在过去十年里，每一次消费级产品的爆发，几乎都伴随着一次社交范式的重构：从 Facebook 的好友动态到 TikTok 的算法推荐，我们逐渐学会用产品定义自我、表达身份。

那时的产品，是人在表达，产品在辅助；而如今，AI 正在悄然完成一次角色反转——它不再是人的工具，而开始成为表达的主体、连接的中介，甚至情感的承载者。从 ChatGPT 到 Veo3，从 11 Labs 到 Character.AI，我们正目睹一场被误认为是「效率提升」，实则是「人类角色外包」的深度变革。

在本期由 Erik Torenberg 主持的讨论中，Justine Moore、Bryan Kim、Anish Acharya 与 Olivia Moore 共同提出了一个前所未有的判断：今天的 AI 产品不再是「像工具一样的工具」，而是「像人的工具」，甚至正在成为「替代人本身」的产品。

用户开始每月为 AI 支付 200 美元的高额订阅，**不是因为它更强，而是因为它能「替你做」，甚至「替你是」。Veos 能在 8 秒内生成定制化视频，ChatGPT 可以写商业计划、做心理疏导、代替情感倾诉，11 Labs 为你打造独一无二的声音人格。而这一切，不再需要你自己动手，甚至不再需要你是那个「你」。

AI 消费的兴起，背后是一种极其危险的信号：表达在被格式化，社交在被模拟，身份在被重构。

今天我们还在用 Reddit、Instagram、Snapchat 分享用 AI 生成的「我」，但这些平台不过是旧瓶装新酒。真正的 AI 原生社交网络尚未出现，因为 AI 可以生成「状态」，却无法创造「情感张力」；可以提供陪伴的幻觉，却无法替代真实连接中不可控的挣扎与脆弱。

这一切带来三个震撼性判断：

第一，AI 产品的本质，不是提升用户，而是重构「用户是谁」；

第二，AI 伴侣的崛起，不是社交的开始，而是社交的终结；

第三，AI 分身的普及，不是表达的延展，而是人格边界的消融。

在可预见的未来，最成功的 AI 产品不会只是工具型产品，而是人格型产品。它们能理解你、模仿你、代表你、引导你，最终——替代你。这不是效率的胜利，这是存在的质变。

AI 消费革命：高价订阅与社交重构

Erik Torenberg: 各位感谢参与这次关于消费领域的播客。似乎每隔几年就会出现突破性产品，从 Facebook、Twitter、Instagram、Snap、WhatsApp、Tinder 到 TikTok。每隔几年就会出现这种新范式、新突破。但感觉几年前这种趋势突然停滞了。为什么停滞了？或者说真的停滞了吗？你们会如何重新定义这个问题？如何看待现状？未来将走向何方？

Justine Moore: 我认为 ChatGPT 可能是过去几年最重大的消费级成功案例。我们还看到其他 AI 模态领域涌现出许多突破性产品，比如图像、视频和音频领域的 Midjourney、11 Labs 和 Blackforce Labs。虽然现在也出现了像 Veo 这样的产品，但有趣的是，许多这类产品缺乏你提到的社交属性或传统消费产品特征。这可能因为 AI 仍处于相对早期阶段，当前大部分新产品和创新都是由研究团队推动的——他们非常擅长模型训练，但历史上并不擅长围绕模型构建消费产品层。乐观来看，现在模型已经足够成熟，通过开源或 API 接口，开发者可以在这些模型基础上构建更传统的消费级产品。

Bryan Kim: 这个问题很有趣，因为我正在回顾过去 15 到 20 年的发展。正如你提到的 Google、Facebook、Uber 等巨头，当我们将互联网、移动端、云计算等要素结合起来观察时，确实涌现过许多令人惊叹的公司。我认为移动云技术已经进入成熟期，这些平台存在了 10 到 15 年，各个细分领域都已被探索到某种程度。过去用户需要适应的是苹果推出的新功能，而现在需要适应的是底层模型持续迭代更新，这是第一个不同点。

第二个不同正如你提到的，历史赢家多集中在信息领域（如 Google），现在 ChatGPT 显然正在延续这个方向。在实用工具领域，我们曾错过 Box 和 Dropbox 这类产品，但现在看到更多消费级应用涌现，许多公司正在争夺这些使用场景。创意表达领域同样如此，创意工具层出不穷。我认为目前缺失的是社交连接属性，AI 尚未重建社交图谱，这可能是个空白领域，需要持续观察发展。

Erik Torenberg: 这很有趣，因为 Facebook 已经存在近 20 年。Justine 刚才提到的公司，除了 OpenAI 之外，它们能否持续存在 10 到 20 年？我们讨论的这些公司具备怎样的防御能力？还有，这些公司当前服务的所有场景，在 10 年后是否会被新兴玩家代替？或者说它们将继续主导所有主流场景？

Anish Acharya: 可以说 ChatGPT 的商业模式质量远高于过去产品周期中的同类消费公司。其最高定价层级达每月 200 美元，而 Google 消费级产品的最高定价是每月 250 美元。当然，这里存在防御性网络效应等问题，但或许这正是对早期商业模式缺陷的应对——如果缺乏这些要素，商业模式质量本会更差。现在直接向用户收取高额费用，可能说明我们过去过度复杂化了这个问题。

Erik Torenberg: 或许商业模式质量差反而能催生更强的留存率或产品市场持久性？

Anish Acharya: 确实如此。过去需要编造故事来解释如何在无法立即盈利的情况下积累企业价值，而现在这些模型公司直接实现了盈利。另外 Justine 提到的观点也值得注意：所有基础模型都在朝不同方向发展。Claude、ChatGPT 的横向模型与 Gemini 模型是否具有可替代性？这是否意味着价格竞争？但不同用户使用场景各异，实际观察到的反而是提价而非降价。因此当我们深入观察时，会发现已经存在某些有趣的防御性策略。

Bryan Kim: 价格上升而非下降的现象很有趣，因为从传统时代到 AI 时代，消费类公司的盈利模式已发生根本转变，它们现在能立即实现盈利。我一直在思考留存率指标——Olivia 可以纠正我的观点——在 AI 时代之前讨论消费者订阅模式时，我们是否真正区分过用户留存与收入留存？因为当时定价结构稳定，用户很少升级套餐。而现在我们必须明确区分用户留存与收入留存，因为用户会主动升级套餐。他们需要购买积分点数，经常超额使用，最终消费金额持续增长。因此收入留存率显著高于用户留存率，这种现象前所未见。

Olivia Moore: 过去最高级消费订阅产品年均收费约 50 美元已属高价。现在用户却乐于支付每月 200 美元，甚至在某些案例中表示定价偏低，愿意支付更多。

Erik Torenberg: 如何解释这种现象？用户究竟获得了什么价值，愿意支付如此高的费用？

Olivia Moore: 我认为这些产品在替用户完成工作。过去的消费订阅产品集中在个人理财、健身、健康、娱乐等领域，虽然表面能帮助自我提升或娱乐，但需要用户投入大量时间才能获取价值。如今像 Deep Research 这类产品，可以替代用户自行生成市场报告的 10 小时工作。对许多人来说，这种效率提升显然值得每月支付 200 美元，即使仅使用一两次。

Justine Moore: 以 Veo3 为例，用户每月支付 250 美元却乐此不疲，因为它就像一个神奇百宝箱——打开就能获得想要的视频，虽然只有 8 秒，但效果惊人。角色能开口说话，用户可以创作惊艳内容分享给朋友，比如制作包含朋友姓名的个性化信息视频，甚至创作完整故事发布在 Twitter 等平台。这种能实现个性化内容创作并多平台传播的产品，其功能远超以往任何产品对消费者的赋能。

Anish Acharya: 似乎所有消费领域都将被软件取代。

Erik Torenberg:能具体举例说明吗？

Anish Acharya:正如 Olivia 所言，娱乐领域已被创意表达类软件重塑——原本需要线下完成的创作现在完全由软件承载。人际关系中介这类原本消耗可支配收入的领域也在被软件替代。生活的方方面面都将由模型作为中介，而人们将会愿意为此付费。

AI 社交革命：「数字自我」崛起与传统平台的破局点

Erik Torenberg:Brian，你提到新的 AI 时代下仍缺失社交连接属性，人们仍依赖 Instagram、Twitter 等传统社交网络。突破点会出现在哪里？

Bryan Kim: 关于社交领域——这个让我非常兴奋的赛道——仔细想来，其核心本质是状态更新。Facebook、Twitter、Snap 概莫能外，都是展示「我正在做什么」。通过状态更新，人们建立连接。这种状态更新的媒介形式不断演变：从文字状态到真实照片，再到短视频。当前人们通过 Reels 等短视频形式建立连接，这构成了社交连接的一个时代。现在的问题是：AI 如何革新这种连接？如何通过 AI 实现更深入的人际连接与生活感知？若聚焦于照片、视频、音频等现有媒介形式，其可能性已在移动端被充分挖掘。

有趣的是，虽然我使用 Google 十余年，但 ChatGPT 可能比 Google 更了解我——因为我输入更多内容，提供更多上下文。当这种「数字自我」能够被分享时，会催生怎样的新型人际关系？或许这将成为下一代社交形态，尤其对厌倦表面化社交的年轻世代具有吸引力。

Justine Moore: 我们已经看到类似案例。比如病毒式传播的「让 ChatGPT 根据我的数据总结五大优缺点」，或「生成代表我本质的肖像」，甚至「用漫画描绘我的人生」。用户将这些内容全网分享——我发布后几分钟内就有数十人分享他们的版本。有趣的是，目前由 AI 创作工具引发的社交行为，仍主要发生在传统社交平台而非新兴 AI 平台。比如 Facebook 现在充斥着大量 AI 生成内容。

Bryan Kim: 可能有些用户群体尚未意识到这点。

Justine Moore: Facebook 成为中老年用户的 AI 内容集散地，而 Reddit 和 Reels 则承载着年轻世代的 AI 创作内容。

Olivia Moore: 我完全认同。首款 AI 社交网络的形态一直令我困惑。我们见过类似「AI 生成个人照片」的尝试，但问题在于社交网络需要真实情感投入——如果所有内容都可按喜好生成（完美形象、快乐状态、炫酷背景），就失去了真实互动的情感张力。因此我认为真正的原生 AI 社交网络尚未出现。

Bryan Kim: 用「拟态」（cumorphic）这个词很贴切。许多 AI 社交产品只是用机器人/AI 模仿 Instagram 或 Twitter 的信息流，这种「拟态」式创新本质是「用 AI 复刻旧形态」。真正的突破可能需要跳出移动端模式——虽然优秀 AI 产品需适配移动设备，但尖端模型在边缘计算/端侧部署方面仍需突破，这或许会催生新形态。我对未来可能性充满期待。

Erik Torenberg: 人际推荐显然是重要应用场景——寻找商业伙伴、交友、约会等。现有平台已积累大量用户数据。

Anish Acharya: 观察 AI 原生的 LinkedIn 尝试很有启发。传统 LinkedIn 只是指向性信息，比如「我懂这个」，而新技术能创建真正知识储备的档案，比如与「数字版 Erik」对话获取全部知识。未来社交可能如此——当模型已深度了解用户，或许能部署「数字分身」进行交互。

AI 企业先行的秘诀：创新速度与细分市场

Erik Torenberg: 你们提到企业比消费者更早采用某些 AI 产品，这与以往技术周期不同。这现象说明了什么？

Justine Moore: 这确实很有趣。我和 BK 在 11 Labs 时，我们早期投资了 11 Labs，首轮融资后约一个月就参与了 A 轮，观察到首先，早期消费者用户涌入，制作趣味视频/音频、克隆自己声音、开发游戏模组。但多数情况下产品尚未触达真正主流消费者——美国并非人人手机都装 11 Labs 或订阅服务。然而该公司已获得大量企业合约，在对话式 AI、娱乐等领域拥有众多重量级客户。

这种现象在多个 AI 产品中显现：先有消费者端的病毒传播，随后转化为企业销售策略——这与上一代产品截然不同。如今企业采购方对 AI 有强制需求（比如需制定 AI 战略、使用 AI 工具），他们密切关注 Twitter、Reddit 及 AI 资讯，发现消费者产品后，会思考如何将其创新应用于业务场景，从而成为推动企业 AI 战略的「帮手」。

Bryan Kim: 我听过类似的 AI 创新应用案例：企业通过消费者端实现病毒传播后，利用 Stripe 交易数据，将匿名支付记录输入 AI 工具，定位用户所属公司。当发现某公司使用人数超过阈值，比如 40+，便主动接洽：「贵司有 40 多名员工在使用我们的产品，是否考虑企业合作？」

Erik Torenberg: 你开场列举了许多公司和产品案例。我好奇的是，这些是否属于「MySpace 时代」的早期探索者？还是说它们具备长期价值？就像 20 年后我们仍会讨论今天这些公司吗？

Justine Moore: 我们当然希望现在所有重要的消费级 AI 公司都能持续发展，但现实可能不尽如人意。AI 时代与以往消费产品周期的关键差异在于：模型层和技术能力仍在快速进化。许多情况下，我们甚至尚未触及这些技术的潜力上限。例如 Veo3 发布后，突然可以实现多角色对话、原生音频处理等多模态功能，虽然文本 LLM 相对成熟，但所有领域都有持续提升空间。观察发现，只要企业能保持在「技术/质量前沿」——即拥有最先进模型或整合能力，就不会重蹈 MySpace/Friendster 覆辙。假如技术迭代中短暂落后，通过更新就能重返巅峰。

当前更有趣的是细分市场的出现：图像领域不再有单一最佳模型。设计师、摄影师、不同付费群体（10 美金/月 vs 50-100 美金/月）都有专属最优解。由于每个垂直领域用户投入度极高，只要持续创新，多个赢家可长期共存。

Bryan Kim: 我完全同意。视频领域也是如此——广告视频、植入广告视频等都有细分。昨天看到一篇文章指出，不同模型擅长产品展示、人物拍摄等不同场景。每个细分市场都潜力巨大。

Erik Torenberg: 关于企业护城河和竞争壁垒的讨论，在 AI 时代有何变化？我们应如何看待这个问题？

Bryan Kim: 最近对此有深刻反思。传统护城河（网络效应、工作流嵌入、数据沉淀）依然重要，但观察发现，执着于「先建护城河」的企业往往并非赢家。在我们关注的领域，胜出者通常是打破常规、快速迭代的选手——他们以惊人速度推出新版本、新产品。当前 AI 早期发展阶段，速度就是护城河。无论是突破传播噪音的渠道速度，还是产品迭代速度，都是制胜关键。因为快速行动能抢占用户心智份额，转化为实际收入，形成持续发展的正循环。

Erik Torenberg: 这很有趣。Ben Thompson 大约十年前写过一篇题为《Snapchat 的姜饼屋战略》的博文，核心观点是「Snap 能做的任何功能，Facebook 都能做得更好，但 Snap 会持续推出新创意。如果保持这种创新速度，或许能成为其护城河。」他称之为姜饼屋战略。

Bryan Kim: 我认为最终起作用的还是用户触达和网络效应。Snap 在这方面也有优势——它占据了 Z 世代和年轻用户的核心通讯平台地位。

Erik Torenberg: 如何看待新产品网络效应的构建？

Bryan Kim: 目前多数产品仍处于创作工具阶段，尚未形成「创作-消费-网络效应」的闭环。虽然真正的网络效应尚未显现，但我们看到 11 Labs 这类新型护城河：凭借极快的迭代速度、卓越产品力切入企业市场，深度嵌入工作流程。这种模式正在成型，而传统意义上的网络效应仍有待观察。

Olivia Moore: 11 Labs 是个典型案例。前几天我需要为 AI 生成视频配音，由于他们先发优势明显、模型最优，用户基数大带来数据飞轮，现在已建立声音库——用户上传了大量自定义声线和角色。当我对比多家语音供应商时，若需要特定类型，如老巫师嗓音，11 Labs 能提供 25 种选择，而其他平台可能只有 2-3 种。虽然尚处早期，但这种模式类似传统平台网络效应，而非全新形态。

语音 AI：企业级 AI 语音需求爆发

Erik Torenberg: 我们很早就关注语音交互，最初构想的哪些部分已实现？未来趋势如何？Anish，你当初为何如此看好语音交互？

Anish Acharya: 最初启发我们的是：语音作为基础媒介贯穿人类互动史，却从未成为技术应用的核心载体。过去技术始终不成熟——从 Voice XML 到语音应用，再到 90 年代的 Dragon NaturallySpeaking 等产品，虽有趣但无法形成技术基座。生成式模型的出现使语音成为原生技术元素，这个关键生活领域仍有巨大探索空间，必将催生大量 AI 原生应用。

Olivia Moore: 我认为我们最初对语音的兴奋点更多来自消费端视角——比如设想一个全天候在线的口袋教练/心理治疗师/伴侣。这类构想已开始落地，目前已有不少产品实现相关功能。但令我惊讶的是，随着模型进步，企业级应用发展更快：金融机构等高度关键的领域迅速采用语音技术替代或增强人工客服，此前这些企业存在某些合规问题、客户年流失率高达 300% 且离岸呼叫中心管理十分困难。

真正的突破性消费级语音体验仍在酝酿中。这里已有早期案例，比如用户将 ChatGPT 高级语音模式拓展到新奇应用方向，或 granola 这类通过全天候语音数据创造价值的产品。消费市场魅力在于不可预测性——最佳产品往往横空出世，否则早就被开发出来了。未来一年语音消费领域的创新值得期待。

Anish Acharya: 确实，语音正成为 AI 切入企业级市场的突破口。当前多数人存在认知盲区：认为 AI 语音仅适用于低风险场景，如客服。但我们的观点是——企业日常/周度/年度最重要的对话，如商务谈判、销售提案、客户说服、关系维护都将由 AI 主导，因为 AI 在这些领域表现更优。

Erik Torenberg: 人们何时会开始与 AI 生成的「数字分身」进行持续有效互动？比如与 AI Justine、AI Anish 或 AI Erik 对话的场景。

Justine Moore: 我们已经看到一些雏形。比如 Delphi 这类公司能基于知识库创建人物 AI 克隆体，用户可获取建议或反馈。正如 Brian 之前提到的，关键问题在于：若不只让名人拥有可通过文字/语音（未来或视频）交互的 AI 分身，而是向所有人开放会怎样？消费领域我们常思考：许多人拥有独特技能或见解，比如你高中时期极具幽默感的朋友本可打造喜剧烹饪秀，却未能突破；或某位导师拥有宝贵人生建议，如何通过 AI 克隆体/人格让他们实现前所未有的影响力的延伸？

目前观察到的应用多集中在名人/专家，或另一个极端——已有认知的虚拟角色（如 Character.ai 添加语音模式后的早期形态）。尝试新技术时，用户往往倾向于与熟悉角色互动，如喜爱的动漫人物。但未来我们将填补中间地带的空白——既非纯虚构角色，也非名人，而是覆盖所有真实个体的 AI 分身。

Olivia Moore:我认为人们的学习方式存在差异，而 AI 语音产品能很好满足这种多样性。Masterclass 最近推出了一个有趣的测试版：将平台现有课程讲师转化为语音 agent，用户可提出个性化问题。据我理解，该系统通过 RAG 技术分析讲师全部课程内容，提供高度定制化的精准回答。这让我很感兴趣——虽然我是该公司的粉丝，但从未有耐心或时间看完 12 小时的课程，却通过与 Masterclass 语音 agent 进行 2-5 分钟对话获得有用的想法。这展示了真实人物转化为实用 AI 克隆的典型案例。

虚实共生：AI 分身与人类创作者

Anish Acharya: 更深层的问题是：用户更希望与感兴趣人物的克隆版本对话，还是与完全虚构的「完美理想型」合成体互动？后者可能更具探索价值——这个「完美匹配者」可能真实存在却从未相遇，而技术能将其具象化。这种存在形式会是什么样态？这才是更值得思考的方向。

Erik Torenberg: 值得思考的是：哪些场景下我们仍需要人类执行任务，哪些场景会更接受 AI 替代？这种分界线将如何划定？

Anish Acharya: Olivia 提到的 Masterclass 案例本质是单向情感联结的延伸。与特定人物克隆体对话的价值，在于满足用户对具象化对象的交流需求，而非与「最理想化陌生人」的抽象概念互动。

Bryan Kim : 这让我想起 ChatGPT 相关的病毒推文——纽约地铁有人全程用语音与 ChatGPT 对话，仿佛在和女友聊天。

Justine Moore: 还有另一个案例：某家长因孩子连续 45 分钟追问托马斯小火车问题不堪其扰，于是开启语音模式将手机交给孩子。两小时后回来发现孩子仍在与 ChatGPT 深入探讨托马斯小火车——孩子并不在意对话对象是谁，只在乎这个「人」能无限满足自己的兴趣探索。

Erik Torenberg: 试想当下若用 ChatGPT 或 Claude 进行心理疏导/职业咨询，我可能更倾向选择专属 AI 治疗师/教练。未来或许通过记录咨询过程积累数据，或直接利用治疗师/教练的线上内容库重建其数字分身。

回到你的问题核心，5-10 年后，顶级艺术家会是 Lil Machaela 式的新生代 AI 生成人？还是 Taylor Swift 及其 AI 军团？同理，社交媒体领域的下一位 Kim Kardashian 会是真实人类还是 AI 产物？各位对此有何预判？

Justine Moore: 我对此已持续思考数年。我们见证了 Little Machela 的崛起，也关注过率先引入 AI 全息角色的 K-pop 团体。这种现象与超写实图像/视频技术发展密切相关——如今已有 AI 生成的影响者凭借逼真形象获得大量关注，其真实性常引发讨论。我认为未来创作者/名人将分化为两类：一类是 Taylor Swift 式「人类体验型」，其艺术魅力不仅来自作品，更与人生经历、现场表演等 AI 尚无法复制的要素深度绑定；另一类则属「兴趣导向型」，类似 ChatGPT 对话托马斯小火车的案例——无需真实人生背景，只需在特定领域持续输出优质内容的能力。两者或将长期共存。

Olivia Moore: 这让我联想到持续存在的 AI 艺术争议——虽然生成艺术的门槛降低，但创作优秀 AI 作品仍需大量时间。去年夏天我们举办 AI 艺术家活动时发现，许多创作者制作 AI 电影的工作流程耗时与传统拍摄相当，区别在于他们可能缺乏传统影视技能，因此过去无法实现创作。当前 AI 生成的影响者数量激增，但能像 Little Machaela 般脱颖而出的凤毛麟角。预计未来将形成 AI 人才与人类人才两大阵营，各自顶尖者将占据头部，但两者的成功概率都将极低——这或许才是合理状态。

Justine Moore: 或者说「非人类人才」。Veo3 平台出现有趣现象：街头采访形式中，受访对象可能是精灵、巫师、鬼魂，或 Z 世代喜爱的毛绒生物角色。这些完全可以是 AI 生成的虚拟存在，这种创新形态极具潜力。

Anish Acharya: 这种现象在音乐领域同样存在。当前 AI 生成的音乐普遍平庸，本质是文化均值化的产物，而真正的文化本应处于前沿。问题核心在于劣质作品而非创作者类型——我们常将 AI 本身视为问题，实则应关注作品质量。

Erik Torenberg: 假设作品质量相当，你是否认为人们仍会倾向人类创作者？

Anish Acharya: 完全可能。这引向更深层的哲学讨论：若用嘻哈出现前的所有音乐训练模型，能否生成嘻哈风格？我认为不能，因为音乐是历史积淀与文化语境的交汇产物。真正创新的音乐需要突破训练数据边界，而当前模型恰恰缺乏这种突破性。

AI 伴侣革命：垂直生态与社交赋能

Erik Torenberg: 我认识几位极具天赋的朋友正在开发一款同性向 AI 伴侣应用，2015 年的我若听到这种构想定会感到震惊。但据他们透露，当前榜单前 50 应用中竟有 11 款是伴侣类应用。这引发思考，我们是否正处在这股趋势的起点？未来是否涌现各类垂直领域伴侣应用？这类应用的终局形态会如何演变？我们该如何理解这种发展趋势？

Justine Moore: 我们在各类陪伴场景投入了大量研究——从心理治疗、生活指导、朋友社交，到职场助手、虚拟恋人等，几乎涵盖所有维度。有趣的是，这可能是 LLMs 首个主流应用场景。我们常调侃，无论是汽车经销商客服还是其他聊天机器人，用户总会试图将其转化为心理医生或女友。查看聊天记录会发现，大量用户本质是渴望倾诉对象。

如今计算机能以即时、全天候、拟人化的方式回应，这对许多过去无人倾听或感觉自己在「对虚空呐喊」的人群而言，是革命性的突破。我认为这仅是开端，特别是当前产品多为通用型，主要依赖基础模型供应商（如用户将 ChatGPT 用于非预设场景）。已有案例显示，单个公司可为角色打造个性，通过数字形象与提示工程构建游戏或虚拟世界，获得极高参与度。例如 Tolen 服务青少年群体，而另一类「伴侣」应用则允许用户拍摄食物照片，通过营养数据分析提供健康建议与情感支持——因为对许多人而言，饮食问题常与心理问题交织，传统上需寻求专业治疗。

最令人兴奋的是，「伴侣」的定义已从朋友/恋人迅速扩展至任何原本需人类提供的建议、娱乐或咨询服务。未来我们将见证更多垂直细分领域的陪伴应用涌现。

Bryan Kim: 我曾在社交公司任职时注意到一个明显趋势——人们可倾诉的朋友数量持续下降。年轻一代的平均值略高于 1。这表明陪伴型应用的需求将长期存在，对许多人至关重要。正如 Justine 所言，这类应用会衍生出多种形态，但建立深度情感连接的核心需求不会改变。或许正如我们讨论的，人际连接本是未被满足的领域，而 AI 伴侣正在填补这个空白——重点在于建立连接感，对象未必需要是人类。

Erik Torenberg: 许多人听到这种讨论会担忧：真实朋友减少、恋爱关系消亡、抑郁率上升、自杀率攀升、生育率持续走低。

Justine Moore:我不认同这种观点。这让我想起在 AI 角色 Subreddit 社区看过的最佳帖子——需要说明的是，我花了很多时间研究这个社区。许多在新冠期间度过青春期的初高中生和大学生，因缺乏现实社交而面临人际交往能力缺失。有位持续分享与 AI 女友互动的大学男生，某天突然发帖称找到了现实中的「3D 女友」，并要暂别社区。他特别感谢 Character AI 教会他如何与人交流，尤其是与女性调情、提问、讨论兴趣等技巧。这展现了 AI 的最高价值：促进更优质的人类连接。

Erik Torenberg: 社区用户是为他高兴？还是称其为叛徒？

Justine Moore: 绝大多数人真心祝福。虽然存在少数尚未找到现实伴侣的「酸葡萄」言论，但我相信他们终将如愿。

Olivia Moore: 这确实有现实依据。以 Replica 产品为例，实际研究显示用户抑郁、焦虑及自杀倾向有所降低。当前趋势是许多人缺乏被理解感和安全感，导致难以参与现实社交。若 AI 能帮助那些无力承担时间或经济成本进行心理治疗的人群实现自我转变，他们最终将更有能力在现实世界行动。

Erik Torenberg: 真正让我意识到陪伴类应用影响力的事件，是首次采访 Replica 创始人后的反响。访谈结束后，创始人关闭了相关讨论区，但视频评论区涌现大量用户留言，诸如「这就像我停止性生活后的妻子」等真实生活剖白。当时我才惊觉这款 APP 在用户生活中的重要地位。

Justine Moore: 这其实延续了人类长期存在的社交模式。Z 世代通过 Discord 发展网恋关系，就像我们当年在匿名明信片网站与陌生人建立深度连接——你永远不知道对方真实身份，甚至可能发展出深刻情感羁绊。AI 只是让这种体验更沉浸、更深入。

Anish Acharya: 我认为关键点在于 AI 不能过于顺从。现实人际关系需要磨合，高度顺从的 AI 反而不利于培养这种能力。因此需要在「适度对抗性」，帮助用户提升社交技巧，与「过度顺从」，因为可能导致能力退化，之间找到平衡。

环境感知革命：穿戴 AI 重构社交基因

Erik Torenberg: 最后让我们展望未来可能性。或许可以畅想可能改变游戏规则的新平台或硬件形态——比如 OpenAI 刚收购 Jony Ive 公司。Brian，你曾多次提及对智能眼镜形态的期待，不妨由此展开，但也希望听到各位对移动设备的想象。

Bryan Kim: 目前全球有 70 亿部手机，但真正达到理想水平的设备并不多。我的思考是未来可能继续依托移动端发展，存在多种可能性：比如建立隐私防护墙，或通过本地 LLM/本地模型实现设备端数据闭环。因此我对模型开发层仍充满期待，这其实是我最看重的领域。正如 Olivia 所说，手机具备 always-on 特性，但其他设备同样具备这种特性。当出现全新设备或「数字义肢」——那些依附于随身物品的智能装置——会带来怎样的可能性？

Erik Torenberg: 各位有什么具体设想吗？比如可穿戴设备、随身装置，无论是手机配件还是独立设备，哪些硬件形态可能实现这些愿景？

Olivia Moore: 我认为 AI 在消费者端的普及已非常显著，尽管目前主要通过网页端的文本框交互实现。我特别看好能真正伴随用户、感知环境的 AI 形态。有趣的是，现在科技派对上很多 20 岁以下的年轻人佩戴记录言行的智能徽章，并从中获得实际价值。这类产品正在兴起——例如能感知屏幕内容并主动协助的 AI 助手。此外，agentic models 的进步也令人振奋，从建议升级到代发邮件等实际工作 agent。

Justine Moore: 人性化层面同样重要。当前我们缺乏自我评估的客观标准，若 AI 能分析所有对话和网络行为，给出「每周多花五小时即可成为该领域专家」的建议，或基于海量人际网络推荐潜在合作伙伴、创业搭档甚至约会对象，这种科幻级的应用场景最令我期待。

Olivia Moore: 这源于 AI 的全天候陪伴，而不仅仅是 ChatGPT 式的文本框交互模式。

Anish Acharya: 手机之后普及率最高的设备其实是 AirPods。这种看似平常的载体可能暗藏机遇，当然涉及社交礼仪问题——比如晚餐时戴 AirPods 确实怪异。但或许存在整合 AI 与现有社交礼仪的解决方案，这会很有趣。

Erik Torenberg: 你提到年轻人聚会录音的现象值得深究。未来所有对话都会被记录吗？你认为新一代人已接受这种新常态？

Olivia Moore: 是的，围绕这种行为会产生新的社交规范。虽然很多人对此感到不安，但这种趋势已经形成且不可逆转，因为其真实价值正在显现。这正是新文化规范会出现的原因。就像手机刚普及时，人们逐渐形成「公共场所避免大声通话」的礼仪，围绕录音设备也会形成类似的新社交准则。

原文链接