AI news

斯坦福校友再创业,用AI让朋友多见面

By 虾蛄内容部1 viewsSource: 虾蛄AI
斯坦福校友再创业,用AI让朋友多见面

SparkChat,就盯上了这类朋友之间很日常的社交问题,由Digipals推出,核心创始人Peggy Wang是斯坦福CS本硕,做过Lyft Level 5和Meta Reality Labs,第一次创业的Ego便进入了YC W24,并累计融资750万美元。

The full text has not been translated yet. The Chinese original is shown below.

文章配图

多接触草地,多见见朋友。

现在打开社交媒体,已经很难看到多少朋友的动态了。

广告、陌生人推荐的内容和越来越多的AI生成内容占据信息流,朋友反而慢慢消失在这些社交平台里。

即使经常保持线下见面,或者就待在几个长期存在的群聊里,到了该聚会的时候,总会因为时间和地点的反复确认难以抉择。

文章配图

可能临时有事,或者住得太远不想出门,餐厅选了几轮也很难照顾到所有人的偏好。到头来,费时间的反而是这些看起来不起眼的小事。

SparkChat,就盯上了这类朋友之间很日常的社交问题,由Digipals推出,核心创始人Peggy Wang是斯坦福CS本硕,做过Lyft Level 5和Meta Reality Labs,第一次创业的Ego便进入了YC W24,并累计融资750万美元。

文章配图

离开Ego以后,她很快开始第二次创业,这一次,她做起了一款帮朋友约饭和见面的AI社交App。

进入 SparkChat后,会先出现一套很像社交版MBTI的问卷。比如平时多久和朋友见一次,更喜欢几个人的小聚还是人数更多的活动,也会继续了解吃饭预算、常吃的菜系以及愿意为一次聚会跑多远。

文章配图

文章配图

文章配图

有些问题会问得更细,比如停车是否重要,宠物友好会不会影响选择,环境适不适合拍照等等。

回答完成以后,SparkChat会生成一个Social Type,同时给出对应的人格描述,以及更适合和哪类朋友一起活动。

文章配图

除了问卷里的饮食习惯、活动类型和出行距离,用户还可以补充常去地点,以及Venmo、Cash App等支付信息,后面寻找聚会地点和分摊费用时都可以继续调用。

进入主界面后,SparkChat对朋友组局这件事的处理会更详细。用户可以授权Google Calendar,SparkChat会读取一部分日程,用来判断哪些时间有空。

文章配图

朋友之间主要看到的是彼此的空闲时间,具体的日程标题、描述和参与者不会直接公开,等一项计划确认以后,SparkChat也可以直接创建新的日历事件。

时间确定以后,接下来通常就是找地方。SparkChat里有一张独立的社交地图,朋友可以围绕某个区域搜索适合聚会的餐厅和地点。

开启位置权限以后,应用还可以显示附近朋友,推荐周边地点,并支持Broadcast这类和位置相关的功能。

文章配图

餐厅选定以后,还可以通过OpenTable完成订位。收到收据照片以后,SparkChat也会调用Gemini识别账单内容,继续处理后面的费用拆分。

此外还有Memories,可以是一些一起去过的地方、发过的照片以及群里的互动,它们都会成为后面个性化建议可以利用的上下文。

到了给一群朋友推荐活动时,它就可以参考聊天记录和之前留下的Memories,再结合保存过的地点、前面填写的偏好、日历以及位置等信息。

文章配图

SparkChat把这一类围绕朋友关系不断积累下来的信息称为Social Memory。

它还支持在聊天中生成交互式组件,让搜索结果和计划继续往下操作,同时也会提供行程建议、AI搜索结果以及视频通话回顾等功能。

另外,SparkChat也支持单独开启端到端加密聊天。开启以后,消息文本主要留在聊天成员的设备之间,AI搜索和Social Memory相关能力也会随之受到限制。

文章配图

文章配图

文章配图

此前为这段聊天建立的搜索数据会被删除,如果用户临时需要AI查找某些内容,需要主动选择相关消息,只针对这一次请求进行处理。

SparkChat没有让AI一直占据聊天窗口,更多时候还是由朋友自己正常交流。AI在后面持续整理和调用已经积累的信息,等到需要安排聚会时,再参与时间协调、地点推荐、订位和分账这些具体操作。

Peggy对这个方向的兴趣,其实延续了很久。

文章配图

她在Stanford学习计算机科学期间就长期接触人工智能和机器人相关研究,后来进入Lyft Level 5做自动驾驶行为规划,又进入Meta Reality Labs参与AR Avatar。

第一次创业时,这种兴趣被带进了一个虚拟世界项目里。2023年,Peggy和Vishnu Hari创办Ego,两个人都来自Meta。

Ego想做的是AI原生的三维模拟和互动世界,用户可以通过自然语言创建角色和环境,AI角色可以理解周围发生的事情,并在虚拟世界里行动。

文章配图

后来因为自己和联合创始人对公司的未来方向有不同想法,Peggy离开了,外界也曾围绕这次离开出现很多讨论。

但她依然没有离开human relationships这个主题,Peggy在公开分享里提过,创办Ego时,她相信游戏和互动媒体能够成为新的社交空间。

疫情期间,很多朋友依靠游戏和线上社区维持联系,这种体验也加强了她对数字空间的兴趣。Digipals很快出现,并进入YC F25。

文章配图

Peggy对社交技术的答案出现了调整,从原来在Ego花很多精力研究虚拟角色和三维世界,希望让人在数字空间里获得更丰富的互动,到现在的SparkChat,选择了现实朋友之间最琐碎的一件事,多接触草地,见到更多的朋友。

Peggy讲过一个很生活化的例子:她和大学好友维持了接近十年的每月聚餐习惯,这群人关系已经足够稳定,大家依然经常花很长时间决定日期和餐厅。

文章配图

对她来说,朋友就在联系人里,群聊也每天存在,只是每个人都忙,协调工作越积越多,一次见面就很容易拖下去。

这类问题很适合AI介入,因为它不需要替代任何一个人,朋友关系本来就存在,AI只需要减少中间那些没人喜欢做的安排。

值得一提的是,Digipals曾在YC早期阶段时愿景更大,团队曾经设想每个人拥有自己的Digipal Agent,它可以理解位置、日历和关系历史,也可以参考照片等资料。

文章配图

不同人的Agent可以彼此协商,然后帮群体完成计划,团队还设想过各种出现在聊天里的AI Widgets。聊到餐厅时可以出现餐厅卡片,出现账单时可以进入分账流程,讨论旅行时也能连接相应工具。

他们甚至考虑过把Digipal设计成会成长的数字生物,用户刚进入产品时拿到一颗蛋,随着分享位置、日历和群聊等信息,这个数字角色慢慢获得更多能力,最后成为一个熟悉你社交习惯的助手。

文章配图

SparkChat正式推出后,看到的是更具体的功能,Plans负责安排聚会,Maps负责地点和附近关系,Memories留下共同经历,不过目前产品还属于早期阶段。

普通用户打开朋友群时,很少会关心后台到底调用了哪一个大模型,也不会因为Social OS这个词就迁移自己的好友关系。

SparkChat更需要的是一个稳定的好友网络,让每次聚会留下的信息继续服务下一次安排。朋友越多,群聊越活跃,日历和地点信息越完整,Social Memory才会越来越有价值。

文章配图

市面上虽然有着大量的AI Social产品,但大家选择的切入口却有好几个方向。有些团队希望AI成为陪伴者,用户可以和虚拟角色聊天,也可以建立长期关系。

有些产品把AI放进约会流程,帮助用户生成资料、筛选对象或者推进对话;还有一类产品更关心朋友发现和兴趣匹配,让算法帮助陌生人认识彼此。

SparkChat选择的是另一种更保守也更难迁移的关系,它服务的对象已经认识,甚至可能认识了很多年。

文章配图

这类熟人关系有一个明显优势,应用不需要凭空创造关系,群里的成员已经愿意见面,AI只需要处理协调。

这件事听起来没有创造虚拟世界那么宏大,也没有AI Companion那么容易制造话题,但它解决的却是一个很普通的问题。

朋友已经在群里了,大家也确实想见面,只是每次都差一个愿意把时间和地点都协调好的人。

SparkChat让AI帮他们更容易见上一面。

文章来自于“虾蛄AI”,作者“虾蛄内容部”。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)