36氪出海·AI｜对话AI苏打Serein：遗忘匹配，欢迎来到泛目的AI社交时代
1429
“关、汇、税、商”系统搭建，点击获取跨境合规解决方案>>>
“本来是来找投资人的，AI 会让你收获人生伴侣吗
01
所有的 AI 社交产品都在谈论同一个词：匹配。AI 是一个更聪明的算法，理应可以更高效地为你找到对的人。
然而，一个叫 AI 苏打的产品却给出了一组反常识的数据，直接挑战了这种匹配逻辑。
这个从创投圈——这一典型职场场景冷启动的社交产品，其用户有50%标记了社交目的为「脱单」，近一半涌向了「兴趣同好」，当然，也有70%标记了「职场人脉」。几个相互重叠的百分比，连线出一幅连用户自己也难以定义的混沌图景。
“我们早期的用户都是创投和科技圈年轻人”，创始人 Serein 告诉我们，“但数据自己会说话，50%的人选了脱单，说明这种泛化和混杂的需求就在那里，只是等待被满足。”
Serein 是一名90后女生，创业前曾在淘宝直播做创作者运营，2022年离开大厂，创立了创作者社区 magipop，带着对社区的理解进入 AI 社交赛道。苏打的种子用户是由 Serein 自己认识的创业者、投资人和创作者组成，现在已经自然增长到上万人了。产品模糊了职场、婚恋、兴趣这三大传统社交产品边界。这种“不聚焦”让她的技术团队都感到困惑——怎么会有人从职场社交中找旅游搭子？
但在AI苏打里，看似错位的连接反而成了常态。一个本想寻找创业搭档的创始人，最后和匹配到的投资人约着去打球。一个抱着脱单想法的投资人，却匹配到增长专家，并成功推荐给了自己的被投公司。
欢迎来到泛目的社交时代。
2025年夏天，Serein 在 HI-TECK Park 摆摊，有用户跑过来告诉她在 AI 苏打上找到了联创
在 Serein 看来，这一场景正是当下20至35岁年轻人的普遍写照：他们处于人生的“爬坡期”，社交需求是复合而模糊的——有职业向上的焦虑，有基于情感陪伴和共同玩乐的连接渴望，同时也有现实层面的资源互换。
这种混杂与未分化，正代表着新的社交生命力。
在传统的社交网络范式中，一个 app 只聚合一类需求。比如在职场网络中帮助用户寻找发展机会，在 dating app 上帮助用户匹配心动对象。算法可以高效地支持这种目标清晰的、大规模的需求。
但今天，这种范式正在面临挑战。一方面，用户的身份和动机变得更加模糊和泛化——寻找同频伙伴、探索可能的需求、或是寻求跨界协作，这些难以用传统标签或行为数据来捕捉。
另一方面，AI 具备了足够的感知与生成能力，能够主动去“拼接”这种模糊。它不再只是被动地等待用户输入需求，而是通过深度语义理解和高维向量分析，捕捉用户潜藏的认知模式和互补潜力，从而生成新的连接可能。
所以，AI 社交的下一站是什么？
很可能是一台「可能性引擎」。
它不再只是回答“谁匹配我”，而是转向一种更具探索性和前瞻性的命题：我们在一起，能创造什么？
这种新的连接逻辑，正是 AI 社交诞生的新可能。
AI 苏打运营着近10万人的微信社群
对话 Serein
AI 闹：请为我们介绍一下，AI 苏打是一个什么样的产品？当新用户第一次打开它时，会经历什么？
Serein：大家好，我们做的是 AI 社交产品，苏打就是速搭，快速找搭子，一个谐音梗。你可以把现在的 AI 苏打理解为一个 AI 牵线人（AI Super Connector），它的核心功能是 AI 帮你找同频人并拉群破冰。未来会做个人 Agent 分身，代表用户先行社交，筛选、总结、维护、沉淀关系和信息。
新用户第一次打开，首先会需要选择你的社交目标。比如你可以同时选择职场社交和脱单，或者兴趣和职场。因为我们觉得，人的社交需求本身就是复合的。
然后会进入个人信息输入环节。这部分我们迭代了好几个版本，核心原则是：让你填的信息和你选择的社交目标是强相关的。比如，选择脱单的用户，我们会探讨他们处理矛盾的方式、对爱的语言的偏好；而选择职场的用户，我们更关注他们的资源和协作风格。AI 匹配的质量，和它对你理解的深度直接相关。
完成这些后，AI 苏打就会开始每天给你推荐一批同频的人。如果你对其中某个人感兴趣，我们的 AI 助手会帮忙拉群、发双方名片、起破冰话题、冷场救场等，很多人会顺其自然地转到微信上深入交流。
AI 闹：同频这个词很关键。互联网时代的社交产品，算法也可以给你推荐同一个学校或者同一个行业的人。AI 对同频的理解有什么不同？
Serein：很大的不同。
传统互联网产品是完全结构化你的信息，然后进行标签匹配。你搜“阿里”，出来的都是带着“阿里”标签的人，但排序和你的真实需求之间有很大差距。
AI 的理解能力毫无疑问更强。首先，它能处理非结构化的文本，你给它一大段话，它能理解。这让我们能收集到更丰富的语料，这些语料又会加深 AI 对人和人的需求的理解。
更重要的是，AI 能进行语义层面的分析和推理。比如，你填了“喜欢滑雪”，他填了“喜欢跳伞”，传统的算法看到的是两个完全不同的标签。但我们的 AI 可以分析出来，你们的内核都是“热爱冒险”。再比如，我们还会探讨你们的“关系模式”，比如你是喜欢开门见山直接谈资源的人，还是喜欢委婉沟通的人——这些深层的行为偏好，是传统标签无法捕捉的。
所以，我们追求的不是表面标签的相似，而更多是精神内核和关系模式上的匹配。这也是为什么我们的一些用户，甚至能在上面匹配到自己现实生活中的好朋友，因为 AI 真的“看”到了他们之间那种深层的连接。
AI 闹：你提到用户可以多选社交目标，这和传统的社交产品不一样。过去大部分成功的社交产品都是单点突破的胜利，比如职场社交有 linkedin，dating app 又是另一种逻辑。AI 苏打为什么会这样设计？
Serein：这个问题很好，也确实是我们在内部反复讨论过的。这样设计并不是源于理论的推演，而是被我们的早期用户教育的结果。
AI 苏打的冷启动是从创投和科技圈开始的，这群人本身是高密度、高价值的节点。但当我们观察他们的使用行为时，发现了一个反常识的现象：一个抱着明确「职场」目的进来的用户，当他看到平台上有很多背景优秀的同龄人时，会自然而然地产生「也许这里也能找到对象」或者「找个一起爬山的搭子」的想法。
数据也证实了这一点。我们从职场社群引入的用户中，有高达50%的人主动选择了脱单，还有接近一半的人选择了兴趣。这个比例远远超出了我们的假设。
当然这些数据加起来是远超100%的，因为很多人是多选。这个帮我们印证了用户需求的交叉性。所以，这个设计不是我们凭空想出来的，而是用户用行为投的票。我们只是把选择权还给了用户，承认了人的社交需求本身就是复杂且流动的。
AI 闹：当用户自己都带着混合、甚至模糊的目的时，这对匹配算法提出了更高的要求。你提到 AI 的匹配有两个逻辑：基于相似度的推荐，和基于明确需求的匹配。在实际运行中，这两种逻辑如何平衡？
Serein：我们的平衡策略是分层的。在用户没有明确动作时，基础流量是优先推荐相似度高的人。 不只是是学校、公司这种硬标签，还包括生活方式、深层的关系模式等等。
这保证了推荐的基本盘是“同频”的，同时能创造出一些意想不到的连接，比如我们有些用户就在这里匹配到了自己生活中的好朋友。
而当用户明确表达了具体需求时——比如“寻找 AI 领域投资人”或“招聘全栈工程师”，匹配的权重就会马上向需求与特征的精准匹配倾斜。
你提到的（匹配不畅的）情况，很可能是因为在当前的用户池里，符合特定长尾需求的用户密度还不够，导致基于向量的相似度排序无法将其推到前列。对于社交产品来说，这肯定是一个挑战。匹配的精准度很大程度上依赖于用户群体的密度。我们肯定需要不断扩展用户基数和场景。
所以这不是一个非此即彼的选择。相似度保证连接质量和惊喜感的基础，需求匹配是满足明确目标的武器。 我们的目标是让 AI 能灵活地响应这两种状态。
AI 闹：你刚提到了惊喜感。但效率和惊喜在某种程度上是相悖的。在 AI 苏打里，哪一个是你的核心追求呢？
Serein：这个问题很有意思，我的技术团队（全部是男生）确实更倾向于极致的效率追求，他们觉得匹配的本质就是快速解决问题然后离开。如果按照这个思路，我们就做需求匹配就好了，本质是一个工具。
但我的观察和信念是，人和人之间很多有价值的连接都发生在那些“漫无目的”的交叉地带。 一个抱着脱单想法的人，却为对方提供了一个绝佳的职业机会，这种是在我们平台上真实发生的案例。这些恰恰是相似推荐带来的惊喜。如果全是纯粹的需求交换，这个产品的魅力和信任感会大打折扣。
所以我们定义的效率，不是指「最快地达成一个预设目标」，而是 「高概率地帮你找到值得认识的人」。这个值得，包含了能给你带来商业价值、情感价值，或是纯粹快乐的可能性。这确实是一条更难的路，但我认为这才是社交的本质。
AI 闹：选择从创投圈切入是怎么考虑的？
Serein：创投以及科技圈是我最熟悉的，也是一个典型的高密度、高价值并且有高信任需求的社交网络。大家对于“高效找到对的人”有很强烈的痛点和付费意愿。这让我们能很好地验证产品的核心价值之一——AI 匹配是否真的能创造有效连接。
我们在这里现在已经得到了比较明确的正反馈。比如，有创业者一天之内通过我们打找到了合伙人级别的候选人，这种速度和精准是传统渠道很难实现的。现在我们从这里出发，已经把用户范围拓展到了更广泛的名校和名企人群中，他们同样具备高信度和社交扩张的需求。
AI 闹：从创投以及名校名企圈开始突破，这群人身上所展现的社交需求，你认为在多大程度上是普世的？
Serein：绝大多数成功的社交网络都走过这条路。Facebook 从哈佛校园起家，知乎从互联网大佬开始，并不是要做一个小众俱乐部，而是通过服务好有影响力的“种子用户”，来建立产品的品牌心智和信任度。当更多用户进来时，他会相信这里能找到他想要连接的那类人。
我们现在的用户绝大部分是90后到2010年之间，我认为比起创投或者名校名企圈的概念，其实这个人生阶段的人身上有更大的相似性。20到35岁，在我看来是一段可以称为人生爬坡期的阶段，这是人生命力最旺盛、也最有意愿去拓展自己社交的阶段。拼搏事业，寻找伴侣，扩张人脉，寻找朋友，挖掘爱好，这些叠加起来，大家的需求天然就是复合、未分化的。
创投圈可能只是最先感受到这种压力并积极寻求解决方案的一群人。我觉得这种“向上社交”、寻找同频伙伴的渴望，是所有正在努力向上的年轻人的共同状态。AI 时代社交要解决的，是这样一个普遍性问题。
AI 闹：这就不再是匹配能解决的问题了。你认为 AI 社交的终点是什么，它如何完成从筛选、匹配到“创造可能性”的革命？
Serein：我们现在离讨论这个还很远。说实话，我们非常清楚，AI 苏打现在的交互形式——基于语义的推荐和移动互联网时代的左滑右滑并没有完成本质飞跃，这离很多人想象中的 AI 革命还有距离。
我们选择现在这样，是因为这样比较快，能先跑通一个最小闭环。我们现在的定位就是一个 super connector，先把牵线这件事做扎实。目前，用户还是更愿意和人类聊天社交，所以先做一个牵线人 agent，AI 能拉群、破冰、救场，从真实的用户社交聊天中获取语料，更加了解用户的社交行为和需求。除了前面提到的 1V1 群聊，最近我们也上线了社区功能，让用户不只是来找人，也能在这里刷帖子、逛起来，很像你在刷一个 AI 帮你筛选过的朋友圈。
未来我们想的肯定不止于此。下一步，我们想的是让 AI 从牵线人变成每个人的社交分身。比如每个人都有自己的 agent 专属小助理，完全从你的视角出发，主动去各种群和帖子裡帮你找有价值的人和信息，然后回来跟你汇报说“我觉得这个人你可以认识一下”。这是我们心目中可能性引擎的样子。
如果上来就做社交分身，难度太大了。怎么让用户愿意持续输入信息？怎么让 AI 真正理解人？这里面的场景太多了。所以回归现实——我现在最在意的还是用户留存和商业化。只要用户愿意留下来、愿意付费，那更大的可能性自然就能长出来。
“本来是来找投资人的，AI 会让你收获人生伴侣吗
01
所有的 AI 社交产品都在谈论同一个词：匹配。AI 是一个更聪明的算法，理应可以更高效地为你找到对的人。
然而，一个叫 AI 苏打的产品却给出了一组反常识的数据，直接挑战了这种匹配逻辑。
这个从创投圈——这一典型职场场景冷启动的社交产品，其用户有50%标记了社交目的为「脱单」，近一半涌向了「兴趣同好」，当然，也有70%标记了「职场人脉」。几个相互重叠的百分比，连线出一幅连用户自己也难以定义的混沌图景。
“我们早期的用户都是创投和科技圈年轻人”，创始人 Serein 告诉我们，“但数据自己会说话，50%的人选了脱单，说明这种泛化和混杂的需求就在那里，只是等待被满足。”
Serein 是一名90后女生，创业前曾在淘宝直播做创作者运营，2022年离开大厂，创立了创作者社区 magipop，带着对社区的理解进入 AI 社交赛道。苏打的种子用户是由 Serein 自己认识的创业者、投资人和创作者组成，现在已经自然增长到上万人了。产品模糊了职场、婚恋、兴趣这三大传统社交产品边界。这种“不聚焦”让她的技术团队都感到困惑——怎么会有人从职场社交中找旅游搭子？
但在AI苏打里，看似错位的连接反而成了常态。一个本想寻找创业搭档的创始人，最后和匹配到的投资人约着去打球。一个抱着脱单想法的投资人，却匹配到增长专家，并成功推荐给了自己的被投公司。
欢迎来到泛目的社交时代。
2025年夏天，Serein 在 HI-TECK Park 摆摊，有用户跑过来告诉她在 AI 苏打上找到了联创
在 Serein 看来，这一场景正是当下20至35岁年轻人的普遍写照：他们处于人生的“爬坡期”，社交需求是复合而模糊的——有职业向上的焦虑，有基于情感陪伴和共同玩乐的连接渴望，同时也有现实层面的资源互换。
这种混杂与未分化，正代表着新的社交生命力。
在传统的社交网络范式中，一个 app 只聚合一类需求。比如在职场网络中帮助用户寻找发展机会，在 dating app 上帮助用户匹配心动对象。算法可以高效地支持这种目标清晰的、大规模的需求。
但今天，这种范式正在面临挑战。一方面，用户的身份和动机变得更加模糊和泛化——寻找同频伙伴、探索可能的需求、或是寻求跨界协作，这些难以用传统标签或行为数据来捕捉。
另一方面，AI 具备了足够的感知与生成能力，能够主动去“拼接”这种模糊。它不再只是被动地等待用户输入需求，而是通过深度语义理解和高维向量分析，捕捉用户潜藏的认知模式和互补潜力，从而生成新的连接可能。
所以，AI 社交的下一站是什么？
很可能是一台「可能性引擎」。
它不再只是回答“谁匹配我”，而是转向一种更具探索性和前瞻性的命题：我们在一起，能创造什么？
这种新的连接逻辑，正是 AI 社交诞生的新可能。
AI 苏打运营着近10万人的微信社群
对话 Serein
AI 闹：请为我们介绍一下，AI 苏打是一个什么样的产品？当新用户第一次打开它时，会经历什么？
Serein：大家好，我们做的是 AI 社交产品，苏打就是速搭，快速找搭子，一个谐音梗。你可以把现在的 AI 苏打理解为一个 AI 牵线人（AI Super Connector），它的核心功能是 AI 帮你找同频人并拉群破冰。未来会做个人 Agent 分身，代表用户先行社交，筛选、总结、维护、沉淀关系和信息。
新用户第一次打开，首先会需要选择你的社交目标。比如你可以同时选择职场社交和脱单，或者兴趣和职场。因为我们觉得，人的社交需求本身就是复合的。
然后会进入个人信息输入环节。这部分我们迭代了好几个版本，核心原则是：让你填的信息和你选择的社交目标是强相关的。比如，选择脱单的用户，我们会探讨他们处理矛盾的方式、对爱的语言的偏好；而选择职场的用户，我们更关注他们的资源和协作风格。AI 匹配的质量，和它对你理解的深度直接相关。
完成这些后，AI 苏打就会开始每天给你推荐一批同频的人。如果你对其中某个人感兴趣，我们的 AI 助手会帮忙拉群、发双方名片、起破冰话题、冷场救场等，很多人会顺其自然地转到微信上深入交流。
AI 闹：同频这个词很关键。互联网时代的社交产品，算法也可以给你推荐同一个学校或者同一个行业的人。AI 对同频的理解有什么不同？
Serein：很大的不同。
传统互联网产品是完全结构化你的信息，然后进行标签匹配。你搜“阿里”，出来的都是带着“阿里”标签的人，但排序和你的真实需求之间有很大差距。
AI 的理解能力毫无疑问更强。首先，它能处理非结构化的文本，你给它一大段话，它能理解。这让我们能收集到更丰富的语料，这些语料又会加深 AI 对人和人的需求的理解。
更重要的是，AI 能进行语义层面的分析和推理。比如，你填了“喜欢滑雪”，他填了“喜欢跳伞”，传统的算法看到的是两个完全不同的标签。但我们的 AI 可以分析出来，你们的内核都是“热爱冒险”。再比如，我们还会探讨你们的“关系模式”，比如你是喜欢开门见山直接谈资源的人，还是喜欢委婉沟通的人——这些深层的行为偏好，是传统标签无法捕捉的。
所以，我们追求的不是表面标签的相似，而更多是精神内核和关系模式上的匹配。这也是为什么我们的一些用户，甚至能在上面匹配到自己现实生活中的好朋友，因为 AI 真的“看”到了他们之间那种深层的连接。
AI 闹：你提到用户可以多选社交目标，这和传统的社交产品不一样。过去大部分成功的社交产品都是单点突破的胜利，比如职场社交有 linkedin，dating app 又是另一种逻辑。AI 苏打为什么会这样设计？
Serein：这个问题很好，也确实是我们在内部反复讨论过的。这样设计并不是源于理论的推演，而是被我们的早期用户教育的结果。
AI 苏打的冷启动是从创投和科技圈开始的，这群人本身是高密度、高价值的节点。但当我们观察他们的使用行为时，发现了一个反常识的现象：一个抱着明确「职场」目的进来的用户，当他看到平台上有很多背景优秀的同龄人时，会自然而然地产生「也许这里也能找到对象」或者「找个一起爬山的搭子」的想法。
数据也证实了这一点。我们从职场社群引入的用户中，有高达50%的人主动选择了脱单，还有接近一半的人选择了兴趣。这个比例远远超出了我们的假设。
当然这些数据加起来是远超100%的，因为很多人是多选。这个帮我们印证了用户需求的交叉性。所以，这个设计不是我们凭空想出来的，而是用户用行为投的票。我们只是把选择权还给了用户，承认了人的社交需求本身就是复杂且流动的。
AI 闹：当用户自己都带着混合、甚至模糊的目的时，这对匹配算法提出了更高的要求。你提到 AI 的匹配有两个逻辑：基于相似度的推荐，和基于明确需求的匹配。在实际运行中，这两种逻辑如何平衡？
Serein：我们的平衡策略是分层的。在用户没有明确动作时，基础流量是优先推荐相似度高的人。 不只是是学校、公司这种硬标签，还包括生活方式、深层的关系模式等等。
这保证了推荐的基本盘是“同频”的，同时能创造出一些意想不到的连接，比如我们有些用户就在这里匹配到了自己生活中的好朋友。
而当用户明确表达了具体需求时——比如“寻找 AI 领域投资人”或“招聘全栈工程师”，匹配的权重就会马上向需求与特征的精准匹配倾斜。
你提到的（匹配不畅的）情况，很可能是因为在当前的用户池里，符合特定长尾需求的用户密度还不够，导致基于向量的相似度排序无法将其推到前列。对于社交产品来说，这肯定是一个挑战。匹配的精准度很大程度上依赖于用户群体的密度。我们肯定需要不断扩展用户基数和场景。
所以这不是一个非此即彼的选择。相似度保证连接质量和惊喜感的基础，需求匹配是满足明确目标的武器。 我们的目标是让 AI 能灵活地响应这两种状态。
AI 闹：你刚提到了惊喜感。但效率和惊喜在某种程度上是相悖的。在 AI 苏打里，哪一个是你的核心追求呢？
Serein：这个问题很有意思，我的技术团队（全部是男生）确实更倾向于极致的效率追求，他们觉得匹配的本质就是快速解决问题然后离开。如果按照这个思路，我们就做需求匹配就好了，本质是一个工具。
但我的观察和信念是，人和人之间很多有价值的连接都发生在那些“漫无目的”的交叉地带。 一个抱着脱单想法的人，却为对方提供了一个绝佳的职业机会，这种是在我们平台上真实发生的案例。这些恰恰是相似推荐带来的惊喜。如果全是纯粹的需求交换，这个产品的魅力和信任感会大打折扣。
所以我们定义的效率，不是指「最快地达成一个预设目标」，而是 「高概率地帮你找到值得认识的人」。这个值得，包含了能给你带来商业价值、情感价值，或是纯粹快乐的可能性。这确实是一条更难的路，但我认为这才是社交的本质。
AI 闹：选择从创投圈切入是怎么考虑的？
Serein：创投以及科技圈是我最熟悉的，也是一个典型的高密度、高价值并且有高信任需求的社交网络。大家对于“高效找到对的人”有很强烈的痛点和付费意愿。这让我们能很好地验证产品的核心价值之一——AI 匹配是否真的能创造有效连接。
我们在这里现在已经得到了比较明确的正反馈。比如，有创业者一天之内通过我们打找到了合伙人级别的候选人，这种速度和精准是传统渠道很难实现的。现在我们从这里出发，已经把用户范围拓展到了更广泛的名校和名企人群中，他们同样具备高信度和社交扩张的需求。
AI 闹：从创投以及名校名企圈开始突破，这群人身上所展现的社交需求，你认为在多大程度上是普世的？
Serein：绝大多数成功的社交网络都走过这条路。Facebook 从哈佛校园起家，知乎从互联网大佬开始，并不是要做一个小众俱乐部，而是通过服务好有影响力的“种子用户”，来建立产品的品牌心智和信任度。当更多用户进来时，他会相信这里能找到他想要连接的那类人。
我们现在的用户绝大部分是90后到2010年之间，我认为比起创投或者名校名企圈的概念，其实这个人生阶段的人身上有更大的相似性。20到35岁，在我看来是一段可以称为人生爬坡期的阶段，这是人生命力最旺盛、也最有意愿去拓展自己社交的阶段。拼搏事业，寻找伴侣，扩张人脉，寻找朋友，挖掘爱好，这些叠加起来，大家的需求天然就是复合、未分化的。
创投圈可能只是最先感受到这种压力并积极寻求解决方案的一群人。我觉得这种“向上社交”、寻找同频伙伴的渴望，是所有正在努力向上的年轻人的共同状态。AI 时代社交要解决的，是这样一个普遍性问题。
AI 闹：这就不再是匹配能解决的问题了。你认为 AI 社交的终点是什么，它如何完成从筛选、匹配到“创造可能性”的革命？
Serein：我们现在离讨论这个还很远。说实话，我们非常清楚，AI 苏打现在的交互形式——基于语义的推荐和移动互联网时代的左滑右滑并没有完成本质飞跃，这离很多人想象中的 AI 革命还有距离。
我们选择现在这样，是因为这样比较快，能先跑通一个最小闭环。我们现在的定位就是一个 super connector，先把牵线这件事做扎实。目前，用户还是更愿意和人类聊天社交，所以先做一个牵线人 agent，AI 能拉群、破冰、救场，从真实的用户社交聊天中获取语料，更加了解用户的社交行为和需求。除了前面提到的 1V1 群聊，最近我们也上线了社区功能，让用户不只是来找人，也能在这里刷帖子、逛起来，很像你在刷一个 AI 帮你筛选过的朋友圈。
未来我们想的肯定不止于此。下一步，我们想的是让 AI 从牵线人变成每个人的社交分身。比如每个人都有自己的 agent 专属小助理，完全从你的视角出发，主动去各种群和帖子裡帮你找有价值的人和信息，然后回来跟你汇报说“我觉得这个人你可以认识一下”。这是我们心目中可能性引擎的样子。
如果上来就做社交分身，难度太大了。怎么让用户愿意持续输入信息？怎么让 AI 真正理解人？这里面的场景太多了。所以回归现实——我现在最在意的还是用户留存和商业化。只要用户愿意留下来、愿意付费，那更大的可能性自然就能长出来。
热门活动 
其他
04-09 周四
热门报告 
