今天，字節跳動錘子等三家新品齊發，AI社交業的戰局2019年初就白熱化。張一鳴相信“電腦”，強推“多閃”，微信的張小龍堅信“人腦”，但最終拼的，還是AI算法。

2019，將是AI社交產品爆發的一年：“頭騰”大戰再升溫，欲先奪金豬，必先利算法。

而今天，可謂是屬于社交產品的“黃道吉日”，張一鳴、羅永浩、王欣扎堆舉辦各家社交新品發布會：

快播創始人王欣宣布上線“馬桶MT”(一款匿名社交平臺)

羅永浩站臺快如科技或將發布“子彈短信最新版”

字節跳動陳林發布社交新品“多閃”

三家紛紛亮劍APP，磨刀霍霍向微信。

但在AI社交產品領域，頭號玩家還屬相信“電腦”的字節跳動張一鳴和相信“人腦”的微信張小龍，但“二張”之爭的個中關鍵，依舊還看算法。

字節跳動發布會，言辭處處映射微信

關于視頻社交，年輕人，字節跳動有一個想法——于是“多閃”就誕生了。

在北京751D藝術區，抖音正式宣布升級私信功能，推出自己的獨立視頻社交產品多閃，這意味著抖音正式進軍社交領域。

先來看下這款APP有什么特點：

多閃是短視頻+社交的一款軟件，可以視作抖音后又一款短視頻軟件，抖音擁有的功能，多閃基本涵蓋；

多閃取消了點贊與評論功能，增加了“來訪記錄”，可以看到是誰看過了你的視頻；

表情包聯想，一言不合就斗圖；

優化了視頻收紅包的功能；

看似只是一場單純的、面向年輕人需求的產品發布會，但卻處處涌動著針對微信的感覺。

每個產品的誕生必然是先有用戶的需求。多閃產品負責人俆璐冉在介紹多閃的用戶需求時提到了三點：

我需要無壓力記錄分享生活

我需要不錯過一條我關心的人的動態

我需要與最親密的人互動形式更豐富

話里行間，時不時會透露對微信的諷刺：朋友圈已然成為工作場，在朋友圈中的言論已然不能再完全受自己支配；出現越來越多的“點贊之交”；逢年過節收到的紅包不希望是冷冰冰的，而是富有活力的。

不得不讓人懷疑，多閃這款產品的需求，除了從年輕人的角度出發考慮外，是否與微信存在著競爭關系，畢竟這款產品多項功能的設計著實抓住了微信目前的痛點。

當然，發布會現場中，主辦方也積極要求在場觀眾，掃描二維碼(大部人打開了微信)，下載多閃進行體驗。然而基本都出現了這種情況：

“歷史總是驚人的相似”，上午的馬桶MT剛剛被屏蔽，下午的多閃也立馬被屏蔽。

對此，今日頭條CEO陳林在圓桌論壇中表示：

我不覺我們跟微信是競爭關系，他們好比是通訊錄，而我們是在最親密的人之間建立關系。

真心希望不要一上來就這個樣子。希望微信可以盡快解封，讓更多用戶體驗。

話雖如此，頭騰之間的火藥味在此次發布會現場應該說是相當的濃烈了。

但在AI社交產品領域，發布會現場出現的種種狀況可以說是頭騰之間出現的一些皮毛交鋒了，“二張”之爭的個中關鍵，依舊還看算法。

張一鳴相信 “電腦”，張小龍相信 “人腦”

今日頭條的推薦算法，從 2012 年 9 月第一版開發運行至今，已經經過四次大的調整和修改。

今日頭條算法架構師曹歡歡博士曾公開今日頭條推薦算法的原理。實際上，今日頭條有一套通用的模式架構適用所有推薦場景。除了頭條之外，這一套推薦技術也用在包括西瓜視頻、火山小視頻、抖音、悟空問答等頭條產品，但每個場景的模型架構有些不一樣。

推薦系統實際上是擬合一個用戶對內容滿意度的函數，這個函數需要輸入三個維度的變量。

推薦系統本質上要解決的是用戶、環境和內容的匹配

我們來看看今日頭條算法的分析維度：

第一個維度是內容。圖文、視頻、問答等等，每種內容有很多自己的特征，需要考慮怎樣提取不同內容類型的特征來做推薦。

第二個維度是用戶特征。包括各種興趣標簽，職業、年齡、性別等，還有很多模型刻劃出的隱式用戶興趣等。

第三個維度是環境特征。

結合三方面的維度，模型會給出一個預估，即預測推薦內容在這一場景下對這一用戶是否合適。

典型推薦算法

推薦是一個很經典的監督學習問題。可實現的方法有很多，比如傳統的協同過濾模型，監督學習算法 Logistic Regression 模型，基于深度學習的模型，Factorization Machine 和 GBDT 等。

典型推薦算法

一個優秀的工業級推薦系統需要非常靈活的算法實驗平臺，可以支持多種算法組合，包括模型結構調整。因為很難有一套通用的模型架構適用于所有的推薦場景。

典型推薦特征

模型的訓練上，頭條系大部分推薦產品采用實時訓練。實時訓練省資源并且反饋快，這對信息流產品非常重要。用戶需要行為信息可以被模型快速捕捉并反饋至下一刷的推薦效果。

目前，頭條的推薦算法模型在世界范圍內也是比較大的，包含幾百億原始特征和數十億向量特征。

大規模推薦模型的在線訓練

在信奉算法理念之上，頭條系的每一個用戶都被打上了“標簽”，從你的興趣愛好、你的性別年齡、你的常駐地點到你偏好的閱讀時間等等，算法可能比你自己更了解你。今日頭條表示，這些用戶標簽非常有助于推薦。

反觀微信，在微信更新7.0版本之際，有媒體表示：“今日頭條靠機器算法，給內容和消費者兩端同時貼標簽，來實現匹配。微信靠的是‘氣味相投’、‘人以群分’的人腦算法，姑且稱之為‘圈層算法’。”

微信的圈層推薦機制，集中體現在“好看”。

在微信7.0版本中，公眾號每一篇文章底部的點贊按鈕變成了“好看”按鈕，點一點即可轉發到“看一看”頁面的feed流里。同時，“看一看”增加了“好看”tab，你也可以在feed流里直接通過點贊來轉發這篇文章，通過評論來分享觀點，而你的轉發和評論也直接展現在微信好友的看一看feed流中。這讓微信“看一看”擁有了類似微博的轉發和評論的社區功能。

張小龍信不信算法？起碼在內容分發上，張小龍更相信用戶的品味，他相信微信的人腦圈層分發機制，是可以做到優于機器算法機制的。在上周微信公開課的演講中，張小龍說：

……對于AI，其實從技術上來說，我們是特別認同它。但是我們一直認為，好的技術是為產品服務的，AI 應該默默躲在后面幫助用戶來做一些事情，就像語音識別一樣。

當我在內部提這些的時候，有同事問我，我們的目標難道不是盡可能的獲取用戶的點擊嗎？我們為什么要想那么多產品之外的東西？就像谷歌的員工為什么要反對公司把這一項技術應用在軍方項目一樣，我認為我們做的每一件事情背后，都是有意義所在的。

所以我們總是認為用戶怎么怎么樣，似乎用戶是一個陌生的我們不認識的一個人群，然后我們控制他們，施加他們。但是，在微信，我們要時刻提醒我們自己的是，我們自己就是用戶，我們施加于用戶身上的，最終也會施加到我們自己身上，有點像己所不欲勿施于人。所以到底施加到用戶身上是一個什么東西？這個確實值得我們反思。

年輕人的多閃，能為AI+社交帶來新的可能性嗎？

根據We Are Social《GLOBAL DIGITAL REPORT 2018》，全球40億網民中，活躍的社交網絡用戶有30億，比2017年增加13%。

同時根據CAICT數據顯示，由微信驅動的信息消費總額達2097億人民幣，帶動了3339億元人民幣的傳統消費，在2017促成就業人數達2030萬人。

人與人之間的交往，產生的數據是幾何級的增長，傳統的方式顯然已經跟不上這個速度，AI的介入是必然的。

我們看到，無論是相信算法力量的字節跳動，還是相信人心溫度的微信，兩者現在都在做一件事：往社交中注入AI。只不過前者是顯式的，而后者是隱式的。

首先，AI處理海量非結構化數據的能力，能夠很好的識別社交網絡中的不和諧內容，是目前各大社交平臺應用最多最成熟的功能之一。

其次，AI在知識圖譜、NLP、CV方面的應用，能夠更快速的為用戶提供符合口味的內容，更精準的匹配到想要認識的人。

再次，AI作為一個廣譜催化劑，能夠極大的促進平臺提取用戶價值的能力。

其實AI+社交已經應用很久了，只是大部分時間都被隱藏在幕后，沒有帶給大眾明顯的感知。

頭條這次讓AI從社交的幕后走向前臺，希望通過短視頻的形式找到一個突破口，打破已有的社交網絡格局。

這次嘗試或許能夠帶給我們新的啟發，在AI技術的加持下，是否有可能找到一種新的形式，甚至一種新的社交關系？

最后，向各位讀者提出一個問題。如果你（產品經理除外）用多閃，會添加同事和老板為好友嗎？