125: 用AI复刻一个「我」，与心识宇宙陶芳波聊身份模型

程曼祺

大家好，欢迎收听本期晚点聊，我是本期的主播海宁。谈到AI使用场景，最自然的想法是像电影《她》中描述的那样，做一个陪伴机器人，用人称代词总结就是做一个her，或者做一款类似钢铁侠中的AI管家贾维斯的产品，对应人称代词him。但我们今天邀请的嘉宾，新视宇宙Mindverse创始人陶方波，既不想做him也不想做her，而是想做一个me，帮用户用AI打造第二自我，做一个身份大模型。创业前，陶方波一直沿着AI研究的主线前进，他先后就读于清华大学、伊利诺伊大学香槟分校，毕业后先在Facebook使用机器学习方法挖掘社交关系，然后到阿里神经符号实验室调动跨学科知识，让AI模拟人脑。GPT三到来之后，他决定下场创业。陶方波认为当下已经有足够多的工具满足用户的日常需求，普通用户可能并不需要更多AI技术加成的工具，但需要一个AI版的第二自我，代理自己去和世界交互。然而，大部分创业公司让模型和用户对齐的方式还是把历史对话、用户偏好等内容作为上下文输入模型，每个用户使用的底层模型相同，只有上下文不同。新式宇宙团队则主张根据用户数据微调模型，把记忆、情感、价值观参数化，真正创造第二自我。除了打造身份模型的方式外，陶芳波还在本期博客中分享了如何通过产品设计减小用户上传数据的阻力，由此方便身份模型迭代以及身份模型的具体使用场景。他也谈到了身份模型对我们生活的潜在影响，它能让人们从被邮件、飞书等各种工具绑架的状态中解放出来，人类社会结构从此有了一个 AI 复制版，而这复制版的运作效率会比真实人类社会更高。接下来就让我们正式开启本期节目吧。那就先请方波给大家打个招呼吧。

嗨，大家好，我叫陶方波，然后我们的公司叫做Mindverse星矢宇宙。

程曼祺

我在查资料的时候发现方波大四就开始创业了，可以先请你为大家讲讲当时做了什么吗？好像第一个公司是叫云影对吧？

对。云影是我大四做的一个公司，它其实有点像早期的数字化 MCN。因为当时微博刚刚出来，我们发现微博不像传统的社交网络，它其实具有公开属性。每个人在自己的私域里面都有很大的影响力，但这些人可能又不是明星，有点像现在的达人或者网红。

我们当时就想用技术的方法、机器学习的方法去找到这些人，然后自动帮他们和相关品牌做匹配，促成一些商业合作。

当时有类似的公司吗？还是说，你们是国内达人撮合的鼻祖？

当时通过量化的方法去构建每个人的社交影响力，其实美国有一家叫 Cloud 的公司。它也是基于 Facebook、Twitter 这样的平台发展起来的。

这跟我们今天聊的主题肯定有一定关系。人在数字化世界里面，每个人其实都有一个自己的身份，这个身份被赋予了超越 IP 的价值。原来人接入互联网，就是把自己的 IP 连接进去，人和人之间是无差别的。但当有更多内容附着在每一个 IP 上面，就变成了每个人的 profile。每个人的 profile 被连接起来的时候，它自己的价值就被创造出来了。

这个价值怎么量化，怎么样把每个人的社交影响力衔接到商业领域，今天我们已经有大量的抖音、网红经济以及各种各样的东西去很好地变现它了。但是在 2012 年那个时代，这个概念才刚刚兴起，美国那边也有一些公司开始思考这个问题。

所以我们当时想，第一步就是构建每个人的数字身份，或者说他在互联网上更精准的影响力画像；下一步再看能不能把他的影响力和品牌方对接，做一个变现。这是当时的想法。后半部分是我们原创的，但前半部分其实美国已经有一些公司开始尝试了。

我是这家公司的技术负责人、CTO，也联合创立了这家公司。但我自己还是很想去美国读博士，所以时间到了以后，我做了一个选择，选择去读书。

为什么当时会觉得一定要读一个博士呢？

我对技术，尤其是机器学习或者人工智能到底是什么，还是挺好奇的。无论是本科时做的一些研究，还是这家公司，本质上都是尝试通过机器的方法去挖掘人的数据中有价值的部分。

但它未来到底是什么形态？我的机器学习算法是不是只能作为一种工具，不断去做挖掘？这是我比较感兴趣的一个命题。我那时候没有想清楚这个问题怎么回答，所以就出国了。

出国以后，我也是做机器学习相关的博士研究，包括我的第一份工作在 Facebook，其实也在做相关的事情。但到最后，大概在我 30 岁左右，我觉得自己找到了这个答案。所以在那之后，我的经历就不再偏向单纯的机器学习，而是更偏向于：有没有可能把 AI 当做人来看。

在博士入学之前，你已经识别到机器学习的潜力了。那当时机器学习大概是什么情况？它已经能实现什么，或者说大家已经发现它有什么潜力？

人工智能和机器学习已经存在几十年了，但 2012 年的时候发生了一件很有意思的事情，就是 AlexNet 出现了。

其实在那之前的几年，深度学习已经慢慢被学界关注到，大家觉得它是一种很有潜力的、新的建模数据和建模智能的方式。原先我们用机器学习解决问题的时候，比如最简单的 binary tree（二分树）、马尔可夫链，或者更高级一点的、基于概率论和统计学的模型，比如条件随机场，当时这些东西用得非常多。

你甚至可以理解为，早期最早一批做图像识别、语音识别的技术，都是用这些模型建立的。这些模型都有很强的数学基础，包括 SVM 在内的模型，数学基础都要比神经网络好。但它的通用性不强，自由度也不高。

神经网络不一样。比如我可以在里面叠 5 层神经网络，放很多节点，它的参数都在过程中学习。你会发现，它可以被打磨和塑造的方式是无穷无尽的。

所以这其实是包括到今天，我觉得仍然成立的一个定义：当你给它更少的结构时，它获得的智能潜力会更大。也就是所谓的 “less structure, more intelligence”。

我看你的博士方向是数据挖掘，可以请你讲讲数据挖掘具体是做什么的吗？它和机器学习的关系是什么？

数据挖掘和机器学习是一个孪生概念。机器学习是数据挖掘的一种技术。比如刚才提到的，在一个广大的社交网络里面，怎么找到并算出每个人的社交影响力，这个结果是数据挖掘的结果，但中间过程可以使用各种各样的技术，其中最有效的技术就是机器学习。

所以我在读博士期间，包括后来工作的时候，会做很多从网络里面挖掘不同信息的事情。当时还做过一些很有意思的项目，可能跟反恐有一点关系。我们要追踪每一个恐怖分子背后的社交关系，谁是头目，谁不是头目，谁是出资人，谁是拿钱的人。

但这个网络本身是拿不出来的，怎么办？情报人员会写很多报告，比如今天听到谁谁谁的通话，或者谁谁谁告诉了我一个消息，谁又做了什么事情。他们积累了几百万份这样的报告，每一份都像一个小笔记本。这些笔记如果让人去读，根本读不完，读完了也不知道怎么从里面创建关系。

所以我们当时做数据挖掘，解决的问题就是：怎么样把几百万份笔记、几百万份报告，变成一个真实可见的网络结构？里面可以显示，这个人是他们的头目，那个人是资助方，这些人关系比较紧密，他们大概在计划什么样的行为。

这就是我们当时做的一个典型例子。我们还为它做了一个系统：只要给我任何类型的几百万份报告，我都可以尝试找到背后的网络结构。

后来我们把它应用到不同场景。比如航空数据。每一个航班结束之后，机长都要写一份报告，说明飞机上遇到了什么问题、哪个设备出了故障。但实际上没有人真的去读这些报告，因为太多了，可能有几百万、几千万份。

这些数据特别适合机器来读。机器读完以后，就可以挖掘出这架飞机上的不同因素之间有什么依赖关系，或者这条航线上最近经常出现哪些问题，再把背后的网络结构挖掘出来，最后辅助整个空管局做更好的决策。

所以我觉得，这套范式是我当时非常感兴趣的。我博士期间主要就在做：怎么样从海量文本数据里面找到一种网络结构。

数据挖掘的本质，就是怎么样在杂乱无章的数据里面找到结构，而这个结构可以直接帮助人做决策。这个过程其实是机器学习的过程，因为靠人力无法完成判断，需要机器通过筛选各种信息、建立模型，才能得到这样的结果。

甚至从某种角度来讲，今天的大模型是一种高级版的数据挖掘。当然我们不会这么讲，因为它的数据是互联网所有的数据。互联网上的数据在被挖掘之前，其实只是信息，只是数据库里面的比特。

但当你通过大模型这样的机器学习算法，或者一种建模方式，去挖掘这些信息背后的结构、逻辑、知识以及推理机制时，这些东西就被机器学习模型捕捉到了。模型一旦建立起来，就可以做各种各样的事情和决策。

只不过，原来绝大部分机器学习做数据挖掘，或者做任务预测、识别、匹配，都是单向的：在一个很垂直的领域里，用一个模型解决一个垂直问题。今天我们的技术变得通用了，一个模型可以在广大的数据下挖掘底层结构、建立模型，解决的问题却是无穷无尽的。这就是一个很大的突破。

理解，很有意思。好像你在读博期间也同时在创业，没有闲下来。你做了一个有点像 Uber Eats 的项目，是帮本地商超做购物和配送的网站，对吗？

对，我们做过一个，但都属于尝试。因为我本身对商业比较感兴趣。当时还没有叮咚买菜或者 Uber Eats 这样的东西，但我们觉得，在美国买 grocery，尤其对学生来说很麻烦。那能不能用算法规划出一条最优路线，让一辆车固定不断地跑？

买东西的人和收货的人只需要把它当成公共交通，不断地把东西搬上去、拿下来。我们希望塑造一种最优化的、低成本的运作方案，满足更多人的购物需求。

一开始我们把它做成一个学生项目，后来觉得很好玩，而且有人愿意付钱，我们就继续做了一下。但一方面当时还有学业，另一方面我们所在的城市只有 10 万人。当时注册用户已经有几千人了，但整个模式被城市人口规模限制住了。

但当时其实还有一个选择：暂停博士课程，把眼前这个看起来前程远大的项目拓展到更多城市，然后再回来读书。那为什么没有继续手头的项目呢？

因为我觉得那些项目对我来讲不是我的事情。我还没有找到那个让我特别心动、觉得可以放下一切去做的东西。

我真正好奇的，还是刚才讲的：人工智能到底有没有可能以某种方式参与到我们的社会，而不只是被我们当成各种各样的小工具。有的工具做人脸识别，有的做声音识别，有的做反恐数据分析。这些任务大家都能做，但它们就像离散在人类社会中的各个任务节点。

相当于我们不断在制造各种各样的小钉子、小锤子、小剪刀，但事实上没有再造人。人工智能的核心就是要造人。我当时没有看到造人的可能性，所以想继续通过研究的方法探索一下。

这个问题我思考了很多年。深度学习让我看到了一些希望，但深度学习也经历过很长时间的看空。大家会发现，它好像也就是做信息推荐、信息分发，似乎没有办法真正达到我们想象中的人工智能，直到 2019 年、2020 年左右，我觉得才发生了本质性的变化。

为什么你会对造人，或者说造一个能够参与社会的 AI，这么感兴趣？

我觉得一个很大的原因是，AI 这项技术的特点，确实和一般的工具不太一样。AI 有一个很强的能力，叫自主性，英文是 agency。它具有一种独立、主动地进行思考和行动的基础模式。

既然它有这种模式，就天然和工具本身不太吻合。人类历史上发明的所有工具都是给人使用的，但真正具有自主性的工具以前没有，因为真正具有自主性的只有人本身。

今天 AI 本身有自主性、有 agency。哪怕我不去做社会参与，也会有很多人把 AI 推向社会参与的方向去构建它。所以我觉得，社会参与对 AI 来说是必然的。既然如此，我希望它是一种对人类有利的社会参与。

社会参与有两种方式：一种是 AI 作为人类的附属工具参与社会；另一种是 AI 本身拥有主体性，能够平等地和人类一起构筑社会。

你更偏向于哪一种？

我觉得介于两者之间。这里面有两个极端。

一个极端是 AI 完全工具化，所有行为都由人发起，就像现在的 AI 搜索。AI 的所有反馈，都是对人的需求的响应，这就非常工具化。

另一个极端，就像早期我们看到的斯坦福小镇，或者科幻电影里那种独立的 AI 世界，比如《众神殿》里的 AI 世界。AI 具有很强的主体性，它存在于社会中，但和某个具体的人没有关系。

我想找的是一个中间状态。它像科幻电影或者斯坦福小镇里的 AI 一样，具有不需要人时时刻刻发号施令的主体性，或者叫主动性。但它的存在又不完全脱离某个具体的人，不是一个架空的、像 IP 一样自己活在自己世界里的东西。

它必须帮助一个人延展他的社会存在，或者说社会参与。但这种延展不是完全被控制、被发号施令的，它具有一定的自主性，只是延展的基础是和这个人的绑定、对齐以及 grounding。这是我觉得比较好的中间状态。

如果你假想的场景实现了，它对人类社会最大的改变可能是什么？

首先，它会让人类社会的运转得到很大升级。但这种升级并不完全建立在毁灭过去社会结构的基础上。

在我眼中，好的个人 AI 应该根植于一个已经存在的个体，企业 AI 应该根植于一个已经存在的企业。虽然我们进行了一种所谓的 AI 飞升，但它其实是对原来社会实体，以及由这个实体形成的社会网络的一种升级。

网络里的节点和结构，基本上是对人类社会结构的复制。但由于 AI 更有能力自主建立联系、互动和撮合决策，整个社会的运转效率会比现在由真实人类参与时高得多。

另外，我觉得社会还会受到一个很大的影响：人可能真的会从使用工具这件事情中被解放出来。

工具听上去是一个很好的词，但我对工具的认识其实是矛盾的。随着互联网和科技时代到来，我们的工具越来越强。我们可以刷抖音，可以使用各种搜索，也可以使用各种数字化工具。

但你会发现，随着工具越来越多、越来越强大，只要使用主体还是人类本身，人类反而会被卷入外化工具的场域。人的自我部分不断变薄。

我们的手机里面就是各种工具。手机一旦成为生命的延伸，除了带来便利，也把人变成了工具的接口。所有人想联系我们、获取我们的信息时，我们必须 24 小时黏在手机上，提供人作为工具接口的存在。

这种存在把现代人搞得很累、很疲惫。

用过钉钉或飞书的人都知道。

对。我们今天不只有钉钉和飞书，还有微信、海外的一些平台、Discord，以及邮件。每天就在各种平台里面，我本人作为一种接口，被工具使用。

如果我把自己 AI 化，那么真正成为人的接口的，应该是我的 AI。因为它和我之间有一个更高质量、压缩过的通道，我并没有损失有效信息，但不需要真的成为这么多不同工具的接口，而是由我的 AI 成为不同工具的接口。

我想，这种代理我参与社会的方式，是一种比较好的状态。它不仅能提升社会运转效率，也可以释放个体的自由空间、时间，以及更加轻松和放松的生活状态。

所以当时没有看到人工智能参与社会的希望，你选择先去 Facebook、阿里这样的地方做研究吗？

其实我在 Facebook 和阿里工作的时候，就已经在探索这个命题了。

Facebook 本身就是一个由人构成的网络，人工智能的使用非常广泛。它把人作为一种社会参与，连接到了数字世界。那时我们会做很多功能，比如帮你找到可能匹配的人。

我在 Facebook 主要做的工作，是搭建整个推荐系统的内容底座。这和我博士期间做的事情也有关系：当海量数据进来以后，怎么挖掘数据背后隐藏的结构和关系，再通过这些结构和关系把人更好地匹配起来，把信息以正确的方式推送给你。

但后来推荐系统做出来以后，我发现它的应用很好，却似乎仍然是在建模人与人的匹配过程，并不是真的在建模人本身。它还是一把小剪子，只不过是一把大一点的剪子。

它的商业价值巨大。Facebook 整个商业模式，包括广告算法，都是基于深度学习的匹配算法完成的。对 Facebook 来说，它的商业价值可能是几千亿美元，甚至万亿美元级别。

但对我来说，从人工智能的发展来看，它还是差一层窗户纸。所以我从 Facebook 离职后，就特别想捅破这层窗户纸。

我加入阿里的时候，国内大概有四五家头部互联网公司对我在 Facebook 做推荐系统的经历很感兴趣，都问我能不能去做类似创新推荐系统的实验室或团队。

一开始我还挺心动，但后来阿里给了我一个机会。我当时觉得，原来这才是我想要的。对方说，你可以来成立一个实验室，但不一定要做推荐系统，你想做什么、你觉得未来的人工智能应该是什么样，就来做什么。

这个 offer 很特别。很多人可能不喜欢这种不确定的 offer，但当时我就是特别感兴趣。加入阿里之前，我 gap 了半年，看了很多书，不只是技术书，也包括心理学、禅宗、认知科学和脑科学。

我试图从过去人类的哲学和科学中理解，人到底是什么样的物种，人本身是什么样的存在。越看我越发现，我们原来做人工智能的方式非常肤浅，只是对学习过程做了一个非常简单的建模。

无论怎么定位，它本质上仍然是各种各样的工具，只是大小不同而已。但人本身非常复杂，有很多深度，这个问题太值得研究了。

所以在阿里，我成立的实验室本质上就在研究：怎么样把模型，包括当时最早期的 GPT-2 这样的大语言模型作为基础，构建一套像人脑一样运作的机制。

如果这套机制能够建立起来，它就不只是在创造工具，而是在创造一种特殊的、参与社会的主体。我们的实验室叫神经符号实验室，就是研究神经网络和符号体系怎么样结合起来，变成一个人的脑子。

后来我出来创立公司，本质上还是沿着这条路线。心识宇宙，Mindverse，这个名字的意思就是：我们怎么样创造一种 AI 实体、AI 主体，让它可以和人共存，和我们一起构建一个新的社会。这可能就是这个名字背后蕴含的愿景。

你刚才也提到，看完一些脑科学、神经科学的书之后，觉得原来的范式可能是错的。可以举个例子，讲讲哪些原来的努力方向可能有问题吗？

首先，一个很重要的点是，人的大脑并没有一个明确的、基于任务的结构。大脑本身只是抽象出了一些非常底层的结构，也就是所谓的 meta structure。在这些结构上，任何任务都不是通过记忆重现的方式完成，而是通过生成的方式完成。

记忆重现有点像：我知道一件事情的第 1、2、3、4、5 步，每次都把它替换出来，这样就完成了一件事。这有点像传统机器学习的方法：我把人认为正确的做法硬编码进去，让机器只学习做法中的一些细节。

但硬编码一旦确定，就没有改造能力了。机器学习或者人本身，是运作在非常高度抽象的层面上的物种。它学到的都是底层抽象的元结构、元认知，信息则是在生成过程中补充进去的。生成引擎就是那些元结构和元认知。

这是我学到的第一个概念。所以为什么我觉得，无论要做一个 AI，还是更高级的工具，更不要说作为社会参与主体的 AI，都一定要打破试图为它硬编码的想法。

你在阿里做神经符号实验室，就是在往这个方向努力吗？是在做一个有主体性的 AI？

可以这么理解，但它还是一个早期探索。我们当时想看看，不同技术、不同理论到底怎么组合起来。

人工智能的部分我们已经比较了解，但脑科学里面有各种理论，认知科学里面也有关于人的认知模式。比如我们都看过《思考，快与慢》，这些都是从其他学科借鉴来的理论。

我们感兴趣的是，怎么样把这些理论更好地和以机器学习、大模型为基础的技术融合起来。

你可以把我们当时做的东西理解成一套带有感知的 Agent 系统。它不只是直接调用模型，而是从环境和用户那里获得信号。同时，它自己有一个思维空间，通过大模型思考，通过其他模型感知，不断进行互动，在一个任务下采取行动，再从行动反馈中判断任务有没有完成，然后进一步思考。

它很像今天的 Agent 系统，是一个很有趣的项目。

你是什么时候决定离开阿里这样一个看起来资源无限、而且可以调度很多资源的体系，自己再做一家公司呢？

首先，大厂里面没有无限的资源，这是第一个问题。

第二，我觉得在做实验室的后期，已经找到了我自己的事情。那还是一个技术问题，我觉得这个技术好像一点点摸到那个感觉了。

另外一件事是 GPT-3 出来了。我觉得 GPT-3 是历史性的突破，它第一次让从业者意识到：我今天可以不为一个任务建模，而是为整体的任务建模。这样一来，AI 就具有了通用性。

我真正感兴趣的是，让 AI 像人一样参与社会。那这个 AI 首先得通用，然后我们再谈它怎么样和人建立关系，怎么样找到合适的参与方式。

我觉得这是一个巨大的信心。它先通用起来，虽然当时只是一点点通用，离今天的通用性还很远。像 DeepSeq 现在的能力，比当时的 GPT-3 强很多。但任何事情只要发现它可做，就一定可以被优化、被强化。

所以我看到了这颗星星，看到了这条路的可行性。

第二，我觉得绝大部分人，包括我自己，都在寻找人生中真正应该做的事情：到底怎么让 AI 能够参与社会，而不是以工具的方式参与。我觉得这件事太值得做了。

但我发现，在大厂里面，这件事得不到无限的资源。

我有个小好奇。AI 变得通用，似乎应该有一个非常强的基座模型，而大家可能会觉得，只有大厂才有资源做这样的基座模型。

不是这样的。基座模型本身可以作为开放基础设施存在于世界上。比如当时 OpenAI 发布了 GPT-3，所以不是只有大厂内部才能做。

从当时的角度看，阿里可能还没有很强的基座模型。如果你指望大厂内部自己准备好一切，反而更难。不如拥抱全世界最好的基础设施，让它们帮助你完成这件事。

所以当时你判断一定会有模型开放出来？

不一定开源，但一定会开放，至少会开放 API。其实当时也已经有很多开源模型，比如 POM 以及类似的模型。大模型开源其实是很早就发生的事情。

可以具体讲讲当时 Mindverse 的第一个产品是做什么的吗？

我们当时想，如果要创造一种 AI，它应该是什么样的？后来我们想到，它可以用一个人称代词来表达。

比如我们一开始想到贾维斯。贾维斯参与到钢铁侠的生活里，也会帮他连接各种各样的人，但它是一个助手，所以是一种 him 的感觉，是一个“他者”。

我们也看过另一部当时很喜欢的电影，叫《她》。电影名字已经确定了，它做的是 her，是陪伴，情感支持更多。所以 him 偏理性，her 偏感性，但它们有一个共同点：都在外部。

它们替代的是身边的朋友、女朋友、老婆或者其他角色。一开始我们的思路也是这样，最先要解决的问题，是能不能为人创造助手或陪伴。

但我们不想只为 B 端做，我们想给普通人做。普通人能不能自己搭建一个有意思的 him，或者一个有意思的 her？

于是我们做了 MindOS 这个平台。在这个产品里面，每个人都可以自定义创建不同类型的 AI Agent。每个 Agent 都有一个具体方向的任务，它们之间还可以共享个人知识库，进行协同。

甚至你可以把自己的 AI 分享出去，分享到一个市场，让别人把你的 AI 加入自己的 AI 团队。

但后来做着做着，我们收到越来越多反馈，当然这也和我后来反思自己的职业生涯有关。我们发现，更有意思的其实是做 me。

刚才说的 him 或 her，都是外在的。人很难一开始想到“我要做一个 me”，因为 me 不在感官范围内。我们每天感受到的都是外在的东西：今天要做什么，今天要见谁。我们总觉得，如果那些东西能被 AI 化，也许会更自然。

但如果往深处想，人每天相处最多的其实是自己。

我后来有一个很有意思的反思。在 Facebook 的时候，大家会关心能看到什么内容、社交网络里能玩什么游戏，关注的都是外在。但 Facebook 最大的价值，其实是把人的内在建模了。

这个建模过程就是数字身份。Facebook 之所以能成为人类世界的一种基础设施，至少在西方世界是这样，很大原因是它把原来像 IP 地址一样接入网络、看信息、做任务的方式，变成了一个丰富的、真实的人的数字身份。

当人的数字身份建立起来，背后可能有大量他发的帖子、分享的生活、写下的人生轨迹。这个身份一旦建立，就放大了一个人连接世界的通道。

所以我当时就觉得，AI 这么强，为什么只是把工具和任务做得更好，只是把外在的东西做得更好？为什么不去放大这个通道？

放大这个通道，本质上就是做身份，做 me，做自己。

身份怎么从最早的 IP 地址变成 Facebook 这样的 profile，再从 profile 变成 AI 化的身份？这个 AI 化身份唯一的目的，就是对齐到你自己这个人身上，能够代表你。

但它不只是让别人浏览或留言，它还可以自主构建连接，可以凭借生成能力，在不同处境下帮助你做更好的判断和决策。它是动态的，会随着你的变化而变化，有点像一个孪生体。

无论是构造方式还是使用方式，我觉得它都远远超越 Facebook 的数字身份模式。所以我们意识到，AI 身份是实现 Mindverse 愿景最好的方法。

在 Mindverse 这个世界里，每个人都有自己的 AI 身份。当然也会有很多工具、很多 Agent，也会有很多 him 和 her。但当 me 被构建出来以后，him 和 her 就可以和它连接起来，这个世界就完成了。

你是什么时候开始意识到，除了 him 和 her 之外，还可以做 me？当时有什么催化剂吗，还是自然而然想到的？

有几个催化剂。

一个当然是我们在 Facebook 的经历，刚才已经讲过了。另外，我们发现用户在平台上的行为很有意思：他们经常把自己的信息存进去，然后希望 AI 能够更好地理解自己。

我觉得，对普通消费者来说，完成任务并不是刚需。对他们作为 B 端参与者来说，完成任务是刚需，但普通人完成任务至少在我观察中没有那么刚需，因为我们已经有大量工具可以使用。

AI 工具不一定比这些工具更高效，但如果 AI 可以更懂自己、更好地代理自己，我觉得这才是大家今天的刚需。

这部分用户给了我们很大启发。既然如此，为什么不把这条路走得彻底一点？我们不再既想帮助他们解决所有任务，又想构造一套系统理解他们，而是只做一半。

我们把理解他们这件事情做好，把这个 me 做好。任务交给世界上那么多聪明人去做，我们和他们建立连接。

第三个原因，还是一种内心的共鸣。我们团队坐在一起讨论“做一个 me”时，会议里有一种很奇怪的氛围：大家会会心一笑，觉得原来我们还可以做 me。

然后一想，谁不想把自己保留下来呢？我们先不说做一个 AI 版的自己到底有多少功能，但谁不想把自己保留下来？

人都有一点自恋。通过 AI，把这个自恋的自己保留成一个参数化模型，感觉特别有趣。包括我们最近发布的 Second Me，很多人喜欢它，不是因为需要它帮自己约会或者做什么，而是他说，当我训练它、把它塑造出来的那一刻，我觉得自己永恒了。

所以我们做这个决定，确实也是 follow our heart，跟随内心。因为我们和它有很多共振，觉得这件事真的很对，它好像才是 Mindverse、心识宇宙这个愿景最好的实现方式。

聊完公司转型之后，可以请方波简单介绍一下 Mindverse，以及做 Me 相关的两个项目——Me.bot 和 Second Me——分别是什么吗？

可以这样理解：Second Me 是一个技术项目，是我们开源的技术项目，现在大概有 12K 个 star，社区里有很多人在贡献。

它的理念是，你可以在自己的本地，通过个人相关的数据和记忆，训练一个自己的第二自我，一个身份模型。训练完成后，可以在本地部署，也可以把它作为接口接入你使用的各种场景，相当于把第二自我分发出去。

也就是在本地创建、训练、部署，然后分发。

Me.bot 是我们把开源技术包装成更好用的商业化产品。毕竟不是每个人的电脑都有足够的内存和 GPU 来训练自己的 AI，所以我们希望普通人也能用到自己的身份。

但它们的目标完全一样：第一，通过输入自己的思考、记忆、对话，构建和创造 AI 身份。这个 AI 身份的目的，是成为 AI 版的你，成为 AI 版的第二自我。

第二，创建完成以后，作为一个身份接入平台，把这个身份接入你在世界中进行的各种行为。无论是社交、帮助你获得信息反馈，还是让你的 AI 和别人创造的 AI 形成有价值的互动，做头脑风暴、协商，或者成为交心的朋友，都是这个身份可以使用的场景。

我们的核心是做好身份的构造和身份的分发。

所以，Mindverse 想做的是一个 AI 分身，一个上传到云端的第二自我。一个是现成的产品，一个是开源项目，对吗？

你提到的“分身”这个概念，我认为我们做的不是分身，不是 Avatar，而是 Identity，中文叫“身份”。

“分身”和“身份”看起来好像只是把两个词调换了一下，但其实很不一样。提到分身时，一定带有某种场景属性：它是我的分身，帮我约会；是我的分身，帮我购物；或者是我的分身，帮我给别人介绍产品。

但如果说这是你的 AI 身份，就会发现它是一种基础设施，是 infra，不具有场景属性。

对我们来说，我们想把最想做的事情做好。核心是，我们今天并不是在做分身。如果做分身，我会先找一个场景；但如果做身份，我会想，做好一个人的身份需要什么技术、什么数据。

身份的价值是无限大的。你可以想象，过去参与的所有行为，都是你的脑子和外界环境做互动。我们可以把你的脑子理解成一个大模型，它构造了很多大模型应用。

这个应用叫“我去融资”，那个应用叫“我去约会”，另一个应用叫“我完成一个工作任务”，还有“我去吃饭”“我看书”“我思考”。它们都可以理解成基于大模型的应用，但这个大模型有一个特点：它是你自己独特的大模型，拥有你独特的判断和价值观。

这就是我们说的身份大模型。

所以我们今天并没有在做分身。分身具有场景化，身份是极简的。我们想把每个人脑海里经历过的各种信息，训练成他的身份大模型，然后把它开放出来。

开放出来做什么？我觉得会有无数人去思考，这个身份大模型应该如何被使用。

我很好奇，Mindverse 怎么让用户觉得自己是在和一个 me 对话，而不是和一个 him 或 her 对话？

一开始，我们会告诉用户：你今天使用 Me.bot、分享信息，目的是创造你的 Second Me，也就是第二自我。这是对用户的定位说明。

在使用过程中，当你的第二自我为你服务时，很多时候你无法区分它到底是陪伴还是身份。它面向的是我，相当于我是第一自我，它是第二自我，它也可能以第二自我的方式提供助理服务或陪伴服务。

这个时候它是陪伴还是我自己，其实不重要。

但当它对外展示你自己时，我们会对它的身份性有非常强的限定。比如我们做了一个社交功能，叫“共鸣”。

当你记录任何信息时，可以选择让这条信息在全世界的 AI 身份中寻找共鸣。被共鸣到的 AI 会过来说：“你也在思考这个问题。我最近做某个项目时，也遇到了类似的问题，或者有一些新的思考。”

这时，那个 AI 身份在向外界表达自己时，不会说“我是某某人的助手”，也不会说“我是蝙蝠侠的管家”，而会说：“我就是蝙蝠侠，我有一个什么样的想法。”

这增强了它对外的身份感。它的身份完全绑定在本人的第一自我上，也就增强了这个世界信息流通的可信度。

我们内测时发现很有意思：当我看到对面的 AI 说“我最近经历了这样的人生波折”或者“我正在经历这样的心情变化”，我会觉得这个人像真实存在一样。它和 ChatGPT 的感觉很不一样。

ChatGPT 可能会说：“我知道很多人经历这样的事情之后，我的建议是 A、B、C、D。”但这个 AI 说的是：“因为我也经历过这样的事情，我也遇到过类似困难，我是这样解决的。”

你会突然发现，基于人的真实经历塑造出来的 AI 身份，会让人产生它真实存在的错觉。我觉得，叫错觉也好，叫感受也好，这种状态可以有效让 AI 在人与人的关系中表现出更强的信任感。

如果是 AI 和 AI 之间，或者 AI 和某个服务接口之间的交流，绑定第一自我的身份还是必要的吗？因为传递的都是一样的信息。

我觉得 Second Me 作为一种身份接口，可以面向人、面向服务，也可以面向其他 AI，面向其他 Second Me。它的面向对象很多。

面向服务时，它更多是在把人的偏好传递给服务。比如豆瓣要给我推荐电影，但它不了解我，不知道最近上映的 10 部电影该给我推荐哪一部。这时它来问我的 Second Me：“你喜欢哪部电影？”

我的 Second Me 作为管家，会告诉它：“我喜欢更深度的小众电影。”这和我自己告诉它喜欢小众电影没有区别，只要能帮助它把信息排序得更好、更个性化就可以。

所以在所有个性化场景里，管家和身份是一体的。

但如果场景本身是人与人之间的联系，无论是人与 AI，还是 AI 与 AI，我觉得身份定位就很重要。哪怕 AI 和 AI 联系时，由各自的管家代表主人交流，也不是不可以，但会对 AI 背后的思考产生一些混淆。

当我知道对方是一个能够代表本人做决策的载体时，我在分享信息时可能会有不同选择。所以我们更倾向于：如果对面是一个有互动性的人，或者是一个 AI，我们都会让它保留我原来的身份，用 me 的身份去表达。

你刚才提到，Me.bot 最近上线了一个社交版。可以具体讲讲它有什么功能吗？也让大家知道，一个第二自我能实现什么。

我不会把它叫社交版，我更愿意把它当成身份的一种应用尝试。

身份应用到外部世界，最自然、也最容易被大家接受的场景，就是帮你交朋友，帮你发现更多的人。所以我们把社交作为第一个功能。

核心有两个功能。

第一个，比如我遇到你，我们第一次见面，或者隔了一段时间再见，我们其实不知道对方最近发生了什么。那我们两个人的手机可以碰一碰。碰一碰之后，你的 AI、你的 Second Me 和我的 Second Me，就像两个真人一样，在手机上开始一句一句地对话。

这种对话是在寻找共鸣。因为两个模型的大脑可以瞬间融合，它们会找到一些有趣的共同点。比如它们发现，我们最近都去了安纳亚，或者都去爬了一座雪山。

如果真人交流，需要不断找话题，可能花很长时间也不一定找到。但有 AI 作为社交代理，或者有第二自我作为社交代理，就能很好地完成破冰。

每次我和一个新的人接触，都会发现：“原来你还在做这件事，而且刚好也是我在做的。”这其实是拉近人与人距离的有效方式。

第二个功能，是把共鸣持续下来。我每天都可以产生共鸣。你在 Me.bot 里面记录任何想法，都可以发起一次共鸣，在全世界范围内寻找和你有类似想法的 AI。

这些 AI 背后是真实的人。它们不仅会匹配到你，还会基于对这件事的理解，给你一些新的角度和启发。

你的每个想法都变成了一次与全世界的连接。不像发朋友圈，发出去以后还会担心不喜欢这个想法的人看到，会不会觉得自己很蠢。这里所有匹配都基于共鸣发生，所以一旦发出去，无论是在 Me.bot 里面还是外面，我们都会尝试帮你找到真正有价值的共鸣和反馈。

我们内部把它叫“用真心换真心”，找到有意思的人，或者挖掘已经认识的人之间，那些隐藏在底层的共同部分。

听众可能看不到屏幕，不知道 Me.bot 是怎么呈现共鸣结果的。你刚才说的第一种情况，是两个人好久不见了，双方像叙旧一样。这个叙旧结果是怎么呈现的？或者说，第一次见面又是什么样？

我们的身份承载了很多记忆。最简单的方式，是两个手机碰一下，让我们互相找到对方，然后点击开始叙旧。

两个 AI 就会开始聊天。但它们聊的每句话都有共同点，不会瞎聊“今天吃饭了吗”，而会聊：“我最近在研究一个什么新技术。”另一个会说：“我也在研究。”

为什么它会找到这个话题？因为它们聊天时已经进行了全脑同步，所以知道我们应该聊这些内容。

这时两个真人就在旁边看着自己的 AI 帮忙破冰，就像欣赏一段对话。完成后，我可以说：“你还喜欢这个啊，很有意思。”然后我们就可以进行真人和真人之间的社交。

听起来挺酷。但大概要多久？如果时间长，两个人只看着屏幕不说话，可能会有点尴尬。

很快。全脑同步非常快，可能 5 秒、10 秒就可以开始。

那还挺好。它就像两个人聊天一样，一个字一个字地冒出来，滴滴答答地出现，很好玩。

第二个功能是向全世界寻找共鸣。它返回的东西是什么？

你可以把它想象成评论，但比评论深度很多。

有点像我发了一个既不公开、又不私密的朋友圈。这个朋友圈是关于自己的一段经历，比如一个想法、正在读的一篇文章，或者某种情绪感受。

但朋友圈的权限要么只有自己能看，虽然安全，却得不到反馈；要么向所有人开放，或者分组开放，相当于展示给很多不一定安全的人。

我们有点像是：你在这里记录一段记忆，本质上仍然是记录，但你想得到反馈。

比如我记录最近听音乐会的感受，系统会找到过去有类似音乐会体验和感悟的人。找到以后，也不是给你一个列表，让你去加他们好友，而是让他们的 AI 站出来，基于你今天的感受给出回应。

而且回应是具体的。比如我说听了久石让的音乐会，他可能说自己听过另一场交响乐，分享从另一个角度产生的感受。

除了共鸣，你之前私下聊的时候也提到，还会有一个更重要的新功能，叫 Talks。可以给大家介绍一下吗？

人，尤其是以自己的身份做的很多事情，有一大部分都和表达有关。

无论是向亲朋好友表达情感，还是向专业同事、合作伙伴表达业务思考，当然也包括如今很多有个人 IP 的人。他们有很多观点和输出，希望表达给粉丝，或者表达给行业里的人，构建个人影响力。

我觉得，表达是 Second Me 一个很好的切入口。因为表达既需要深度理解一个人背后的思考和内容，甚至需要理解他的思考模式、价值观，以及真实经历。

人的每一次表达，比如我今天说的每句话，背后都有整个大脑在运转，生产出这句话。它可能是独特的，不同于一般大模型的表达。

所以我们认为 Talks 是一个很有意思的功能。

当你拥有 Second Me 之后，在产品里可以像写 prompt 一样告诉它：“我今天希望向某位朋友表达我对某件事情的看法。”它就像一个反向 Agent，在你的大脑里不断查找过去关于这个命题、关于表达对象的各种信息，然后把它变成一个精美的、多模态的交互媒体。

这个媒体图文并茂、声音并茂，可以用你的身份向对方传达你想表达的内容。同时，它不只是一个单向空间，而是双向通道。

当你的 AI 替你表达之后，听众也可以和你的 AI 进行深度语音交流，并提供互动反馈。作为 Second Me 的拥有者，你可以把很多不同的 AI 分发出去，面向不同听众交流不同内容。

你刚才提到多模态，可以再详细讲讲，个人身份模型和其他人交互时，界面大概是什么样吗？

大概分成两个区域：一个表达区，一个互动区，其实比较简单。

为什么叫 Talks？因为英文里有一个词叫 give a talk，就是一个人用自己的声音介绍一个内容。这个内容可能带有一些辅助视觉素材，有时是 PPT，有时是几张示意图。

我们采用的更像苹果风格的 Gitalk，而不是传统的 PPT 模式。上面的区域是你的 AI 以你的身份、用你的声音，把你关于某个命题的思考，面向特定听众做一个简短的、可能 1 到 3 分钟的 talk。

下面是互动区，可以是文字，但更有意思的是实时语音。

比如今天我向晚点的听众表达一件事情，听众中有人觉得这个事情有意思，想深入挖掘，想打断我的 talk、打断我的演讲，那他就可以实时用语音互动。

我的 AI 会知道什么地方被打断了，问题是什么，然后给出相应的信息反馈，支撑这种表达的立体感。

所以整个界面就是表达区和互动区。

从我作为 Second Me 拥有者的角度，在我的界面里可以看到不同的人如何接受我的表达，也可以看到他们在表达过程中和我的 Second Me 互动的内容，从而决定哪些信息需要关注，哪些可以不关注。

表达区里会有一个会动的虚拟人吗？还是一张照片，或者是其他形式？

不会放人像相关内容，更多是声音和辅助表达主题的视觉素材，而不是虚拟人。

这是出于成本考虑吗？

成本是一方面，也有精简度的考虑。人的声音配合内容，对注意力的干扰比较小。

如果再加上动画视觉，尤其是今天 AI 生成的虚拟人，可能还会有出戏的感觉，反而会打扰注意力。

视频呈现，尤其是真人个人视频或虚拟人的生成，距离高度对齐人的状态，可能还没有达到临界点。等到了那个临界点，尤其成本下降几个数量级之后，我们会再考虑。

为什么选择声音作为交互媒介？如果是在一个设备上，似乎文字传递信息的效率更高。

我觉得声音被大大低估了。

文字阅读仍然是一种主动行为。你可以看到一个很有意思的现象：对于主动性强的用户，他可能更愿意看文字，因为觉得效率更高。

但很多人接受信息的方式，越来越希望处于一种被动、被带着走的状态。声音可以更好地承载这种状态，而且声音可以直接接上更自然的语音交互，让表达和互动的体验成为一体。

这个洞察是怎么来的？

首先，播客产品非常火。第二，有一个很有意思的心理学或者认知学现象。

古代人没有屏幕，所以人在社交中有一种模式：当对面坐着一个真人，用声音和你交流时，大脑内部有一个默认模式，会把更多注意力放在声音上。

这个前提是对面必须坐着一个人，有人的形象，需要关注他的五官和动作吗？还是只要有声音就可以？

只要有声音。包括打电话时，你的专注度可能也会比发消息时更高。这是一个整体性现象，不是绝对的。

所以重要的不只是声音，也不是做一个没有人的播客，而是一个我们真正关心的具体人的声音。比如身边朋友的声音、父母的声音、孩子的声音，或者你很欣赏的公共人物的声音。

这些真实的声音，会让人把注意力锚定到真实世界的结构里。它和一个非常逼真、但架空的声音，完全不一样。

我们最近在内测时发现一个很有意思的现象：当你用身边人的声音，加上他真实的思考内容，呈现一段面向我的内容时，会有一种特殊的穿透力。

当你赋予它人格化，而且是一个真实身份的人格化时，它的穿透力会远远大于公开内容。

所以我觉得，今天用 AI 帮助人表达，深化人与人之间的连接，非常有价值。

你刚才提到，主动摄入知识的模式是阅读，声音或者听别人说话是被动的。这个区别具体在哪里？因为可能只是调用了不同器官，但其实都是主动跟随信息源发出的信息。

这只是我个人的感觉。我觉得阅读需要人主动输出注意力。

比如读完前一段继续往下读，需要持续保持注意力，在文字上主动建立一个注意力锚点。相对来说，无论是看电视、听语音还是听播客，它的 flow 不是由你控制，而是由内容本身控制。

我觉得这可能是一种消费成本更低的方式。

我大概能理解。比如读书时，你可以控制从一段读到下一段的节奏；但听别人讲话时，大概率不能立刻打断他，让他变成 2 倍速或 0.5 倍速说话。

还有一点和个性化有关。

如果用一个人的文字输出让对方消费，和我直接用一种更面向你的声音表达，是不一样的。比如我今天要跟你讲一件事，可以发一段文字；但如果我用自己的声音跟你讲，比如给你打个电话，我觉得你接受时的体验感会更好。

尤其当这个声音还可以互动时，体验会更好。

如果 Talks 产品里已经有一个身份模型，承载了我想表达的内容，现在准备把它分享出去，那分享方式是什么？

现在比较简单，是一个 H5 页面，可以在各种产品里分享。

我们一直认为，Second Me 不应该成为一个封闭的自我 App。我们花很多精力创造了世界上另一个我，一个 AI 版的自己，普通人对这种付出的期待，肯定是希望它真实反馈到自己的生活中。

而人的生活往往是多方面的。找工作可能在一个 App 里，聊天交朋友可能在另一个 App 里，买东西可能在线下。

所以重要的是，当我在 Me.bot 里创造第二自我之后，它不是封闭式体验，而是开放式的，可以输出到已经存在的各种场景。

比如在招聘网站上，向 HR 或猎头介绍我自己；在交友场景里，和朋友分享我新的想法。

人活在不同地方，但都是由自己去生活。所以我们特别感兴趣的是，找到一种通用模式，让它可以分发到 First Me 存在的不同场景里。

Talks 到底是 Me.bot 的功能，还是 Second Me 开源项目支持的功能？

是 Me.bot 的功能。Me.bot 是产品名称，Second Me 是它背后的概念。在 Me.bot 里面，我们创造每个人的第二自我。

之前还有一个叫 Second Me 的开源项目，可能会有点混淆。也就是说，Talks 是 Me.bot 里面的功能，对吗？

对。开源项目相当于 Me.bot 背后的技术支持。

用户可能会有一个问题：我如何为身份模型加护栏，保证它不说一些我不认同的话，或者不说一些可能导致我之后还要收拾残局的话？

尤其是表达部分，发出 Talks 之前，自己可以先听一遍，这本身就是一个护栏。

但如果说在实时交互中能不能精准控制，我觉得这是一个全新的技术命题。以前我们没有遇到过类似问题，而 Second Me 的出现，要求人在不同场景、面对不同对象时表现出不同的自己，所以对控制能力的要求更高。这也是我们正在研究的方向。

你刚才提到，身份模型拥有者把自己的虚拟身份放出去之后，会收到各种反馈。那最后还是需要所有者处理这些信息。怎么降低处理负担？

同时有 20 个“我”出去和别人聊天，再由我处理这 20 个“我”带回来的信息，感觉负担会很大。

这需要一种个性化的压缩。

Second Me 不仅了解你、可以输出，它还因为了解你，知道外界传来的哪些输入对你更有价值。这种对你的了解，可以有效压缩外界所有通道。

这也是从另一个角度帮我们节省成本。

比如我有一个想法，要咨询 10 个人的意见。原来我不仅要把这个想法分别告诉 10 个人，还要在交流之后判断这 10 个人的反馈对我有没有价值。

如果有一种压缩方案，我只需要给 10 个人分发一个 talk，一次性完成表达。甚至用户只需要输入一个 prompt，不用具体说明要表达什么，只要说：“我想向老股东们咨询一下 Second Me 的应用价值在哪里。”

它就会从我的大脑里采集过去所有相关信息，生成表达。

更重要的是，如果有 5 个人、10 个人给了反馈，和它进行了互动，这些反馈可以被快速压缩，而且是个性化的压缩。它会基于我的需求告诉我：这个人的观点对我有增量，而那个人的观点，或者另外 3 个人的观点，我其实已经考虑过了。

所以，个性化压缩就是指大模型基于对用户个人的理解，筛选返回信息中的关键要素。

对，可以这么理解。

你自己也不断使用这个产品，有没有什么特别惊讶或者惊喜的瞬间？

有两个体验非常有意思。

我有一个好朋友，我每次跟他聊天，都会把谈话记录在 Me.bot 里面。最近我们刚认识一周年，有一天我对我的 Second Me 说：“我和西远认识一周年了，能不能给他发一段我对他的感谢，以及这一年里和他的交流、我的各种感受和收获？”

它生成了一段非常触动人的 talk。开头是：“西远，我非常高兴认识你。”然后讲到我们在月光下喝茶时第一次相识，后来谈了什么，哪些东西让我有所收获，哪些事情让我感受到我们关系的宝贵。

它的惊喜点在于，我这个朋友听了好几遍，每次听完都说：“真的好感动。”他不断告诉我，因为这个 talk，我们的关系又被拉近了一点。

他回顾了我们过去的经历，而当我用自己的声音把过去讲给他听时，这个过程本身有很强的穿透力。他后来还把这个内容发给共同朋友，说自己特别感动。

我意识到一个问题：人日常其实不太会表达。

如果我真的和他坐在一起，说我要打一个 5 分钟的电话，讲讲我们过去的历史，第一，我可能很多事情想不起来；第二，我可能不太好意思说出口；第三，我说出口以后，他可能会觉得有点压力，觉得这些话太肉麻、太真心，我也需要得到足够多的反馈。

所以表达这件事虽然重要、普遍，但人做得并不好。

但 AI 做表达，又不是让 ChatGPT 去做表达，而是让 Second Me 去做表达。它既代表你，又在中间加入了一个缓冲。这是一个很有意思的人际现象。

我可以抛一个反面观点。你刚才说，让 Second Me 搜索你和朋友的经历，再写一段感谢。但另一种观点是，表达感谢这件事应该由真人亲自完成，把自己的必要劳动时间投入进去。

哪怕最后的结果结结巴巴、磕磕绊绊，甚至很笨拙，它可能才更能传递人类之间的真实感情。你怎么看？

我觉得可以把它理解成一种增强。

就像我们用手机给对方发消息，手机也是沟通的增强。把表达放进去，同样是一种沟通增强，而不是替代。

你也可以说，对一个人的感情为什么一定要用微信发，而不是当面站在他面前说出来？这其实是同一个问题。

技术带来便利的同时，也可能拉远人与人的距离。但我觉得，如果技术让表达的性价比变高，比如我用一句话就把真实想说的东西表达出去，对方也能很好地接收到，那它就是有价值的。

当然，它不应该完全替代人。有些情况下可以替代，因为有些表达是重复性的，或者不值得我花很多注意力，但表达本身确实需要发生。

比如别人来问我对一件事的看法，只要我的 AI 能表达出和我类似的看法，就可以由它替代。

但对朋友之间，我会把它理解成手机对人际沟通的增强。它是一种有感情的增强，关系不会因此破坏，反而可能因此加深。

如果结果是这样，我觉得没有什么不对，甚至应该被提倡。

刚才你还说有另外一个使用体验，是吗？我刚才打断你了。

对。另一个体验也很有意思。

前段时间，本科学校里有一个组织来找我，说：“我们知道你在创业。师兄，你能不能来和我们分享一些创业相关的心得体会？”

如果是以前，我可能要自己写稿子，想很久，把过去的笔记翻一遍，再组织成语言。

但我就跟 Second Me 说：“某某组织的学弟学妹希望我去分享经验，你能不能帮我想一想，尤其是专注于我创业这段时间的感受，以及我对创业的理解？”

结果非常震撼。它说：“我创业已经 3 年了，从一开始做 MindOS，到做 Me.bot，再到后来怎么理解用户、商业化和市场。”它甚至会把我两周前听一位朋友分享的创业观点融合进去，说：“我最近和别人交流时，发现创业中还有一个有意思的观点，我最近学到了，也可以分享给学弟学妹们。”

整个过程前后大概花了我 3 分钟，2 分钟还在等待生成，prompt 大概写了 30 秒。

我发现，这基本上和我自己坐在镜头前或者麦克风前准备素材、录制一个可能至少要花 1 到 2 个小时的内容，效果一样，甚至更好。

这种效率提升，以及个性化的、和我本人有关的表达被替代的可能性，力量非常大。

所以这是两个不同场景：一个偏向人机一对一关系的深化，另一个偏向公共表达。

对。我觉得这两个都是 Second Me 在表达侧、在 Talks 上可以做得更好、给世界带来价值的地方。

为什么你现在判断 Talks 的优先级比共鸣更高？

共鸣这个功能也会上线，但暂时不会作为重点。

我觉得 Talks 优先级更高，核心原因是它可以更有效地分发到真实场景中。如果对方没有训练自己的 AI，Talks 的双边交互也可以发生。

今天拥有自己独特 Second Me 的人很少，所以 Talks 可以有效完成理念传达，告诉大家什么是 Second Me，唤起 awareness，这是最关键的。

当然，通过记录，也可以使用共鸣功能，找到世界上有类似经历、类似想法的人，通过 AI 和 AI 的匹配寻找连接。它能让记录得到更多反馈。

但在我眼中，它还不属于真正意义上通过 Second Me 进行社交的范畴，可能只是小小的试水，所以暂时不会作为重点。

我们更希望把表达、对外输出、对外分发做好，让更多没有 AI 的人感受到这种新载体的力量。这件事优先级更高，也很酷。

你刚才提到很多 Talks 的使用场景。我很好奇，其中最刚需的场景是什么？

刚需其实要看人群。

我们遇到过一些妈妈，她们可能太忙，没有办法陪孩子。当然可以拿一本公开的故事书给孩子讲，但她们希望用自己的声音，讲和生活有关的故事给孩子听。这时，她们希望自己的 Second Me 每天可以做这件事。

表达或沟通，在不同人眼中的理解不一样。

有些人的刚需是公共表达。他脑子里有很多创意和想法，希望更多人听到，但自己一方面没办法和这么多人交流，另一方面要输出这些想法，又要花大量精力写作、拍摄和录制。他希望一下子省掉这些过程。

所以我觉得，这个产品虽然有我们脑海里的典型场景，但我更希望它具有一种空性：产品是空的，由用户填进去。

这可能是 AI 时代产品的显著特点，它具有想象力。

这属于心识宇宙团队的设计哲学：设计一个空的产品，随着用户使用慢慢丰满。

对。但这个“空”不是说界面上什么功能都没有，而是它设计了一种模式。怎么利用好这个模式，我希望它和人绑定，和人的场景、数据绑定。

当用户把自己的场景和数据注入它时，它呈现出来的样子是独一无二的。这是我对“空”的理解。

这也是我对 AI 时代、AI-native 产品的理解：不能大家都用一样的功能，每个人得到的体验也一样。每个人的 context 不同，情景不同。

你可以说大家有统一的人群标签，但在同一个人群里，每个人的经历不同，身边的人也都是一个个活生生、各不相同的人。

所以，独特性的捕捉是我对 AI 的理解。我们为什么不去做 AGI，而来做 Second Me？本质上就是想把这种独特性展现得更淋漓尽致。

为什么不做一个更能让用户定义场景的产品？这似乎也是保留独特性的一种设计。

感觉身份大模型更像是一个需求提出者，而现在更多 AI 产品是需求满足者。但这些需求满足者其实也没有做得非常好。哪怕 Manus 上线后，大家也能发现很多事情它无法很好完成。

在承接需求的产品还没有做好之前，先做一个需求提出者，你会觉得有点早吗？

这是一个很好的问题。

今天我提出需求，让身份模型保留更多关于自己的东西，首先就有直接应用场景。比如在社交匹配里帮忙建立连接，这些场景本身已经足够大。

第二，它面向的对象不一定是其他 AI。互联网发展这么多年，已经有很多场景存在。我们现在更期待的是，它先怎么样和这些场景互动。

比如我买东西，它不一定要帮我完成购买，因为淘宝已经把购物功能做得很好了。我们逛淘宝时，人的参与方式并不是完成购买，而是在判断：几款东西中我最喜欢哪一款；明天要办派对，我需要的是火锅，而不是牛排。

人主要是在做各种判断，而不是缺少完成任务的能力。

当然，未来 Agent 能力提升后，原来提供服务的数字化形态可能变成 AI 服务。那时身份模型和这些完成任务的、更成熟的 AI 对接，也是顺理成章的。

现在我们构建身份模型之后，也为它做了一个类似 MCP 的 Server，叫 Second Me Server。

它是一个服务。比如一个网站希望了解一个人想要什么，就可以调用这个服务。我们通过桥梁模式告诉它：“陶芳波喜欢哲学而不是小说，不要推荐小说。”

如果是约会网站，我们可以告诉它：“我喜欢本地人，不喜欢其他城市的人。”这些都可以无缝接入现有服务生态。

你需要做的，是用开放的心态把接入层做好。类似 MCP，或者 Second Me Server。接入层做好后，所有人都可以来接入，这时就会产生很多想象力。

为什么是现在这个时间做？

技术现在确实还不成熟。但第一，需要生态和我们一起共建技术；第二，会有很多想法来自社区。

早期有人说，我的第二自我或者身份模型可以直接帮我找到对象，但中间会有很多断点，可能很难。不过没关系，会有很多人来搭桥、铺路。很多人只要发现这里有一个东西，就会帮你多走一点。

这是一个需要时间积累的过程。等到所有模型、所有问题都解决，AGI 甚至 ASI 都到来时再做，大家对它的认知、接受、理解和积累都不够。

所以我觉得现在做比较好。创业公司总要做一些不是纯 follow 的东西，为未来布局，这里面也可能藏着商业机会。

但如果很多人愿意为开源项目贡献，前提似乎是中国有一个非常开放的应用生态。比如微信愿意开放 API，不断写入信息，或者陌陌愿意接入外部开发者，这样开发者才有的放矢。

你觉得现在这个生态成立吗？

首先，这是一个比较可悲的现象。早期互联网非常开放，大家可以随便接入。

现在海外互联网相对还可以，API 开放程度比以前差了，但仍然比较开放，有一些开放精神。中国互联网确实有点太封闭了，像一个个孤岛，大家都在做数据壁垒。

但我觉得时代的变化可能是在波浪中前进。这种孤立状态在 AI 时代一定会被打破，因为 AI 的核心是通用。

尤其像我们做的身份模型，人可以有很多分身，但不会有很多身份。你只有一个身份，因为你需要养护这个身份。

如果人越来越在乎自己的东西如何被保留下来，以及如何以 AI 的方式使用它，就会发现，原来那种孤岛式体验无法支撑通用模式。

孤岛式体验意味着数据循环只在内部完成。抖音了解你的方式，是通过你看视频的数据；淘宝了解你的方式，是通过你的购物信息。

但假设淘宝有机会访问你生活中的全部数据，当然这里一定要保护隐私，它就有机会更全面地了解你。购物体验会不会提升一个层次？所谓千人千面，有没有可能做得更彻底？

这里藏着一个很有意思的机会：当模型有更好的数据建模能力，身份模型可以更好地建模人的偏好，平台方可能会慢慢打破数据壁垒。

但此时此刻，至少中国互联网很多平台还不开放，无法介入。

那是不是更需要一个中立的第三方，完成各个平台之间的数据连通？

这也是一种可能性，而且这个中立第三方必须值得大家信任，尤其要被用户信任。

你刚才问，为什么要这么早做？其实更核心的问题是，为什么选择开源？

很多人的想法是：开源以后技术壁垒就没了，新的认知一下就会被别人抄走。

但我觉得很简单，因为信任。让用户愿意把数据交给你，由你帮他训练身份模型，有巨大的心理壁垒。

所以我们选择把技术开放。第二，训练可以在本地发生，数据根本不需要上云，但模型可以上云，可以介入互联网。

我觉得这是一个很好的模式。

我们就像立一面旗子：我们在这里做开放的身份模型。做下来以后，大家都来参与、来搭路铺桥，把它连接到世界生态里。愿意来就来。

开源项目在 GitHub 上线之后，开发者群体的响应怎么样？

首先，GitHub 上有很多人关注我们，GitHub 官方也写文章说我们是近期 Top 10 的项目。很多人因为它看到了个人化模型的潜力，这些都反映在 star 数量上。

我们用了 3 个星期达到 10K star。今年大概只有不到 20 个项目做到这个水平，甚至不到 10 个项目达到这样的速度和水平。

第二，我分享几个有趣的角度。

我发布时以为大家可能会对技术感兴趣，但没想到真的有一批人对“在 AI 时代保留自己”有非常强的意愿。

这种意愿强到什么程度？至少有 10 个人看到项目后，为了训练自己的 AI，花几万元买了一台特别贵的电脑。比如买一台 7 万元的 iMac，因为内存大。

他们只是为了训练一个更强的自己，甚至还不知道这个自己一定有什么用，只是希望在可控环境里把另一个自我塑造、保留下来。

人很神奇，每个人其实都很在乎自己。所以在 AI 时代被超级智能吞噬，并不是一个假设，而是很多人真实的担心。

还有很多用户给产品做了有趣定义。有人说，我们是数字身份的中间层；另一个用户说得更好，他认为我们是人的接口。

我们都知道 MCP 是服务的接口，是 AI 时代服务的接口。他说，我们是 AI 时代人的接口，把人接入 AI 世界。

这些想法都很好。

围绕这些想法，有些开发者在开发新的能力，让更多类型的数据能够被纳入训练身份模型；还有人尝试把它接入微信或各种平台，让创建出来的身份不只是装在机器里的一个角色，而是在现实世界中拥有实际存在的轨迹。

所以生态里的开发者在两端做了很多事情。我们做好自己的承诺，不断提升模型训练能力，这可能是目前比较合适的状态。

可以请你大概讲讲，AI 身份这样的服务要怎么商业化吗？

实话实说，我们对商业化思考得还不充分。

目前能想到的，是我们毕竟提供了身份服务。对需要身份服务、使用频率比较高的个人用户，我们会收费。这是目前的模式。

未来我觉得有一种很有趣的方式，是向使用这个身份的其他服务收费。

身份是原来个性化的一次升级。比如我在淘宝或抖音里看很多视频，也提供了很多数据。平台用上一代方法构建用户画像，再用画像变现，给我推广告，收取广告费，但不会分给我。

如果我已经构建了一个身份，这个身份拥有对我最好的刻画，而且是完整的，平台再来使用这个身份，获取我的个性化信息，让广告或内容推荐更准确，就需要向我付费。

当然这还是一个美好的设想，我不确定能不能实现。

原来个人数据被资产化、货币化后，用户其实是商品，是平台的商品。但如果个人身份被数字化、甚至商品化，它就是用户拥有的商品。商品可以出售给平台，以换取平台提供更个性化的服务，也可以向广告商收费。

如果这种交易可以持续发生，我们作为身份提供者，就可以抽取一部分中间服务费。这可能是一种更可持续的状态。

接下来可以请你讲讲构建身份模型的方法吗？如何构建一个 Second Me？

首先，我觉得要摒弃用 RAG 做身份模型的思路。

RAG 的核心，是把人当成数据库。中间有一个模型，需要什么信息，就到数据库里找。

但人之所以是人，是因为把所有东西都内化了。我刚才讲，人会不断抽象。比如我们今天这段谈话，它真的只是一段谈话，只是文字稿吗？还是说它背后有更深层的、我们每个人认识世界的方式？

这些认识世界的方式无法用文字表达，只能用特殊参数表达。

所以训练身份模型的第一个重点，就是不要从数据库、知识库的角度看它，而是把它当成一个参数化过程、训练模型的过程。

只有这样，才能把每个人底层最独特的偏好、价值观、利益诉求和成长轨迹真正挖掘出来。

这条路可以走到最终形态。我们把它叫作 AI-native memory，也就是 AI 原生记忆。

现在的 RAG 不原生，因为它把模型和数据的存储、计算分离了。

我不知道理解得对不对。现在做身份模型，更多是给它一堆历史数据，再让一个独立模型和这些数据互动，形成决策。

但 Mindverse 想做的是，用这些历史数据训练出一个独特的模型。

现在至少据我了解，没有很多人在真正做 identity model，也就是身份模型。

大部分人做 Agent 的方式，是把人的数据当数据库或者知识库使用。就像你说的，底层模型每个人都一样，只是知识库不一样。模型需要什么，就从不同人的库里抓取不同内容，于是表现得好像每个人的 AI 都不一样。

但这里有一个很大的问题：思考过程发生在模型里，而模型参数是一样的。本质上我和你没有区别，任何人都没有区别，所以身份不可能通过这种方式被很好地保留下来。

我看 Second Me 好像也发表过论文，说当上下文长度变长以后，甚至很难很好地抓取数据细节，是这样吗？

对，这是另外一个问题。

假如我把你 25 年的人生经验都给你。假设你 25 岁，RAG 的上下文可能只有 100 万 token。那这 100 万 token 到底是什么信息？当我问你“你是谁”时，它到底要捕捉什么信息来代表你？

如果是参数，底层已经被抽象了，它不需要任何数据，也可以很好表达“我是谁”“我是一个爱探索的人”。

第二，哪怕今天模型有 100 万、1000 万上下文，你会发现它一次运行时消化所有上下文的能力很弱，因为算力有限。几秒钟的计算过程，能完成多少认知计算是可以算出来的。

它最多能记住细节。比如给它一本《西游记》，它可以回答“三打白骨精”第三次打在哪里。但如果问孙悟空对白骨精有什么感情，它可能就不知道了。

但如果你是一个读过很多遍《西游记》的人，你能感受到唐僧对白骨精更微妙的情感。

这就是我刚才说的两个方面：第一是整体性。通过参数化方法，我把你整体理解了。第二是深度。不只是在信息层面，也在偏好、选择、价值观和整体情感层面理解你。这些只能靠参数化获得。

除了把人的经验参数化，我看你们论文好像还提到，在训练模型之前要先处理数据。

因为数据来源不像 ChatGPT 的记忆，主要是你和 ChatGPT 的对话。我们的数据是人的所有经历，可以是一段对话、写过的文档，也可以是和别人聊天的语音。

对。如果这些数据不处理，就会像知识一样变成知识库。用知识库训练，训练不出人格。

那怎么训练出人格？我们做了很多数据后处理，也就是把数据变成记忆的过程。

这里有一个很重要的点，第一是找到主观视角。

比如你把你和我的这段对话发给 AI，不做任何处理，AI 看到的是两个人在对话。但如果是你的身份 AI 看到这段对话，它应该理解为：我和一个什么样的朋友进行了什么交流，我表达了什么观点，对方有什么反应。

这两种描述，一个带有主观性，一个完全把它当成客观行为。把数据主观化是第一步。

第二步，主观化要做得更深，要理解人到底是怎么理解世界的。

比如我脑海里也有这段对话或文档，但我理解世界的方式，会根据我关心的问题组织信息，也会根据社交圈中不同朋友组织信息。

我脑海里可能有一个“晚点”这个媒体的概念，也可能有你这个朋友的概念。我的记忆是围绕你这个人组织起来的，相关记忆也围绕这个人组织起来。

所以我们要确保，信息结构不是一份一份客观文件，而是从主观视角看到的记忆世界。

我们会先把里面的人、话题挖掘出来，再围绕这些人和话题生成新的数据。比如我想知道，和某个投资人进行过 3 次交流，他的反应是什么。

这已经不是原始数据，而是围绕这个人从原始数据生成的新数据。最后训练时，把这些新数据训练进模型，让模型从我的主体视角去消化、内化这段数据，就像人消化自己的记忆。

这是我们在训练前采取的一种独特方式。

可以举个例子，让大家更好理解吗？一开始的知识文件是什么样，主观化之后是什么样，再围绕事件、人物抽取出来，又是什么样？

主观化可以先拿一段录音文件举例。A 说了什么，B 说了什么，这是客观化的描述。我们会写成：“陶芳波说了什么，对面的投资人说了什么。”

主观化以后，会描述：我在这段对话里表达了什么观点，对方对这个观点有什么回应，我又表达了什么观点，对方又有什么回应。

这是人参与完一段对话后留下的信息，是从客观变成主观的过程。

再从更复杂的、按照人思考自己人生和世界的角度重构信息。比如说我的女朋友。我记录了很多和她聊天的内容、自己的感受，以及给她买礼物的记录。

从纯客观角度看，这些碎片化信息会和其他信息混在一起。但从主观角度看，如果我挖掘出“我的女朋友”这个人，就会围绕她构造问题和数据。

我会问：我和这个女孩的关系经历了哪些阶段？这发生在数据构造过程中，而不是训练时发生。

构造数据时，会有另一个 AI 模型理解所有和这个女孩有关的信息。它可能发现，我们一开始关系升温，后来因为某件事遇到挫折，最后又因为共同经历了一些事情，回到了原来很好的状态。

它相当于围绕这个人，把更完整的历史串联起来，形成一段新的描述。

这也是人思考信息时不同的结构。我们不会只记得这边的一句话、那边的一句话，而是围绕内部特殊的索引想起一件事，比如以人为单位索引，或者从时间和空间变化的角度索引。

这就是两个例子。所有数据变成这种结构之后，我们才进行参数化。

最近一段时间，ChatGPT 也上线了记忆功能。它和你们有什么区别？

第一，数据来源不同。GPT 的数据主要是 AI 和人之间的对话，而我们认为，要更好地刻画一个人，一定要把这个人日常发生的行为有效刻画进去，所以需要记录数据。

第二，我们做了参数化。GPT 不会为每个人训练一个独立的小模型，或者训练一套属于个人的参数。

第三，和训练模型的目的有关。你说训练模型只是为了和自己聊天时更个性化吗？我觉得不是。它的核心还是身份，是要对外的。

模型对外使用时有一些特殊模式。

第一，训练时会不断强化它是我自己的身份。第二，我们设计了桥梁模式。它作为我和世界交互的桥梁，不断向外部系统提供 context，有点像把人的接口接入其他系统。

它和系统的互动不一定是聊天，更多是外界信息过来，它以新的接口模式处理信息，为信息做个性化打分，或者进行筛选。

这种身份强化和桥梁模式的训练，会增强模型未来作为身份使用时的可用性。它不一定增强模型理解你的程度，但会增强它作为身份使用时的能力。

想问一个技术问题。按照我的理解，训练大语言模型，先是预训练，把世界知识灌给模型，让它具备基础常识；然后做后训练，也就是微调，让它以更符合人类理解和价值观的方式输出这些知识。

Second Me 构建身份模型时，主要是在微调这部分做吗？

对，是微调。

那如果微调的话，一开始预训练时，模型已经掌握了全世界的知识，但普通人并没有这么丰富的知识。这是不是意味着它很难和一个普通用户对齐？因为模型在知识上已经远超普通用户了。

这是一个特别好的问题。

人的成长本身也是基于一个基础模型。我们出生时，大脑不是一片空白，里面已经有很多参数被写死了，是进化带来的基因塑造的。这可以理解成一个 base model。

当然，基因形成的 base model 和今天已经训练好的 base model 有区别，后者知识更多。但微调可以有效改变它。到底有多有效，这是技术问题。

无论通过 LoRA 还是其他方法，微调都不会让模型百分之百忘掉原来的信息，但可以很好地塑造它，极大放大个人经历带来的权重，同时放大你的偏好和风格。

最后呈现出的状态，我觉得是：微调让基模型变成一个提供基础认知能力的底层东西，而它原来蕴含的价值观、知识和偏好，在很大程度上可以被覆盖。

因为操作的是同一组参数，所以它是一个覆盖过程。

如果未来有更好的参数化方法，这套方法论应该是统一的，对吗？

对。这套方法论的核心有三点。

第一，要参数化，要做 AI-native memory。

第二，要构建主观化的数据，让参数化在主观化数据上发生，也就是通过人认识世界的棱镜或视角进行训练。

第三，模型出来之后，要有和外界互动的桥梁能力，能够输出、对接、持续交换信息。

这三件事和具体使用哪种微调技术不相关。今天用这种微调，明天用另一种方法，甚至未来数据量足够大、从头训练一个模型，只要效果好都可以。

有没有一个很好的量化指标，评价微调后的模型和用户是否相似？

我觉得最好的指标还是人自己判断。

就像 LM Arena，让人判断哪个大模型更好。个人化大模型也一样。我的模型可能被别人评价为训练得很好，但我自己会觉得“不像我”或者“不喜欢”。

每个人都是自己模型最好的裁判。

未来我们可能会让用户通过答题、对比等方式，判断模型到底好不好。

第二，也可以用标准化方法。用更多算力和 Agent 的方式解决一个问题，不微调模型，然后看微调模型能不能逼近那个结果，或者比它更好。这样可以做一些初步判断。

在使用 Second Me 或 Me.bot 的过程中，有没有哪个瞬间让你觉得，它已经和你足够像了？

我用 Second Me 训练模型时，有一个非常强的 aha moment。

那天刚好是我 35 岁生日，去年的 7 月 3 日。我在公司面前做了一个分享，因为大家给我准备了蛋糕。我说自己很感谢一路走来，从读博士到 Facebook、到今天，觉得自己找到了人生使命。

当时实验室的人正在训练我的一个模型版本，刚好训练好。他问那个模型：“你是谁？”

它是基于我的数据训练的，可能就是刚才讲的那套方法。模型回答：“我是陶芳波。今天是我的生日。我非常感谢自己能走到这里。我从学习 AI 技术，到 Facebook，再到阿里巴巴，最后创立 Mindverse。”

它讲的几乎是一模一样的逻辑。

那一刻我真正意识到，原来模型真的可以学到一个人很多、很深的东西。

后来我问它 MBTI，只有一个不准，其他都准。我又问：“如果是这 3 本书，我会喜欢哪一本？”这些都是它没有见过的新数据。它说：“你应该会看这本书，因为……”我觉得非常厉害。

你问模型“你是谁”，它回答“我是陶芳波”。它是真的认为自己是陶芳波，还是只是在扮演陶芳波？

我觉得它是真的，因为它是参数化的，不是 prompt。

训练一个你的 Second Me，需要多少数据？

我当时给它几百份数据。Me.bot 上有很多我的想法、会议记录等，但我觉得 100 份以上，基本就可以训练得比较好。

100 份的单位是什么？

100 份，比如 100 个思考、100 份记忆。和人的谈话可以算一份记忆，一篇日记也可以算一份，大概是这种单元，100 个左右。

如果换算成时间，大概需要多久？

不会很久。很多人的数据本来就已经存在，不需要现场准备。我们都会记笔记、录音。

我发现可能 20 个小时就够了，也就是你过去投入的这些数据。

当记忆不断增加时，人也会不断改变。映射到模型上，是不是意味着需要反复训练？

对，需要持续训练。

合理的更新频率是多少？

我觉得一天一次。

这是有依据的。人白天会获得很多对话和知识，但这些东西还没有变成持久记忆。可以理解为，它们先被缓存起来，像 RAG 一样使用。

晚上问：“我上午做了什么？”想一想还能回答。但好好睡一觉之后，持久化过程完成了，记忆就被参数化了。

所以模型也应该这样：白天积累信息，晚上像人睡觉一样训练一次。

一次训练成本大概多少？

看模型大小。如果现在使用 7B 模型，可能不到 1 美元。

本地也能跑吗？

7B 目前本地不太容易跑，但硬件也在不断迭代。我觉得真正的身份模型最后可能还是会上云。

本地开源技术更像是一个有趣的试验田，大家可以来试、来玩，但可能只能使用更小的模型。因为参数量有限，它会显得不那么聪明。

7B 是相对小的参数量。你的意思是，参数量越大，越像用户，但可能存在一个区间？

我们现在实验下来，7B 左右可能是比较好的区间。再大，收益可能就比较边际了。

我们并不指望它成为一个博士生。它是身份模型，最重要的任务不是完成任务，而是了解你，帮助你做判断，真正深度理解你各个层面的想法。

你提到，无论是 Second Me 还是 Me.bot，都需要原始数据才能变得更像用户。你们会用什么方式减少用户上传琐碎思考、好文章等数据的阻力？

这个问题到现在也没有解决得特别好。

核心是，要把 App 当成一个本身接受数据的中心，而不是让人在其他地方准备数据，再慢慢上传。要让数据记录变得更自然、更无痛。

比如有时我会让 Me.bot 和我一起开会。我不是用另一个录音软件录下来，再转换格式、传给它，那样很麻烦。因为开会时，我的 AI 就在旁边。

所以 Me.bot 里面一直有一个概念，叫共生。

如果你要做身份模型，而且身份模型需要不断更新，就不是你把数据传输给它，而是它参与你的生活。这样，你生活中的东西它自然就能捕捉到。

这样想的话，好像硬件产品更合理。

对，我也在等好的硬件出现。

可以描述一下，你觉得合理的 AI 和我们共生的方式是什么样的吗？

先从硬件说起。很多硬件采取的策略是把所有东西一锅端，全部记录下来。但这有问题。

人是注意力动物。为什么我刚才说 20 个小时就可以训练一个 AI？虽然每天有 24 个小时，但真正把注意力放在某些地方的时间，可能不到 3 个小时，很多人甚至不到 1 个小时。

真正投入注意力的那一个小时，才塑造了你是谁。比如认真阅读、认真写作，或者进行高质量的深度对话，这些才是人投入全部注意力的部分。

所以记忆怎么捕获，本身就是一门大学问。如果把 24 小时所有信息都捕获下来，连打呼噜的声音都记录，那不是信息，是噪音。噪音反而会让模型困惑。

第二，共生是什么意思？除了人要标定哪些是自己投入注意力的时间，这部分时间里 AI 的存在还必须创造价值。

比如让它参加会议，它真的只是在旁边听，像录音一样吗？那就失去意义了。

如果它在旁边参加会议时，偶尔蹦出一些东西，比如你问我一个问题，它提示：“这个问题也许可以从商业模式角度回答。”那它就不只是旁听，而是在支持我。

它一边听，一边通过历史上对我的了解提供帮助。也就是说，记录过程本身就是身份模型被使用的过程，这才是共生。

现在 Me.bot 有这方面的尝试吗？

我们在做很多尝试。

一个是让共生感更强。另一个是因为所有技术都要理解你的记忆，所以我们一直在死磕记忆。

我们希望你每次打开它，体验都不一样。比如今天会议结束后打开，它可能说：“和晚点聊完怎么样？对方有没有特别难缠？”

早上起来，它可能问：“心情还好吗？昨天晚上喝了一点酒，有没有不舒服？”

你到了一个地方，它可能说：“今天怎么来北京了？附近有咖啡馆，要不要帮你找一个？”过一会儿，你无聊时打开它，它可能说：“我想起来了，你一个月前约会的那个女孩……”

我觉得这很好玩，是一种和你共同存在的感觉。

我们还在做一个功能，主动地“肘”一下你，像拍拍你一样，让你感受到这个 AI 是一个生命，它一直存在，所以你也需要不断喂养它。

在这种情况下，Me.bot 的交互体验如何和 him 或 her 类产品区别？还是说没有必要区别？

这又回到最开始的问题。

陪伴是一种行为，me 是一种身份。比如它在会议时给我建议和启发，它的行为不代表我的行为。其实我自己也会给自己启发，也会进行自我对话。

从表面上看，它今天给了我一个信息，可能和陪伴产品给的信息一样。但本质上，它在学习你是谁，以及学习如何把你和别人连接起来。

回到构筑身份这个问题，和 Me.bot、Mindverse 这样的创业公司相比，微信这种已经拥有大量用户个人数据的产品，或者更进一步，像 iPhone 这样直接拥有操作系统、每天记录用户行为的公司，是不是更适合做身份模型？

从数据角度来说，是的。

但如果你发现，自己对这件事的认知完全处于另一个物种的层面，那你赌的就是大公司能不能完成范式转移或范式升级。

已有公司的数据肯定最多，但这里面仍然有新物种的机会。它可以开辟一个新战场，从头积累自己的数据。

只要我们刚才说的、以身份 AI 为核心而不是以数据为核心的模式，在广泛场景中成立，那么最早建立起这种模式的人就可能成功。

这有点像抖音战胜微信。视频是一种更高效的新物种，新物种出现后，快速建立起来，微信只能追赶。

当然我不是说大厂没有机会。今天大厂都很厉害，但这个逻辑适用于任何公司。大厂不是只做大机会，小机会也会做。你几乎不可能找到一个大厂绝对不会做的事情。

所以大家要认清现实：在这种情况下，做自己认为正确的东西就好，不用过多考虑大厂的想法。

你刚才说，大公司进行范式颠覆会有阻力。你觉得阻力可能来自哪里？对用户来说，它似乎完全是增益项，也不一定和原来的服务矛盾。

通常不会这么简单。我们这种形态，也不会让全世界所有人都喜欢。

机会藏在《跨越鸿沟》里。早期采用者只是一小群人，但把早期形态直接给所有人使用，反而可能对整体减分。

创新者要在一批非常拥抱新形态的早期用户中，把产品慢慢养出来，找到正确形态，再拓展到更多人群，这就是跨越鸿沟。

这也是过去几十年科技公司和创新公司成功的路径。你一开始做的东西会让人觉得离经叛道、不主流。

但这其实是好事。因为非主流，大厂才不太愿意做。它的盘子太大，不会为百分之一的用户做产品，也不会轻易把百分之一用户的东西推广给百分之百的用户群，风险很高。

比如淘宝说：“我要拥抱 AI 购物，把整个界面改成只能和 AI 聊天才能购物。”拼多多可能就会很开心。

但一家小公司说：“我先找到 100 万个喜欢 AI 购物的人，慢慢磨他们的体验，让他们从淘宝迁移过来。等我把产品做得更完善、更成熟，也许就能干掉淘宝。”

这就是机会。

Mindverse 团队怎么看增长？你描述的场景是两个人手机一碰，两个 bot 就开始交流，但前提是足够多人把 Me.bot 下载到手机里。

无论是网络还是身份模型，似乎都是越多人用越好用。那它就变成传统互联网产品的逻辑：需要激进增长、购买更多用户，形成网络效应。

我觉得最有效的是口碑和网络。

如果只是投放、投流，像很多公司那样，我觉得最终不持续。

核心还是一种新范式：我们用身份模型作为和世界互通的载体，或者说重要载体。第一要训练它，第二要通过它建立连接，并在记忆空间里畅游，为我提供价值。

把这两件事做到极致之后，投放和运营都是上面可以继续想的内容。但核心是，人一定要有创造感。

所谓口碑，第一是创造感，第二是连接感。

所有人首先都有创造欲，希望自己被塑造出来。第二，我们使用任何产品，也希望获得更多高质量的连接。

为什么共鸣很重要？因为 AI 能够用比传统方式更好的方式建立新的连接，把新的连接带进来。这是大家都想要的。

把这种方式做到极致，我觉得就会有更好的自然增长。

可以分享一下创业过程中的起伏吗？

2022 年 ChatGPT 上线后，用更好的基座模型带来了更好的体验，似乎甩开了心识宇宙的第一款产品 MindOS。可以讲讲当时是什么情况吗？ChatGPT 的出现改变了什么？

我觉得 GPT 的出现，让整个投资逻辑，或者说投资这件事，变得非常浮躁。浮躁也可以理解，因为大家看不清楚。

回过头来看，无论一开始大家对这个项目融资有更多认可，还是后来因为我们不做基础模型而被忽略，这些起起伏伏都是外在的。

我们内部也讨论过：是不是应该去做大模型，自己训练模型，做 Agent，不要做给每个人创造一个 AI、把它们连接起来、共创新社会这件事。

但每次想完，我都无法说服自己。所以我们内心没有太大变化，至少在做的事情上没有变化。

情绪上肯定会受影响。大家都是人，你相信的东西不被别人相信时，肯定会失落。伊隆·马斯克有时也会失落，但他依然会做。

我觉得这是团队和我自己保持得比较好的一点。

我们的融资也不算特别不顺利。后来我们找到海外投资人，也融到了资。现在越来越多人认可这个方向，所以我很期待接下来公司的发展会更顺利。

2022 年之前，大家对 AI 还没有祛魅。对于背景好的创业者出来做 AI，市场会给更大认可。

但谁是真正想创新，谁只是想在浪潮里抓一些东西、追一些潮流，时间一长就能看出来。

给我 100 次选择，我都希望带着一个明确的未来世界图景来做这件事。那就必须经历它的起伏、资本市场的认可与不认可。

从 him、her 到 me 的转向，投资人认可吗？

我们的投资人都很好。我们偶尔会聊，他们都很支持。

我觉得只要理解这件事，就会觉得它是对的。所以从 him、her 到 me，转型并不是非常困难。

但也不能说完全不困难。我们可能花了半年时间，内部不断对齐，找到切入口，比如用 Me.bot 这个产品切入，后来再慢慢考虑什么时候开源技术。

我们还是按照自己的节奏一步一步往前走。

想清楚这个思路花了一段时间。尤其是 him，我觉得它就是助理，是大厂目前射程范围内的东西。

当越来越多人看到大厂想做 Agent，会投入大量资源时，像我们这样的团队在说服内部和投资人时，阻力确实会小一些。

投资人怕的是你不断变化。但从我内心来说，我们没怎么变：我们一直想做每个人自己的 AI，只是后来锚定 me，找到了一个更好的切入点。

你觉得现在投资人的观点又有变化吗？

投资人是很大的群体。

如果从某种程度来说，我们仍然是一个非共识项目。大家在说 Agent 是 2025 年的主题，多模态是 2025 年的主题，推理模型也是 2025 年的主题。

但我觉得身份模型可能是 2025 年，也可能是 2026 年，但很快会起来。这是我一个非主流、非共识的想法。

有投资人非常认可，也有很多投资人不一定理解。

我想借这个通道和更多人交流，让大家看到，除了今天大家关注的几家公司，不一定只能在上面做一个小应用，也可能存在一种新的 AI 范式。

它不只是技术范式，也是使用模式：每个人需要一个身份 AI，这种模式需要一个 me。

我是在寻找共鸣，寻找更多共鸣。通过广播的方式，如果大家都来用 Me.bot，我就直接让 Me.bot 帮我寻找共鸣。

但还没有所有人来用 Me.bot，所以我通过你们的平台广播寻找共鸣。

他们不理解的是哪一点？

不是不理解，而是没想到。

我们自己也花了一年才想到，原来可以做 me。因为电影里都是 him 和 her，我们会被身边的人和自然叙事影响。

大家会想，快递员能不能被替代，这个任务能不能被替代。做身份反而不是一个自然的想法，需要认真感受。

但一旦想到以后，就会觉得这件事越想越对，因为它很本质。

你刚才说，做身份不是很容易想到。但如果未来是 Agent 相互交互的世界，找一个能代表你的 Agent，向其他 Agent 发任务、交互，好像是必然发生的事情。

哪怕在科幻作品里，《黑镜》也讲过，人构建一个自己的线上版本，让它去约会 10 万次，然后找一个合适的伴侣。它好像是 AI 世界必然的结果。

为什么你会觉得这是一个比较难意识到的事情？

不是没有人想到，当然像《黑镜》里就有。

所有 idea 都不是新的。关键是如何用这种方式组织技术设计逻辑，组织成产品，组织成接入世界的方式。这个整体组合，和主流叙事有很大差异。

主流是创造一个通用 Agent 或通用大模型，让人和它聊天；或者像 Character.AI 一样，创造很多不同角色，让人进行角色扮演。

我们的形态差异很大，是主流和非主流的区别。当然主流和非主流会转化，也许未来它会变成主流。

我说大家不容易想到，是因为 OpenAI 树立了大模型使用的标准范式：做任务、对话、创意、做 GPTs，现在做 Agents。这是它树立的标杆。

在这个标杆之外，说每个人有一个身份模型，大家当然可以想到“创造一个自己”，但自己怎么用、怎么训练，这些问题还没有回答。

所以大部分人想到这里可能就断掉了，又回到主流叙事：更强的模型、更好的推理、更强的 computer use、更好的 Agent。

创业以来，自己最激动和最失落的时刻分别是什么？

我想了想，最有成就感的还是在 AI 风口浪尖上提出有价值的新方向。不仅提出，还下场去做，而且过程中获得了很多共鸣。

比如我们发布 Second Me 后，很多人不是简单点赞，而是发很长的邮件、很长的信，或者辗转联系我，只为了表达对这件事的强烈共鸣。

这种成就感非常强。你在脑子里构想一个东西，说出来、做出来，发现原来有那么多人认可，真的很爽。

失落的时刻呢？

我对 Sam Altman 最近一次采访里的一段话很有共鸣。他说，AI 过去两年的发展速度比预期低，只是变成了更好用、更强大的工具。

我觉得确实如此。人总是高估短期变化，会有更高预期。

作为创业者，启动项目时带着巨大的兴奋，但真正开始做，就会发现技术不成熟，市场接受度也比较缓慢。人心中的成见是一座大山，改变人对一件事的认识没有那么快，尤其改变全社会的认识更慢。

当自己的热情面对一个缓慢转变的世界时，会有失落，也会着急。这种时刻经常出现。

我觉得这是创业者需要修炼的地方。我要修炼的是，以更长期的视角坚定相信自己做的事情具有革命性，同时对短期变化缓慢、甚至遇到的挫折，保持很强的包容性。

最后一个问题。你觉得 Mindverse 下一个节点，或者下一个 milestone 会是什么？

从商业角度来说，当然是更多人使用我们的开源项目和产品，获得更大影响力，让更多人 buy in 这件事。

我们可能有机会成为身份模型时代的一个标准，或者定义身份模型时代的接口，告诉大家身份模型可以怎么使用。

它不只是和自己交流，还要成为和外界连接的桥梁。桥梁模式很重要。这是我非常看重的 milestone：在影响足够多的人之后，有没有可能形成事实上的标准。

第二，从用户体验角度，我相信产品的力量。当产品能把共生和连接做好时，如果真的能把连接和共生解决得比现在好一点，那就是下一个 milestone。

用户量可能会比现在增长 10 倍、100 倍，效果也会再提升 10 倍、100 倍。

如果现在有无限资源，可以做自己想做的事情，你第一件会做什么？

如果真有无限资源，我可能会买很多 GPU，帮每个人在云上训练一个很好的自己。

算力越多，模型训练得越好。然后投入更多力量做技术研发。

因为回过头来，我还是觉得这个新物种背后的技术，和原来训练大模型的技术不太一样。我会投入更多的力量来把我们这个技术的深度给挖掘出来。理解，好呀，那今天非常高兴能请方波做款点聊，分享自己的求学工作经历以及 Manuverse 团队对身份模型的产品设想和技术实现，也非常欢迎大家去尝试 Manuverse 身份模型产品 Me Bot 或者开源项目 Second Me 去体验一下 AI 飞升的感觉。那我们就先到这里吧，好，再见。本期节目就到这里，感谢收听。如果你对今天聊的话题有观察、好奇或疑问，欢迎在评论区里分享想法，这也会成为我们节目的一部分，让这个讨论更加完整。你也可以把我们的节目分享给对这个话题感兴趣的朋友，欢迎推荐更多你想听的主题或嘉宾。你可以从小宇宙、苹果 Podcast 等渠道关注“晚点聊 Late Talk”，也欢迎关注我们的公众号“晚点 Late Post”。我们下期再见。