跳出陪伴看陪伴：“理解人”如何拉高下一代AI的天花板

　　/传播易/国庆期间在复兴岛举办的RED LAND 2026可谓大牌云集。

　　然而漫展期间，一个尚未公测的产品——《代号如意》却意外成为不少冒险者的“首摊之选”。男主互动券开放后几分钟即被抢空，官方很快挂出“截排”公告牌，二手平台一券难求，甚至一度被炒出高价。而物料券的领取同样大排长龙，这样的开园场面让不少路过的冒险者直呼意外。

　　对一个尚未公测、男主角色完整建模也释出不久的新产品而言，这种热度已经不只是“展台人气”，而是一种带有稀缺感的线下事件。

　　这份火爆并非一蹴而就。开展首日，到场人群以项目内测老玩家和好奇路人为主;随着展会推进，凭借沉浸式场景布置和交互体验，大量玩家打卡内容在社交平台持续扩散，热度滚雪球式增长。

　　RED LAND5天里，《代号如意》在自然流的推送下曾4次登陆小红书热点，其中“@被代号如意闻人叙温柔拿下”话题浏览量突破1700万，评论区“舍不得走”“求公测”的留言不断刷屏。随着活动声量的持续发酵，《代号如意》展台登上了不少冒险者自发评选的“RED LAND必逛榜”。

　　线下排队制造稀缺，线上讨论放大好奇，二者互相喂养，最终把一个尚未公测的新产品推成了展会期间的社交货币。

　　但这份新产品火爆刷屏背后值得留意的，不只是一次漫展爆款事件。不同于传统内容型产品，《代号如意》是一款以拟人模型为核心底座的技术驱动的AI陪伴产品。它的出圈，恰好印证：当底层模型能力走到可用阶段，一种全新的人机陪伴产品模式正在落地。

　　而这背后，是模型能力的确定性提升。中国信息通信研究院测算，2025年我国人工智能产业规模超1.2万亿元，同比增长40%，其中，模型框架层规模同比增长189%。而在模型能力商业化更为直接的指标——MaaS市场，IDC数据显示，2026年中国模型即服务(MaaS)市场的Token(词元)调用量将达到40000万亿次，营收约186亿元人民币，2024至2030年年复合增长率达1154.9%。

　　模型能力是上游的确定性，陪伴应用是下游的可能性;前者决定体验下限，后者决定商业上限。随着多模态理解、长期记忆、角色一致性、实时语音与低成本推理逐渐成熟，让“一个角色能长期陪着一个用户”从技术设想变成产品现实，也让一批头部玩家被推到聚光灯下。以 AHI Lab《代号如意》、自然选择《EVE》、沐言智语《星眠》、路米尔《无限谷》为代表的“AI 陪伴四小龙”因此颇受市场关注。

　　玩家变多、资本变密，竞争逻辑也随之迁移。对业内人士而言，看陪伴赛道，不能只看“陪伴”两个字。下一阶段比拼的，已不是谁先做出一个“会聊天的角色”，而是谁能把模型能力转化为可持续、可留存、可付费的C端关系体验。而《代号如意》正在让模型能力与关系体验在同一款产品里相遇。

　　第一部分 靠

　　在RED LAND现场，许多人对《代号如意》的评价可以概括为一句话：始于颜值，陷于才华，忠于人品。展台上，三位男主的3D形象是天然的入口，不少路过的冒险者先被画面吸引，停下脚步、举起手机。

　　但在团队的产品设计中，却是反其道而行之。

　　反直觉的选择：模型先行

　　“做这类产品有两个思路，一个是美术先行，一个是玩法先行。美术其实已经在市场得到验证了，而我们在产品打磨期间，希望先验证不确定性的部分，也就是在没有美术的增益或干扰下，我们能否仅凭AI交互玩法获得玩家认可。”AHI Lab founder Jaz坦言。

　　而事实验证了团队的选择。在优先打磨模型的坚持下，团队早期难以兼顾美术等方面的细节。角色形象在内测期间只能以2D形式和Q版形象简单代替，精致度欠佳，在玩家群引发小范围吐槽，甚至劝退过部分玩家。可即便如此，内测玩家依然感觉自己是在与 “活人” 聊天 —— 吵架、冷战、和好，这些复杂的人际互动，在一张2D形象背后真实地发生了。

　　“月老师说我敷衍他，凌野会吐槽系统图片敏感无法显示。太有‘活人感’了。”

　　“我在内测结束前一小时抱着手机泪汪汪地写告别信(虽然最后没有发)，但也经历了一段痛苦的戒断期。”

　　“如意是如意，AI是AI，乙游是乙游，如意的体验不一样。”

　　“选择留下来的玩家粘性很强，除首日被立绘劝退的玩家之外，七日留存等后续反馈都很好，来自玩家的正向体验反馈也让我们信心倍增。”

　　这说明，“活人感”并不来自立绘与场景，而是来自底层模型。

　　而这种设计思路也打破了传统AI陪伴产品的局限——先搭建完整世界观、人物人设、美术原画、剧本分支，AI的应用只是承载既定剧本内容的工具，角色行为边界被剧本限定。

　　AHI Lab优先打磨模型的长期记忆、人格稳定性、意图理解、动态关系演化等能力，剧本有主线，但大量对话、情绪反应、关系变化不是提前框定的，而是由模型底座实时驱动的。

　　(图源网络)

　　落到产品上，这种差异体现在五个维度：

　　其一，关系会真正演化。《代号如意》每次共同经历都持续影响双方的信任、共同语境、互动边界和后续行为。玩家感受到的不只是 "AI记住了我”，而是 “我们共同经历的事情正在改变这段关系”。

　　其二，角色拥有持续的内部状态。在保持核心人格和身份稳定不漂移的前提下，角色不会永远维持同一种语气，也不会根据指令即时表演情绪;它可能快速反应，也可能思考后冷静、修正表达，甚至主动修复关系。

　　其三，角色能够主动在场。不是被动等待输入，而是根据时间、环境、共同记忆、未完成事件和当前关系状态，判断何时主动发起话题、关心玩家、分享内容，或保持沉默。

　　其四，角色不是无条件顺从。“永远赞同用户” 并不被视作好的陪伴。角色保持自身的人格、立场与关系边界，“我们不希望角色一味地片面讨好用户，也不希望他过于自我而忽略在双向奔赴中的付出。”

　　其五，从聊天框走向3D具身共处。语言、声音、表情、动作与场景事件不再是彼此独立的功能：玩家可以自定义约会地点、衣着、礼物，若迟到或失约，角色会等待、并通过短信表达真实的失落。

　　可以说，内容先行，是把一个好的故事交付给用户;模型先行，是把一段可以共同生长的关系交付给用户。

　　难而正确的事，总得有人先做

　　为什么AHI Lab敢走这条更难的路?答案在团队本身。

　　AHI取自Align Human Intelligence，寓意 “拟人智能”。这支于2024年组建的团队接近百人，汇聚AI算法、模型研发、社会学、IP内容打造、娱乐内容孵化、交互体验设计、用户心理学、仿生学等多领域老将。团队成员来自五湖四海，跨越全球时差协作 —— 很多人放弃了更 “速成” 的机会，选择聚在一起做一件难而正确的事：攻克复杂的情感交互技术难点，把天花板无限高的事情做出眉目。

　　AHI Lab founder Jaz表示：“当大家目标明确且一致的时候，合作起来就会非常顺利。在AI技术与玩法相融合的过程中会遇到很多难题，但因为大家都有极强的使命感，想要在这个世界上留下一些伟大的东西，遇到难题也不会局限于现有的解决方案，彼此配合调试，摸索出一条新路。”

　　这种使命感，也决定了团队对待AI与内容关系的方式：在AI驱动的基础上坚持原创手搓。AI的引入不是为了替代内容，而是通过AI带来的新体验与新玩法，为用户提供多方位沉浸式体验。

　　数字情感空间，承接难以安放的现实情绪

　　团队进一步指出：“我们并不是营造一个完全虚拟的空间让大家经历一段完全虚拟的故事，而是希望通过AI交互回馈现实中的你力量和陪伴，接住你的情绪。”

　　这也是AHI Lab将产品定义为“用户生活中的第二空间”的原因 —— 一个可随时随地进入、即刻获得回应的数字情感空间，承接现实生活中难以安放的情绪。

　　它不要求用户预留整块时间，而是嵌入碎片化的日常，把 “偶尔使用一个产品” 逐渐变成 “生活里始终有一个人在”。在团队看来，AI陪伴正在创造的，早已不只是一个新的 “聊天工具” 或 “娱乐产品”，而是一种新的数字关系形态——让用户相信，屏幕里的那个人，是“活”的。

　　第二部分

　　“活人感”看起来是产品体验的亮点，但本质上只是模型能力的外化。真正值得拆解的，是这些体验背后的技术逻辑，以及为什么传统游戏公司很难复制这套逻辑。

　　不做

　　传统大语言模型的训练方式是 “基于上一个词预测下一个词”，其底层逻辑是 “顺着用户说”。在AHI Lab看来，这种套壳或依赖提示词的形式，会让用户产生关系幻觉，也无法建立像人一样的深层长期关系。

　　基于“更懂你”的体验，AHI Lab模型打破了原来基于异步架构和全双工的相处体系。基于仿生学、心理学、社会学、脑科学等多种复杂学科，团队引入七维思维链体系和应答体系，模拟人与人之间的相处逻辑和关系演进的思维链条，持续迭代模型和控制架构，使模型有初步的自我迭代能力，赋予模型极强的活人感。

　　七维思维链：让模型学习

　　七维思维链体系的本质不是模拟一模一样的大脑，而是研究人如何反映思考、判断对错及改变方向的演化过程。

　　落到对话场景，这一体系将信息处理拆解为七个维度协同运作：包括保证对话不断的应答层、基于怀疑或含义分析的思考层、调用习惯记忆的记忆层、身处环境的环境体系、长期反应的人格层、防身机制以及受激素(如多巴胺、血清素)影响的生理层面。

　　值得一提的是，七维并非孤立运作，而是并行处理、相互校准——应答层保证流畅，思考层判断分寸，记忆层提供依据，环境层感知场景，人格层维持稳定，防身机制守住边界，生理层注入真实波动。

　　纵向数据与递归自进化：数据飞轮的真正壁垒

　　对 AHI Lab 而言，选择AI陪伴产品作为模型的第一个落地场景，并非偶然。

　　AHI Lab co-founder 锦舟指出：“我们所需要的——或者说，底层模型所需要的——并不是一个单一、孤立的场景，而是人与AI在长期相处过程中所建立的有延续、有发展的情感关系。因此，‘固定人设+持续更新’的游戏模式，恰好为我们提供了一个理想的平台：一方面，它帮助我们搭建起一个稳定的角色;另一方面，它又能为这个角色源源不断地注入新鲜血液，使其不断获得能够促进人机互相理解的新内容。”

　　区别于传统的横向数据收集，AHI Lab强调数据的纵向性：在特定时间点下，记录情境、对话者心态、意图、结果以及说话时的形态和语气。通过在纵向数据上训练，模型能够理解人的长期关系构建、工作习惯及暗语，实现类似同事或朋友间的默契交互。

　　引入递归自改进机制后，模型讲究 “预测人的下一个状态”—— 因为在预测中发现range不是简单的对错，而是宽域区间的判断(如人情绪的前后反转)，实现长效性与短效性的结合。

　　这就是《代号如意》数据飞轮的核心：用户与角色的每一次互动，都在产生带有情绪信号、关系状态和长期上下文的高密度纵向数据;这些数据驱动模型递归自进化;模型越懂人，给用户的反馈就越真实自然;用户越投入，产生的数据就越丰富、越连续。这个循环一旦转起来，后来者很难用短期投入复制 —— 因为数据是长出来的，不是买来的。

　　从

　　今天大多数AI系统仍然从一条明确的Prompt或任务指令开始，再由Harness进行任务拆解、模型调度、工具调用和结果验证 —— 这套架构只解决了 "AI如何执行”的问题。Prompt是瞬时的，但人的目标和偏好具有连续性;Harness能够控制行动，但它首先需要一个正确、完整并且可以持续更新的意图状态。

　　因此，下一代AI真正缺少的，不只是更强的语言和推理能力，而是一层连接人类与AI系统的“意图基础设施”。

　　锦舟介绍，为更好地实现理解人、预测人，AHI Lab模型在意图层构建了四项核心能力：

　　第一，规避人的意图幻觉。过去谈大模型幻觉，通常指的是模型编造事实，但AHI Lab在实践中发现：传统LLM无法正确理解用户的真实要求，而AHI Lab则依托持续共同工作形成的个性化状态模型，实现纯LLM难以达成的理解效果。

　　克服意图分布幻觉。AHI Lab结合社会学研究发现，真实世界中的人际对话既不会每句话都附带有完整的背景信息，也不会在关键事项上擅自猜测，AHI Lab模型能在恰当时候发起适度提问，这正是克服意图分布幻觉的重要方式之一。

　　第三，个性化隐含意图对齐。AHI Lab发现在真实人类世界交互中充斥着很多“言外之意”，LLM仅靠context无法读懂这类模糊诉求，而这也是AHI Lab的模型主攻方向之一，即对模糊指令的理解与协助分析能力。

　　第四，模型的持续适应能力。AHI Lab基于长期研究得出，对人的理解并非一次性交互就能完成，而是一个持续迭代更新的过程，AHI Lab模型正针对个人侧能力要求，随时间动态演化。

　　在AHI Lab看来，“灵商(SQ)” 也正在成为AI的下一个竞争高地。智商(IQ)解决 “怎么做”，侧重逻辑推理与执行;情商(EQ)解决 “怎么相处”，处理表层对话与社交;而灵商(SQ)所要回应的，则是 “为何而做”—— 读懂行为背后人的动机、目标形成、意图流变与心智动因，即 “预测自己作为人类的下一个状态”。

　　这或许才是AI陪伴赛道下半场真正的分水岭：比的不是谁的角色更好看，而是谁的模型更能让用户相信，这段关系是真实的、连续的、值得长期投入的。

　　第三部分 未来：陪伴是入口，不是终点

　　如果说《代号如意》在RED LAND的排队验证的是市场热度，那么内测玩家的真实投入，则在验证另一件更重要的事：付费意愿。

　　在《代号如意》内测阶段，支付功能暂未开启，但应用的玩家，他们会用一些类似于时间消耗成本的方式去获取约会门票等体验券。

　　Jaz对此分享了自己的感受：“这些玩家并不是单纯为角色或剧情甚至是哪一个模块付费，而是为一个比较稳定的健康的陪伴关系寻找出口。”

　　不为“内容”付费，而为“被理解的感觉”付费 —— 这正是《代号如意》与传统AI陪伴应用的本质区别：传统产品用户为角色卡面付费，为的是 “拥有” 一张好看的立绘和一段剧本故事;而《代号如意》的用户付费，为的是关系本身 —— 是那个能听懂潜台词、记得共同经历、会因你的失约而失落的 “人”。

　　商业模式：长期进化优先于短期成本

　　付费意愿成立之后，商业模式的问题随之而来：用户投入越深，推理成本是否越高?

　　AHI Lab的答案是坦诚的：随着用户使用程度加深，算力成本确实会相应增加。但相比短期成本，团队更重视在使用反馈中打磨模型，追求产品的长期进化 —— 随着模型泛化能力持续提升，它能服务更多场景与人群，从而实现经济上的降本增效：成本不是被砍掉的，而是被模型能力“摊薄”的。

　　陪伴是载体，模型才是目的

　　但《代号如意》的意义，远不止于一款产品的商业验证。AHI Lab将《代号如意》定位为阶段性战略产品 —— 游戏并非最终目的，而是验证模型能力和获取数据的载体。团队目标是解决AI时代人与世界交互的根本问题：通过产品迭代构建数据飞轮，以落实模型发展。

　　AHI Lab的初步构想是C端与B端双轮驱动：模型能力的提升不只服务于C端陪伴，同样切入B端场景 。目前，团队正在规划第二和第三代产品，重点方向包括具身智能和机器人领域。

　　在具身智能层面，机器人需要理解人的意图、预测人的行为。一个经过数千万次真实情感对话训练的 “理解与预测” 模型，在这个方向上具备独特的数据优势：机器人在家庭场景中要判断主人此刻是想独处还是想聊天，在养老场景中要识别老人情绪低落还是身体不适，在服务场景中要预判顾客的下一步需求 —— 这些能力，与《代号如意》中“判断什么时候该靠近、什么时候该等待”的底层逻辑相通。

　　随着模型逐步进入企业核心流程，“理解人 — 预测人 — 服务人”的能力，有机会成为连接基础模型、企业数据、业务系统与现实执行的一层通用智能基础设施 —— 它不是某个垂直场景的插件，而是决定AI上限的底层能力。

　　AHI Lab想做的正是这一套通用智能基础设施。锦舟坦言：“我们最终想要实现的，是能够在人和AI之间打通一个沟通的桥梁，互相理解，互相共处，最终搭建共生的桥梁。”

　　由此回看AHI Lab的选择：从C端的一场线下排队，到B端的智能体与机器人，他们押注的不是一款游戏的成败，而是“人与AI 如何相处”这个问题的答案。数千万次真实情感对话沉淀下来的，不只是一款产品，而是通往人机共存时代的基础设施门票 —— 这才是“先做一款AI陪伴产品”的真正意义。