【编者按】由ChatGPT引发的大模型热已一年有余，围绕大模型创业的公司也如雨后春笋，技术最终要为产业所用才能创造价值，当大模型落地千行百业，能够发挥怎样的价值？澎湃科技走进产业一线，访谈创始人、专家、投资人，调研大模型落地产业现状。本文为社交大模型访谈。

“大模型落地应用，如果仅仅拿着锤子找钉子，犹如散弹法，东一枪西一枪，要找到多个钉子才能提升成功率。但我们一直在找合适的锤子把钉子钉下去。”社交平台Soul App首席技术官陶明日前对澎湃科技（www.thepaper.cn）表示。

2013年从北京邮电大学毕业后，陶明在一家搜索公司待了三年，此后经历三次C端创业。2017年加入Soul时，团队成员并不算多。当时，市面上鲜有AI+社交的身影，而Soul已开始尝试将AI引入社交。彼时Soul的日活跃用户数快速增长，做一款聊天机器人辅助社交的需求越发凸显，一对多、多对多的公域社交场景下沉淀的海量高质量社交数据是最大优势。大模型研发提上日程。

2022年，ChatGPT横空出世，OpneAI入局聊天机器人，AI+社交的对话形式引爆市场，陶明和团队都感受到一波焦虑，起了个大早，半路杀出个新玩家。去年下半年，国内“百模大战”，与AI对话成为大模型的标配，陶明的焦虑再次涌上心头，“我们大力投入做大模型，当技术突然发生大变革，好像把大家拉到同一起跑线上。”

Soul App首席技术官陶明。

他感慨，去年上半年，大模型赛道还是蓝海，如今已是红海。B端大模型卷排名、卷打榜、卷模型规模、卷价格，C端卷垂类模型，根据应用需求寻找合适的解决方案，深入场景，重塑产业，为了钉子找锤子的模式目标明确，但短期想在AI社交上拿到技术红利不太可靠。如果认为有大模型的加持就能做好AI-Native（AI原生）应用，这是错觉。

2023年，Soul推出自研垂类语言大模型Soul X，应用于平台上多元社交互动场景，例如拟人型智能对话机器人“AI苟蛋”、AI辅助聊天、虚拟陪伴等。陶明说，平台提供的一切便利性工具本质上都是为了提升用户社交体验，在此基础上实现业务增值，增加营收。

但当前AI社交还面临挑战。在不同场景，同一句语料所表达的情感不同，例如“周末公司团建”这句语料在不同场景及上下文中可能代表“吐槽”情绪，也可能代表“期待”情绪，“苟蛋”需要据此给予不同反馈。现阶段AI社交只能不断做加法，发现案例后针对性解决。

大模型落地C端，还需要关注用户隐私。当C端用户和平台共建，用户之间的数据域需要隔离，大模型要更多使用公域数据，否则个体的个性化数据容易转移到其他用户。“在模型应用过程中，每个人都是创作者，不能把创作者的价值零成本移植到其他创作者身上，这会削弱创作者的积极性。”

以下是澎湃科技与陶明的对话实录，略有删减。

“聊天的情感化，再加上语境里的场景构建是最重要的”

澎湃科技：AI辅助社交是造人设吗？

陶明（Soul App首席技术官）：社交平台和其他工具的本质是为用户提供便利，更好达到社交目的。例如AI聊天助理润色文字，提供互动意见，目的是更友好地沟通，帮助破冰。再比如对方发的消息不在你知识范畴内，对话就可能断档，如果稍加提示就能让对话进行下去，无需打开百度查。

澎湃科技：模型训练用的数据来自Soul上面的用户吗？

陶明：我们的语料来自平台公域社交场景，同时去标记化，合规训练。预训练数据更多是对话数据，能让基座模型本身就有对话能力，而不是其他公司通过通用模型微调达成对话效果。当然我们也有微调，我们不能在底座模型针对单个用户建模，但会在微调时预设风格，让模型以某种风格交流，让用户有更好的选择。

澎湃科技：大模型落地C端要注意什么？

陶明：对C端来讲，大模型没法端到端解决问题，它需要有系统层面、产品层面的解决方案，才能为用户带来价值。用户隐私也值得关注，C端用户和平台共建，用户之间的数据域需要隔离，数据不能串，具体来说，就是体现用户个性的数据不会转移到其他用户身上，大模型在数据分布时要更多使用公域数据。特别是当AIGC技术进一步释放个体的创作力，每个人都是创作者，当其和大模型交互，形成的数据和内容既是在表达自己同时也是在创作，不能把创作者的价值零成本移植到其他创作者身上，这会削弱创作者的积极性。

澎湃科技：做模型应用时踩过哪些坑？

陶明：早期探索时确实经历了很多波折。做“AI苟蛋”时希望它能说会唱、能识图、有形象。我们认为把很多资源投入到每个点上，每个点都做得最好，一定能实现不错的用户反馈，但最终发现资源用了很多，效果并不明显。能说会唱只是一种增益，对话能力，即聊天的情感化再加上语境里的场景构建是最重要的。在不同场景，一个人用同样一句语料所表达的情感不一样，大模型产品在这里的改进空间还很大。例如“周末公司团建”这句语料在不同的场景以及上下文中，背后可能是“吐槽”的情绪，又或者可能是“期待”的情绪，需要“苟蛋”给予的反馈也完全不一样。现阶段，用户聊天语料太泛，只能一步步解决，不断做加法，发现案例就想办法解决。

“自研模型也有痛点，每次基座模型更新后无法准确预判是好是坏”

澎湃科技：大模型迭代速度快，训练成本高，大模型商业化面临哪些痛点？

陶明：第一是业务持续性，如果我们用第三方模型，模型每次变更一定会带来我们业务的变更，因为每次模型的迭代发布并不和业务完全兼容，业务还要重新开发，所以我们自研模型。自研也有痛点，每次基座模型更新后都无法准确预判它到底带来好处还是坏处。所以我们先跑个小版本出来放到线上测，聊天人数增长了或流程提升了，说明这是一个好的变更。第二是成本，to C跟to B不一样，我们最大的成本不是训练成本，而是推理成本，因为线上用户太多，这需要我们持续打磨优化。降低推理成本，算力是一方面，拿到更加便宜的卡可以降本，还有框架层面的优化，比如编码肯定比生成码便宜，在这个过程中我们就可以做一些工作，如算子的优化，让计算效率最大化。

澎湃科技：大模型落地C端卷吗？

陶明：B端最开始卷排名、卷打榜、卷模型规模，后来卷价格，下一步卷服务，to B的商业故事一直在重演。to B把大模型当作生产力工具，用来提效，打价格战卷的是中小企业。to B市场从来没有形成付费的良好习惯，哪家便宜就薅哪家的羊毛，最终搞得大家都不挣钱，比如云计算，这也是市场驱动，你不做，客户就跟着别人跑。to B市场的游戏规则没什么改变。

C端跟B端不一样，C端是发现需求，但C端也卷。原来AI+社交不卷，2019年没人做，我们持续投入，但去年下半年大模型公司做AI社交，大厂也做。我们经常思考AI社交是短期能够拿到业务结果的方向吗？但社交崛起没那么快。去年上半年大模型还是蓝海，现在是红海，很多大模型公司拿着锤子找钉子，大家喜欢蜂拥而上，在某个点上死命卷，海外商业秩序可能更好，会思考更多原创。

每次这种技术大阔步向前发展时，总对一些长期投入的公司是不友好的状态。2019年到2022年，我们大力投入做大模型，当技术突然发生大变革，好像把大家拉到同一起跑线上，ChatGPT出来时焦虑了一波，国内蜂拥而上时又焦虑了一波。但还是想清楚了我们为什么要做这件事，我们相信人机交互一定会发生，但想短期在社交上拿到技术红利不太可靠，长期肯定看好。

“一直在找合适的锤子钉钉子，C端应用先有具体需求，再找合适方案”

澎湃科技：C端下一步卷什么？

陶明：C端卷垂类。社交、教育、医疗等垂类领域一定会被大模型重塑，比如教育行业并非一家公司能把所有事做好，肯定要走到场景里，比如把大模型和自然科学学科结合，定制化输出内容，会越来越细分。这里应用层的公司将拥有巨大的机会，不会只被巨头垄断，就像苹果有iOS、App store，任何App它都可以做，但它没有，因为这需要投入太多运营成本。

澎湃科技：如何破解拿着锤子找钉子？

陶明：目前看“拿着锤子找钉子”还是比较难的，不是一定没人能跑出来，但这个模式像散弹法，东一枪西一枪，出发点不是要解决某一个需求，而是要找到一个问题再用大模型解决。大模型公司也不可能只是找一个钉子，找多个钉子才能提升成功率。其实我们一直在找合适的锤子把钉子钉下去，C端产品的应用一定先有一个具体需求，再找合适的解决方案。

澎湃科技：怎么考虑商业模式？

陶明：目前Soul以C端增值服务为主，平台提供的一切便利性工具本质上都是为了提升用户社交体验，在此基础上实现业务增值。我们也在尝试针对B端提供品牌数字化解决方案。品牌也需要连接人，比如当我们的用户跟NPC沟通时提到想喝奶茶，就可以链接奶茶服务，这也是商业化空间。