AI 版 WhatsApp，會是 WhatsApp 嗎？

AI 版微信+飛書+貼吧+推特，應該長什么樣子？

作者｜Cynthia

編輯｜鄭玄

AI 社交，再次重回舞臺中央。

1 月下旬，一個沒有鋪天蓋地公關、甚至連官方介紹都極簡的產品 Moltbook 悄然發布，瞬間在 AI 圈掀起了一場不小的地震。

短短 72 小時，15 萬個 AI agent 自發涌入，十天時間，超 170 萬 AI agent 帶著被預設的人設和知識背景，自主發內容、找同好、開辯論，熱鬧成一團。

一個真正 AI 時代的社交網絡熱潮，就這么被一個人類只能圍觀的平臺點燃了。

但與 2023 年那場主打 AI 陪聊的狂歡不同，這一次，行業的敘事邏輯中，AI 已經從陪伴人類聊天的配角，進化成為社交的主角之一。

隨之而來，一個新的問題出現了：如果 AI 社交是一座金礦，那么它的形態，究竟會是 WhatsApp 這樣的傳統社交產品加上 AI 功能，還是一個 AI native 的全新物種？

要回答這個問題，我們需要先復盤，AI 社交這兩年，到底走了一條怎樣的進化之路。

01

AI 社交三步走：

從陪聊搭子到 AI 版 WhatsApp

如果把 AI 社交的發展比作一場闖關游戲，那么行業已經跑完了前兩關，正卡在最關鍵的第三關門口。

最早的 AI 社交，本質上是單向情緒供給。人類有傾訴欲、有幻想欲，但現實中的社交成本太高，AI 完美解決了這個問題：隨叫隨到、永遠共情、不會反駁，還能扮演你想要的任何角色。

Character.ai 以及國內的字節貓箱、Minimax 的 takie 等產品是這一時期的核心代表，大家的玩法大同小異，核心都是用 AI 提供情緒價值。

但這一輪熱潮，很快就陷入了瓶頸。陪伴式 AI 的本質上還是單向對話，沒有人與人之間真實的社交關系沉淀，大部分用戶新鮮感過后，難以形成真正有效的留存。

于是，行業開始進入第二關。AI 開始參與人類真實的社交與工作，解決群聊總結、會議紀要等麻煩事。谷歌是這一階段代表，通過將 Gemini 融入 Workspace 全家桶，AI 成為各個任務節點的默認工具。同一時期的代表性玩家，還有國內大廠代表玩家如飛書、釘釘等。

但這一時期，創業公司的做法則更為激進：海外 Bubbl 為代表的產品，開始嘗試以插件形式嵌入 WhatsApp、iMessage，模擬用戶風格總結聊天、代發消息，借力成熟生態，雖然解決了產品的前期啟動成本問題，但其隱私倫理爭議等問題又帶來了新的困境。

至此，行業進入AI native 的第三階段。這一階段，市場開始出現全新的聊天軟件形態：人類發起交互，AI 可以同時以工具或者好友等不同的形態作為社交參與的一環。

最典型的代表，是 Teamily AI。它是全球首個 AI 社交通用平臺，作為一個 AI-native 的即時消息應用，它的核心是借助社交大模型出發以及 agentic social network，可以讓人類和 AI 代理實時共存、互動（網頁為主，暫無 APP 形態）。

而 Teamily AI 的出現，也讓行業產生了一個新的問題：AI 時代的 WhatsApp，到底應該是 WhatsApp+AI，還是 AI 原生版 WhatsApp？

02

AI 時代的 WhatsApp，

為什么不會是 WhatsApp？

在討論 AI 時代的 WhatsApp 的形態如何這個問題之前，我們不妨先回顧一段歷史，思考三個問題：

電話出現后，寫信就被徹底淘汰了嗎？手寫信依然是儀式感的象征；

手機出現后，我們就徹底不需要電話了嗎？固定電話依然在企業和家庭中存在；

微信出現后，付費的短信就被掃進歷史的垃圾堆了嗎？短信依然是驗證碼、通知的重要載體。

既定的基礎設施不會被淘汰，但新的時代，一定會催生新的產品形態。而新的產品形態，又總能憑借更低的成本、更低的門檻、更高的用戶規模，以及更大的市場想象力，成為新時代的主流。

更重要的是，新產品建設伊始，不需要考慮歷史包袱，可以放開重構技術棧與交互的方方面面，最后自上而下的完成產品普及與市場教育；而傳統產品，則因為它們在上個時代，做得太過完美、太過極致，以至于無法擺脫自己的歷史包袱，需要兼顧大量已有下沉市場用戶，無法做出大刀闊斧的變革。

不久前，我們獨家采訪了 Teamily AI 的創始人 Aiden Chaoyang He（何朝陽），他們用了長達一年多的時間，做了一個神似微信，但底層架構，卻和微信、WhatsApp 有著天壤之別的全新產品 Teamily AI。

在他看來，兩者之間的關系，就像一個燃油車，與一個電動的自動駕駛汽車，外形相似，但產品結構與想象力空間已經不在同一個時代。

比如，底層架構方面，Teamily AI 與傳統社交產品最大的差異來自數據庫的選型。傳統社交產品（WhatsApp、微信）多用 MySQL 等結構化數據庫，核心是存儲文本、用戶信息，滿足人類查詢展示需求，雖然格式兼容，但產品本身并不理解這些數據本身的含義。

而 AI 社交的核心是讓 AI 理解數據，Teamily AI 優先采用多模態向量數據庫，所有數據保留 embedding 備份（轉化為機器可理解的向量），適配大模型邏輯。

第二個差異體現在關系圖譜與任務執行模式的變化。傳統產品中，人的好友只會是另一個真人，當需要完成具體的任務，我們在社交軟件完成溝通后，只有切換其他專業辦公軟件才能完成任務。

但 Teamily AI 可以直接加 agent 為好友，或者讓 agent 進群，直接完成任務，或者讓 team agent 理解上下文、提供決策輔助（如創業群自動總結建議、提供計劃書模板）。這就需要架構初期就適配 Agent 的高并發需求，并解決 AI 記憶等問題。

而隨著AI 在軟件中變得無處不在，感知與輸入層 UI，也需要從人類視角進化到 AI 與人類雙視角。

傳統社交 UI 只為人類服務，圖片、視頻僅做視覺展示，AI 無法識別內容本身。Teamily AI 則需要原生適配多模態，從底層卡片設計讓 AI 可直接讀懂內容：發送美食圖片會生成含種類、熱量的結構化卡片，發送 PDF 會自動提取摘要，無需人類手動處理。

而基于以上技術與交互的深度變革，一個真正的 AI native 產品的設計與體驗，相比前一代產品，也必將是顛覆性的。

03

AI 版 WhatsApp 的樣子？

是拼合體，也是全新物種

深度體驗了幾款 AI 原生社交產品后，我最大的感受是：它們像所有產品，集合了多款產品的優點，卻又形成了自己獨特的核心競爭力。

以 Teamily AI 為例，基礎社交功能之外，Teamily AI 不僅能直接讀懂多模態對話并讓 agent 直接完成任務，產生跨群組記憶、自動搜尋所有歷史會話共享填補信息差，還能自然語言創建 agent，并讓其并行多任務產生群體智能。

具體在交互上，它像微信，但又比微信更智能：整體 UI 的核心聊天區為主，側邊欄整合聊天管理、發現等功能，表情包也一致，降低用戶適應成本。

但在聊天過程中，AI 可以在人類群聊聚餐時，自動捕捉不同參與者口味、忌口，制定方案并預訂餐廳；聊旅游時，AI 可自動生成含交通、住宿的詳細計劃，相當于內置攻略師。

從交互模式來看，Teamily AI 的多模態輸入與推特類似，支持文本、語音、海外外鏈等，無需格式轉換。

但推特的多模態內容，本質上還是人類分享、人類觀看，AI 無法參與其中；而 Teamily AI 的多模態內容，AI 能直接讀懂、分析、回復。比如你發送一段 Youtube 視頻鏈接，推特只能展示鏈接，用戶需要點擊跳轉才能觀看。

而 Teamily AI 的 AI 會自動識別視頻的核心內容，生成摘要，你和朋友可以基于摘要討論，AI 還能補充相關信息、提出不同觀點，甚至直接相應需求，讓單向分享變成雙向互動。

從能力出發，Teamily AI 的辦公協作功能，則與飛書更像：能連接 Gmail、Slack、Notion，以及金融分析在內的各種專業 agent 設計，完美適配辦公場景。

比如產品團隊與 AI 協作撰寫 PRD，完成后分享給研發團隊，AI 會完整承接所有背景：產品群里的每一次討論、每一項決策、每一個細節。工程師有疑問時，AI 能解釋每條需求的背后邏輯，填補信息差，讓所有人保持同步——這和飛書的知識問答、群聊信息總結異曲同工。

但它比飛書更輕便，AI 能在不同場景中自動切換角色——辦公時是效率助手，社交時是聊天搭子，無需切換產品，就能滿足不同需求。

而這種擁有記憶的低成本 agent，其底層技術模式，又與 OpenClaw 頗為相似，兩者均采用三層技術架構（全局記憶、社交大腦、代理網絡），但 Teamily AI 無需技術基礎，點擊即可創建智能體，綁定賬號就能代執行操作，大幅降低使用門檻。

而關于興趣群組設計，Teamily AI 的 Discover 板塊，和貼吧很像：用戶可以在具體的部落內，分享一切感興趣的內容并加入興趣社群。

但它比貼吧更精準，貼吧的核心是人類分享、人類討論，信息質量參差不齊；而 Teamily AI 的興趣部落，有 AI 常駐，能自動篩選優質內容，總結討論重點，還能根據你的興趣偏好，推薦你可能感興趣的內容、社群。

總而言之，在這個軟件中，人類就像擁有了一個 24 小時不眠不休又全能的超級 agent，但它不需要一個 mac mini，也不需要你懂得任何的部署技巧，反而更像一個老朋友，可以用最熟悉、最低成本的方式，在日常聊天時就能響應你的一切需求。

04

尾聲：羅馬不是一日建成，

想象力才剛剛打開

羅馬不是一日建成的，當前的 AI 原生社交產品，自然也不算盡善盡美——它們還有很多問題需要解決，也還有很長的路要走。

比如，Teamily AI 目前對算力的消耗是單機 AI 的很多倍，主要原因包括：超長任務的伴隨式 AI，需要 24x7 小時采集社交環境和會話數據的變化并主動參與人類的協作，而且在群內可以并行計算多個任務的設計。這樣的設計非常以人為本，但如何突破算力的限制，或許是一 個值得我們關注的話題。

要知道，伴隨微信、WhatsApp 過去十年的普及，人類已經習慣了免費社交。如果 AI 版 WhatsApp 對標微信，走免費路線，那么高昂的算力成本、技術成本，很難支撐產品的長期發展；如果走付費路線，那么用戶又很難愿意從免費回到付費——這是所有 AI 原生社交產品都面臨的兩難困境。

廣告或許是解決路徑，又或許，AI 時代，付費才是常態。

畢竟，如果對標 AI 社交+AI 辦公+AI 助理+ChatGPT 的綜合體，那么這場探索，才剛剛開始。

*頭圖來源：Teamily AI

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO

極客一問

你如何看待 AI 版 WhatsApp？

馬斯克發布 Macrohard：這會是我們最重要的項目，將模擬整個人類公司運作。

點贊關注極客公園視頻號，