写在前面
01 赛道概览及头部项目盘点
据a16z 3月发布的Top50AI产品榜单，与去年9月的榜单相比，AI陪伴产品在Top50的占比大幅增加。去年9月只有2个产品上榜，而此次有8款网页产品和2款移动产品。虽然上榜产品中的大部分主打"擦边“（NSFW内容），但这仍然代表了一种市场趋势。 AI 陪伴领域已经诞生了多个独角兽。C.ai（去年3月完成10亿美元估值融资，有消息称最新一轮融资在进行中，估值50亿美元），星野/Talkie（背后是大模型公司Minimax，最新估值25亿美元），Pi（背后是大模型公司Inflection，最后一轮融资估值40亿美元，年初被微软收购团队），小冰（最新估值20亿美元）。 赛道龙头Character.ai目前月访问量超2亿次，流量仅次于ChatGPT和Gemini，同时，AI陪伴类产品的用户参与度也显著高于其他AI应用。 赛道多款产品在半年内从0做到月访问过千万，包括星野/Talkie、Crushon、JanitorAI、Spicychat等。
是用户创建 AI 角色并与平台上的角色聊天的平台，包括 Web 端及APP。目前C.ai已经成为流量排名第三的AI应用。 自己定义为通用模型公司，希望“地球上的每个人都获得自己的深度个性化超级智能”。团队的更多精力还是放在底层大模型的打造，因而C端产品显得有些“放养”，相比同类产品在设计和运营上没有那么精细。 目前DAU超350万，月浏览量超2亿次，用户画像以年轻的二次元用户为主（18-24岁占比57%，平台上最受欢迎的角色类型以动漫、游戏为主），男女比例接近1：1，平台上最火的角色来自游戏“原神”——对话量过亿的7个角色有3个来自原神。 与Pi这类主打情感陪伴的聊天机器人相比，C.ai更像是一个游乐场加创意工具。虽然用户可以通过与平台上的角色聊天来解决陪伴需求，但也有很多用户是在C.ai平台上创作和娱乐——例如一些二次元OG人群，他们喜欢围绕IP进行二创，C.ai的对话工具能帮他们更快地把想象力发挥出来，陪他一起创作脑海中的幻想世界。这是我们观察到的许多重度用户的需求（使用时长在2-3小时）。 商业模式：目前以收订阅费为主，据公司23年12月公开数据，当月月流水为18万美元。
星野由国内大模型厂商Minimax开发，于2023年9月上线。其海外版Talkie，2023年6月上线。虽然上线时间不长，但成长速度却非常快，不到半年时间便已做到全球千万月活（星野+Talkie）。 与C.ai相比，星野在产品的设计与运营上更加精细。主要体现在两个方面： 女性用户占比相较于C.ai更高，用户群体更偏乙女人群，用户粘性也更长。自推出至今，星野APP全网用户的人均使用时长达43分钟，而C.ai为13分钟。
Inflection AI成立于2022年，由原Deepmind联创Mustafa Suleyman主导创办，也是一家通用大模型公司。但定位与ChatGPT不同，更强调“以人为中心”而不是“替代人”，推出的C端产品Pi，主要特征是富有同情心、简明扼要、幽默创新，善于倾听和陪伴，不与人类在法律、财务、医疗等专业领域展开竞争。Pi还能够记住与用户的对话内容，并随着时间的推移加深对用户的了解。它也能根据用户需求忘记曾经的交流历史。 Pi有100万DAU，600万MAU，平均使用时长33分钟。 今年3月，微软对Inflection进行了团队收购，Suleyman成为微软AI业务的负责人。在这次收购发生前，Inflection市场估值已达到40亿美元。
02 AI陪伴究竟是什么？
有许多项目都被纳入AI陪伴的范畴，但仔细观察下来，不同项目所对应的市场需求、目标受众及切入点都各不相同——虚拟情侣、AI心理咨询师、能提供心灵抚慰的生活助手、能实时互动的虚拟角色……所有这些都被“Companion（陪伴）”的概念统一到一个大筐里，那么，究竟什么是AI陪伴？
真正理解用户，在此基础上做到足够的个性化（personalization)。陪伴需要共情能力，而首先需要真正地理解用户，这要求产品建立一套机制，其中最核心的是，一是基于对话的上下文逐渐增加对用户的认知，二是打造一套好的记忆体系，将这些对用户的交流总结存储下来，能在后续的交互中采用适当的“回忆策略”将这些理解表达出来。比如，目前一些AI陪伴类产品已经做了“记忆外显”的功能，比如个性化的语音、图片等等，一定程度上把对于用户的理解给嵌入进去了。 能够表征人与产品的交互行为或发生的关系。用户的行为能够真实地对产品中的世界产生影响，并且这些影响是可以通过一些具象化的方式展现出来的，比如某些游戏产品中设置的抽卡环节等。 产生粘性。做好以上两点，陪伴类产品达到的效果是建立与用户的粘性与连接关系。虽然产品可能五花八门，但最终衡量陪伴的一个客观指标，还是用户在产品上花费了多少时间以及使用的留存。
以Spicychat为代表的以擦边聊天为主的AI陪伴平台。NSFW类的聊天对上下文需求最少，几乎不需要构建对用户的理解，也不需要太深入的“个性化”——从根本上来说，在没有太多上下文的情况下，让一个用户动脑子去延续一个聊天，是非常累的一件事情。而擦边例外，擦边是人的本能。这也是为什么现阶段大量的类c.ai的产品会去冲这个品类，而且许多产品都实现了快速增长的原因——既有天然的流量（擦边天生自带流量，而头部平台因为合规等考虑，大多禁掉了相关话题，造成了很强的流量外溢），又不需要太多的产品设计和技术深度，核心是团队的投流能力。 C.ai。虽然C.ai平台本身并没有提供太多的上下文和针对用户的个性化设计，但C.ai上的人物大多是知名IP，其中最受欢迎的更以动漫和游戏品类为主。这些IP中已经承载了很多内容，用户过去花时间消费了这些内容，已经跟相应的IP角色产生了情感联结。这是为什么我们观察到，C.ai中流量最大的就是原神的角色——原神的本质就是个陪伴游戏，用户玩游戏时已经跟相关角色建立了联系。 星野/Talkie。在C.ai的基础上，加入了更多的剧情/上下文设计及产品运营设计，与C.ai相比，借鉴了更多游戏的思路——如抽卡、记忆掉落等等设定。这些上下文以及抽卡等互动设置，让用户跟AI有了更多"共同经历”和“回忆”，构建了更加紧密的情感联结。
03 IQ EQ & AQ——Agent构成三要素
据某头部大厂内部的定义，一个好的Agent应当有IQ、EQ和AQ（Action Quotient) 。IQ是目前大模型已经提供的智能部分；EQ是本文重点讨论的情商——AI如何更懂人更像人，比如是否正确地观察到对方的情感，会不会基于这种判断有效地进行交流；而AQ则指的是AI的执行能力——IQ和EQ负责给出想法和方案， AQ负责落地执行。
如何评估EQ？
目前IQ是所有大模型厂商在卷的核心领域，相关的评价标准和榜单已经非常多，但如何测评EQ尚无太多可用标准。在这个背景下，我们投资的一家聚焦于AI+心理领域的早期公司Bambu.ai AI与心理学专家一起，构建了EMbench，采用心理学方式评估AI的“Empathy”（共情），并以此作为衡量AI EQ的重要指标。
这套标准重点关注两个指标：同理心能力和系统化思维。研究发现，情感对话能力实际上是这两者的结合，其中系统化思维可能影响对方感受到的共情力，因为它倾向于使用更事实和系统化的方法。（详细内容参考 https://embench.com/blog/benchmarks）
下面图展示了今年Q1 EMbench对主流大模型EQ测试的评估结果。
有意思的是，这个测评将人类的平均情商也作为benchmark一起加入了对比。目前所有大模型中仅Claude V2战胜了人类男性的情商，可见AI的情商还是有较大提升空间的。
做这个测评时，OpenAI尚未发布GPT-4o(EMbench Q2测评报告会包括GPT-4o）。Bambu.ai内部做了评估，初步结论是：目前GPT-4o在情感识别上做的很好，但是在真正应用情商时还有待提升，它的回复还是偏系统思维，不够人性化。
04 实现EQ的关键技术
我们判断，EQ是未来大模型厂商必做的领域，但现阶段大模型（以GPT-4为代表）提供的EQ还不足够。OpenAI对GPT-4的定位是工具，它的Alignment其实去除了情感交互以及多样性表达，因为目的只是为了回答问题和解决问题。在需要情商的场景，在大模型之上创业公司还需要在技术侧做些工作来提升EQ。
Fine Tuning vs. Prompt Engineering
在大模型之上去提升应用表现，目前主要有两种技术路径：Fine-tuning和Prompt engineering。现阶段要提高大模型的情商（EQ），Fine-tuning是公认有效的技术路径，在实践中用的最多。
陪伴类产品需要很多的假设（比如虚拟角色的背景描述、性格设定等），如果用Prompt来做，需要写复杂的Prompt，这样面临两个实际问题。一是大多数大模型能力不够好，尤其在指令跟随（instruction following）方面，很难从始至终按照Prompt保持一致性；二是Prompt严重依赖底层大模型，一旦模型升级或者需要切换另一个模型，效果难以保证。
Fine-tuning反而非常适合。情商涉及对人类情感的理解以及对隐含信息的敏感度（比如语言背后的情绪等），提升它需要基于具体的场景和对话语料，而非依赖新知识的获取或者简单的提示或规则。大模型在Pre-train阶段，主要是建立知识和推理能力；Fine-tuning阶段，可以针对特定情境和语境的数据进行微调，让它更好地捕捉情感和互动中的微妙差别，从而提高EQ。同时，情商是高度个性化的概念——不同的人对情感和社交动态的理解有所不同。Fine-tuning可以实现根据特定用户群体（比如儿童）或任务领域（比如恋爱）的需求来调整模型，使其更加符合个性化的场景和需求。
Memory是核心
如何做好Memory一直是大模型领域一个重要的技术话题。随着大模型应用的深入，越来越多的开发者发现各类AI应用都需要好的Memory体系做支撑，对于大模型EQ也不例外。上文提到，好的陪伴需要“个性化”，而做好个性化的基础是需要有一套好的记忆体系。类比人类的社交经验，一个高情商的人跟你聊天时会记得你是谁、上次跟你在哪里见过、聊了什么，会问你上次的事情怎么样了...可见，好的情商是建立在强大的记忆基础之上的。这不仅仅意味着简单地记住事情，还需要能够在需要的时候进行有效的回忆和调用。这其中涉及两个环节：一是记忆系统的建立，另一个是“回忆策略”的设定。
记忆体系的建立
简单地把跟用户的对话历史堆到长文本中，作为后续交流的“Memory”，并不是一个好做法。这是机器记忆的方式，但人的记忆并非如此。在使用产品的过程中，机器一样的记忆有时会给用户带来很强的违和感（比如虚拟伴侣说他说过56次对不起），用户会更倾向于AI使用人的方式来记忆。另外，将所有的历史对话放到一个长文本中，也会导致用户使用越久推理成本越高，从商业化角度也不理想。所以，构建大模型EQ相关的记忆体系，需要跟人类的记忆行为做一定的模拟。
人类的记忆是怎么工作的？人类会对过去的经历进行整理和抽象，形成各种各样的“总结”，还受到当时的情感、情绪等因素的影响。这些“总结”会作为长期记忆留存在大脑中，在后续对话中被“唤醒”（recall），去检索相关的内容进行调用。因而，构建大模型EQ所需的Memory，既要有对历史对话的总结，也需要有对当时情绪情感的总结。这就相当于基于原始记录上构建了一个“中间抽象层”。目前围绕大模型记忆的许多探索都在做类似的工作。
Recall策略的制定
构建好基本的记忆机制后，大模型如何调用记忆也是一件很复杂的事情。比如，当你的聊天对象很伤心需要安慰时，你是调用过往开心的记忆还是不开心的记忆来安慰他？根据场景和用户对象不同，选择很可能不同，这背后涉及到很复杂的调用策略。放到人类身上，这是我们通常所说的"眼力见”，不要“哪壶不开提哪壶”，这也是情商中不可或缺的一部分。
记忆的界限
尽管好的记忆是高情商的基础，但在产品体验上还有一个要注意的点——过度准确的记忆可能会引发不适。人们不喜欢他们的AI朋友像机器一样记得所有细节，这可能让人感觉受到监视或不舒服。比如，如果朋友记得你今早吃了什么，是个很自然贴心的体验，但如果变成记得你三周前的某个早上吃了什么，这种体验就会变得有点恐怖了。因此，这是设计情商的记忆体系时需要注意的问题。
当下技术的局限
目前，有些重要的EQ能力还没有很好的技术实现路径，比如幽默。幽默既是智商也是情商，人类的幽默很多时候是在沟通中突然间的“灵光乍现”，不同的人的幽默点也不一样。如果AI有了这个能力，能为它与人类的沟通增色不少，但现在人们还没有发现如何有效提升“幽默”能力，可能需要依赖后续大模型能力的涌现。
05 AI陪伴的机遇和壁垒
巨头战略分析
如前所述，EQ是通用AI Agent不可或缺的“要素”，巨头绝不会袖手旁观。从近期几个头部大厂的一系列动作，我们能窥见一些线索：
海外大厂
OpenAI推出GPT-4o, 在发布会上演示了具备一定情感理解能力的语音助手。我们推测，未来OpenAI想做的是一个把所有多模态（包括语言、语音、视觉等等）的人与虚拟世界、与机器人的交互都包括的平台，并把这个平台作为超级入口。
微软于今年早些时候收购了inflection.ai的团队，将Inflection对于AI EQ的know-how融入了其AI业务中，未来微软想做的是一个既能够帮助用户提升工作效率、解决问题，也能提供情绪陪伴、疏导心理压力的AI助手（我们猜测，以微软目前的业务及优势领域，大概率是从工作场景先切入）。
苹果也在近期被爆与OpenAI达成了协议，将在新一代操作系统中引入GPT技术，升级Siri的对话体验。以苹果目前的市场占有率，这一步对于苹果和OpenAI都至关重要：OpenAI迅速扩大了其用户基数，同时获得了端侧应用权限和系统级权限；而苹果也在同时获得了最好的AI能力，将AI无缝融入至原有的产品中，将Siri直接升级成了类似“Her"的AI助手。
Google在近期的I/O大会上展示了其最新的通用AI Agent Project Astra，也是一个基于多模态的AI助手，虽然大会demo中Project Astra展示的更多是解决问题的能力，而非情感，但如同我们前文分析的，一个好的Agent“三商缺一不可”，在通用AI Agent这条路上，即使出于防御策略，可能也会在EQ方面有所动作。
国内大厂
字节跳动：情感陪伴本身就豆包内置的四大场景之一，今年初，字节又上线了类C.ai的AI UGC平台「话炉」，更加注重内容和娱乐属性。
腾讯：腾讯在C端最大的优势是拥有微信这一超级入口，如果能将AI的情商能力与这个超级入口结合，将是离国内用户“最近”的通用助手。只是目前尚没有明确的线索看到腾讯在这个方向的动作。在类C.ai领域，腾讯旗下已有「未伴」，及阅文的「筑梦岛」。
头部大模型厂商：目前国内的头部大模型厂商中，月之暗面、Minimax以及阶跃星辰是更加注重2C市场的几家。其中Minimax的C端产品星野/Talkie已经获得了不少用户和市场关注度；月之暗面的KimiChat在发布之时就将“每个人都可以拥有一个具备终身记忆的虚拟伴侣”作为重要的愿景之一，最近正在测试的打赏模式也很有意思，似乎在引导用户与AI建立一些“情感联结”；阶跃星辰也已发布了「冒泡鸭」这一类C.ai平台。
我们会发现，大厂的所有行为都是希望用多模态的通用AI助手去抢一个超级平台入口。在目前这种竞争态势下，对于创业公司，想去抢“通用AI助手/通用AI陪伴”的入口机会、或者与大模型厂商PK打造“底层3Q”的能力，很难胜出。
我们推测，未来大模型厂商会输出“3Q”的基础能力，而应用层基于此在一些垂直场景/专业领域去做更深入的产品。做个类比，大模型厂商是批量化输出具备基本素质的人才（至少是本科毕业生水平），而应用层负责帮这些“AI人”找到个“工作”，比如心理咨询师、销售等等。
创业的机遇和壁垒
AI 陪伴产品如雨后春笋般冒出，很多产品同质化严重。如何能在这个领域构建壁垒、做出真正的价值？这是很多创业者关心的问题。
从对赛道终点的判断出发，以终为始来看，正如上文所说，EQ是通往AGI的半壁江山，同时“陪伴”能够产生粘性和用户时长，对于形成入口极为重要，这会是大模型厂商的必争之地。未来AGI来临，这个赛道会是一个标准的“技术即应用”的领域——淹没掉很多阶段性的技术和产品设计。实际上，就目前阶段，通用的聊天机器人已经有一定程度的陪伴属性，对创业公司来说，做太泛的AI陪伴是去直接与大模型厂商竞争，胜出几率很小。
那创业公司的机会在哪里？我们认为有两个大方向可探索：
深入垂直领域。即上文所说的“给你的AI找个工作”——“陪伴”的场景根据用户动机有非常多的细分市场，许多细分市场都有自己的“Domain Knowledge”，如心理咨询、儿童陪伴、老年人陪伴、医疗领域的患者陪伴……等等，这些专业领域的知识及经验是大模型不掌握、也不会优先考虑去做的，但对于创业公司而言又是能打出足够差异、可能产生独特用户价值的方向，适合在相关领域有数据或专业经验积累的团队探索。
基于大模型的基础能力构建丰富的内容/世界。正如本文前面提到，陪伴需要真正的理解用户，这是实现个性化的前提，其中最核心的是基于上下文逐渐加深对用户的理解，因而“构建上下文内容”是一个创业公司可以发挥价值的切入点。通俗点说，就是为你的AI与用户创造一些独特的“记忆”和“共同经历”——这个“内容”可以是一个引人入胜的故事、一个丰富可探索的世界、一个充满神秘感需要用户不断挖掘的角色……形态上也可能是文本、音频、视频、游戏或者这些模态的结合。
创业公司怎样构建自己的护城河?
找好了切入点，创业公司还需想清楚自己的护城河问题。我们认为，对于陪伴类产品，最核心的还是做好个性化以及记忆体系的搭建，这两部分对于团队的产品设计和技术能力提出了很高要求。在此基础上，所积累下来的用户数据、以及用户与AI产品所构建的不可迁移的关系、信任感和习惯，是这个领域的最大的护城河。
About Atom Capital
