2019年AI社交产品爆发：“头腾”大战再升温，欲先夺金猪，必先利算法-电子发烧友网

今天，字节跳动锤子等三家新品齐发，AI社交业的战局2019年初就白热化。张一鸣相信“电脑”，强推“多闪”，微信的张小龙坚信“人脑”，但最终拼的，还是AI算法。

2019，将是AI社交产品爆发的一年：“头腾”大战再升温，欲先夺金猪，必先利算法。

而今天，可谓是属于社交产品的“黄道吉日”，张一鸣、罗永浩、王欣扎堆举办各家社交新品发布会：

快播创始人王欣宣布上线“马桶MT”(一款匿名社交平台)

罗永浩站台快如科技或将发布“子弹短信最新版”

字节跳动陈林发布社交新品“多闪”

三家纷纷亮剑APP，磨刀霍霍向微信。

但在AI社交产品领域，头号玩家还属相信“电脑”的字节跳动张一鸣和相信“人脑”的微信张小龙，但“二张”之争的个中关键，依旧还看算法。

字节跳动发布会，言辞处处映射微信

关于视频社交，年轻人，字节跳动有一个想法——于是“多闪”就诞生了。

在北京751D艺术区，抖音正式宣布升级私信功能，推出自己的独立视频社交产品多闪，这意味着抖音正式进军社交领域。

先来看下这款APP有什么特点：

多闪是短视频+社交的一款软件，可以视作抖音后又一款短视频软件，抖音拥有的功能，多闪基本涵盖；

多闪取消了点赞与评论功能，增加了“来访记录”，可以看到是谁看过了你的视频；

表情包联想，一言不合就斗图；

优化了视频收红包的功能；

看似只是一场单纯的、面向年轻人需求的产品发布会，但却处处涌动着针对微信的感觉。

每个产品的诞生必然是先有用户的需求。多闪产品负责人俆璐冉在介绍多闪的用户需求时提到了三点：

我需要无压力记录分享生活

我需要不错过一条我关心的人的动态

我需要与最亲密的人互动形式更丰富

话里行间，时不时会透露对微信的讽刺：朋友圈已然成为工作场，在朋友圈中的言论已然不能再完全受自己支配；出现越来越多的“点赞之交”；逢年过节收到的红包不希望是冷冰冰的，而是富有活力的。

不得不让人怀疑，多闪这款产品的需求，除了从年轻人的角度出发考虑外，是否与微信存在着竞争关系，毕竟这款产品多项功能的设计着实抓住了微信目前的痛点。

当然，发布会现场中，主办方也积极要求在场观众，扫描二维码(大部人打开了微信)，下载多闪进行体验。然而基本都出现了这种情况：

“历史总是惊人的相似”，上午的马桶MT刚刚被屏蔽，下午的多闪也立马被屏蔽。

对此，今日头条CEO陈林在圆桌论坛中表示：

我不觉我们跟微信是竞争关系，他们好比是通讯录，而我们是在最亲密的人之间建立关系。

真心希望不要一上来就这个样子。希望微信可以尽快解封，让更多用户体验。

话虽如此，头腾之间的火药味在此次发布会现场应该说是相当的浓烈了。

但在AI社交产品领域，发布会现场出现的种种状况可以说是头腾之间出现的一些皮毛交锋了，“二张”之争的个中关键，依旧还看算法。

张一鸣相信 “电脑”，张小龙相信 “人脑”

今日头条的推荐算法，从 2012 年 9 月第一版开发运行至今，已经经过四次大的调整和修改。

今日头条算法架构师曹欢欢博士曾公开今日头条推荐算法的原理。实际上，今日头条有一套通用的模式架构适用所有推荐场景。除了头条之外，这一套推荐技术也用在包括西瓜视频、火山小视频、抖音、悟空问答等头条产品，但每个场景的模型架构有些不一样。

推荐系统实际上是拟合一个用户对内容满意度的函数，这个函数需要输入三个维度的变量。

推荐系统本质上要解决的是用户、环境和内容的匹配

我们来看看今日头条算法的分析维度：

第一个维度是内容。图文、视频、问答等等，每种内容有很多自己的特征，需要考虑怎样提取不同内容类型的特征来做推荐。

第二个维度是用户特征。包括各种兴趣标签，职业、年龄、性别等，还有很多模型刻划出的隐式用户兴趣等。

第三个维度是环境特征。

结合三方面的维度，模型会给出一个预估，即预测推荐内容在这一场景下对这一用户是否合适。

典型推荐算法

推荐是一个很经典的监督学习问题。可实现的方法有很多，比如传统的协同过滤模型，监督学习算法 Logistic Regression 模型，基于深度学习的模型，Factorization Machine 和 GBDT 等。

典型推荐算法

一个优秀的工业级推荐系统需要非常灵活的算法实验平台，可以支持多种算法组合，包括模型结构调整。因为很难有一套通用的模型架构适用于所有的推荐场景。

典型推荐特征

模型的训练上，头条系大部分推荐产品采用实时训练。实时训练省资源并且反馈快，这对信息流产品非常重要。用户需要行为信息可以被模型快速捕捉并反馈至下一刷的推荐效果。

目前，头条的推荐算法模型在世界范围内也是比较大的，包含几百亿原始特征和数十亿向量特征。

大规模推荐模型的在线训练

在信奉算法理念之上，头条系的每一个用户都被打上了“标签”，从你的兴趣爱好、你的性别年龄、你的常驻地点到你偏好的阅读时间等等，算法可能比你自己更了解你。今日头条表示，这些用户标签非常有助于推荐。

反观微信，在微信更新7.0版本之际，有媒体表示：“今日头条靠机器算法，给内容和消费者两端同时贴标签，来实现匹配。微信靠的是‘气味相投’、‘人以群分’的人脑算法，姑且称之为‘圈层算法’。”

微信的圈层推荐机制，集中体现在“好看”。

在微信7.0版本中，公众号每一篇文章底部的点赞按钮变成了“好看”按钮，点一点即可转发到“看一看”页面的feed流里。同时，“看一看”增加了“好看”tab，你也可以在feed流里直接通过点赞来转发这篇文章，通过评论来分享观点，而你的转发和评论也直接展现在微信好友的看一看feed流中。这让微信“看一看”拥有了类似微博的转发和评论的社区功能。

张小龙信不信算法？起码在内容分发上，张小龙更相信用户的品味，他相信微信的人脑圈层分发机制，是可以做到优于机器算法机制的。在上周微信公开课的演讲中，张小龙说：

……对于AI，其实从技术上来说，我们是特别认同它。但是我们一直认为，好的技术是为产品服务的，AI 应该默默躲在后面帮助用户来做一些事情，就像语音识别一样。

当我在内部提这些的时候，有同事问我，我们的目标难道不是尽可能的获取用户的点击吗？我们为什么要想那么多产品之外的东西？就像谷歌的员工为什么要反对公司把这一项技术应用在军方项目一样，我认为我们做的每一件事情背后，都是有意义所在的。

所以我们总是认为用户怎么怎么样，似乎用户是一个陌生的我们不认识的一个人群，然后我们控制他们，施加他们。但是，在微信，我们要时刻提醒我们自己的是，我们自己就是用户，我们施加于用户身上的，最终也会施加到我们自己身上，有点像己所不欲勿施于人。所以到底施加到用户身上是一个什么东西？这个确实值得我们反思。

年轻人的多闪，能为AI+社交带来新的可能性吗？

根据We Are Social《GLOBAL DIGITAL REPORT 2018》，全球40亿网民中，活跃的社交网络用户有30亿，比2017年增加13%。

同时根据CAICT数据显示，由微信驱动的信息消费总额达2097亿人民币，带动了3339亿元人民币的传统消费，在2017促成就业人数达2030万人。

人与人之间的交往，产生的数据是几何级的增长，传统的方式显然已经跟不上这个速度，AI的介入是必然的。

我们看到，无论是相信算法力量的字节跳动，还是相信人心温度的微信，两者现在都在做一件事：往社交中注入AI。只不过前者是显式的，而后者是隐式的。

首先，AI处理海量非结构化数据的能力，能够很好的识别社交网络中的不和谐内容，是目前各大社交平台应用最多最成熟的功能之一。

其次，AI在知识图谱、NLP、CV方面的应用，能够更快速的为用户提供符合口味的内容，更精准的匹配到想要认识的人。

再次，AI作为一个广谱催化剂，能够极大的促进平台提取用户价值的能力。