲被“同好”看到。
與此同時，主張個性表達是 00 后身上的顯著標(biāo)簽，因為沒有權(quán)威崇拜，反而可以更坦然面對自我——他們并不 care 你現(xiàn)實中的身份，對交友質(zhì)量特別在意，更注重深度自我表達、平等溝通、包容性，有更強的群體認同感——漢服、語 C、Pia 戲等亞文化圈子莫不如是。
對此，Soul 產(chǎn)品負責(zé)人車斌曾向虎嗅表示，“從產(chǎn)品功能角度來看，賽博社交核心服務(wù)是無壓力社交互動，并以多樣的產(chǎn)品功能滿足各個圈層個性化的社交需求。尤其 00 后，更依賴‘賽博好友’，彼此不需要成為線下好友。”
以下為虎嗅與 Soul CTO 陶明在迪拜溝通對談實錄，部分內(nèi)容為方便閱讀有所刪減和調(diào)整：
賽博社交被 AI 拿捏了
Q：從用戶需求來說，開發(fā)虛擬數(shù)字人大模型的前景如何？
陶明：人機對話是產(chǎn)品基礎(chǔ)的原子能力，但不能直接把原子能力推向用戶，而要構(gòu)建一個 AI being 和 Human being 共存的社區(qū)，大模型六小強現(xiàn)在的一些 AI 聊天產(chǎn)品都支持單點聊天能力，但一個社區(qū)無法僅靠單點聊天維持住，需要更多 AI 與人共處的場景，比如語聊房場景讓 AI 融合人的模擬情境去交流，類似現(xiàn)實世界的仿真。
所以，產(chǎn)品要善于創(chuàng)造場景，在人與AI 的交互過程打造更多場景。我們前陣子發(fā)布的 demo 中智能體就有感知能力，聊天中用戶咳幾聲，AI 會圍繞是否生病這個 topic 展開話題，再比如用戶跟 AI 語音對話，AI 聽到周邊是咖啡館或音樂派對，便會主動切入話題。
當(dāng)然，AI 只具備認知能力并不夠人格化，還必須要有感知能力，所以很多公司會認為加大 o1 認知能力，才能給用戶帶來更多的體驗。
Q：你們產(chǎn)品多模態(tài)與 o1 呈現(xiàn)效果差距如何？
陶明：對于 AI 的進化來講，感知能力不僅是聽得到聲音，還要聽到環(huán)境。所以，加快 AI 的感知效率必須要在語音與 NLP 的融合上下功夫。但這并非多數(shù)大模型公司的方向，他們更多是要打造基座能力，我們是為數(shù)不多去趟這個方向的公司，目前效果反饋不錯，馬上就可以發(fā)布視頻能力，屆時 AI 不僅聽得見還能實時與用戶視頻聊天，它有形象、表情和語言邏輯。
而且，端到端延遲在 200 毫秒以內(nèi)，它不是原來模型的串行，而是把語音和 NLP 的 talking 統(tǒng)一化了，延時得到極大改善，用戶才能真正“實時”得到交互反饋——這對業(yè)務(wù)會是一個極大拓展，未來類似直播或露臉的功能就可以做了，可探索空間被極大延展。
Q：這個感知包括 AI 場景搭建，有哪些關(guān)鍵的指標(biāo)？
陶明：今年上半年整個戰(zhàn)略方向做了調(diào)整，重點聚焦在 AI 手段得提效上，讓 AI 增強現(xiàn)有的社交網(wǎng)絡(luò)，站內(nèi)數(shù)據(jù)反饋很不錯。滲透來講的話，AI 相關(guān)場景/功能應(yīng)該大幾百萬日活，原來很多場景是產(chǎn)品策略去承接，然后打造一些產(chǎn)品功能，現(xiàn)在都慢慢有AI自主去承接。
不過，目前并沒有全量去鋪 AI 功能，而是一點點去滲透，因為每個人接受程度、適應(yīng)能力不同，有些人愿意嘗試新事物，有些人則不一定，所以只能循序漸進。
Q：交互需要對用戶建立很多標(biāo)簽，如何實現(xiàn) AI 的長記憶能力？
陶明：最開始是搜索思路，回答之前搜機庫把答案存下來；后來做了個 AI 小模型，在進入對話大模型之前，小模型會幫用戶提煉記憶點，可能有數(shù)百個記憶點，時間越長記憶點所涉及范圍會越廣。
現(xiàn)在設(shè)想的是對長記憶數(shù)據(jù)直接輸入進去，但這是一個大的技術(shù)方向，里面還有很多細節(jié)，比如記憶不能說完全是持續(xù)的，比如整個記憶里面某個點重復(fù)多次，不同時間點感冒應(yīng)該取哪一次？不同場景是不一樣的，這需要人工去做一些標(biāo)注輔助，不是一個模型就能解決的。所以，端到端去解決用戶體驗還有改進空間，拋開產(chǎn)品、運營，很難純技術(shù)解決端到端。
Q：這一輪 AI 技術(shù)浪潮，你們是產(chǎn)品推著技術(shù)往前走還是技術(shù)研發(fā)推著產(chǎn)品發(fā)展？
陶明：原來邏輯是產(chǎn)品出需求，然后技術(shù)實現(xiàn)；現(xiàn)在情況會有一些不同，在內(nèi)部需求群里 AI 算法工程師與產(chǎn)品都可以提需求。現(xiàn)階段來看，技術(shù)工程師知道 AI 現(xiàn)在能做什么、需求能實現(xiàn)的確定性高，但產(chǎn)品是創(chuàng)意驅(qū)動，提的需求可能現(xiàn)在做不了。不過，這種錯位是階段性的，最終產(chǎn)品與技術(shù)的認知會逐漸拉平。
當(dāng) AI 的子彈擊中社交
Q：關(guān)于社交出海，是否有具體的推進計劃？
陶明：海外一直在探索，Soul 不僅是社交，也要在 AIGC 有獨特生態(tài)位，但考慮到體驗層面及用戶端粘性，現(xiàn)在沒有正式把海外產(chǎn)品放出來，依舊是主平臺傳遞 AIGC + 社交的概念，即面向不同市場，有不同產(chǎn)品表現(xiàn)形式，不同功能及場景，但底層已經(jīng)徹底打通。
當(dāng) AIGC 的子彈射中社交時，往往要具備兩個條件，一是持續(xù)推進產(chǎn)品快速迭代；二是持續(xù)探索新業(yè)務(wù)與場景融合方式，后者現(xiàn)在還不是很明朗，所以面對這樣一個不確定性的探索，我們還沒設(shè)計具體的時間表。
Q：你們訓(xùn)練了兩個 AI 模型，在降本增效上有所體現(xiàn)嗎？
陶明：降本增效這個話題是繞不開的。我們有兩個模型，一個是基于形象層面的3D大模型，從2020年開始探索，希望用戶在產(chǎn)品中打造另外一個人設(shè)，同時能一鍵生成形象；另一個是多模態(tài)大模型，希望用戶不僅在 Soul 里面能跟真人進行對話，還能跟 AI 進行對話。這兩條線一直努力往前走，AI 大模型感知層面已經(jīng)蠻成熟。
具體而言，組織層面正將各個職能架構(gòu)進行重組，分 NLP、3D、CV、語音等，團隊把面向單模態(tài)模型的所有工作全部 close 掉，打造一個融合團隊來構(gòu)建多模態(tài)模型。
至于技術(shù)層面，組織一定會帶來技術(shù)方向的改變，所以現(xiàn)在整個技術(shù)上只有兩條線：一條線是圍繞類似 GPU 融合去打造 3D、CV、語音的多模態(tài)模型；另外一條線是圍繞最近 OpenAI 發(fā)布的 o1 模型這個思路去嘗試，因為語言模型是驅(qū)動底層模型更通用、更智能的方向，所以業(yè)內(nèi)會保留 NLP 類似 與 o1 在推理端進行強化學(xué)習(xí)的技術(shù)方向走，只是快和慢的問題。
Q：大模型開閉源之爭，您怎么看待這個問題？
陶明：大模型從發(fā)展之初就存在開源與閉源兩條路線，背后是兩個不同的商業(yè)模式。有企業(yè)一直說閉源最好，因為它要打造閉源生態(tài)，這是最佳路徑，所以必須要強調(diào)這個方向，讓潛在客戶伙伴不要去自研模型；選擇將大模型閉源的有 OpenAI 的 ChatGPT、百度的文心一言、華為的盤古、商湯的日日新等；而選擇開源的 meta、谷歌、百川、360、阿里等企業(yè)，希望借助“ Linux 模式”，聚合生態(tài)力量，讓自己在 AI 市場占據(jù)一席之地，肯定會不遺余力讓潛在客戶用他的模型訓(xùn)練垂類模型。
從技術(shù)鄙視鏈條來看，企業(yè)產(chǎn)品訓(xùn)練用的開源，但內(nèi)心其實也很想去打造一個閉源，這是工程師的一個執(zhí)念，去打造一個完全閉源從 0~1 訓(xùn)練的大模型，而不是站在開源的基礎(chǔ)上展示技術(shù)能力。
Q：中國互聯(lián)網(wǎng)公司訓(xùn)練現(xiàn)在租卡和買卡投入上如何平衡？
陶明：很多公司沒錢建專門的 GPU 機房，會去各個云平臺買獨占的卡，也會儲備一些彈性的卡，這主要是從成本角度去考量。
但是囤卡風(fēng)險太大，比如去年囤幾千張卡到現(xiàn)在，整個卡的價值今年可能只剩下百分之三四十，價格波動太大。所以，大模型訓(xùn)練不要頭腦發(fā)熱去囤卡，現(xiàn)在跟供應(yīng)商去聊，不管軟件還是硬件，技術(shù)層面的商務(wù)交付方案必須可變，如果含固定就沒有空間了。
Q：今年大模型行業(yè)似乎在降溫，主要源于什么？套用開源模型與自研哪個好？
陶明：技術(shù)方向其實已經(jīng)逐漸明朗，面對確定性的東西大家心態(tài)就會不那么焦慮，大概知道每家最后的底牌是什么。最近行業(yè)又有點焦躁，因為 AI 的推理能力的提升，大家又看到一個新的不確定東西，或許行業(yè)瓶頸是在英偉達，但現(xiàn)在還是 OpenAI 在引領(lǐng)。
至于是否自研，國內(nèi)資源現(xiàn)在沒有那么缺，去年開源的模型越來越多，在開源的基礎(chǔ)上打造自己的基座并不是壞事——因為給業(yè)務(wù)賦能其實比自己埋頭去做 Api 更重要。其實從產(chǎn)品角度來說，要的是快速交付，可能一天就要進行微調(diào)，但對 B 端公司很難交付，所以自研也會同步進行。
正在改變與想要改變世界的人，都在
