孤独的人是可耻的，歌手张楚在 1994 年推出的同名专辑如是唱道。然而 30 年后的互联网，人们反复甄别，相遇到相知依然是件困难的事情。

相比 80 后、90 后，00 后会更多地为个性化和能够彰显自己独特的数字产品和服务买单，这使得做年轻社交越来越像一门玄学——从QQ、探探、Soul、积目再到小众化的轻语、Dots、Falo，交互体验往往决定着产品的上限。

年轻人的社交需求在不断演化，关系链发现、建立、活跃等维度会影响用户数据，但 UI 设计、AI 能力、运营策略则会直接关系用户体验。一位资深产品经理向虎嗅表示。

上周，Soul;刚刚在 GITEX GLOBAL 上（全球三大 IT 展之一）亮出了 AIGC+ 社交融合的新进展：用户不仅能利用 AI 创建 3D 数字人，还可以实时进行沉浸式语言、肢体互动。

以前多模态交互是一个连续生成过程，会有延时，Soul 现在语音对话延迟不到 200 毫秒，因为我们已经推出了端到端大模型能力——过去先生成文本/图像再转换为语音，现在能将语音与 NLP 统一到一个集成流程中，从而消除了滞后问题。Soul CTO 陶明解释称，这背后是一个数百人的技术团队在支撑，而;AI 人员配置占了一半。

事实上，2022 年底 ChatGPT 横空出世让整个互联网都为之躁动，心有猛虎的公司都在寻找向上攀爬的入口——豆包之于字节、元宝之于腾讯、文小言之于百度、通义千问之于阿里，互联网企业接连躬身入局。

形势不等人，Soul 也纵身一跃跳入了这股时代浪潮——一方面，中国移动互联网走到用户、流量趋于见顶的成熟期，监管会更侧重产业互联网的推进与建设；另一方面，在大模型浪潮的推动之下，AI 正为企业打开新的增长空间，这意味着技术走到平台重构生态的关键时期，互联网公司必须敢于纵身跳入 AI 浪潮（包括技术生态迭代、研发投入等）博一张未来的船票。

于是，越来越多开发者试图为用户构筑出一个丰饶的精神乐园、赛博分身，默默打磨着产品和团队，日拱一卒推动着产业齿轮缓慢前行。

而当 AIGC 的子弹射中社交时，往往要具备两个条件，一是持续推进产品快速迭代；二是持续探索新业务与场景融合方式。Soul拥有‘人机对话’的基础原子能力，但用户与业务之间存在鸿沟，不能直接把原子能力推向用户，而要构建一个AI being 和 Human being 共存的社区。包括大模型六小强做的一些 AI 聊天产品都支持单点聊天能力，但社区无法仅靠单点聊天维持。

陶明介绍， Soul 正从技术层面利用规则和策略，让人与 AI 交互变得更沉浸、真实。人与 AI 在同一时空下不仅是单纯聊天，还要一起参与、创造场景，才能不断丰富用户体验。

顺着这个逻辑，AI 不能只具备认知能力，还应当具备超强的感知能力——纯认知能力给用户带来的价值有限，用户更希望表达被感知和理解。

社交产品要善于创造场景，在人与 AI 的交互过程中打造更多场景，前阵子我们发布了一个 demo，智能体在跟我们用户打电话的过程当中，如果你咳了几声，AI 会思考你是否感冒，这个互动过程用户获得 AI 的关心，是一种情绪价值。陶明说到。

他认为，要加快 AI 的感知效率，必须要在语音和 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 是为数不多去趟这个方向的企业，就是为了让用户能实时与具备形象、表情、记忆的 AI;多模态交互。

如此发展下去，年轻人好友列表会扩列越来越多 AI ——与 80 后、90 后社交基于某些物理连接（现实身份信息）不同，00 后社交更倾向构建一个赛博分身——他们对于互联网怀着一种热烈的期待，渴望被看见，却又固执地选择画地为牢、圈地自萌（圈层化）成为这个世代赛博社交最显性社交共性。

为什么赛博社交更容易掳获年轻人的心？

多位社交赛道从业者向虎嗅表示，市面上大多数传统社交产品与现实关系绑定、强调颜值、中心化分发内容，反而使自在表达、注重个性化的产品凸显出差异化优势：

首先，以探探为代表的滑动匹配，通过产品设计放大颜值、真人照片带来的视觉刺激。优势在于，极高的匹配效率；劣势在于，用户关系维护、沉淀环节缺失，容易转移到其他主流社交平台，长期留存不理想。

其次，与传统社交产品唯颜值论、强调荷尔蒙源动力不同，赛博社交以审美、兴趣为出发点，重塑形象进行社交沟通；赛博社交倡导注意力普惠，鼓励每一个用户参与到内容创造与社交互动中，并通过机制保证每个用户的发声被同好看到。

与此同时，主张个性表达是 00 后身上的显著标签，因为没有权威崇拜，反而可以更坦然面对自我——他们并不 care 你现实中的身份，对交友质量特别在意，更注重深度自我表达、平等沟通、包容性，有更强的群体认同感——汉服、语 C、Pia 戏等亚文化圈子莫不如是。

对此，Soul 产品负责人车斌曾向虎嗅表示，从产品功能角度来看，赛博社交核心服务是无压力社交互动，并以多样的产品功能满足各个圈层个性化的社交需求。尤其 00 后，更依赖‘赛博好友’，彼此不需要成为线下好友。

以下为虎嗅与 Soul CTO 陶明在迪拜沟通对谈实录，部分内容为方便阅读有所删减和调整：

赛博社交被 AI 拿捏了

Q：从用户需求来说，开发虚拟数字人大模型的前景如何？

陶明：人机对话是产品基础的原子能力，但不能直接把原子能力推向用户，而要构建一个 AI being 和 Human being 共存的社区，大模型六小强现在的一些 AI 聊天产品都支持单点聊天能力，但一个社区无法仅靠单点聊天维持住，需要更多 AI 与人共处的场景，比如语聊房场景让 AI 融合人的模拟情境去交流，类似现实世界的仿真。

所以，产品要善于创造场景，在人与AI 的交互过程打造更多场景。我们前阵子发布的 demo 中智能体就有感知能力，聊天中用户咳几声，AI 会围绕是否生病这个 topic;展开话题，再比如用户跟 AI 语音对话，AI 听到周边是咖啡馆或音乐派对，便会主动切入话题。

当然，AI;只具备认知能力并不够人格化，还必须要有感知能力，所以很多公司会认为加大 o1 认知能力，才能给用户带来更多的体验。

Q：你们产品多模态与 o1 呈现效果差距如何？

陶明：对于 AI 的进化来讲，感知能力不仅是听得到声音，还要听到环境。所以，加快 AI 的感知效率必须要在语音与 NLP 的融合上下功夫。但这并非多数大模型公司的方向，他们更多是要打造基座能力，我们是为数不多去趟这个方向的公司，目前效果反馈不错，马上就可以发布视频能力，届时 AI 不仅听得见还能实时与用户视频聊天，它有形象、表情和语言逻辑。

而且，端到端延迟在 200 毫秒以内，它不是原来模型的串行，而是把语音和 NLP 的 talking 统一化了，延时得到极大改善，用户才能真正实时得到交互反馈——这对业务会是一个极大拓展，未来类似直播或露脸的功能就可以做了，可探索空间被极大延展。

Q：这个感知包括 AI 场景搭建，有哪些关键的指标？

陶明：今年上半年整个战略方向做了调整，重点聚焦在 AI 手段得提效上，让 AI 增强现有的社交网络，站内数据反馈很不错。渗透来讲的话，AI 相关场景/功能应该大几百万日活，原来很多场景是产品策略去承接，然后打造一些产品功能，现在都慢慢有AI自主去承接。

不过，目前并没有全量去铺 AI 功能，而是一点点去渗透，因为每个人接受程度、适应能力不同，有些人愿意尝试新事物，有些人则不一定，所以只能循序渐进。

Q：交互需要对用户建立很多标签，如何实现 AI 的长记忆能力？

陶明：最开始是搜索思路，回答之前搜机库把答案存下来；后来做了个 AI 小模型，在进入对话大模型之前，小模型会帮用户提炼记忆点，可能有数百个记忆点，时间越长记忆点所涉及范围会越广。

现在设想的是对长记忆数据直接输入进去，但这是一个大的技术方向，里面还有很多细节，比如记忆不能说完全是持续的，比如整个记忆里面某个点重复多次，不同时间点感冒应该取哪一次？不同场景是不一样的，这需要人工去做一些标注辅助，不是一个模型就能解决的。所以，端到端去解决用户体验还有改进空间，抛开产品、运营，很难纯技术解决端到端。

Q：这一轮 AI 技术浪潮，你们是产品推着技术往前走还是技术研发推着产品发展？

陶明：原来逻辑是产品出需求，然后技术实现；现在情况会有一些不同，在内部需求群里 AI 算法工程师与产品都可以提需求。现阶段来看，技术工程师知道 AI 现在能做什么、需求能实现的确定性高，但产品是创意驱动，提的需求可能现在做不了。不过，这种错位是阶段性的，最终产品与技术的认知会逐渐拉平。

当 AI 的子弹击中社交

Q：关于社交出海，是否有具体的推进计划？

陶明：海外一直在探索，Soul 不仅是社交，也要在 AIGC 有独特生态位，但考虑到体验层面及用户端粘性，现在没有正式把海外产品放出来，依旧是主平台传递 AIGC + 社交的概念，即面向不同市场，有不同产品表现形式，不同功能及场景，但底层已经彻底打通。

当 AIGC 的子弹射中社交时，往往要具备两个条件，一是持续推进产品快速迭代；二是持续探索新业务与场景融合方式，后者现在还不是很明朗，所以面对这样一个不确定性的探索，我们还没设计具体的时间表。

Q：你们训练了两个 AI 模型，在降本增效上有所体现吗？

陶明：降本增效这个话题是绕不开的。我们有两个模型，一个是基于形象层面的3D大模型，从2020年开始探索，希望用户在产品中打造另外一个人设，同时能一键生成形象；另一个是多模态大模型，希望用户不仅在 Soul 里面能跟真人进行对话，还能跟 AI 进行对话。这两条线一直努力往前走，AI 大模型感知层面已经蛮成熟。

具体而言，组织层面正将各个职能架构进行重组，分 NLP、3D、CV、语音等，团队把面向单模态模型的所有工作全部 close 掉，打造一个融合团队来构建多模态模型。

至于技术层面，组织一定会带来技术方向的改变，所以现在整个技术上只有两条线：一条线是围绕类似 GPU 融合去打造 3D、CV、语音的多模态模型；另外一条线是围绕最近 OpenAI 发布的 o1 模型这个思路去尝试，因为语言模型是驱动底层模型更通用、更智能的方向，所以业内会保留 NLP 类似;与 o1;在推理端进行强化学习的技术方向走，只是快和慢的问题。

Q：大模型开闭源之争，您怎么看待这个问题？

陶明：大模型从发展之初就存在开源与闭源两条路线，背后是两个不同的商业模式。有企业一直说闭源最好，因为它要打造闭源生态，这是最佳路径，所以必须要强调这个方向，让潜在客户伙伴不要去自研模型；选择将大模型闭源的有 OpenAI 的 ChatGPT、百度的文心一言、华为的盘古、商汤的日日新等；而选择开源的 Meta、谷歌、百川、360、阿里等企业，希望借助 Linux 模式，聚合生态力量，让自己在 AI 市场占据一席之地，肯定会不遗余力让潜在客户用他的模型训练垂类模型。

从技术鄙视链条来看，企业产品训练用的开源，但内心其实也很想去打造一个闭源，这是工程师的一个执念，去打造一个完全闭源从 0~1 训练的大模型，而不是站在开源的基础上展示技术能力。

Q：中国互联网公司训练现在租卡和买卡投入上如何平衡？

陶明：很多公司没钱建专门的 GPU 机房，会去各个云平台买独占的卡，也会储备一些弹性的卡，这主要是从成本角度去考量。

但是囤卡风险太大，比如去年囤几千张卡到现在，整个卡的价值今年可能只剩下百分之三四十，价格波动太大。所以，大模型训练不要头脑发热去囤卡，现在跟供应商去聊，不管软件还是硬件，技术层面的商务交付方案必须可变，如果含固定就没有空间了。

Q：今年大模型行业似乎在降温，主要源于什么？套用开源模型与自研哪个好？

陶明：技术方向其实已经逐渐明朗，面对确定性的东西大家心态就会不那么焦虑，大概知道每家最后的底牌是什么。最近行业又有点焦躁，因为 AI 的推理能力的提升，大家又看到一个新的不确定东西，或许行业瓶颈是在英伟达，但现在还是 OpenAI 在引领。

至于是否自研，国内资源现在没有那么缺，去年开源的模型越来越多，在开源的基础上打造自己的基座并不是坏事——因为给业务赋能其实比自己埋头去做 Api 更重要。其实从产品角度来说，要的是快速交付，可能一天就要进行微调，但对 B 端公司很难交付，所以自研也会同步进行。

以上就是关于【年轻人的好友列表 AI越来越多】的相关消息了，希望对大家有所帮助！