斯坦福校友再创业，用AI让朋友多见面

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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”。