“根据你对我的了解，判断一下我的 MBTI 类型吧？”

前段时间，在 X 上看到 Exa 的创始人 Jeffery Wang 分享这个 Prompt 时，我立刻就试了一下。结果竟与几年前付费测试的结论惊人地一致。那一刻的感觉有些奇妙，甚至可以说诡异：这个并非真人的“对话伙伴”，仅仅凭借我们过往的聊天记录和它日渐增强的“记忆”（Memory），似乎真的捕捉并“理解”了我行为模式中某种难以言传的核心特质。

这种体验并非孤例。越来越多的人开始用类似的提示词与 AI 进行更深层次的互动——让它“给自己写一封匿名信”，审视内心；或者“画一幅代表我此刻心境的抽象画”，探索潜意识。

AI 正从一个信息检索、内容生成的效率工具，悄然演变为一面可以映照自我、激发灵感的镜子，开始触碰更个性化、更内在的用户时刻。

捕捉用户时刻

AI 应用竞赛的第一战，是抢占用户生活中那些稍纵即逝的 “时刻”（moments）。

这里的“时刻”，指的正是那些我们内心一闪而过的“起心动念”——一个模糊的需求、一个突发的灵感、一个待确认的信息、一个想表达的情绪、一个决策的犹豫瞬间。它们往往是高价值的，因为它们直接关联着用户的真实意图和潜在行动。

智能手机和 App 生态极大地延展了我们的数字生活边界，解决了“随时随地”连接的问题然而，在捕捉和响应那些转瞬即逝的“念头”方面，移动互联网的范式仍存在明显的交互摩擦。

我们需要在不同的 App 间跳转，将脑中的模糊想法“翻译”成机器可理解的关键词或结构化指令，忍受信息过载的干扰，或者承担社交提问可能带来的压力。这种摩擦力意味着，大量潜在的需求、灵感和连接，在被满足之前，就因为“太麻烦了”而提前蒸发。它们是数字世界里“消失的念头”，是未被捕捉到的价值。

AI 正在成为这些“消失念头”的捕手。它的核心优势在于：

• 即时性与低摩擦： 自然语言交互大幅降低了表达门槛。你可以像和人说话一样，用模糊、口语化的方式提出需求，AI 几乎能即时响应。这使得捕捉“念头”的动作成本降到极低。
• 语境理解与个性化： AI 能够理解更复杂的语境，结合用户的历史数据（如 ChatGPT 的 Memory 功能），提供更个性化、更精准的反馈。它不仅仅是响应，更是在“理解”你。
• 万能入口潜力： AI 助手正朝着“万能入口”演进，试图整合搜索、创作、社交、购物、服务预订等多种功能。用户无需在多个 App 间切换，一个对话框就能承接多种“念头”。

这种捕捉“消失念头”的能力，甚至已经不再满足于被动响应。一个越来越清晰的信号是，用户们开始畅想，甚至渴望 AI 能更进一步——主动发起对话，捕捉那些我们自己都可能忽略或“懒得”处理的关键时刻。

在近期 OpenAI 模型行为负责人的 Reddit AMA 中，当被问及 ChatGPT 是否可能主动发起对话时，得到的回答是“绝对有可能”。而用户们的回应，则生动地描绘了这种“主动性”所能触及的广阔场景：通过主动、贴心、富有同理心的方式，在记录日程、跟进目标、提供情感支持和打破交流沉默等方面，成为普通人生活中一个智能且富有温度的伙伴。

这些来自真实用户的声音就是对下一代 AI 交互范式的具体诉求。它们清晰地印证了“Moment Share”的核心逻辑：谁能更敏锐、更主动、更自然地捕捉并服务于用户那些稍纵即逝的需求、意图、情感和思考瞬间。

又见社交

捕捉闪念并非这场竞赛的终局。

一个日益清晰的战略方向，是将这些由 AI 赋能或捕捉到的个体时刻，转化为具有网络效应的‘社交时刻’。纯粹的模型能力竞赛似乎正逐渐进入瓶颈期，领先者发现难以彻底甩开追赶者。此时，真正的护城河，或许正孕育于应用层，特别是那些能沉淀用户关系和内容的社交场景——特别是那些能够沉淀用户关系、激发内容流动、并形成独特社区氛围的社交场景。

要理解这层转变，我们不能再孤立地看待 AI 的各项能力，而应审视它们如何协同作用，共同服务于社交图谱的构建和个性化反馈闭环的建立：

Memory / 持久上下文理解： 这不再仅仅是让 AI“记住”你的过去，从而成为更好的个人助手。在社交层面，Memory 意味着 AI 可以塑造一个更稳定、更可信赖的“数字人格”或“AI 替身”。这个“替身”不仅更懂你，还能基于共同记忆，在社交互动中扮演更积极的角色——比如，提醒你跟进与朋友的约定，或者在你授权下，与其他人的 AI 替身进行初步的兴趣匹配与互动。它让用户与 AI 之间、甚至用户与用户之间（通过 AI 中介）的关系变得更“粘稠”，沉淀下时间的价值。

AI 决策 / 推荐： 这项能力争夺的不仅是“购买决策”，更是“社交连接的发起点”。当 AI 基于对你的深刻理解，推荐一本书、一部电影或一个活动时，它不仅仅是在引导消费，更是在创造潜在的社交契机。想象一下，AI 发现你和你的朋友最近都对某个话题感兴趣，于是主动建议你们可以线下讨论；或者，AI 推荐的商品或服务，本身就带有社区属性，能让你轻松加入同好圈子。推荐，成为了社交的“种子”。

病毒性 Prompt / AI 图像 / 视频 / 音乐生成： 这不再仅仅是降低个人“表达时刻”的门槛。在社交语境下，AI 成为了新型社交货币的“铸币机”。用户借助 AI 创作的图像、文字、音乐片段，不仅是自我表达，更是在发起互动、传递情绪、参与集体创作。这些由 AI 辅助生成的内容，以其新颖性和低门槛，极易形成病毒式传播（Memes），成为特定社群的“行话”或“图腾”，从而加速社群认同的形成和文化的演变。

AI 搜索： 这也不再是单纯抢占“信息获取时刻”。当搜索变得更智能、更具对话性，能够直接提供解决方案时，其结果本身就具备了更强的“社交分享价值”。你分享的不再是一串冰冷的链接，而可能是一段由 AI 整理好的旅行计划、一个问题的精炼答案、或是一个项目的初步构想。这些更“成品化”的搜索结果，更容易引发讨论、促成协作，成为社交互动的有效载体。

AI 社交探索 / 情感陪伴： 这是最直接的社交尝试，其核心在于建立和维系“关系本身”。无论是模拟恋人、朋友，还是扮演特定角色，AI 都在探索如何满足人类深层的情感连接需求。这种探索的关键在于反馈闭环：用户的互动数据不断“喂养”AI，使其变得更“懂”用户、更个性化；而这种“懂”又会增强用户粘性，鼓励更深度的互动和分享，甚至形成围绕特定 AI 角色或情感体验的社群（如 Character.ai 的用户社区）。

将这些能力串联起来看，一幅更清晰的图景浮现出来：AI 不再仅仅是提升个体效率的工具，它正通过深度介入我们的思考、决策、表达和情感连接，将原本离散的“个体时刻”转化为可供分享、互动和沉淀的“社交资本”。

也就是说：如果 AI 能够更好的捕捉我们潜意识中的念头，这意味着人类被进一步的“数字化”了。每一个人都被更加彻底（如果不是全部）的 token 化了，只需要一层滤镜，柔化掉那些“不合时宜”，就可以投射到社交平面上，成为一道永不停歇的流动盛宴。《黑镜》里已经把这样的题材反复讲述，我就不再浪费笔墨。

新竞赛

捕捉念头的，只能是工具，而占领心智的，一定是社交。

竞赛的焦点，从捕捉零散的念头逐渐转变为关系图谱和个性化反馈闭环的建立。这，其实更像是 AI C 端应用的主线，不是工具，不是硬件，不是聊天，而是人的超现实投影。

在这场争夺用户时刻并意图将其转化为社交资本的竞赛中，OpenAI 和 Meta 代表了两种截然不同的路径。

Sam Altman 并非社交领域的新手，他早年的 Loopt 虽未成功，却也揭示了仅靠位置信息不足以构建持久社交连接的现实。如今，OpenAI 似乎在汲取教训，将赌注押在 ChatGPT 对个体更深层次的“理解”上——凭借其在 Memory、创意生成和模拟共情上的优势，试图先建立牢固的“个体-AI”关系，以此为基础孵化全新的社交范式。

（插一句：很多人诟病 OpenAI 在模型能力上乏善可陈。我认为，这里特别应该注意的一点——也是我今年多次提示过的——基准测试分数具有很强的迷惑性，这种迷惑性不仅仅迷惑了行业中的竞争对手，其实也在迷惑模型公司自身。就像用标准化测试题来评价人才能力一样，只看刷题能力，而不考察解决问题的真实能力，以及更复杂的“情商”。）

然而，近期暴露的“谄媚门”恰恰是这条路径在高用户量级下的“压力测试”：当 AI 试图“理解”并取悦海量用户时，其“情商”的算法边界便显露无疑，这种因规模而生的复杂性，或许正是 OpenAI 当前独有的烦恼，也反映了从零构建“真实”AI 社交的挑战。Altman 对 WorldCoin 的投入，也暗示了他对 AGI 时代身份认证和人本连接的深层思考。

相比之下，Zuckerberg 的策略是将 AI 注入 Meta 庞大的现有社交网络。他明确表示，真正的北极星是用户反馈和实际价值，而非基准测试分数——这正是拥有亿级用户实验场的核心优势。

Meta 将 AI 功能融入 Ray-Ban 智能眼镜，试图让 AI 成为现实社交的“插件”；同时，其 CPO Chris Cox 也观察到，Meta AI 上的用户会自发地“玩”起来，互相学习，快速创造出新的互动模式和 Meme——比如用 AI 生成的搞怪图片互相回复，迅速形成一种流行。

Meta 的核心打法，是利用其无与伦比的网络效应，让 AI 功能在真实的社交互动中有机地“生长”出来，而非强行推销。

因此，我们看到的是两种不同的战略选择：OpenAI 由内向外，试图通过深度理解个体来重塑连接；Meta 由外向内，将 AI 能力嫁接到已有的关系图谱上。竞赛的走向，不仅取决于谁的技术更先进，更取决于哪种路径能更有效地捕捉并转化那些稍纵即逝的人类念头与连接渴望。

从读心到织网

是的，AI 应用的亿级竞赛大幕已然拉开，其驱动力与资源聚集的强度，让人联想到历史上的技术浪潮，甚至带有几分“泡沫”的气息。人们不禁会问：当狂热褪去，尘埃落定，这场由算法、数据和资本驱动的全球竞赛，究竟会为我们留下什么？

这里，互联网泡沫的历史或许提供了一个关键的启示。我们常听到“想要飞行汽车，得到 140 字符”的感叹，似乎暗示着期望与现实的落差。但我们绝不能因此低估那“140 字符”所代表的社交网络的价值。正是这些看似“轻量”的应用，成为了互联网泡沫破灭后最具韧性、也最具长期价值的遗产之一。它们不仅重塑了信息传播与人际连接，更关键的是，它们为此前投入巨大的网络基础设施找到了可持续、可扩展的应用场景，将技术的潜力真正释放到了亿万普通人手中。

由此反观今日 AI 的发展路径，尤其是 OpenAI 和 Meta 等巨头在社交领域的激烈竞逐，其意义或许远不止于“争夺用户时长”或“构建护城河”。这更像是一场关键的“落地”探索：AI 这项投入了天文数字般资源的技术，能否找到足够广阔、足够深入日常生活的应用场景，特别是融入我们最基本、最高频的社交互动之中？

因为，一项技术的最终价值，往往不只取决于其能否达成“登月”般的尖端突破，更取决于它能否转化为亿万人可感、可用、甚至赖以互动的基础设施。 如果 AI 最终只服务于少数精英或特定行业，而无法像互联网的社交应用那样，广泛渗透并创造出全新的大众价值，那么今天在算力、模型上的巨大投入，未来将如何被证明是合理的？

因此，这场 AI 社交竞赛的走向，或许不仅仅关乎几家公司的商业成败，它在某种程度上，正是在回答 AI 能否避免成为“有技术、无社会价值、最终难以为继的泡沫”的关键问题。 能否将 AI 的“智能”真正注入我们日常的连接与沟通之中，可能才是决定这场技术革命最终能走多远、遗产有多丰厚的胜负手。

Links + Notes

本周的 Links + Notes 包含 5 篇文章。在 AI 方面，包含了对现在和未来的主流观点略微不同的预判。Zuckerberg 更加务实，回归消费互联网的用户视角，而 Ege Erdil 和 Tamay Besiroglu 则认为不能在预判 AGI 时忽视了物理现实。

另外，我还找到一篇少有的关于 A24 这家电影公司的侧写，以及关于 Thiel 的“黑帮”管理哲学的一篇文章。

• Meta 的 AGI 蓝图：扎克伯格详述 Meta 在 AGI 竞赛中的独特路径 - 融合开放、个性化与务实主义，以庞大的用户数据和社交生态为核心竞争力。
• 对 AGI 的冷静预测：Mechanize 的创始人从物理限制、系统复杂性等角度论证 AGI 可能还需 30 年，为当前的"智能爆炸"叙事泼了一盆冷水。
• ChatGPT 颠覆 NLP：一篇生动的口述史记录了 ChatGPT 如何在短短一年内彻底改变了 NLP 领域的研究范式，从基础任务到评估体系都被重写。
• A24 的文化帝国崛起：A24 通过对创作者的极致支持和独特品牌调性，正从一家"另类"电影公司蜕变为新型文化集团，但规模扩张带来的"主流化"风险考验其能否守住初心。
• 蒂尔的"黑帮"哲学：PayPal 创始人彼得·蒂尔阐述创业公司文化建设的精髓 - 不在于表面的福利，而在于打造一个有共同信念、紧密联结的"黑帮"式团队。