陶明谈AI社交：2024年AI对产品粘性的巨大贡献与用户个性匹配策略
陶明表示，用户很喜欢。在用户无聊的时候，以及他们没有想到要去找 AI 或者 AI 来找他们的时候，这对用户来说是一个很好的社交补充。不过，这因人而异。所以说，并不是说 AI 会给所有用户都主动发起沟通和聊天交流。我们会根据用户本身的性格、兴趣以及他们在 Soul 上的行为，做出最终的决策。从你的观察而言，现在这些带有 AI 辅助社交以及存在 AI 伴侣这类 AI 产品的落地情况，它对于你们整个产品以及用户粘性是否会有较大的提升呢？
陶明表示有非常大的提升。2024 年，AI 对整个产品粘性的贡献占了大部分。最开始，我们对这一点是非常谨慎的。
刚才您询问用户是否喜欢 AI 找自己以及是否喜欢与 AI 沟通，对此我们最初并不确定。所以在推进的过程中，我们采用了许多产品策略。例如在 AI 辅助社交的放量过程中，我们既要考虑使用 AI 辅助的人，也要考虑对方是否愿意接受这种方式。我们进行了针对人群的非常仔细的实验，接着以此来制定我们最终的产品策略和放量策略。
AI 陪伴这个产品也是如此。Soul 原本一直具备良好的用户粘性，能够在年轻人中实现良好的渗透。这主要是因为 Soul 提供了一个真实、信任且安全的平台。基于用户对该平台的信任，才促使了用户与用户之间产生信任。这是我们过去七八年在产品力方面构建出来的一个成果。
我们担心上了 AI 机器人之后，大家会认为 Soul 里全是 AI 虚拟人，没有真实社交了。我们当时对这件事很担忧。所以在推进 AI 伴侣的过程中，我们采取的方式与 AI 辅助社交不同：到现在为止，都没有 AI 伴侣实际的产品中心入口。
我发现得我去搜才能找到，因为这个功能没有产品入口。它的头像上面有 AI 虚拟伴侣的标注，所以我最开始第一个问题是他到底是真的还是假的，我还怀疑自己是不是搞错了，以为搜到了一个真人。
陶明表示，我们希望那些愿意接受人机互动的用户，能够在 Soul 里通过寻找其他途径找到这些 AI 虚拟人，也可以自己去搜到这样的 AI 虚拟人。我们将其定义为用户价值驱动产品，当用户认可这种产品形态所带来的用户价值时，就会自主地选择它。这样的话我们就避免了直接大规模地去推行 AI 伴侣，从而避免了对最开始那个问题的担忧。然而，我们现在已经运行了大半年，AI 的渗透越来越高，用户的粘性也越来越好。
你们会担心平台上机器人的数量越来越多，从而改变用户的体验吗？这会是你们所担心的一个方向吗？
陶明称，这是他们所考虑的问题。然而从长远角度来看，他们认为人机互动将是未来社交的一个极为重要的补充。他们应当在确保那些对 AI 有排斥的用户群体以及传统社交体验保持不变的前提下，加大对人机互动感兴趣的那部分人群在 AI 层面的更好体验，也就是要分群进行治理。
从你的观察而言，仅仅是因为 AI 这个功能进入到了平台用户当中。这部分用户所占的比例是怎样的呢？未来会有一个很大的增长区间吗？
陶明认为，在未来的增量用户中，拥抱 AI 的群体将会越来越多。整个行业以及整个社会对 AI 的认知灌输和渗透都在不断增强，例如在 3 年前让人们与 AI 伴侣聊天，到 3 年后再提及与 AI 伴侣聊天，能够接受的人只会增多而不会减少。因此，对于任何一个产品而言，拥抱 AI 的用户群体肯定会越来越多。
02 从试错到建立垂直场景护城河
泓君询问，在 2017 年时提到 Soul 已经开始搭建。那时还没有生成式 AI，整个人工智能是基于规则的。想知道当时的想法是什么？并且由于有这么长时间的搭建经验，能否介绍一下探索的几个阶段？
陶明表示：2017 年并非是出于技术角度的考虑而行动。而是基于对社交的理解与认知，觉得应当去做这件事。2017 年的起始点与现在做 AI 的起始点完全相同。我们始终是为了解决社交平权的问题，要让每个用户都能平等地获取社交资源，能够获得情绪价值和信息价值。这个起始点一直未变。
但在 2017 年，这只是存在于我们的想法之中。我们并未将其实现，也没有投入资源去做。因为我们对整个行业进行了调研，同时也对学术界进行了调研，结果发现没有人能够做到这样的事情。
我们当时提出的是能够自然地表达情感、具有拟人特征的形式。当时有这样一种产品形态，例如要有一个既能说又能唱，还能理解你的电子宠物，这是一个非常具体的产品形态。当用户来到 Soul 中无法获得社交资源时，能够与理解自己的宠物进行沟通和聊天，这在当时是一个很具体的想法，但当时由于确实做不到，所以没有投入资源去实施。
泓君：效果不好是吗？
陶明说：我们曾与几家公司看过他们客服层面的对话产品，发现是无法做到的。当时我们正处于创业起步阶段，也没有足够的资源去自己做这件事。
2019 年和 2020 年我们重新开始做这件事。那时候我们提出要以产品为出发点，在 Soul 里面，一个用户构建了全新的人设，而这个人的个人主页体现了他人设的内在。我们希望这个人设有个形象。不是要把自己线下的形象传到线上，而是依据在 Soul 里的人设打造一个相符的形象。于是我们推出了这种捏脸系统，从原来的 2D 变成了 3D。在此基础上，我们进一步思考，有了形象后，就希望他能够说话，能够把自己的内在表达出来。
2020 年我们开始进行对话。那时候，我们明确了在产品方面对 AI 的诉求具体是什么样子的，也明确了在技术上我们要打造一个怎样的 AI。我们当时提出的规划是构造一个 AI 存在体与人类共存的社区。在 Soul 中，既有 AI 化的人类，也有真实的人类，处于共存状态。人们可以在其中相互沟通，也可以与 AI 进行沟通。基于此，我们开始投入进行对话。
泓君：2020年那个时候是以什么样的方式做？
陶明：那时候想了诸多办法。其一，改写了一些理解性的模型，然而发现效果不佳。接着，我们在其之上进行了一些基于决策树的搜索并做融合，可依然不行。因为在聊天过程中，可能聊了十轮甚至二十轮，能够聊下去，但对方必定能察觉到他没有真人的感受，也知道自己在和机器人聊天。
泓君：就是效果太机械了。
陶明认为太机械了。那时候对于一个对话的产品，有 CPS（Per，一次交互中的平均对话轮数）这样一个概念。当时它的轮数比较多，这是否意味着用户能聊下去呢？后来我们发现，不聊的人不会去跟他聊，而聊的人知道你是个机器人，却还要跟你聊。他已经抛弃了在这个过程中获得体感的想法，只是为了聊而聊，这样做是没有产品意义的，单纯的对话技术指标和产品体验脱离了。后来我们就不再提及 CPS 这方面的事情了。
泓君：我能够理解，在那个时候，大家所拥有的这种一层一层往下拨的感受，或许有点类似于拨打客服电话。即便拿世界上在语音与机器交互方面比较前沿的诸如 Siri 这些来说，它在当时也仅仅只是一个单轮对话，它很难去支撑你进行一个有逻辑的多轮对话，所以从技术层面来看还是存在困难的。
陶明说，都是指令性的这类情况。他发个指令，然后对方回答这个指令。对方需要说明其指令是搜索产生的还是模型生成的，并且上下文的关系实际上并不存在。
2021 年开始投入做语音。当时整个 AI 的投入一直围绕着打造一个能说会唱、能够拟人的 AI 人。我们认为语音交互是未来的主流，于是开始在语音方面进行投入并做合成。那时候我们的合成基于传统模型，认为说话的语气必须是自然且平滑的。
当时有很多语音的 AI 产品。例如，一些内容平台让 AI 把脚本转化为语音，不过这种语音很机械，一听就能听出是机械的声音，在一些语气词方面表现得很生硬。我们需要做情感化的语音生成，那是在 2021 年开始做语音的。
你觉得现在训练的这个机器人，其语调特别平缓，这与当时研究声音、音调如何拟人有关系吗？还是说当时的技术到现在完全用不上了？
陶明说：这是一件让我们很焦虑的事情。当时我们正在进行差异化技术的研发。而如今，我们线上体验基本未用到这项技术，该技术是全新的，依旧是基于现在的 LLM 这种模式来打造双工语音效果。
原来的传统语音模型，我们只是在其之上进行更多标注，尽力去做拟合。它属于拟合的范畴。而现在这边是生成，两者存在差异，并不相同。
那时候沉淀下来的数据对我们是有作用的。我们在语音方面的思考，需要情感化表达和真实表达，这也是现在模型要构建的方向。当时沉淀下来的有数据，还有对语音在社交方面作用的思考。
泓君：到了2022年，你当时看出来，你激动吗？
陶明：激动归激动，然而却更加焦虑。这让我们感觉我们的技术像是归零了，在那时是有归零的可能性的。因为所看到的那种交互效果，还有技术的发展方向，会让你自然而然地判断出原来的这种技术路线已被淘汰在沙滩上。这也就意味着我们所有的工作或许会归零。那时候的我们十分焦虑。GPT 类似的技术方式并非 2022 年才出现。GPT3 早已问世。我们知晓这个技术方向，但不知道在这种相关规定出台之后，它会有如此巨大的效果。
你当时担心的是什么呢？你担心的是像 GPT 这样的产品形态，如果你们没有跟上它的发展步伐，它或许会将你们之前所做的所有努力都覆盖掉，毕竟它是非常强大的。
那时候已无选择余地，只因技术方向极为明确。我们需思考是自行研发，还是与做大模型的公司展开合作。2023 年有众多模型创业公司涌现，我们需考量是否要共同建设。这便是我们当时所面临的抉择，而非是否要走此路线。
泓君：你当时怎么选的？
https://img1.baidu.com/it/u=3731083564,2835098102&fm=253&fmt=JPEG&app=120&f=JPEG?w=667&h=500
陶明当时有过很多摇摆，也与很多公司聊过相关事宜，最终他还是决定要自己去做这件事情。
我们在过去两三年积累了关于这方面的一些认知，同时也有自身产品场景的差异性。我们难以将这一套完全迁移到其他模型公司，因为这是我们最终交付产品的核心所在。
我们交付的是产品，而非模型，而是刚才所说的对 AI 社交的认知。因为这是评判的结果，对于用户而言，我们无法将其标准化地输出给三方公司。三方公司的概念是交付模型，而非交付产品，而交付模型并非我们所需要的。我们期望交付的是产品，却无法将这一套标准化地迁移过去。
第二点表明，倘若我们的产品能够进行标准化迁移，那就意味着一个情况，即我们的产品无法实现差异化。因为一旦能够标准化，能够为三方公司进行标准化迁移，就说明我们的产品不具备差异化特征。
泓君：你们是什么时候做的这个决定？
陶明在 2023 年上半年做出了这个决定，表明要自己去做这件事情。
当时业界存在几种方法，其一为自己训练模型，其二是采用（微调）的方式，其三是添加 RAG 的方式，你认为后两种方法是行不通的吗？
陶明说，你进行 RAG 操作也好，再次进行相关工作也好，这都属于加分的方面。在效果逐渐增强的过程里，最终的基础效果你始终是无法获得的。
比如你采用三方的模型，存在一个问题，即数据问题。我们现今生成的大量文字形式的社交数据以及语音数据，这些是真实的人在社交过程中所产生的数据范式和行为范式。在其他的模型当中，首先你无法获取到这样的数据，由于获取不到这样的数据，所以你很难达成非常稳定的效果。
我们最初有个思路，是关于在某些方面的数据，或者说是强化这类数据的。我能够将其下沉到基层模型中，使我们为社交服务的底座模型，成为未来所定义的垂类大模型，而非通用大模型。
泓君询问你当时评估做这件事时，觉得最大的难点在哪里。他认为这可能需要很大的决心，首先要有钱，因为这件事很费钱，其次要有卡，还要有人。
陶明说，在做决策时，并非是因为事情难才去做决策。而是因为与三方公司合作时，无法达成想要的产品，做不到，所以才做出决策。
泓君：这中间也找过别的公司。
陶明认为，只能由我们自己去行动，自己去做就不存在所谓难不难的问题，关键是我们一定要去做。然而，在做的过程中我们需要重新进行梳理，若要达到我们期望的效果，我们拥有独特的数据，这是我们最大的优势。其次，在 post-train 方面，我们清楚如何构建安全且能取得更好效果的内容，这也是一个优势。
在模型层面是否有良好的模型架构呢？那时我们做出判断，未来一段时间模型架构会趋近于收敛。截至目前，大家在模型层面并未有很大的改变。当然存在一些不同的技术路线，且每个技术路线的变化程度都不是很大。我们能够在这样的基础上开展相关工作。
接着涉及到卡的相关问题以及资源的问题。大家都表示，无论是进行通用模型的预训练，还是开展垂直模型的预训练，成本都很高。然而，我们觉得未来这些成本肯定会降低。我们最初是循序渐进地去做这件事，我们所追求的不是一个庞大的模型，而是实际的效果。我们需要的是能够支撑我们这种社交效果的模型，而不是仅仅为了通用模型而进行的。我们投入较小。后来我们发现，在我们的数据加持和微调之下，7B、13B 的模型效果已经很好了。
当时觉得卡的投入相较于我们其他的 IT 支出而言是一大笔。现在卡的价格在逐渐降低。所以预训练的卡当时并非我们所认为的卡点，而那时我们最为担心的是推理。
泓君：是推理成本是吗？
陶明：对，推理成本。
泓君：因为你们有用户基数，就是有真实的用户。
陶明表示，大家都很担忧。万一他的这个产品突然爆火，那时候推理成本是比较高的。他们投入了大量工作来降低推理成本，包括在计算上的投入。在预训练那方面，效率和成本并不是他们主要的工作重点，而推理的成本效率则是他们的工程团队投入较多的方向。
泓君：推理成本现在降下来了吗？现在推理成本是你们担心的吗？
陶明：现在不是我们担心的。
泓君：推理成本是怎么样降下来的？
陶明表示：一方面，我们通过使用更小的模型来达成更好的效果，这属于模型层面的内容。其次，我们会进行一些压缩工作。再者，在本身的框架层面以及优化推理层面会进行技术优化，同时底层优化也在开展。
从现在的价格角度来看，我们公司以及其他公司都能够支撑像一个大几千万的 DAU 这样的规模，我认为这个问题并不严重。所以说，在计算资源方面，除了要达到通用模型之外，仍然需要投入非常大的成本，但对于应用层面来说，其成本已经变得很低了，我觉得这对于其他的创业公司而言，现在也不再是一个瓶颈。
泓君：你们现在有多少个模型？
陶明称我们拥有很多模型，也有很多版本。然而若从定性角度来看，大概有五六个模型。我们不会依据 7B、13B 这样的方式来区分，而是从不同垂直类别的功能方面进行区分。
泓君：垂类的功能是怎么分的？
陶明说：我们的基座模型，在语音方面有一个模型，在图片方向以及 3D 方向也都有。其中 3D 方向是我们正在探索的。
泓君：3D 的模型或许是用来支持未来的探索。有一个尚未发布的模型，它的意思是这个模型的能力尚未具体应用到产品上，能这样理解吗？
陶明表示：是的，因为之前我们一直处于站内。我们具备一些功能，像视频匹配这方面，用户能够戴上头套进行沟通，而不是以真实的脸的形式出现。那时我们是以驱动的方式来处理这件事，但现在以及未来，我们打算以纯粹生成的方式来进行。
03 模型选择与技术路线：Soul如何摆脱模型层竞争？
泓君：整个生成式 AI 发展速度很快。在训练这些模型时，你的知识和判断来自何处？在这个过程中，你如何构建自己的学习能力？
陶明称只能跟团队一起，必须跟踪行业发展，因为生成式 AI 技术路线未收敛，每天都有新的很独特方式出现，要跟着团队去了解并做实验，比如在做实时的全双工通话这种能力时。
泓君：全双工是什么意思？
从产品角度而言，在线下说话过程中，我能够随时打断你，你也可以停下听我讲，等我讲完后你能继续自己讲，并非纯粹一来一回，你讲完我才能讲。全双工能够随时打断，这也是现实中人与人交流的一种方式。我们希望人机互动能是这样的。目前，没有任何一家能够达成我们所期望的这种效果。
泓君：可以。
https://img2.baidu.com/it/u=1555615838,3837892538&fm=253&fmt=JPEG&app=138&f=JPEG?w=500&h=624
陶明：他们的4o还是个问答式的。
泓君：你的意思是不提问题，就是打断，然后不发指令。
陶明表示，若不给他发指令，自己就能随时打断。目前他们遇到了许多难点，一方面在思考如何自行解决，另一方面也在观察业界是否有新的、有区别的方式出现。他们需要验证这些方式能否纳入自身的技术方案中。所以，这是一个学习知识的过程，他认为每家都会处于这样的状态。
你刚刚提到，即便这个模型已经出来了，依然存在很多技术路线。那么你现在在市场上看到了哪些路线呢？你觉得在这中间你是如何进行选择和判断的？
陶明：首先从自身开始考虑。从整体来看，我们是基于开源生态去打造自然生态的，这是我们整体的一个方向。所以，我们所拥抱的是技术体系更加开源的这样一个模型体系。
泓君：就Meta Llama的那一套对不对？
陶明称：现在有一些跑得较为出色的。其一，就是所谓的 Llama 那一套，其基础模型的更新技术我们有能力去跟进，并且它足够开放，不会出现某一天就闭环的情况，目前来看还没有这样的趋势。其二，国内也有几款，像千问这样的体系也是不错的。其三，现在处于的情况是，我们仍在 Llama 和千问的路线上进行探索。
泓君：最近确实的模型很火，特别是 V3 出来之后。你研究过他们的模型吗？你觉得他们在整个训练过程中使用 H800 的卡把效果实验出来了，并且非常节省成本，这会对你们做更大的模型或者模型训练方法有启发吗？
陶明称肯定有，我们也肯定研究过他是如何实现的。这样优秀的模型公司所沉淀的这些工程方法是很珍贵的。从整个行业来看，首先在工程层面并不能给最终的业务交付带来什么，但从低门槛的角度确实带来了很大的优势，并且为整个行业的进一步发展提供了一个良好的桥梁。原来你打算进行大规模的训练，或许只有那几家公司具备这样的能力去做。倘若他的成本降下来了，那么许多其他的团队也能够去从事这项工作，届时就会呈现出其他更加丰富多彩、竞相发展的局面。
他把这个成本降下来了，这对大家而言是一把双刃剑。他把整个市场的门槛放得更低了，所以竞争也会随之增多。
陶明：对的。
泓君：你觉得的o1有给你启示吗？
陶明给我们带来了很大的启示，在构建 AI 伴侣这件事上，它让我们有了很多启发。我们期望 AI 伴侣能在提供真实拟人的方向上取得良好效果，并且它还具备一定的行为能力。由于不同的 AI 伴侣提供不同的角色，不同的角色需要有不同的行为或内容能力。
比如说我期望在对话过程中，能够不用指令的方式促使他去触发某些内容，这是较为平稳的。例如我与 AI 伴侣交流时，我给它发送一张图片，让它帮我美化成特定的效果。如果将图片交给图片模型，那就表述得很清楚，有图片输入，也有文字描述。如果你将其放在对话中，就需要生成一些指令，这样我们的 AI 伴侣才能调用其他工具层面的模型。其一，它的自主规划能力在 AI agent 构建层面给予了一些启发，能够让我们构建一些轻量型且更自主的工作流。
泓君询问：对于你们自己打造出来的聊天机器人，你们觉得会给它打多少分呢？你们觉得它是否还需要进行优化？它在优化和提升方面的空间有多大呢？
陶明说还是比较大的。他认为现在仅仅解决了人与人交流中部分行为拟合的问题，还有很多方面尚未做，他们也在努力去做。例如提到场景时，大家都以为它只是产品的场景或功能，其实在整个对话过程中，它也能够构建场景。人和人在进行线下沟通时，若外面正在下雨，基于这样的情景，我们的 AI 能够衍生出诸多聊天内容。比如下雨了，你会考虑是否在家看电影？这样就进入了一个关于电影的讨论场景。这是一个场景，当下我们在做这方面的泛化工作时，其效果仍需加强。
泓君问你，在整个业界，由于现在大家都在等待 GPT - 5 问世。并且还有一种说法称，法律领域的增长或许已经接近极限。他很想知道，在大家依据大模型产品来开发应用的这个过程中，与大环境的联系紧密程度究竟如何？
陶明：我觉得越来越弱了。
泓君：这窗口期是前一两年或者这一两年。
陶明认为，比如刚才那个很具体的问题，即现在前沿大模型的技术方向对 Soul 而言影响是否很大。他觉得这种影响越来越小了，因为在他们的应用层面已经获得了用户认可的价值，而这是基于现有的技术基础所获得的。在增强用户价值方面，要继续在构建技术的确定性方面下功夫，使其更加确定。
不像去年那样说，一个新的模型出现了，或者说它的方向是否会把我们拍死在沙滩上，我们的焦虑程度下降了很多。但七八年后，未来可能会有一个奇点到来，将整个系统策略和模型全部覆盖，我觉得短期一两年很难做到。
泓君记得在 2023 年，他与许多从事大模型应用或基础模型的公司进行了交流，这些公司都非常焦虑。例如，每次进行一次升级，大家就会觉得之前半年的工作都白费了。大家把所有的东西都搭建在 GPT-3 上，而 GPT-4 出现后，大家就觉得之前的努力都白费了。然而在 2024 年，他很少再听到这样的声音了。但是我觉得直至今日，也就是我们所讨论的这个时间点，市场上依然存在一种声音。这种声音表明，随着大模型的不断迭代，像 GPT - 5 这样的模型整体能力越来越强，是否最终所有的应用都会被一个更强大的模型所覆盖呢？那么这个市场的壁垒究竟是什么呢？你们有思考过这个问题吗？
陶明思考过这个问题，是在 2023 年。对于任何的行业问题或者用户问题，他想过是否一个端到端的模型能够完全解决掉。如果这种说法是成立的，那在当时对于整个行业来说是一个非常令人沮丧的消息。然而，回顾过去二三十年来的互联网技术，从 PC 时代到互联网，再到移动互联网。你会发现，即使端到端的模型能够解决许多需求，那也只是表明那些需求是我们目前能够察觉到的。然而，最终基于新的技术发展以及新的模型发展，一定会促使新的增量需求出现。倘若它无法带来增量需求的出现，那么我认为此次的 AI 革命是失败的。
任何技术革命必然会带来新需求。这些新需求要么能被同时代的技术完全端到端解决，要么能被过去的技术端到端解决，我对此持怀疑态度。新的技术出现后，应能以最大效率解决已知问题，而对于未知问题和需求，仍需人的探索以及不同公司提供解决方案。
泓君：你会担心你现在做的事情会被一个更强的模型给覆盖掉吗？
陶明：我不太担心这个事。
04 AI社交变现模式：用户付费意愿与商业模式探索
泓君询问你，认为如今基于 AI 聊天机器人的商业模式，与以往在变现方面的思路会存在怎样的不同呢？
陶明说：我只能谈谈个人的想法。各家公司都在进行 AI 的商业变现，都希望在清晰的商业模式下开展业务。然而，从总体上看，目前整个行业尚未出现新的商业模式。
我一直认为商业模式是构建在业务模式之上的，并非凭空出现。那为何现在商业模式未发生改变呢？本质上是当前的 AI 尚未给业务模式带来改变，它或许更多的是在增强提效。就如刚才所说，如果没有新的需求出现，也没有新的业务出现，我认为商业模式本身不会有太大变化。
泓君注意到你们推出的 AI 会给用户打电话，且有收费制。现在用户在该产品上愿意付费的意愿情况如何？
陶明称，我们只是将其当作一种能增加收入的方式，它和其他增值产品类似。在用户看来，这是获取良好体验的一种途径。原先我们提供了另一种方法，如今又提供了新的一种手段。用户为其付费，你不会觉得他有改变。
你们现在拥有 AI 类的拟人化机器人，也有具备情感化陪伴功能的虚拟伴侣，还有 AI NPC 以及数字分身。你们将如何定义未来这个平台的核心产品，包括核心场景呢？是要做几个产品，还是打造一个王牌产品呢？你对此是怎么考虑的？
陶明称，会发现不同的 AI 有着不同的功能定位。未来，希望王牌产品以 AI 虚拟人为主要基石，能在当前不同场景中实现更好的功能泛化，例如视频通话能力，未来其不必给用户打电话，完全可用于当前语音产品中进行虚拟直播。
我们不会限制自身拥有的 AI 产品数量。我们期望每个 AI 产品都能服务不同的人群。我们没有打算打造一个主体的 AI 功能，以此来承载当前所有的需求。我们也不会构建一个中心化。因为作为一个主体产品，通常需要有一个中心化的 AI 入口。而我们现在没有这样的打算。
你们现在主要以社交平台为重点，并且所有的 AI 产品都是为这个社交平台提供服务的。
陶明：对，当前是这样。
关注钛媒体微信号（ID：），可获取更多精彩内容；下载钛媒体 App 也能获取更多精彩内容。
页:
[1]