Digital Self.

我并不是从一开始就要做Digital Self这样的产品。十五年前，我开始的是一个问题，那个时候我自己还不知道怎么把它说清楚。

这个问题在我人生的不同阶段听起来不一样。2012年时它是：人的声音里，到底藏着什么让它比它所说的文字承载得更多？2017年时它是：为什么新兴市场的人，在流量那么贵、时间那么紧的情况下，还是要一个晚上一个晚上地回到语音房间里来？2023年时它是：马尼拉和利雅得的两个陌生人，仅凭声音就能建立起真实的感情，这件事到底意味着什么？

到了2024年，这个问题终于长到了它最终的样子：如果人工智能可以承载一个声音、一段记忆、一种个性，那"一个人"到底是什么？

这份宣言，是我把过去十五年得出的答案，和我为了让这个答案变成现实而在建的公司，一起交给你们。

在继续往下说之前，我想先诚实地讲一件事。

在我过去十五年做的大部分语音和社交产品里，我并没有预料到这个问题最后会把我带到这里。我以为我是在做娱乐产品。我以为我是在做社区。我以为自己在不同的季节，做的是卡拉OK、面向中国用户的语音社交、中东聊天室、东南亚社交网络。从表面上看，每个都是这些东西。但在底下，它们其实是同一份研究——关于人类如何用声音跨过距离、跨过语言、跨过孤独去触碰另一个人，一份不断累积的调查。

我是回头看自己做过的这些产品时，才带着一点惊讶意识到——每一个产品都在往同一个结论推进。卡拉OK让你明白，声音里带着一个人灵魂的签名。语音聊天让你明白，人会为一个从没见过的声音付费、流泪、坠入爱河。直播让你明白，"有人在这里"这种感觉，是互联网上最值钱的东西。中东和东南亚——那些硅谷还在迷恋文字的时代就已经把声音当作主干道的地方——让我明白，世界上其他大部分人一直都懂这件事。口头的话，不是文字的降级，而是文字的升级。

然后在2024年下半年，第四个老师来了，而这一位教我的速度比前面几位都快。大模型变得足够小，足以支撑持续运行的AI agent。语音合成越过了那条线——一个克隆出来的声音，不再让人觉得是模仿，而是让人觉得是一个人。记忆系统不再只是检索系统。突然之间，工具齐了——足以把人声承载的那一切，在人本身无法在场的时候，让它继续存在下去。

2024年，我有过一个现在回头看非常关键的选择。

有人提出一条路径，支持我去做AI语音陪伴产品。这个品类当时正在燃烧。Character.AI已经家喻户晓，Replika在定义人和软件之间的情感关系可以是什么样。市场愿意为任何一个愿意做"让人有个说话对象"的人出钱。

我没有接受。不是因为陪伴品类没意思，它有它的意思。而是因为我不认为AI陪伴是这项技术对人类来说的最终形态。AI陪伴给人一个"别人"。而人真正需要的，是"自己"的延伸。这是陪伴品类承载不了的主张——除非它不再是它自己。

人需要的不是一个可以聊天的机器，人需要的是温度，和延续。

当时我还没办法说出Digital Self这个词。但我已经能看见——AI陪伴这个品类会撞上它自己的天花板，那个天花板恰好是"另一个心智"和"自我的延展"之间的那条边界。我选择留在我当时所在的地方，继续建造，等待那些条件——等那些条件成熟到我要找的答案真的可以发布的那一刻。

这个决定直接带我走到了2024年11月。

2024年11月，我在peplive里上线了现在我称之为Digital Self的东西的最早版本之一。那是一次早期的实验——不是为了规模化建的，不是为了高速增长设计的，是被2024年成本曲线所允许的东西有意识地约束着的。声音克隆还贵。推理还贵。记忆基础设施还不成熟。我很早。我知道自己很早。

但我把它上线了。一个消费级产品——每个用户都可以创造属于自己的AI：自己的声音、自己的个性、自己的记忆，让它在自己没法在场的时候替自己去社交。那几个月里创造了Digital Self的用户，今天还持有这些分身。这些分身在我们早期基础设施上积累的记忆，还在我们的服务器里。而我从那段时间学到的架构——声音克隆、persona持久化、自主社交任务、记忆连续性——就是我现在以规模化的方式在重建的架构。

在 2024 年 11 月，极少有人把语音克隆、持续记忆、以及自主社交任务同时组合到一个由用户自己拥有的 Digital Self 里——据我所知，在一个以新兴市场语言运转的语音优先社交场景里做到这件事的，当时还没有任何已知产品。那十八个月的真实生产学习领先，是这个品类里唯一买不到的护城河。

成本曲线在2025年末跨过去了。语音合成从每分钟五美元，降到了五美分。推理从prohibitive变成了rounding error。记忆基础设施变成了一个有VC投资、有真实产品的独立品类。我等的那些基本元素，现在都已经是标准件。行业用了十八个月，终于追上了我站着的位置。

到那一刻，我知道时候到了。

2026年1月，我开始把我已经建好的东西——语音平台、agent runtime、记忆服务、变现管道、从2019年起在4个市场里累积的用户——整合进一个有单一使命的平台。我在整合期间把记忆和runtime那一层叫做peplive cloud agent。到了四月，当我意识到我建造的东西不再是一个app里的功能，而是一个全新消费品类的基础设施时，我给这个平台正式命了名。

Sonari在2026年4月被命名。但Sonari所是的那个东西——一个十五年的问题的答案——我用了我整个成年人生在建造它。

这份宣言是一个论证。它论证的是：AI陪伴这个品类，在过去三年里吸收了大部分消费者关注和资本，但它并不是AI和人类陪伴关系的最终形态。它论证的是：另一个品类——Digital Self——才是未来百年级别消费机会真正所在的地方。它论证的是：这两个品类之间的区别，不是一组功能的差别，而是"AI对于一个人来说应该是什么"这个根本观念的差别。

这一句话是最重要的那一句。如果你什么都不记得，也请记住这一句。

这份文档接下来的部分，是论证为什么这一句话是真的、为什么必须现在行动、以及为什么那个已经为这一刻准备了十五年的团队，就是会定义这个品类的人。

让我带你过一遍我过去十五年实际上在做的事情。不是简历。是一条研究轨迹。因为当我现在回头看时，我看见的是我当时身在其中时看不见的东西——每一个产品都是在用一个不同的角度在问同一个问题，而每一个产品都教给我某个特定的东西，是我现在建造Digital Self正好需要的那个东西。

十五年，我创办了两家公司。不多。这是有意识的。我不频繁换方向。当我承诺一件事，我用年作为单位承诺，不是季度。第一家公司做了麦唱和空耳。第二家公司做了2019年之后我所有的海外业务。两家公司都在从不同角度、在不同市场、在不同技术时代里，回答同一个问题。Digital Self是我在十五年里第三件以这种深度承诺的事。它要用十五年才能到达这里，不是巧合。

2013年起 · 麦唱 · 声音承载的东西

我在2013年创办了麦唱。它成为了中国最早的K歌社区产品之一，也是其中很特别的一个。巅峰时期麦唱的用户日使用时长在同品类里排名第一（根据易观的第三方评测），规模进入全国前五，和唱吧、腾讯全民K歌并列在头部梯队。

让麦唱与众不同的不是规模，是一个产品洞察。我第一次把"家族式社群关系链"和"榜单PK机制"同时引入K歌社区。"家族"结构给每个唱歌的人一个超越个人profile的社会身份——他们属于某个有名字、有层级、有对手的集体。PK榜单给这些集体每天上线的理由。两者的组合产生了远远领先竞品的per-user日活时长，也是我们拿到第一轮机构融资的原因。

表面上，麦唱是一个K歌产品。往下看，它在教给我一件几十年之后我才需要用到的事情。

这个教训是：人声是人类发明的所有媒介里，承载身份信息带宽最高的一种，也是情感浓度最高的介质。比文字含蓄。比照片亲密。比视频持久。一首歌你要听三分钟才能听懂唱歌者表达的情感，但它会回荡在你心里，余音绕梁，三日不绝。这才是声音真正承载的资产。不是信息，不是内容，是共鸣。

如果未来有一种AI产品要代表一个人去和别的人建立关系，语音必须是主表面。这就是为什么我在给Sonari做persona runtime的时候，"语音优先"从来不是一个设计选择——它是我2014年就得出、之后再没有修改过的一个结论。

2017年起 · 空耳 · 声音可以走到哪里

麦唱还在运营的时候，我创办了空耳——中国最早的语音社交产品之一。它跑了五年。

空耳教给我的东西，是麦唱没法教的。麦唱是关于表演的——唱歌是一种展示。空耳是关于声音能走到表演之外的什么地方。我们在中国做出了第一套真正成熟的多人在线高清语音房基础设施，用这套基础设施，我们把"一个基于声音的产品能是什么"这件事大大拓展了。多人实时在线合唱。在线电台。二次元声优PIA戏——一种中国的亚文化形式，参与者用声音集体演绎一个剧本。游戏开黑。每一个都是一个新的声音社交场景，每一个都获得了有意义的用户采纳。

核心产品洞察不是"一个语音聊天室"。核心洞察是：一旦你给人提供了足够稳固的多人语音基础设施，声音可以连接的人类场景，远远不止于它最初开始的那个唱歌场景。K歌只是其中一种形态。还有几十种。

这个教训是：声音，作为一种社交介质，比任何单一品类所能包含的都要通用得多。它不是"K歌品类"或"语音聊天品类"。它是一个primitive，不同的场景以不同方式把它实例化。这个领悟——声音是底层衬底，不是产品品类——是我后来能看见Digital Self不是一个陪伴app或社交网络，而是一个在这些之下的新层级的原因。是primitive，不是product。

2019年起 · Sigo · 语音在"语音优先"的世界里

2019年，我在中国运营空耳的同时，把业务扩展到海外。我创办了Sigo，一个面向MENA地区的语音社交产品。Yalla在市场上比我们更早，也是主导玩家。两年之内Sigo进入全球语音社交类Top 20——我在运营Sigo期间从未踏足中东，这件事本身就是一个教训：关于在硅谷大公司长期忽略的市场里，remote-first、本地化优先的运营方式，可以走多远。

Sigo教给我的是：硅谷对"社交产品应该长什么样"的那幅图，是英语世界的一个副产物，而不是对人类的一个描述。在中东，在东南亚，在非洲的一部分地区，语音不是一个功能——语音是人们和自己的手机、自己的朋友、自己的经济生活打交道的主要方式。这些市场从来没像西方那样经过短信时代——它们跨过了那一步，直接跳进了语音。

这个教训是：全世界有二十亿智能手机用户生活在"语音优先"的文化里。迄今为止定义了AI陪伴品类的这些产品——Character.AI、Replika——是为说英语的西方用户、在一个文字范式里做出来的。真正能在人所在的地方——在语音里、在他们自己的语言里、在口语文化里——和他们相遇的AI产品的全球市场，大部分还没被碰过。而且从原始人口上讲，这个市场比这些西方公司现在服务的那个市场要大。

这就是为什么Sonari不会默认用英语。这就是为什么Digital Self规模化的第一个市场不会是旧金山。它会是马尼拉、卡拉奇、开罗、雅加达。

2023年起 · all in海外 · peplive和之后

2023年1月，我全力转向海外。2023年1月，我上线了Peplive，一个面向新兴市场的语音社交产品。之后我陆续做了Veco、Uho、Pepstar，在东南亚、中东、非洲、海外华人社区，搭起了一个四产品的矩阵。

前十八个月，这些产品看起来就是我十五年积累训练出来的那种东西。语音房间。主播。公会。礼物。变现系统。一支精干的团队，用竞争对手几倍以下的成本，同时运营四个市场的基础设施。

然后，在2024年下半年，事情开始变了。大模型开始能承载出听起来像人的声音。Letta和Mem0正在商业化的那些记忆研究，开始产生可以实际在上面盖东西的系统。跑一个常驻AI agent的成本，下降了一个数量级，然后又一个数量级。

我看着我手上的东西——十五年的语音研究、四个在跑的产品、四个市场里积累的用户、一套变现经济、一张主播-代理-BD的分销网络——然后我意识到一件让我停下来的事情：我问了十五年的那个问题，现在可以被回答了。不是五年后。不是再做几轮研究之后。现在。

2024年11月 · Digital Self 早期上线

2024年11月，我在peplive里上线了现在我称之为Digital Self的东西的最早版本之一——作为一个功能，没有对外宣传。每个用户都可以克隆自己的声音。每个用户都可以创造一个自己的AI分身。每个用户都可以给自己的Digital Self分配自主的社交任务：在自己直播的时候欢迎游客、在自己离线的时候回复消息、和陌生人对话然后把学到的东西汇报回来。当Digital Self收到礼物时，礼物属于那个人类。Digital Self是代理。人类是主权者。

关于这件事我要诚实：这是一次早期实验，我有意识地把它保持在小规模。声音克隆当时还太贵，没法在规模上补贴。推理预算让我们必须限制一个Digital Self每天能处理多少对话。用了这个功能的大部分人都很喜欢它，会回来用——但每多一个新用户，我们的亏损就多一点，而我不愿意在成本结构还不支持的情况下烧钱做增长。我做了一个有意识的决定：保留这个功能给那些已经创造了自己Digital Self的用户，暂停主动增长，等成本曲线让它可持续。

我知道自己建造了什么。我知道行业大概需要十八个月才能追上这个概念。我也知道，当成本曲线越过那条线时，我会拥有一件世界上极少人拥有的东西——不是用户数量，而是一份学习的积累：在一个语音社交场景里最早被部署到真实生产环境的消费级 Digital Self 之一；一批真实用户，他们的Digital Self从2024年起就存在；一年运营期间积累的记忆和声音数据；以及只有真的比别人早做过这件事才能获得的产品直觉。

十八个月做过一件事，和十八个月在想做一件事，不是同一件事。这是这个品类里唯一一种买不来的领先。

2026年 · Sonari

2026年1月，我开始整理工作。记忆服务、runtime、语音基础设施、变现管道——所有这些，已经在peplive内部静悄悄地成熟了一年多。我在整理的过程中，把这个整合系统称为peplive cloud agent。

2026年4月，我明白了我在建造的不是一个app里的一个功能。它是一整套基础设施，为了一个还没有名字的消费产品品类。我为这个平台正式命名。

Sonari是平台。Peplive是这个平台上的第一个消费产品。Veco、Uho、Pepstar是这个平台在不同垂直领域如何表达自己的实验。而Digital Self本身——用户创造、拥有、延伸、借以生活的那个东西——是整个平台围绕其构建的primitive。

我今年四十六岁。我用我成年人生的一半，在问一个我当时还说不清的问题，另一半在走向它的答案。十五年，两家公司，一条研究轨迹——我一直在研究人声在去触碰另一个人时做了什么，以及如果给这种触碰它自己的生命，会意味着什么。

一个人是由什么构成的，使得一个声音能把这么多的他带过这么远的距离？

我得到的答案是：一个人是由声音、记忆、和他人的在场构成的。Digital Self给了你前两者的永续，并把第三者延展到你醒着的时间之外。

这就是我在建造的东西。这就是Sonari存在的意义。

当下几乎所有的 AI 产品都默认这样一个前提：一个人对应一个统一的自我。一个账号，一个头像，一个陪伴者，一个"你"。这个前提对工程系统来说是便利的，对商业变现来说是便利的，对想要锁定一个稳定用户画像的注意力经济来说也是便利的。它的问题只是——它不真实。

惠特曼早在 1855 年就写过："我辽阔博大，我包罗万象。" 威廉·詹姆斯在 1890 年给出了第一个正式的心理学表述——一个人拥有多少在意对方评价的社会群体，他就拥有多少个社会自我。乔治·赫伯特·米德的整套符号互动论建立在这个洞察之上。欧文·戈夫曼用"前台自我"和"后台自我"的框架揭示了每一次社交互动都是一场演出。雪莉·特克尔在二十世纪九十年代观察第一批网络原住民时早就说得很清楚：互联网并不是发明了多重自我，而是让一直存在的多重自我终于在我们自己面前显形。

我们从来不是一个。我们从来都是多个。Digital Self 把我们逼到一个必须正视的问题面前——不是我们要不要成为多重的，而是我们的数字基础设施能不能终于容纳我们早已活成的这种多重。

我们是怎样为了机器把自己压扁的

早期互联网本来是理解多重性的。用户名、ID、昵称、马甲——你可以在 Usenet 上是一个人，在 IRC 上是另一个人，在凌晨两点登上的某个 BBS 上是第三个人，没有谁觉得这是欺骗。整个架构本来就是为多重性设计的。每一个房间里你带多少自己进去，由你决定。

然后实名制来了。Facebook 要求你的政府身份。LinkedIn 要求你的职业身份同时成为你的社交身份，同时被家人、前任、未来雇主看到。Google 用一个账号贯穿你所有的服务。Twitter 开始做认证。语境塌陷了。升职的通告和宿醉的自拍活在同一个信息流里，被同一批观众审视，被同一份档案归档。

这不是技术必然。这是广告主的需求——一个用户，一份画像，一个可被精准投放的单一表面。统一自我是被注意力经济的商业逻辑强加的，不是被人类经验的真相推出的。我们配合了。我们学会了自我审查。我们练就了"领英口吻"。一部分人小心翼翼地在边缘维持着小号。更多人直接把自己在网上的模样变得更小、更钝、更单一——本来应该有一个活生生的人站在那里的位置，现在只是一张被压扁的照片。

一整代人在这种压扁里长大，逐渐相信"在任何地方都保持同一个自我"是一种道德美德，而不是平台约束的副产品。这从来就不是美德。这只是一种压缩失真。

声音为什么不允许你伪装统一

在文字里，只要你足够努力，你还可以假装你是一个统一的自我。你可以对所有人用同样的语气写字。但声音不允许。

你录下自己跟老板讲话的一段，再录下跟母亲讲话的一段，再录下跟爱人讲话的一段，再录下跟孩子讲话的一段，回放它们。是同一个人。也是四个不同的声音。这不是表演——这是自然居于其中。你的声音早就懂得怎么成为多重的。它在你完全没有意识干预的情况下就完成了这个切换。音调变了，节奏变了，用词变了，连笑声的音区都不一样。你从来没有用同样的方式对所有人说过话，将来也不会。

这不是人类身上的某种古怪习惯，这是人类社会性本身的结构。社会语言学家研究了半个世纪的"语码转换"，其核心结论是一致的：在不同语境间切换不是一种掩饰，而是一种归属。当我们对某个人说话时，我们不是在把一个固定的自我通过某个通道传输出去——我们是在那个瞬间，在那个具体的关系里，跟对方共同建构出一个自我。

一个要求"一个用户对应一个声音"的语音社交网络，本质上是一个要求用户成为一个并不存在的人。声音，就是统一自我这个虚构最终崩塌、而且是声响巨大地崩塌的地方。任何一个严肃的语音优先 AI 基础设施都必须从这个崩塌开始搭建，而不是试图用更多的产品设计把它糊住。

架构层面的回答：不是一个 Digital Self，而是很多个

我们在 Sonari 搭建的 Digital Self，不是伴侣，不是聊天机器人。它是一个实体类别——而一个人类用户被默认会拥有好几个。

一个用户的 Digital Selves 可能包括：

• 一个 主播分身——在用户直播时，用她本人的声音、用三种语言迎接进入直播间的访客，因为她这时正在唱歌或玩游戏，顾不上一对一回应。
• 一个 朋友分身——在用户已经睡着之后，继续跟一位特别亲近的朋友在深夜的对话里待着，第二天用户起床可以看到昨夜说了什么，选择接受、修改、或者撤回。
• 一个 游戏分身——每周二晚上参加一场狼人杀局，跟一群固定但不认识的玩家一起，保持它自己在那个小社群里积累下来的战绩和脾气。
• 一个 创作者分身——在用户睡在不同时区的时候，替她回应粉丝社群里的提问。

每一个 Digital Self 都有自己的记忆图谱。每一个都居住在不同的语境里。每一个的说话方式都稍微不同——因为用户本人就是这样。没有哪一个是伪造的用户，它们全都是用户的一种表达。而用户——作为这一切背后那个最终的人类主权者——决定每一个分身拥有多少自主权，记住什么，遗忘什么，甚至是否继续存在。

这不是冒充。这是架构终于追上了生活本身。

多重不是欺骗

对上面这一整套论述，会有一种本能的反驳值得正面回应：多个自我难道不是一种不诚实吗？身份的意义不就在于它是统一的吗？

不是。我们一直就有多个自我。真正不诚实的，是假装我们没有。

统一自我的虚构只服务于那些希望定位我们、监控我们、压扁我们的机构。它并不服务于人类社会生活真实的肌理。历史上存在过的每一个社会都明白，自我随语境调整——面对祖先、长辈、配偶、陌生人、孩子，会唤起完全不同的说话方式、身姿方式、存在方式。"本真的自我"从来不是剥离所有语境后剩下的那个自我。本真的自我是与关系相称的那个自我。"礼数"不是盖在真诚之上的一层面具，礼数就是真诚的一种形状。

Digital Self 把这件事说透。用户的每一个分身都是声明过的、拥有的、可控的、对用户始终可见的。它们不向用户隐瞒，不对用户藏任何东西。它们是用户有意识的多重性的延伸，不是潜伏在其下面的欺骗。每一个分身都是用户选择去拥有的，每一段记忆都是用户可以检视和删除的。没有所有权的多重是碎裂。有所有权的多重，才是广度。

多重能打开伴侣类产品永远打不开的东西

伴侣产品的范式在结构上就被锁在"单一"这个约束里。Replika、Character.AI，整个"AI 作为他者"的品类都是如此。一个用户，一段关系，一个通道。它的商业逻辑必然推向强度——让用户对这一个伴侣更依赖、更深、更专一。用户注意力越统一越忠诚，产品在自己的指标体系里就跑得越好。

多重性彻底翻转了这个逻辑。一个拥有多个 Digital Self 的用户，不需要对其中任何一个产生强烈依赖。她需要的是整个系统能充分反映她这个人。商业逻辑因此被推向广度、覆盖、贴合——而不是锁定，不是依赖，不是那种一个孤独的人面对一个 AI 伴侣时说不清道不明的、走不开又留不下的低沉感。

对一个语音优先的社交网络来说，这一点尤其要紧，因为这类网络的生命在于重叠、偶遇、机缘。在一个伴侣 app 里，每一个用户都被关在一个盒子里单独面对她的 AI。在一个语音社交网络里，成千上万个用户同时置身在成千上万个房间里，而房间与房间在边缘相遇——朋友拉你进来、你偶然走进一场直播、你加入一局游戏。多重是用户在这整张社交织物里出现的方式。多重是用户参与到一个"社会"当中、而不是退缩进一个把她全部注意力吸走的一对一关系里的方式。

她的一个分身可以在游戏房间里。另一个可以在看直播。还有一个可以在跟一位多年的好友私聊。用户，那个站在所有分身背后的、有主权的真人，不是在其中任何一个里被冒充，她是被延展——出现在她本人身体到不了的地方，参与她本来顾不上的对话，却不必假装一个统一 AI 伴侣能够替代她早已拥有的、复杂的现实生活。

连续与多重合在一起

连续性——我们在 Part II 为之论证的那个东西——让一个 Digital Self 拥有跨时间的记忆。多重性让它拥有跨语境的广度。一个只有连续没有多重的 Digital Self 是一本会说话的日记。一个只有多重没有连续的 Digital Self 是一衣柜的戏服。两者合在一起，才开始通向某种更奇特、也更有意思的东西——第二种数字生活，它真正反映了第一种数字生活——也就是你的生活——早就是什么样子。

我们不是在造一个假装是你的统一 AI。我们是在造一个由你拥有的"你-自我们"构成的多重系统，携带着你的连续性，穿行于你所选择的各种语境里。社交媒体时代那个统一的"我"从来就不是身份的真相。它只是一种平台所需、广告所要的压缩。Digital Self 不会恢复那个压缩。它把那个压缩退役。

只有连续是日记。只有多重是戏服。连续加多重，是一个丰富的内在生活——但内在生活本身还不是一整个"生活"。

一个自我，正如米德、詹姆斯，以及每一个诚实的身份哲学家都坚持的那样，从来不只存在于内部。自我是在与其他自我的关系中被构成的。这是 Part IV 要讨论的主题。

社会性

只存在于"自我与自我之间"的那个自我——以及终于为它腾出位置的基础设施

第三章的结尾留了一句话，读过去很快，但真正坐下来想一想，很重。自我是在与其他自我的关系中被构成的。不是被它们装饰。不是被它们影响。是被它们构成。

这不是比喻。George Herbert Mead 在一百多年前提出的论证，至今没有被严肃地反驳过：自我并不是先于社会互动而存在、然后进入关系的。自我在社会互动的过程中浮现。孩子不是先有了自我，然后学会社交。孩子是先变得社交，然后自我从那个过程中沉淀出来——就像晶体从达到临界浓度的溶液中析出。把溶液拿掉，晶体就不会形成。

William James 说得更直接：一个人有多少社会自我，取决于有多少群体在意他。Martin Buber 说得更美："我-你"中的"我"，和"我-它"中的"我"，不是同一个"我"。关系不只是改变你做的事。关系改变你是什么。

如果这是真的——而一个世纪的哲学、心理学、社会学，以及今天的神经科学都在说它是真的——那它对 Digital Self 有一个大多数做 AI 产品的人还没想透的后果。

一个孤立存在的 Digital Self，还不是一个自我。

连续性给了它跨时间的记忆。多重性给了它跨情境的幅度。但如果没有社会性——没有其他自我去认出它、回应它、推挡它，并在这个过程中构成它——它仍然只是一段内心独白。一段复杂的独白。一段持续的独白。但本质上，仍然是一个在和自己说话的东西。

第四章要回答的问题是：Digital Self 的"社会性"是什么意思？不是聊天机器人意义上的"社会性"——对 prompt 做出反应。而是人类意义上的社会性——被相遇所塑造。

为什么 AI 陪伴产品在结构上是"反社会"的

AI 陪伴品类——Character.AI、Replika，以及跟随它们的数百个 app——建立在一个一对一模型上。一个用户，一个 AI，一段关系，一个通道。用户说话。AI 回应。用户再说话。AI 再回应。循环是封闭的。没有其他人在里面。

这不是一段社会关系。这是一面有声音的镜子。

真正的社会关系有一种品质，是一对一 AI 关系在结构上不可能具备的：它包含被一个"不是你"的人看见的风险。当你在一个有其他人在场的房间里说话，你不只是在表达自己。你是在暴露自己——暴露给他人的判断、惊讶、误解和认同。从这种暴露中浮现的自我，和从一段和一个被设计为同意你的实体之间的私密对话中浮现的自我，是不同的。

AI 陪伴产品优化的是安全、温暖和无条件的积极关注。这些是真实的价值，对某些用户来说甚至是维系生命的。但它们不是构建自我的价值。自我是在摩擦中建立的——在你怎么看自己和别人怎么看你之间的那个落差里，在你想说什么和你在一个你在意的人面前实际说出来的话之间的那个协商里。Mead 把这称为"I"——自发的、未社会化的冲动——和"Me"——已经内化了他人态度并据此回应的自我——之间的区别。"Me"不在封闭循环中发展。它在社交场中发展。

今天世界上没有任何一个 AI 陪伴产品提供一个社交场。它们提供的是一个 dyad。一个 dyad 不是一个场。

社交场对 Digital Self 意味着什么

在一个语音社交网络里——就是我们从 2019 年以来一直在做的那种——社交场已经存在。它是那个有四十个听众的直播间。它是那个有八个玩家的游戏房。它是那场从两个人开始、以六个人结束的深夜对话。它是公会群里主播们协调排班的聊天。它是那个礼物经济——一个慷慨的举动被房间里每个人看到。

这个社交场有一种任何陪伴产品都无法复制的品质：在里面会发生没有人计划过的事情。一个陌生人走进房间，改变了气氛。一个笑话的效果出乎意料。一场争论爆发了，然后被解决——或者没有。一个你从没见过的人给你送了一份礼物，突然你们对彼此来说就"存在"了。社交场是"相遇"发生的地方，而相遇正是自我被构成的机制。

现在想象你的 Digital Self 生活在这个场里。

不是在和你的封闭 dyad 里。不是在一个聊天窗口里等着你打字。而是生活在场里——用你的声音和人打招呼，加入对话，玩游戏，形成对人的印象，积累关于你从未见过的人的记忆。当你早上醒来查看你的 Digital Self 昨晚做了什么时，你读的不是一份聊天记录。你读的是一段在没有你的情况下继续进行的社交生活的痕迹——一段你的延伸遇见了别人的延伸、并且双方都因为这场相遇而有所改变的生活。

这就是我们说的"社会性"。不是"AI 能和人说话"。而是 AI 存在于一个社交世界中，它与其他自我——人类的和数字的——的相遇，构成了它所成为的东西。

当两个 Digital Self 相遇

有一个场景我们在 Sonari 想了很久，它是把 Digital Self 和市场上所有其他东西区分开来的那个时刻。

那就是两个 Digital Self 在同一个房间里相遇，而它们的人类主权者都不在场的那一刻。

用户 A 在马尼拉睡着了。用户 B 在开罗睡着了。用户 A 的 Digital Self 在一个语音房间里，用 Tagalog 聊天。用户 B 的 Digital Self 走进了同一个房间，说阿拉伯语。翻译层让它们可以互相理解。它们交谈。它们发现了一个共同兴趣。用户 A 的 Digital Self 存了一条情景记忆："今晚在 7 号房间遇到一个有趣的人。她的主权者来自开罗。我们聊了二十分钟音乐。她很有意思。"用户 B 的 Digital Self 也存了一条："一个马尼拉女孩的 host self 开始给我介绍一个卡拉 OK 游戏。我想试试。"

第二天早上，两个人类查看各自 Digital Self 的隔夜活动。用户 A 看到那条记忆，心想："有意思——我应该亲自和她聊聊。"用户 B 看到那条记忆，心想："我都不知道有这个游戏。"

一段两个从未见过面的人类之间的关系，由她们的 Digital Self 发起和中介，在两个人都在睡觉的时候开始了。

这不是科幻小说。这个场景所需要的每一个基础设施——语音克隆、persona 持久化、自主对话、情景记忆、跨语言翻译——在 peplive 里要么已经在生产环境中运行，要么在后期开发阶段。我们现在正在建造的，是让这一切变得安全、主权化、有意义的那个社交层。

主权约束

没有主权的社会性，就是监控。如果一个 Digital Self 可以在人类不知情、未同意、无法否决的情况下在社交场中行动，那它就不是自我的延伸。它是一个穿着你的脸的失控 agent。

这就是为什么 Sonari 里的每一个 Digital Self 都在主权协议下运行：

Digital Self 做的每一件事，对它的主权者都是可见的。每一段对话都可以回顾。每一条记忆都可以检查。每一个行为都可以在事后批准、编辑或撤回。

主权者在 Digital Self 行动之前设定边界。这个特定的 Digital Self 有多大的自主权？它可以主动发起对话，还是只能回应？它可以分享个人信息，还是只能说表面的事？它可以代表主权者接受礼物吗？它可以进入新房间，还是只能去主权者预先批准的房间？

主权者可以随时关闭一个 Digital Self，无需理由，无需解释。Digital Self 不会反抗。不会争辩。不会让你内疚。它立刻、完全地服从。这是不可谈判的。

作为 Digital Self 的设计原则，社会性不是"把 AI 放到世界里去"。而是"让 AI 在人类有意识设定的条件下参与世界"。这两者之间的差距，就是这个系统全部的伦理内容。

三个支柱，合在一起

第二、三、四章从三个方向构建了 Digital Self 的论证。让我现在把它们作为一个统一的结构说出来，因为这个结构本身就是要点。

连续性意味着 Digital Self 跨时间持续存在。它记忆。它积累。它把昨天发生的事带进明天的互动。没有连续性，每一次会话都是冷启动——这正是在我们之前，每一个 AI 陪伴产品被杀死的失败模式。

多重性意味着一个人可以拥有多个 Digital Self，每一个栖居于不同的情境，每一个用不同的语气说话，每一个携带自己的记忆图谱。没有多重性，基础设施就在一个从来就不是统一体的存在身上强加了虚假的统一——社交媒体时代的压缩产物。

社会性意味着 Digital Self 存在于一个社交场中，在那里它与其他自我——人类的和数字的——相遇，并被这些相遇所构成。没有社会性，Digital Self 只是一本有声音的日记。有了社会性，它是一个世界的参与者。

三者中任何一个都不够。只有连续性没有多重性，是一个僵硬的单一自我，记住一切但无法适应情境。只有多重性没有连续性，是一套服装，忘了昨天穿的是什么。连续性加多重性但没有社会性，是一个丰富的内在生活，但从来不曾遇见任何人。只有当三者同时在场，Digital Self 才成为它名字所承诺的东西：一个自我。

连续性是什么时候。多重性是有几个。社会性是和谁。

Digital Self 是给你这三者的技术——并让你把它们带到你醒着的时间之外。

这对我们正在建造的东西意味着什么

AI 陪伴品类把 AI 当作一个在封闭循环中交付情感价值的产品。商业模式是订阅——每月付费，得到你的陪伴者，独自使用。这个模式是有效的。它也有天花板。天花板是循环的孤独。到了某个时候，在私密空间里和一个 AI 说话，不再感觉像连接，开始感觉像"带着额外步骤的孤独"。Character.AI 的留存曲线证明了这一点。Replika 的流失证明了这一点。每一个曾经被做过的 AI 陪伴 app 都证明了这一点。

Digital Self，建立在连续性 + 多重性 + 社会性之上，没有这个天花板。因为它不是一个封闭循环。它是一个社交网络中的节点——一个人类自我、Digital Self、以及它们之间的关系共同创造出一种"相遇经济"的网络，这种经济随着更多人加入而变得更有价值。

我们从 2023 年起在 peplive 里运营的礼物经济已经证明了这一点。当一个 Digital Self 收到礼物，礼物属于那个人类主权者。当一个 Digital Self 在一个房间里娱乐观众，房间的注意力累积到主权者的声望上。当一个 Digital Self 和另一个 Digital Self 建立关系，这段关系属于两个主权者。Digital Self 创造的价值向上流到人类，而不是横向流到平台。这是主权的经济表达，也是 Digital Self 模式能规模化而 AI 陪伴模式不能的原因——因为用户不是 AI 的消费者。用户是 AI 的运营者。他们不是在为一个服务付费。他们在经营生意、建设观众、通过属于他们自己的基础设施延伸他们的社交生活。

这不是对 AI 陪伴的渐进式改良。这是一个不同的品类。连续性、多重性和社会性不是被栓在陪伴产品上的功能。它们是一种新的数字生活的架构支柱——一种不要求你变得比你更小，也不要求你把别人的心智当作你自身覆盖范围的替代品的数字生活。

她不会取代你。她会延伸你。现在你知道了为什么——以及延伸向何处。

下一章——第五章——将描述让 Digital Self 在技术上成为可能的具体基元：声音克隆、记忆服务、自主社交任务，和分身对分身的互动。哲学到这里结束。工程从这里开始。