Soul App张璐-20240322

01ChatGPT火了以后，第一个判断是不做基础通用大模型 Q：过去一年你肯定看到了大模型技术的突飞猛进，Soul这一年在忙什么？ 张璐：大模型技术的突破确实给我们带来了很大的震撼，过去一段时间我们所有的动作都围绕一个问题「大模型怎么在社交应用层落地」。 其实，AIGC这件事我们从19年就开始做了，做了很多技术上的探索，「AI苟蛋」在Open AI发布ChatGPT之前就在内测，3D虚拟引擎「NAWA引擎」也是在行业中比较早就推出了。 但确实大模型出来以后颠覆了很多，之前我们用stable diffusion做的东西，后来我们重新去构建新的MoE（Mixture of Experts，将多个专家模型组合起来，形成一个整体模型）。 对话Soul App张璐 01ChatGPT火了以后，第一个判断是不做基础通用大模型 Q：过去一年你肯定看到了大模型技术的突飞猛进，Soul这一年在忙什么？ 张璐：大模型技术的突破确实给我们带来了很大的震撼，过去一段时间我们所有的动作都围绕一个问题「大模型怎么在社交应用层落地」。 其实，AIGC这件事我们从19年就开始做了，做了很多技术上的探索，「AI苟蛋」在Open AI发布ChatGPT之前就在内测，3D虚拟引擎「NAWA引擎」也是在行业中比较早就推出了。 但确实大模型出来以后颠覆了很多，之前我们用stable diffusion做的东西，后来我们重新去构建新的MoE（Mixture of Experts，将多个专家模型组合起来，形成一个整体模型）。包括我们从去年开始就在海外筹备建research中心，跟最前沿的技术保持联系，招募人才。高人才密度的团队是能做出好的东西的。 Q：不过技术天天突飞猛进，跟上技术发展的成本也不低，现在可做的东西看起来很多，但做得很好的很少。Soul这个时候怎么思考的，做什么和不做什么？ 张璐：内部其实还是很快明确了一个清晰的边界。 我们做的第一个决策，就是不做单纯搞AGI技术的公司，不去做通用大模型。我觉得科技最终会平权，我们不能失焦，放弃自己的专长，去做那些看起来很热的事。 我们定义了自己的模型，做MoE，我们的优势是数据和场景，我们有非常多的垂类场景高关联、高质量数据，有非常多的用例，也是一个有流量的入口。 技术和产品的结合可以有好的产出，不管是对用户规模、粘性，还是对收入都是有帮助的。同时我们场景用例产生的数据可以快速反馈给技术。技术最终会平权，怎样把用例跑通，建立用户经验上的壁垒，是我们认为现在最重要的事。 我的精力第一个要放在以AI新技术促进Soul的主站增长上，包括拓展用户规模、粘性以及商业化的机会，肯定是要做的。第二个，用户流量入口很值得去探索。现在，ChatGPT的APP端DAU（日活用户数）应该也只有千万量级，还远远没有像当年浏览器那么的普适。 所以拥有流量入口也是一个关键，而Soul具备这个潜在条件，并且有机会在未来AI时代成为以对话为主要交互形式的流量入口。特别是我们拥有距离年轻人最近的流量入口。目前在我们的月活用户中，近八成是Z世代，在年轻人中渗透非常高，这些年轻人伴随着移动互联网发展成长，是最容易成为AI原住民的群体。 Q：目前哪些自己的AI产品或者功能给你们加用户粘性、加时长，或者有明显拉新效果好的东西吗？张璐：我们其实落地了不少AI应用场景，包括了AI优化社交和内容链路，人与AI互动、虚拟人等等。目前看，从交互本身出发的新场景或功能大多都会有不错的效果。 比如我们站内在沟通场景中内测了AI辅助聊天的功能，已经很明显地增加了人和人之间聊天的轮次，这对我们有很重要的价值。 再比如我们的音乐互动玩法，去年以来，AI孙燕姿的走红让大家看到了AIGC在声音克隆、生成上的能力，很多音乐平台也都在推AI唱歌的功能和玩法。但如何释放AIGC在音乐、语音上的能力，除了在真实度、表现力上下功夫外，从我们的角度出发还是要挖掘社交属性，增加互动的趣味性，因此我们让用户邀请好友，一起完成「AI合唱」，在邀请、合唱、分享的过程中，完成社交，深化关系。我们的用户特别喜欢这个功能，拉新和留存数据表现都很好。 我其实不是很支持做看起来热闹的工具，工具属性的东西会拉来一些新用户，但是他要留存下来才行。如果用户「用完即走」是不行的。 Q：你觉得用户有可能为这些付费吗？ 张璐：现在用户基本都是免费用。确实成本会比较高，特别是AI辅助聊天我们会提供多个对话灵感提示，一次3个，可以换3次，就是9个。 这个对用户粘性和留存上涨有效果，用户会为好的体验买单，比如一位用户聊天时原来的回复率是0%，然后用了AI辅助提示以后是100%，那他肯定会买。 所以现在的核心还是要搞清楚一些东西，比如用户使用AI的核心需求是什么？他们怎么去使用？我觉得用户获得AI提供的价值，这是是比较普适的需求。只是现在因为技术和产品的问题，有些人会用，有些人不会用。不用的其实是他不知道怎么玩，不知道怎么去提示这个AI。所以在设计、优化产品的过程中可能需要尽可能考虑更多人的需求，以及怎么让他能够快速上手。 然后怎么才能把这种AI的效果就是提到最好，怎么让他这个聊天能够一直继续下去。关注轮次还有留存，其实就是看多少人能玩进去，以后怎么才能让他需求更泛化。 Q：泛化具体是指？ 张璐：一开始大家就是有想表达的东西、想找个地方说说话，有人能即时回应，后面用户停留在这个平台后，肯定会有更多的需求被发现挖掘，要看这些需求是什么，怎么去承接。比如说大家认识了新朋友，想一起看剧吐槽，想一起玩文字推理游戏，或者一对多AI互动……这些都是很好的方向。未来可能是多个AI服务一个人，充分实现「以我为主」的体验，最大程度实现需求满足和情绪价值反馈。 02 数据、场景和用户， 还是做AI应用的壁垒 Q：你说不花精力在基础的通用大模型上去做Open AI的事，那精力肯定在探索这种新的产品形态、应用形态，你们都做了什么？ 张璐：其实我们2016年上线的时候，就在推进Soul灵犀引擎，通过算法挖掘有效特征，重构用户画像，做好人与人、人与内容的实时匹配。我们的自研垂类语言大模型Soul X在2023年推出。 我觉得关键在于考虑两个方面：一是要密切关注技术的发展，包括软件和硬件，有方向的保持「跟上」；二是要抓住时机，产品的推出要符合交互形式和用户体验的普遍标准。如果你选择了错误的时 间点，或者产品设计过于复杂，没有达到普遍认可的交互体验标准，那么你所做的可能就没太大价值。这是一个与时代结合的机遇，需要不断观察和洞察，做好充分的准备。 我们也在进行涉及到一些新产品领域的尝试和准备工作，比如AI对话以及AI游戏的创新方向。这些都是为了做好准备，等到时机合适的时候，快速推出相关产品。 Q：你们的尝试都是基于自己的MoE在做吗？以及这些尝试的开发方向是怎么诞生的？ 张璐：对，在对话方面，我们有Soul X大模型，是完全内部自研的技术，在语音合成、视觉生成、3D虚拟人方面，也都有技术团队在做一些东西。对比行业来看，我们现在在MoE上也是比较领先的，基本上是咬住的状态。 我们团队经常聚在一起头脑风暴，我们清楚我们擅长的领域是什么，不断去讨论、验证需求是否存在，然后预估项目的成本和效益，再做出决策。 我们不赛代码，不是每个人都独立完成一个项目。在组织上，我们内部的结构是前台、中台和后台，产运是非常小的团队。比如说我们新上线的一个AI互动产品只配置了1.5个产品经理，其实是非常轻的，效率非常高，也让我们有更多试错的机会。 我们可以在主站多尝试，需求一旦通过就可以先上线实验，这点我们和字节比较像。在主站尝试后，如果发现某个点有潜力，我们就可以单独推出扩大。这些尝试之后会对用户需求有更多的理解，更能了解怎么优化模型，也知道了需要什么样的团队。 Q：那这些热身阶段尝试有什么收获？ 张璐：一个是智能推荐方面，以AI辅助社交，真正的提升交互效率和质量。 我们上线后比较早推出的是实现智能推荐的灵犀引擎，虽然一开始，受限于当时AI的整体技术能力，推荐算法对语义的理解还没有达到一个很理想高度，挖掘、分析的数据颗粒度比较粗，但很多用户因为这个智能推荐系统，实现了即时的交流互动，快速找到了聊得来的人，站内点对点的聊天比例和对话轮数增长得非常快。可以说，这是我们平台形成高粘性、高活跃生态的重要因素之一。 我们每个聊天的日活用户，平均每天发出约70条点对点私聊消息，大部分都是生活化、趣味化的内容，这个数据里面还不包含群聊或实时互动场景。 这其实在社交行业里是非常难得的数据，可能比关联了办公、现实关系场景的即时通讯工具还要高，而且从我们站内的最新数据来看，这些关键指标都还在增长。 在AI辅助对话方面，我们的「AI聊天助理」，用AI辅助真人之间的对话。它通过阅读上下文，然后回复建议，你可以选发哪句话，不用打字了，降低沟通成本，辅助聊天。从目前站内情况来看有非常不错的使用数据，因为它特别适合我们这种开放式、多场景互动的社交产品。 在以AI结合游戏机制创新、实现互动体验提升方面，也有一些尝试。比如Agents陪你玩狼人杀，能给到很趣味的交互，AI有不同音色，能角色扮演，很像真人玩家了，很能推理，伪装、悍跳、互踩这些都能做到。具体的功能预计近期就会开启内测，可以期待一下。如果后续叠加上虚拟人效果，肯定会更好。 Soul AI狼人杀界面|图片来源：Soul APP 图片上传失败 从AI推荐关系到AI辅助对话、降低表达门槛，提升互动体验，我们希望成为以AIGC打通整个社交全链路的AI Native社交网络。 Q：所以从你的视角来看，你们对技术能力是能跟得上的，但真正的优势是利用场景和用户优势，做更快速的闭环的探索？ 张璐：其实都知道用户的反馈对于模型的改进至关重要，我们的模型有天然场景可以得到了海量用户反馈。 这些都是非常高质量的社交数据。目前的模型训练需要的并不只是海量的数据，而是海量的高关联、高质量的数据，这直接决定了垂类模型的表现、迭代速度和训练成本。很多平台推出自研模型表现不好，就是因为欠缺了重要的数据源，这也是为什么马斯克会禁止其他科技巨头使用X的数据训练大模型，以及为什么谷歌等科技巨头也会寻求与Reddit这些社交平台合作的原因。 Soul主要的优势就在这里，我们已经上线7年多了，在年轻群体中有很高的渗透，也有高活跃、高粘性生态，一对多、多对多等大量公域社交场景下沉淀了海量的高质量社交数据，例如，目前我们有非常多的用户交互数据，一年新内容瞬间发布条数就超过6亿。除了国民级的社交平台，我们所拥有的多元、丰富、高质的社交资产，也是目前社交行业甚至中文互联网领域少有的。而且我们有C端场景，可以持续拥有高质量的用户数据反馈。 但是，如果没有C端场景，就只能进行一些数据标注，非常受限。比如一个人一天可能只能「标注」80条数据，但如果有1000万DAU，那么一天就可以通过用户反馈「标注」8亿条数据。 国内公司很可能挑战就在训练方面的能力和构建数据的能力。但就MoE而言，其实很简单，只要有高质量的数据集和用户反馈，你肯定会做得越来越好。 Q：AI帮人干事和解决情感陪伴分别是不同的难度，社交网络里，是不是就需要一个情商非常高的模型技术作为一个基础才能实现？ 张璐：是的，这个模型需要情感化，而不只是提升效率的工具。需要是情感化方向的，能找你的情绪价值点；也需要具备个性化，需要展现出不同的性格特征，有时候应该顺应你，有时候应该拒绝你。这是适合社交场景的底层AI能力，Soul的对话式AI也是这个方向的。 Q：你们聊天机器人是多模态的，目前看就用户在这方面的对哪些模态的反馈整体比较好，文字还是占比最多的吗？声音的需求呢？ 张璐：我认为所有这些因素都是相互结合的，只要能够做得更好，产品体验就会更好。 大致的逻辑方向是，产品有一个文字对话的基础得分，做得很好就可以得到六七十分。如果基础得分不好，即使声音做得再好，图片理解方面再出色也不行。确定拿到基础得分后，接下来就是不断迭代，做好多模