作者｜Cynthia
编辑｜ 郑玄
AI 社交，再次重回舞台中央。
1 月下旬，一个没有铺天盖地公关、甚至连官方介绍都极简的产品 Moltbook 悄然发布，瞬间在 AI 圈掀起了一场不小的地震。
短短 72 小时，15 万个 AI agent 自发涌入，十天时间，超 170 万 AI agent 带着被预设的人设和知识背景，自主发内容、找同好、开辩论，热闹成一团。
一个真正 AI 时代的社交网络热潮，就这么被一个人类只能围观的平台点燃了。
但与 2023 年那场主打 AI 陪聊的狂欢不同，这一次，行业的叙事逻辑中， AI 已经从陪伴人类聊天的配角，进化成为社交的主角之一。
随之而来，一个新的问题出现了：如果 AI 社交是一座金矿，那么它的形态，究竟会是 WhatsApp 这样的传统社交产品加上 AI 功能，还是一个 AI native 的全新物种？
要回答这个问题，我们需要先复盘，AI 社交这两年，到底走了一条怎样的进化之路。
01AI 社交三步走：
从陪聊搭子到 AI 版 WhatsApp
如果把 AI 社交的发展比作一场闯关游戏，那么行业已经跑完了前两关，正卡在最关键的第三关门口。
最早的 AI 社交，本质上是单向情绪供给。 人类有倾诉欲、有幻想欲，但现实中的社交成本太高，AI 完美解决了这个问题：随叫随到、永远共情、不会反驳，还能扮演你想要的任何角色。
Character.ai 以及国内的字节猫箱、Minimax 的 takie 等产品是这一时期的核心代表，大家的玩法大同小异，核心都是用 AI 提供情绪价值。
但这一轮热潮，很快就陷入了瓶颈。陪伴式 AI 的本质上还是单向对话，没有人与人之间真实的社交关系沉淀，大部分用户新鲜感过后，难以形成真正有效的留存。
于是，行业开始进入第二关。AI 开始参与人类真实的社交与工作，解决群聊总结、会议纪要等麻烦事 。谷歌是这一阶段代表，通过将 Gemini 融入 Workspace 全家桶，AI 成为各个任务节点的默认工具。同一时期的代表性玩家，还有国内大厂代表玩家如飞书、钉钉等。
但这一时期，创业公司的做法则更为激进：海外 Bubbl 为代表的产品，开始尝试以插件形式嵌入 WhatsApp、iMessage，模拟用户风格总结聊天、代发消息，借力成熟生态，虽然解决了产品的前期启动成本问题，但其隐私伦理争议等问题又带来了新的困境。
至此，行业进入 AI native 的第三阶段。这一阶段，市场开始出现全新的聊天软件形态：人类发起交互，AI 可以同时以工具或者好友等不同的形态作为社交参与的一环 。
最典型的代表，是 Teamily AI。它是全球首个 AI 社交通用平台，作为一个 AI-native 的即时消息应用，它的核心是借助社交大模型出发以及 agentic social network，可以让人类和 AI 代理实时共存、互动（网页为主，暂无 APP 形态）。
而 Teamily AI 的出现，也让行业产生了一个新的问题：AI 时代的 WhatsApp，到底应该是 WhatsApp+AI，还是 AI 原生版 WhatsApp？
02AI 时代的 WhatsApp，
为什么不会是 WhatsApp？
在讨论 AI 时代的 WhatsApp 的形态如何这个问题之前，我们不妨先回顾一段历史，思考三个问题：
电话出现后，写信就被彻底淘汰了吗？手写信依然是仪式感的象征；
手机出现后，我们就彻底不需要电话了吗？固定电话依然在企业和家庭中存在；
微信出现后，付费的短信就被扫进历史的垃圾堆了吗？短信依然是验证码、通知的重要载体。
既定的基础设施不会被淘汰，但新的时代，一定会催生新的产品形态 。而新的产品形态，又总能凭借更低的成本、更低的门槛、更高的用户规模，以及更大的市场想象力，成为新时代的主流。
更重要的是， 新产品建设伊始，不需要考虑历史包袱，可以放开重构技术栈与交互的方方面面，最后自上而下的完成产品普及与市场教育；而传统产品，则因为它们在上个时代，做得太过完美、太过极致，以至于无法摆脱自己的历史包袱 ，需要兼顾大量已有下沉市场用户，无法做出大刀阔斧的变革。
不久前，我们独家采访了 Teamily AI 的创始人 Aiden Chaoyang He（何朝阳），他们用了长达一年多的时间，做了一个神似微信，但底层架构，却和微信、WhatsApp 有着天壤之别的全新产品 Teamily AI。
在他看来，两者之间的关系，就像一个燃油车，与一个电动的自动驾驶汽车，外形相似，但产品结构与想象力空间已经不在同一个时代。
比如， 底层架构方面，Teamily AI 与传统社交产品最大的差异来自数据库的选型 。传统社交产品（WhatsApp、微信）多用 MySQL 等结构化数据库，核心是存储文本、用户信息，满足人类查询展示需求，虽然格式兼容，但产品本身并不理解这些数据本身的含义。
而 AI 社交的核心是让 AI 理解数据，Teamily AI 优先采用多模态向量数据库，所有数据保留 embedding 备份（转化为机器可理解的向量），适配大模型逻辑。
第二个差异体现在关系图谱与任务执行模式的变化。 传统产品中，人的好友只会是另一个真人，当需要完成具体的任务，我们在社交软件完成沟通后，只有切换其他专业办公软件才能完成任务。
但 Teamily AI 可以直接加 agent 为好友，或者让 agent 进群，直接完成任务，或者让 team agent 理解上下文、提供决策辅助（如创业群自动总结建议、提供计划书模板）。这就需要架构初期就适配 Agent 的高并发需求，并解决 AI 记忆等问题。
而随着 AI 在软件中变得无处不在，感知与输入层 UI，也需要从人类视角进化到 AI 与人类双视角 。
传统社交 UI 只为人类服务，图片、视频仅做视觉展示，AI 无法识别内容本身。Teamily AI 则需要原生适配多模态，从底层卡片设计让 AI 可直接读懂内容：发送美食图片会生成含种类、热量的结构化卡片，发送 PDF 会自动提取摘要，无需人类手动处理。
而基于以上技术与交互的深度变革，一个真正的 AI native 产品的设计与体验，相比前一代产品，也必将是颠覆性的。
03AI 版 WhatsApp 的样子？
是拼合体，也是全新物种
深度体验了几款 AI 原生社交产品后，我最大的感受是：它们像所有产品，集合了多款产品的优点，却又形成了自己独特的核心竞争力。
以 Teamily AI 为例，基础社交功能之外，Teamily AI 不仅能直接读懂多模态对话并让 agent 直接完成任务，产生跨群组记忆、自动搜寻所有历史会话共享填补信息差，还能自然语言创建 agent，并让其并行多任务产生群体智能。
具体在交互上，它像微信，但又比微信更智能 ：整体 UI 的核心聊天区为主，侧边栏整合聊天管理、发现等功能，表情包也一致，降低用户适应成本。
但在聊天过程中，AI 可以在人类群聊聚餐时，自动捕捉不同参与者口味、忌口，制定方案并预订餐厅；聊旅游时，AI 可自动生成含交通、住宿的详细计划，相当于内置攻略师。
从交互模式来看，Teamily AI 的多模态输入与推特类似，支持文本、语音、海外外链等，无需格式转换。
但推特的多模态内容，本质上还是人类分享、人类观看，AI 无法参与其中；而 Teamily AI 的多模态内容，AI 能直接读懂、分析、回复。比如你发送一段 Youtube 视频链接，推特只能展示链接，用户需要点击跳转才能观看。
而 Teamily AI 的 AI 会自动识别视频的核心内容，生成摘要，你和朋友可以基于摘要讨论，AI 还能补充相关信息、提出不同观点，甚至直接相应需求，让单向分享变成双向互动。
从能力出发，Teamily AI 的办公协作功能，则与飞书更像 ：能连接 Gmail、Slack、Notion，以及金融分析在内的各种专业 agent 设计，完美适配办公场景。
比如产品团队与 AI 协作撰写 PRD，完成后分享给研发团队，AI 会完整承接所有背景：产品群里的每一次讨论、每一项决策、每一个细节。工程师有疑问时，AI 能解释每条需求的背后逻辑，填补信息差，让所有人保持同步——这和飞书的知识问答、群聊信息总结异曲同工。
但它比飞书更轻便，AI 能在不同场景中自动切换角色 ——办公时是效率助手，社交时是聊天搭子，无需切换产品，就能满足不同需求。
而这种拥有记忆的低成本 agent，其底层技术模式，又与 OpenClaw 颇为相似，两者均采用三层技术架构（全局记忆、社交大脑、代理网络），但 Teamily AI 无需技术基础，点击即可创建智能体，绑定账号就能代执行操作，大幅降低使用门槛。
而关于兴趣群组设计，Teamily AI 的 Discover 板块，和贴吧很像 ：用户可以在具体的部落内，分享一切感兴趣的内容并加入兴趣社群。
但它比贴吧更精准，贴吧的核心是人类分享、人类讨论，信息质量参差不齐；而 Teamily AI 的兴趣部落，有 AI 常驻，能自动筛选优质内容，总结讨论重点，还能根据你的兴趣偏好，推荐你可能感兴趣的内容、社群。
总而言之，在这个软件中，人类就像拥有了一个 24 小时不眠不休又全能的超级 agent，但它不需要一个 mac mini，也不需要你懂得任何的部署技巧，反 而更像一个老朋友，可以用最熟悉、最低成本的方式，在日常聊天时就能响应你的一切需求。
04尾声：罗马不是一日建成，
想象力才刚刚打开
罗马不是一日建成的，当前的 AI 原生社交产品，自然也不算尽善尽美——它们还有很多问题需要解决，也还有很长的路要走。
比如，Teamily AI 目前对算力的消耗是单机 AI 的很多倍，主要原因包括：超长任务的伴随式 AI，需要 24x7 小时采集社交环境和会话数据的变化并主动参与人类的协作，而且在群内可以并行计算多个任务的设计。这样的设计非常以人为本，但如何突破算力的限制，或许是一 个值得我们关注的话题。
要知道，伴随微信、WhatsApp 过去十年的普及，人类已经习惯了免费社交。如果 AI 版 WhatsApp 对标微信，走免费路线，那么高昂的算力成本、技术成本，很难支撑产品的长期发展；如果走付费路线，那么用户又很难愿意从免费回到付费——这是所有 AI 原生社交产品都面临的两难困境。
广告或许是解决路径，又或许，AI 时代，付费才是常态。
毕竟，如果对标 AI 社交+AI 办公+AI 助理+ChatGPT 的综合体，那么这场探索，才刚刚开始。
广源优配提示：文章来自网络，不代表本站观点。
