另一方面，尋找AI應(yīng)用落地場景的時候，不再想搶用戶的時間了，因為之前做移動互聯(lián)網(wǎng)的時候發(fā)現(xiàn)，用戶時間被占滿了，8個小時已經(jīng)在線上了，他有游戲要玩，有短視頻要看，我認(rèn)為我們不要跟用戶搶時間，而是陪伴用戶——這是做逗逗游戲伙伴最初的想法。

同時，我們認(rèn)為AI技術(shù)在發(fā)展過程中，要更好地滿足用戶真實的需求，還是從用戶自身出發(fā)，與用戶經(jīng)歷相關(guān)。

我們發(fā)現(xiàn)B站用戶年輕人有一個很典型的特點，他們都喜歡玩游戲，游戲是年輕人的社交話題，在游戲過程中，一個很大的痛點在于找朋友一起玩，而且很多游戲是單機(jī)游戲，都是一個人在玩，這個過程中能不能有朋友一起陪著他，給他提供更多的情緒價值，這是我們的出發(fā)點。

簡單來說，逗逗游戲伙伴的核心點是進(jìn)入已有場景，而不是新的場景，滿足已有的需求而不是創(chuàng)造新的需求。想要做大，先要從小做起。

逗逗游戲伙伴的核心功能是在應(yīng)用中有各種性格、風(fēng)格的人物，除了可以跟你聊天、唱歌，更重要的是可以跟你一起游戲?！八麄儭蹦軌蚩吹侥愕挠螒虍嬅?，跟你共情，慶祝你的高光時刻，或者吐槽你手殘的操作，在游戲過程中給予我們額外的情緒價值。

這個需求的底層邏輯是什么？是滿足游戲場景里面完美的社交、炫耀、成就感的需求。

人們都喜歡被重視，例如在游戲廳，打個街霸旁邊總會圍著很多小伙伴，躍躍欲試或者為你喝彩，讓你感覺這個游戲很有吸引力，自己的游戲成就也希望及時被分享、認(rèn)可，帶來豐富的情緒價值，讓快樂加倍。

兩大變化環(huán)境因素

從產(chǎn)品面世至今，做AI產(chǎn)品的環(huán)境因素發(fā)生一些重大變化。

第一點是行業(yè)技術(shù)的變化，特別是大模型底層的變化，因為大模型的進(jìn)步讓我們原來不可思議的事情變得可能，讓體驗變得更好。

舉個例子來說，像攻略搜索，像AI搜索在以前有各種幻覺問題，得用各種RAG來做輔助，在沒有推理模型之前，對RAG寫Prompt是一個很講究藝術(shù)的事情，RAG的先后、Prompt文本的先后，結(jié)果是不一樣的，因為經(jīng)常會被干擾，那個時候背景知識的補充不是越多越好。

現(xiàn)在有了推理模型之后，我們把所有搜索到的東西都可以放進(jìn)去，而且也不用太關(guān)心它的ranking，它的順序，模型自己能推理，能回答得很好，這是一個很明顯的變化。

逗逗游戲伙伴即將要上線的新版攻略搜索，準(zhǔn)確度可以達(dá)到90%以上，基本上可以變得可用了，這個在行業(yè)里AI搜索也是一樣的，在沒有推理模型之前，大家會覺得AI搜索不是很有用，有了推理模型之后，AI搜索變得很好用，這是一個很大的變化，技術(shù)推動巨大的變化。

第二個變化是用戶對AI的接受度，大家會越來越被AI普及，去年可能早期是豆包，后來是DeepSeek。

其實在國內(nèi)整個AI的普及率是非常高的，比海外很多的地區(qū)要高。大家已經(jīng)慢慢習(xí)慣了AI的使用和AI的場景，這是一個非常好的事情，大家會更愿意接受，也更愿意探索這些事情，我覺得大家來做產(chǎn)品，做應(yīng)用也是一件好事。

切實解決用戶需求，做時間的朋友

從單次爆款到常青樹，維持用戶粘性和長期優(yōu)勢關(guān)鍵的因素核心主要有幾點：

第一，最重要的還是要切實、真實地解決用戶的需求，從用戶的痛點出發(fā)，真正給他端到端的完整體驗，哪怕只有一部分是AI能解決的，不完全是AI的部分也要做，給大家真正端到端的完整體驗，這點最重要。

第二，比較重要的是做時間的朋友，隨著技術(shù)的發(fā)展，行業(yè)的變化，越來越多的技術(shù)和應(yīng)用不斷疊加，追趕時代的浪潮，交付更多超出預(yù)期的功能，這個是比較重要的。

逗逗游戲伙伴通過幾個方式維護(hù)用戶黏性——

我們有比較多的人物形象，用戶平時與這些人物的聊天、溝通都會形成數(shù)據(jù)，這些數(shù)據(jù)形成情感羈絆。

有了這些豐富的聊天數(shù)據(jù)，加上伴隨場景過程中能夠看到整個畫面，AI就能夠了解用戶很多的行為、習(xí)慣和愛好，形成精準(zhǔn)的用戶畫像。

基于這個畫像，我們不斷訓(xùn)練平臺上的AI人物，讓他們更加個性化，甚至比用戶自己還要了解自己。

另外在生態(tài)層面，越來越多的UGC、PUGC的數(shù)據(jù)沉淀，我們同生態(tài)伙伴上下游的合作，包括我們和OEM廠商，游戲廠商的伙伴合作，能夠形成一個整體的、全方位的包裹，讓用戶價值得到充分的滿足。

下一輪機(jī)遇：多模態(tài)理解

下一輪增長的關(guān)鍵驅(qū)動因素和新的場景/應(yīng)用機(jī)會，我自己覺得有一個方向可以看，就是多模態(tài)的理解。

多模態(tài)的生成有很多人在做文生圖、文生視頻，其實多模態(tài)理解也有很大的機(jī)會，理解指的是理解整個video，而不是單一圖片的這一幀里面有什么物體。

我們可以想象一個場景，如果AI跟你一起看完一場90分鐘的足球比賽，跟你一起討論大家的表現(xiàn)、教練的排兵布陣、大家的戰(zhàn)術(shù)；或者看了一下NBA，打場游戲，復(fù)盤王者榮耀這把怎么樣，討論團(tuán)戰(zhàn)打得好還是不好，這些都會是很有意思的場景。

以前移動互聯(lián)網(wǎng)和MVP模型在AI時代不成立了，你用最小模型、最短路徑試這個需求對不對、產(chǎn)品對不對，很有可能出現(xiàn)變化和偏差。AI時代，可以更多地去預(yù)測未來什么場景會是剛需，什么技術(shù)能滿足需求。

沿著這個點做，做時間的朋友，是有很大的機(jī)會。

想要確定具有共識的機(jī)會是很難的，這是大廠會做的事情，我們創(chuàng)業(yè)公司不要做。

（能不能小小透露一下像您剛說的多模態(tài)技術(shù)，在2025年有了非常顯著的增長，逗逗有可能會開挖哪一個新的場景和功能？）

基于一場游戲和你一起討論，比如英雄聯(lián)盟或者王者榮耀，一起討論走位好不好，說出你的小心思或者毒舌你兩句，很多游戲玩家會覺得這挺有意思的。

原本他們在游戲里是閉麥的，他們通常不喜歡打人機(jī)，感覺對面是機(jī)器沒法交流，包括原來的DotaAI在打游戲的時候也是純機(jī)器行為，玩家沒法指揮它。

但現(xiàn)在，逗逗游戲伙伴在理解基礎(chǔ)上強化學(xué)習(xí)，就能真正實現(xiàn)AI隊友跟你排兵布陣，對面四個人不需要罵豬隊友把你坑了，完全明白你的小心思。在玩我的世界的時候，AI伙伴會幫你一起建城堡，他知道你的目的，你只需要出設(shè)計思路

，他能幫你把重復(fù)的事情給做了。

我們的初衷是期待玩家有更多這樣的體驗，目前也在積極開發(fā)這類功能。

后記：

我們了解到目前心影隨形也還在開放招人，若你也有“用AI創(chuàng)造快樂”，想和他們一起為全球更多的游戲玩家?guī)砼惆?、帶來快樂，趕緊加入他們吧。

簡歷投遞郵箱：talent@huoban.ai，職位崗位信息見如下海報。