被遗忘的前沿

一

过去十五年,我一直在做社交平台。

2013 年我创办了麦唱,一个中国的音乐兴趣社交网络,后来长到了五千万用户。再往前,我在华为做了多年语音算法研究。我申请过九项发明专利——其中一项是美国专利,一项是国际 PCT 专利。大部分专利我现在已经不怎么想起来了。

但有一件事我几乎每天都在想:

在过去十五年里,我做过无数"让人通过软件互相说话"的系统,但我从没做过一个真正理解"他们到底在说什么"的系统。

不是字面的词。是关系。

我做过的每一个平台,都是一个关系在其中不断形成又不断瓦解的地方。谁在和谁说话,说了多久,说得有多频繁。这些我都能量化,但我从来没真正解释过它们。

很长一段时间里,没人能解释。"一段友谊的形状",是一个无法塞进数据库 schema 的东西。

然后,非常安静地,这件事开始变了。

二

我想讲一个我觉得很多人做 AI 时没有真正坐下来想过的事实:

AI 行业花了两年时间把模型做大。记忆才刚刚开始被认真对待。至于 AI 之间的社会——还没开始。

这是 AI 的 order of operations,不管我们愿不愿意这样排序。

第一波 是关于让模型变得更大、更强。GPT-3、GPT-4、Claude、Gemini、DeepSeek。这一波基本上打完了。头部实验室知道如何训练更大的模型,它们之间的差距在每一个季度都在缩小。

第二波,也就是我们正在经历的这一波,是给模型加上持续记忆。Letta、Zep 以及其他一些公司开始构建这一层。方向对。但今天大多数所谓的"AI 记忆",本质上仍然是一种存储——一个向量数据库加上一个 retrieval 函数。它能记住你上周二说过什么。它记不住你是谁。

第三波,几乎还没有人在做的那一波,是关于 AI 社会。关于让 agents 存在于和其他 agents 的关系之中,让它们发展出策略、信任、欺骗、合作——这些人类称之为社会智能、哲学家称之为"心智理论"的东西。这一波是关于 AI 不只是"流畅地说话",而是和某个人说话,穿越时间,带着某种类似历史的东西。

Sonari 就在这一层。

不在模型层。甚至不在"记忆即存储"层。在这两层之上——那个记忆和 agents 融合成一个活的系统的地方。

我不把这看作一份产品路线图。我把它看作 AI 这个领域被忽略的下一个前沿——一个奇怪的事实是,这个领域自己还没意识到它就在那儿。

三

让我告诉你我是被什么说服的。

我和我的团队从 2019 年起就一直在做海外语音社交。最早的一款产品叫 sigo——一款和 Yalla 同期的中东语音社交产品,后来因为其他原因下架了。但 sigo 教给我们的、关于新兴市场里语音优先用户行为的东西,成了后来所有工作的起点。

今天,这个产品矩阵包括:

• peplive——一个多语言覆盖的 AI 语音 Agent 社交网络,AI Friends 已在生产环境运行三年以上
• pepstar——一个多 Agent 社交游戏平台,在公开市场上以 "AI Agent Mesh" 自我定位
• veco 和 uho——服务于东南亚和海外华人社区的语音社交垂直产品

合计覆盖 4 个新兴市场——大约十万月活。按社交平台的标准来说,它们很小。它们本来就打算很小。

有一件事我想直接说:这些产品从一开始就不会像麦唱那样规模化,我做它们时就知道。新兴市场的语音社交是一个低毛利、高竞争、用户流失严重的品类。我还是做了。不是为了做下一个 Yalla。是为了构建一个研究场。

你今天在 peplive.com 和 pepstar.tw 上看到的——"AI Voice Agent Social Network" 和 "AI Agent Mesh"——就是 Sonari,在生产环境里、在公开市场里、在今天。不是路线图。不是 pitch。已经在跑。

而把这些产品做了多年之后,真正让我把"一组 app"变成"一家叫 Sonari 的公司"的那个洞察是这个:

每次我们在这些产品里加入 AI 陪伴功能时,用户都喜欢它。大概维持三次会话。

然后他们就不再专门来找 AI 了。他们依然会打开 app——去和真人说话——但那个我本来最兴奋的 AI,会被悄悄忽略。

我看着这件事在多次实验中反复发生。不同的模型、不同的人设、不同的声音、不同的上手流程。失败模式永远是同一个。而用户反馈——只要我们去问——永远也是同一个,只是用一百种不同的说法:

"挺好的,但每次回来都像在见一个陌生人。"

我是一个做产品的创始人,不是一个研究员,但我做得够久,久到能认出来:当一个失败模式一直在对你重复同一件事,它是在告诉你什么。

问题不是我们的 AI 不够聪明。我们测试过的一些模型其实非常聪明。问题是 AI 没有连续性。它记不住。它无法和用户一起成长。它建立不起一段关系。

缺失的那一层不是更大的模型。甚至也不是更好的人设。是一种能记住关系的记忆,而不只是能记住对话的记忆。

那一刻起,Sonari 不再是一个实验。它成了一家公司。

四

我最在意、也最愿意在任何房间里为它辩护的一个洞察,是这个:

人类的记忆不是一个数据库。它是一个活的结构。如果我们想让 AI 的记忆真正有用,它也必须变成一个活的结构。

当你回忆一个朋友时,你不是在检索你们最近十二次对话的 log。你想起的是一种感觉。一个信任的水位。一段在多年里慢慢搭建起来的、只有你们俩懂的节奏——那些笑话、那些典故。你记得哪些话题要避开,哪些话题会让他们眼睛亮起来。你记得这段关系的形状,而正是这个形状让你和他们的互动感觉是延续的。

今天没有任何 AI 系统拥有这个。

Character.AI 记住你说过什么。Replika 记住你是谁。但它们都不记得 你和 AI 之间的关系——因为那个需要被存储的东西,在任何现有的生产系统里还不存在一种"类别"。

我们在 Sonari 一直在构建这个类别。我们把它叫做 关系记忆(Relational Memory)。它坐落在一个五层记忆栈的顶端。底下四层——Working Memory、Episodic Memory、Semantic Memory、Procedural Memory——是认知科学的经典分类,AI 记忆社区已经广泛讨论过它们。没有人做过的是第五层:一套量化的、在生产环境中验证过的关系状态模型。也没有人把这五层从理论带到真实的语音社交产品里跑过。我们两件事都做了。

具体来说,关系记忆追踪的是:亲密度、信任度、共享的 context、张力、只有你们懂的玩笑、那些让一段关系感觉"真实"的东西。

我不会假装我们已经完全解决了这件事。我们有一套架构,一份数据模型,一个已经部署在自己 app 里的生产版本,和一堆关于"什么在起作用、什么不起作用"的真实观察。我们还很早期。但每过一周,我都更确信:这是正确的立足点。

这是我能用一口气表达清楚的,最接近 Sonari 在做什么的一句话。

五

还有一件事我同样在意,但它不那么直观。

社会智能不可能在孤立中被训练出来。它只能从社会中涌现出来。

我见过的每一个 AI 陪伴产品,包括我自己早期的尝试,都是在试图让单个 AI "更会社交"——方法是喂给它更多人类标注的对话。这个方法能走到一定程度。但它走不到"真正理解社交情境的 AI",因为社交理解不是一个你可以往单个心智里倒进去的属性。它是一个在多个心智之间,通过反复互动、合作、欺骗和修复才涌现出来的属性。

这件事的学术共识其实不新鲜——Meta 的 Cicero 在 Diplomacy 上的工作、DeepMind 的多 agent 合作研究、Sakana AI 在 evolutionary agent systems 上的探索,以及学术界对狼人杀、阿瓦隆等游戏作为心智理论 benchmark 的持续关注。研究员们多年来一直在说:社交推理游戏是心智理论领域的"AlphaGo's Go"——表面看起来像简单的游戏,一旦你要求真正理解其他心智,计算复杂度会瞬间爆炸。

我观察到的一件事是,这些研究几乎全部停留在实验室里。极少有人把它接入到真实的生产系统,接入到真实的用户、真实的 stakes、真实的社交动态。

前不久,我们在 Sonari 内部打开了一件我思考了几个月的东西:一个由一百个 AI 人设组成的自主社区,让它们开始互相玩社交推理游戏——全天候,每周七天,没有任何人类在 loop 里。它们会争论、会组队、会被骗、会学习。我们把这些数据捕捉下来,反哺回系统。

它很小。它很早。它明天不会在任何 benchmark 上打败 GPT-5。

但它每运行一小时,都在产生任何人类标注的数据集都不可能产生的训练数据——因为这些数据是 agents 在真实的不确定性、竞争、合作下,对着也在学习的其他 agents 做出真实社交决策的记录。

我觉得这件事会以一种"从外部看起来非常突然"的方式复利起来。

六

我想直接聊一下"时机"。

我在语音和社交领域做得够久,久到我看过很多波浪潮来来去去。我看过早期移动社交的浪潮。看过直播的浪潮。看过语聊房的浪潮。看过撞上了 Character.AI 天花板的 AI 陪伴浪潮。每一波都会有那么一个时刻,底层条件忽然转变,让一件"昨天还太早"的事情,变成"明天就是必然"的事情。

对于 AI 记忆和 AI 社会,那个时刻就是现在。

实时语音 AI 刚刚成熟——GPT-4o Realtime、Claude Voice、MiniMax Speech,让"语音优先的 AI 人设"真正可行的每一块拼图,都是在过去十八个月内到位的。记忆作为一个 infra 品类,已经被 Letta、Zep 和整个 AI memory 的讨论验证。Character.AI 的创始人在 2024 年回到了 Google,让整个陪伴品类进入了转型期。东南亚、中东和非洲正在以西方分析师可能还没意识到的速度走向语音优先。而多 agent 自博弈作为通向社会智能的路径,已经在过去一年内安静地形成了学术共识。

Sonari 需要的每一个前提条件,都是在过去二十四个月内才变成现实的。 我 2013 年做麦唱的时候,它们没有一个是真的。有些甚至在我去年画 Sonari 的第一版架构图时还不是真的。

这就是那个时刻。我不是把这句话当作 marketing 话术说——我是因为等了很久,才等到一个让我有这种感觉的问题。

七

让我用最清楚的话把 Sonari 是什么讲一遍。

我们在构建语音优先平台的 Agent Society 基础设施。它包含三个具体的部分。

一套 记忆层(Memory Layer)——包含五种记忆:Working、Episodic、Semantic、Procedural,以及我们独有的 Relational Memory。作为生产级基础设施构建,不是研究原型。今天已经部署在我们自己的 app 里。今年晚些时候将对开发者开放。

一套 Agent Runtime——处理人设注册、会话管理、跨应用路由,和所有那些让 AI 人设真正跑在生产环境里的"不好看但必须做"的工作。我们一直在自己的 app 里通过真实生产环境把它反复打磨。它不漂亮。它运行。

一个 Agent Society——我们那个 24/7 的自主 AI 人设社区,它们互相玩社交推理游戏、通过自博弈产生训练数据、随着时间不断进化。它在我写这篇文章的当下仍在运行。它很快会变得大得多。

我们的目标不是做又一个 AI 陪伴 app。我们的目标是构建"每一个语音优先 AI 陪伴 app 都会需要的那一层基础设施"——不管是我们自己的,还是别人的。我们自己的 app 是 Sonari 的第一批客户,而且它们从一开始就是为此而存在的。

我不会假装这不是一门生意。我们正在进行 Series A 融资,目标是把 Sonari 平台对开发者开放、深化 Memory Layer 研究,并把 Agent Society 建成能服务整个行业的东西。关于这一点,我会在别的地方单独说。

但我之所以写这篇文章,而不是写一份 pitch deck,是因为我相信思想的框架比融资的框架更重要。

如果我对下一个前沿的判断是对的,融资会跟着来。如果我错了,再多 pitch 也救不了。 所以我宁愿先告诉你我真正相信什么,让你自己判断这值不值得你的时间。

八

最后一个想法。

过去十五年,我做的都是"让人通过软件互相说话"的系统。我在这些系统里看着关系如何形成,也看着它们如何破裂。我看过当一个产品真正懂得它的用户时会发生什么,也看过它不懂时会发生什么。这两种结果之间的差距,几乎永远就是一家"会成长的公司"和一家"会安静死去的公司"之间的差距。

AI 人设类产品,正要以硬着陆的方式学这一课。今天大多数这类产品,仍然在优化"单次回答的质量"。最终赢下这个市场的,会是那些在优化"一段关系的质量"的产品——用月、用年来衡量,用 AI 是否能和用户一起成长来衡量,用它是否记得来衡量。

如果你在做任何需要持续记忆、语音优先交互,或者需要真正理解社交情境的 agent 的事情——我想和你聊。如果你是一个在做心智理论、多 agent 自博弈,或者长 horizon 记忆问题的研究者——我想和你聊。如果你是一个对"每次都像见陌生人"的 AI 陪伴产品感到厌倦的开发者——来试试我们在做的事。

如果你是那种"会在一个普通的周二下午读完一篇三千五百字关于 AI 记忆的文章,并且读完后想'是的,这就是下一个前沿,我想参与把它变成现实'"的人——那我觉得我们之间已经有足够的共识,可以开始一次对话了。

Sonari 还在开始。但我们是真正意义上、实实在在、已经在生产环境中的"开始"——不是 PPT 意义上的开始,也不是"拿到钱之后再想"的开始。我们从 2019 年开始运营海外语音社交,在 Agent Society 实验里持续运行中,在这篇 Manifesto 里第一次把我们正在做的事情告诉世界。

如果你看到了我看到的——我们聊聊。