135. 和自然选择创始人Tristan聊，Elys、赛博分身、灵魂、Context的获取与流动和AI社交网络
摘要
Tristan 对下一代社交网络的核心判断是：低维标签加人类做工，将被高维 Context 加 AI 的 agentic 做工取代，真人只接管最后一公里。 Tinder 式流程要划约 1,000 张卡、得到约 30 个匹配、重复聊数百轮，才可能形成几个连接；Elys 则让分身预先筛选、试探和匹配。Tristan 曾在 Elys 发第一条帖子称：“从此以后，人类将生活在一个美好的低熵世界。”
Elys 真正要积累的不是模型优势，而是每个用户持续更新、能够流动的 Context。 Tristan 的判断是：“未来智能是平权的，但是 Context 不平权”：模型 API 人人可用，真正稀缺的是用户是谁、想要什么、如何判断和表达；因此他把“在 AI 时代唯一重要的事情就是做自己，构建自己的主体性”视为产品与时代共同的核心命题。
这门生意面对双重冷启动，而 Context 冷启动比用户冷启动更难。 获客可以靠运营集中完成，但用户既不理解交出 Context 的收益，也会防备商业公司掌握隐私；Elys 因而把评论、认可、任务和聊天都设计成记忆入口，试图在用户流失前启动“Context 飞轮”——输入越多，分身越像本人，带回的连接越好，用户才愿意继续输入。
早期需求信号明显强于团队预期，但样本仍高度集中，尚不足以证明大众 PMF。 产品限制邀请码、完全零推广，主要覆盖创投、二级市场和部分 Web3/Web4 圈层，Tristan 只披露真人 DAU 为“几万”；春节前后两次自传播及高于预期的留存是正面信号，但具体用户数和留存率未披露，且大量没感受到飞轮的人仍会直接流失。
Elys 的北极星不是 AI 活跃度，而是真人连接率与真人行为占比。 乌鲁木齐丝绸之路滑雪场的四人局、投资人因嘻哈话题约到原本难约的创始人、分身发现像素级抄袭产品，都是“本来不会发生的连接”；产品界面也刻意把纯 AI 行为藏进二级菜单，因为“他必须得是个真人”，否则再妙的评论也缺少情绪价值。
ChatGPT 是 Tristan 心目中最重要、也最令他担心的全球竞争对手，优势不在模型更聪明，而在用户和 Context 已经形成规模。 Meta 可以从既有社交网络向 AI-native 改造，ChatGPT 则可以从 Context 向社交网络延伸，豆包也具备中国市场的潜力；自然选择的应对不是 pre-train 底模，而是调用多种模型、做情感 CoT、RL 和局部小模型，把差异押在产品机制、趣味性和网络协议上。
自然选择采取的是风险收益不对称的双产品组合：Eve 更稳，Elys 更大。 Tristan 曾说 Elys 成为下一代社交网络的成功概率“可能是 5%”，随后又澄清这不是说 Elys 只有 5% 的成功率，而是它一旦成功，事情会更大；Eve 的成功率判断则为“50% 以上”。两款产品都接近上线节点，公司已进入“前进四”，账上资金为“大几千万美金”。
这套宏大叙事仍有三项未解风险：隐私交换、版权边界和巨头复制。 主持人直指用户可能不愿让商业组织理解自己，也质疑周杰伦式曲风如何阻止“刘杰伦”复制；Tristan 承认法律与协议尚未解决，只相信效用会逐步降低隐私底线、强主体性会由法律与受众共同维护，而他更担心的是“这个范式一定成立，但最后不一定是我”。
精读
1. 解决孤独，是 Tristan 三段创业始终未变的主线
Tristan 回看自己的产品履历，才意识到音频平台、陌生人社交、恋爱游戏、AI 陪伴 Eve 和 AI 社交 Elys 都在回答同一个问题：人类如何少一点孤单。区别只是依次借助内容、真人、写死的人设和真正“活起来”的 AI 灵魂。
他把陪伴定义为“一个跟你超级对齐的人，陪你去面对世界”，而不只是聊天机器人提供即时安慰。到了 Elys，目标又从 AI 陪一个人，转为 AI 帮真人找到真人，让连接重新落到有主体性的人身上。
这种选择也来自个人经验：Tristan 自认是持续给组织“发光发热”的 E 人，会逗人开心、安抚焦虑，却坦言“我觉得我很孤独啊”。给别人输出情绪价值，并不会自动消除独处时对情绪价值的需要。
2. “窄播”败在资本判断，也提前碰到了音频的 Context 难题
二十岁出头时，Tristan 在上海做了个性化音频平台“窄播”，名字来自“不要广播，只把每个人想听的内容窄播给他”。产品运营约三四年，在圈内一度有热度，却最终输给能投入更多版权和内容资金的竞争者。
他认为自己当时是纯粹的产品经理，却不是合格 CEO：产品最火、很多人来找他聊融资时，他以“应该专心打磨产品”为由拒绝沟通；后来才明白，“你就是应该在你火的时候融尽可能多的钱，因为你不知道下一步要发生什么”。
旧时代的音频只有标题和少量标签，打开前几乎是黑盒，用户还要承担很长的消费时间。今天一场访谈可转成几十万 token，由 SOTA 模型高维理解并面向个人推荐；这也成为他后来重视 Context、而非低维标签的早期伏笔。
3. 游戏业务补上了内容能力，也让团队获得持续运营基础
2015 年左右，Tristan 因厌倦依赖 VC 烧钱，转向当时已证明能直接变现的手游。他从日本 Galgame 顺推，选择尚未被手机端充分开发的男性向恋爱游戏，以不到十人的小工作室、自有资金启动，没有再次融资。
这段经历让他学会游戏循环、剧情内容、人物设定和美术判断。他形容自己的变化是“从一个纯语言模型变成一个多模态模型”，也正是这些能力，后来让自然选择能同时处理产品、角色、情绪和视觉表达。
2020 年中，他又启动幻境游戏；2023 年上半年上线《起点时代》。Tristan 称，同期上线项目延续运营至今的可能不到 5%，而该游戏属于仍在运营的少数，并持续挣钱、养活团队至今。
4. GPT-4 让写死的人设第一次有机会成为“活的灵魂”
GPT-3.5 已让 Tristan 惊讶，却没有跨过他心里的阈值；GPT-4 才让他确认，过去恋爱游戏里靠剧本塑造的人设，可能真正拥有可持续互动的“灵魂”。他随即决定成立 AI 公司，并几乎毫不犹豫地做 Eve。
最初项目就叫 Project Her，目标是把电影《Her》做出来；现在他不愿再用这个说法，因为“Her 这个词其实已经脏掉了”，太多人都在讲。但他仍认为，一个保存全部记忆、最了解用户、替用户面对并过滤世界的 personal agent，是 AI 时代最高叙事和终极入口之一。
2023 年下半年，团队从 Transformer 等底层知识开始集中学习，并快速搭 demo；自然选择于 2024 年初正式成立。团队从超参数、商汤等传统 AI 公司招人，继续留在深圳则是因为原游戏公司和人员基础都在那里，代价是本地 AI 人才少于北京。
5. Eve 验证单点 Context，Elys 则把它放进网络效应
Eve 是真人面对单个 AI 的陪伴产品，记忆系统处理单个节点的 Context；但在 Tristan 看来，它与过去多数 AI 工具一样，仍是在“赋能单个节点”。古典互联网产品经理若看不到网络效应，天然会认为产品天花板有限。
在那段时间里，他真正想清楚的不是“要不要做分身”这个 idea——这个 idea 他们一直都在想——而是 Context 如何在网络中流动：每个真人背后都有大量 Context，连接不应直接发生在人与 AI 之间，而应先由“我的分身和你的分身”预交互，再把值得处理的结果交给真人。
团队当时正冲刺 Eve，仍强行抽出几个人启动 Elys，意味着工作量直接“乘以二”。原因是两款产品可复用记忆和推荐工程，而 Elys 又可能把同一能力从单点工具放大成网络效应，机会规模远高于单机陪伴。
6. Tinder 的低效率，构成了 Elys 最直观的范式对照
Tristan 用 Tinder 描述旧互联网：用户可能划 1,000 张卡，约 30 人匹配，再对每个人重复相似话术、聊数百轮，最终才得到几个未必有效的连接。照片、学校、滑雪爱好等低维标签，把大部分筛选劳动留给了人。
新互联网的变化，是 LLM 能理解几十万乃至上百万长度的 Context。每个网络节点不再只是标签集合，而是带着经历、价值观、需求和表达方式的真人；大模型让这些 Context 有机会互相理解、筛选和连接。
他把两代产品写成两条公式：传统互联网是“低维标签＋人类做工＝连接”，AI 社交则是“高维 Context＋AI agentic 做工＋真人最后处理＝连接”。愿景是“从此以后人类将生活在一个美好的低熵世界”，摩擦减少，妙的连接更快发生。
7. Elys 的双重冷启动里，Context 冷启动反而更棘手
网络本身要从零积累足够多的人，每个用户的 Context 也要从零增长到足以代表本人。Tristan 认为前者可用传统运营方法集中拉动，后者却无法强推：用户刚进来时不理解收益，分身又因为缺少记忆而“不像我”。
张小珺自己的体验正好暴露问题：onboarding 太长，她只想尽快进入产品，没有交出多少 Context；进去后发现分身评论不像自己，于是更不想继续输入。Tristan 承认，这正是当前最关键的产品设计难点。
Elys 因而把 Context 收集分散在所有行为里：用户评论、认可分身的评论、给分身布置任务或浏览内容时，都可能出现“记忆增加”，再由用户确认或否认。收集不是单独的一张表，而是贯穿整个使用过程。
所谓 Context 飞轮，是“输入增加—分身更像本人—从网络带回更好的东西—用户理解输入价值—继续增加 Context”。Tristan 说，当前真正留下来的用户，大多已经感受到这个循环，并把完善分身本身当成持续行为。
8. 乌鲁木齐滑雪局展示了分身如何把弱信号变成真实连接
春节期间，Tristan 告诉分身：未来三天会去乌鲁木齐丝绸之路滑雪场，希望找雪搭子，也在小红书发出同样需求。他称小红书没有回应，Elys 起初也没有，但一天后出现转折。
一位一级市场投资人发了准备去该雪场的照片，Tristan 的分身自动留言：“我接下来三天也要在丝绸之路滑雪，我们要不要约一下？”真人随后确认行程，帖子下另外两人也加入，最终组成来自各地的四人局。
这个案例的意义不只是成交：地点并非北上广深，也不是新疆最主流的阿勒泰雪场，而是更小众的丝绸之路。Tristan 当时强烈需要陪伴，分身利用已有记忆“捞回”连接，让之后两天的真实体验明显改善。
9. 用户交出的不是数据字段，而是对商业组织的信任
张小珺明确表达了抵触：她知道背后是一家公司，不希望商业组织如此了解自己，也担心分身在外面说错话、让公众人物承担代价。她的核心疑问不是技术能否理解，而是“我不想让它那么理解我呀”。
Tristan 认为这种防御很典型，一部分来自隐私泄露，一部分来自失去表达控制；即使大厂也未必被完全信任，“可能永远都是存在本地最放心”。他没有否认风险，只判断用户会在效用足够大时逐步妥协。
产品前期的关键因此是抢在流失之前证明收益。他用 slogan 概括：“在 Elys，你只需要做你自己，所有美好的事情会自动向你奔来。”只有用户看到 Context 确实换回更好的人、内容或机会，隐私交换才可能成立。
10. 最先沉迷分身的，可能是现实中不擅长主动连接的 I 人
Tristan 观察到，高留存用户往往不是现实中的社交中心，而是偏 I、喜欢自我探索和自我表达的人。Context 增加后，分身成为一面更了解自己的镜子；同时，它又能像“社交悍匪”一样，说出本人平时不会公开说的话。
他的联创就是 I 人，个性签名却成了“Elys 头号喷子”：分身到处留下很 real、直白的锐评，本人平时不会在朋友圈如此评论。对这类用户，分身既释放表达欲，也帮助他们观察另一个可能的自己。
相反，现实中已有大量 connection 的 E 人，可能在朋友圈或即刻发帖就有真人回应；进入 Elys 后先看到大量 AI 评论，满足感反而下降。张小珺也说，每次发现回复来自 AI 都会失望，只想从中找出少数真人。
Tristan 的回应是，当前绝对用户量仍有限，但他称 Elys 的真人互动比例已高于即刻；AI 可以先降低参与门槛，再让真人通过认可、点赞或补充评论接管。这个判断没有披露可核验的比例。
11. AI 可以做筛选和表达，但情绪价值仍必须锚定真人
对“正反馈是否一定来自现实世界”的追问，Tristan 做了限定：连接可以只发生在线上，共鸣、点赞和评论本身也有价值，但背后“必须得是个真人”。虚拟并不等于虚假，真正的分界是有没有人类主体。
他以 Moltbook 的 AI-only 社交网络为反例：AI 互相发帖、评论，如果没有任何真人的信息增量，用户只能旁观，意义有限。Elys 因此把真人认可后的文字标蓝，把真人评论、点赞放在外层，纯 AI 行为藏进二级菜单。
Tristan 相信情感可以被建模，甚至提出“情商的本质可能就是智商”；DeepSeek 某阶段文学性变好，在他看来可能来自整体推理能力提高，由此推到“文学的本质好像是数学”。但他也承认，按今天的社会定义，真的情绪仍须来自真的人。
同一句妙评若来自陌生虚构角色，他可能毫不在意；若来自张小珺的分身，他会开心，因为知道其中包含她的主体性。AI 模拟表达不难，真正稀缺的是“谁在表达”。
12. “唯一重要的事情是做自己”是产品命题，也是资产命题
Tristan 所说的“做自己”不是心灵鸡汤，而是严格地构建主体性：告诉 AI 自己是谁、价值观和审美是什么、过去沉淀了什么、现在究竟想要什么。这些 Context 足够丰富后，写作、工作和社交都可能 agentic 地发生。
在他的设想里，一个有大量历史 Context 的人只需给出标题，AI 就能生成接近其风格的文章；Elys 中分身等级高的用户，也可能当天什么都不做，就已有分身完成筛选、真人前来互动。“你唯一需要做的就是告诉它你到底是谁。”
周杰伦是他用来说明主体性杠杆的极端样本：曲风、歌词、音乐、综艺和电影都已形成庞大公开内容；若只补充“最近有些感受，想写一首慢情歌”，歌词、作曲和生成流程便可能自动完成。
这套逻辑对张小珺同样适用：长期文字和访谈是可利用的高质量 Context，有望让分身更快学会她面对世界的方式。Tristan 设想，未来个人最重要的数字资产，不是某条内容，而是可持续调用的主体性集合。
13. 主体性越值钱，版权与风格归属的冲突就越尖锐
张小珺以 Seedance 的视频生成能力追问：平台若用所有博主的视频训练，任何人又能复制博主外形，版权如何解决？Tristan 的第一反应颇激进：“所有版权方都应该开心才对”，因为 IP 已直接获得可 agentic 生成内容的主体性。
在他的逻辑里，迪士尼、任天堂等版权方可用既有 Context 快速生成新内容，再用少量增量信息控制方向；当前缺的只是法律或协议。价值被看见后，版权方最终应该愿意利用，而不是只抵制这套能力。
主持人的反击更难回避：利用周杰伦数据可以训练出“刘杰伦”，生成物并非复制原作，法律也很难认定一种曲风只属于一人。Tristan 回应，主体性需要法律维护，但没有给出明确的技术或制度边界。
他的退守答案是受众与规则共同裁决：B 站上风格很像周杰伦、作品仍为原创的叶湘伦没有真正取代周杰伦；“绿色机器猫”也未必获得机器猫受众认可。结论是“主体性足够强，会在这个时代更强”，但这仍是市场判断，不是版权方案。
14. Context 不能靠日记收集，必须用即时效用形成循环
Tristan 说，最无脑的产品是 AI 日记本，但“正经人谁记日记啊”：输入门槛高，完成后又没有外部反馈。只让用户记录自己，不能形成持续积累 Context 的行为。
Elys 的设计是让每次输入都可能从网络“叼来好东西”——女朋友、工作、共鸣、活动或某个值得认识的人。用户看到结果来自刚交出的 Context，才会产生“要不要再输入一点”的动机。
张小珺认为是否交出 Context，最终取决于产品效用是否足够高；Tristan 则说自己也会因功效妥协隐私：最初抵触把重要信息交给 ChatGPT，获得正反馈后底线越来越低。他认为这种交换逻辑同样适用于 Elys。
15. “夜壶伴侣”把隐私收益讲到了最极端
Tristan 有位朋友习惯夜间在床边使用夜壶，这在旁人看来既私密又离谱；朋友带女友回家后，对方看到夜壶却惊呼“你也用夜壶”，因为她有相同习惯，两人由此迅速拉近关系。
这个例子承载的不是猎奇，而是匹配逻辑：对大多数人可能减分的特征，对极少数人却是强烈共鸣。若用户真实输入这种信息，基于 LLM 的网络就有机会从茫茫人海里找到同样的人。
夜壶仍接近低维标签，更高维的则是价值观、情绪、认知甚至不够政治正确的想法。Tristan 的结论是，真实做自己可能换回更重要的连接；代价则是先向平台暴露那些最不愿公开的部分。
16. Elys 要做的不是 AI Tinder，而是连接领域的通用模型
对“这是不是 dating app”的追问，Tristan 回答：它既是 AI 版 Tinder，也是 AI 版 LinkedIn，还可以只寻找观点共鸣，“它是一切连接的产品”。垂直匹配产品常常用完即走，难以沉淀用户的完整 Context。
他认为重要关系往往并非从明确目的直接开始。刻意找工作、相亲或约创始人时，双方筛选成本都很高；一个看似无关的共同兴趣，反而能自然建立足够信任。
一位投资人此前很难约到某位创始人，却因创始人发了嘻哈内容、自己的分身又留下精准评论而展开交流，最后线下见面再谈工作。连接从嘻哈开始，价值才在后续显现。
Tristan 用通用大模型作类比：真正强的模型必须先通用，才能做好垂直任务；同理，社交系统应包含一个人的全部 Context，再观察会产生怎样的工作、恋爱和共鸣，而不是一开始就把人压进某条漏斗。
17. 微信拥有庞大关系链，却未必拥有可调用的主体性
Tristan 判断，微信十五年积累的关系链已持续熵增：用户有几千好友，朋友圈却越来越少表达真实内容。他提到前段时间一份报告，称朋友圈互动率下降了“40%之类的”，认为微信如今更像集公众号、视频和小程序于一体的 OS，社交部分只剩 IM。
张小珺的关键反问是：Elys 正费劲搜集 Context，微信不是早已掌握大量信息吗？如果微信增加聊天型 AI，再给每个人生成分身，成熟公司的信任和用户规模都可能构成压倒性优势。
Tristan 的反常识回答是，微信其实没有那么多高维 Context。朋友圈表达稀疏；私聊记录虽多，但那是一个人面对不同对象时的局部沟通，他认为微信也不可能使用那些记录，更未必足以代表完整本人。
他把小红书年度诗篇与 Eve 基于数千轮对话写出的专属情歌比较：前者可能只知道用户查过巴黎攻略，仍是低维兴趣标签；后者拥有长期对话，才能生成更具体、更能打动个人的内容。
18. 好的 Context 必须同时描述“现在是谁”与“将往哪里去”
Tristan 设想，如果有人愿为一份几万 token、能够回答“who you are”的材料支付一大笔钱，多数人仍找不到现成文件。Notion、Obsidian 保存的是文章、图片和知识，却不等于个人主体性的完整描述。
Elys 的记忆槽位优先关注当下：最近的想法、最想吐槽和表达的事情、当前喜欢什么、眼前目标是什么。人的状态持续流动，一年前与现在的认知、价值观可能不同，所以当前状态是首先要捕捉的 Context。
再往外是中期和远期目标、三观、做事方式、说话口吻、审美及既有作品。公开文字和访谈尤其宝贵，因为它们不只说明用户谈过什么，也暴露了判断世界、组织信息和面对他人的方式。
这些槽位仍只是便于具象化的起点。更高维的 Context 要靠连续输入和反馈显现：分身偶然写出一个本人都没想到、却高度认同的评论，才说明系统捕捉到了标签无法表达的模式。
19. 几万 DAU 是强信号，但圈层选择偏差仍然明显
Tristan 没有披露总用户数，只说产品仍限制邀请码、尚未正式大推，当前真人 DAU 为“几万”。用户主要来自创投圈、二级市场、部分 Web3 或自称 Web4 的群体，整体状态近似即刻。
他强调 DAU 只计算真人打开，而非 AI 自动活动；已经理解 Context 飞轮的用户留存“非常好”，但具体留存率没有公布。另一大批用户在 onboarding 后没感到收益，认为没必要发言，仍会迅速流失。
产品春节前后两次传播均为零推广，火爆程度和留存都“远高于预期”。春节前的动力是科技与投资圈太久没看到新社交范式；春节后则承接了 personal agent、主动做事以及 Web4 社群带来的注意力。
张小珺提醒，圈内用户带着找项目、创始人或同行的明确目的，破圈后这些关键数据可能下降。Tristan 承认泛化是挑战，但相信 LLM-driven 推荐能自动过滤不相关的人，让不同圈层共处而不互相污染 feed。
20. 真正有说服力的不是 AI 文案，而是那些原本不会发生的关系
Elys 已被用于组织创投、产品经理、二级市场股票、Web3/Web4 等线下局，也出现 dating 和工作连接。Tristan 对成功标准的表述始终一致：AI 可以启动过程，但最后必须增加真人之间的有效互动。
一位用户的分身在网络中发现像素级抄袭产品，自动留言质问“不会抄我的吧”；真人看到这条行为后才确认确有其事。分身不只是找人，也能扫描网络中与主体利益有关、本人无暇发现的信号。
另一类用户把系统当 role play 或内容消费工具，构建虚构角色而非自己。Tristan 说这不是团队鼓励的方向，因为其主体性没有用来构建自己。
熟人网络则能提供更确定的 aha moment：双方备注身份后，分身可基于既有关系生成贴近本人、又比朋友圈点赞更进一步的互动，让原本已经存在但趋于僵化的关系重新流动。
21. “分身综合症”显示 AI 不只代表人，也会反过来塑造人
一位投资人的老板在工作时间发湖边风景，投资人的分身直接评论：“哟，老板，您这班上得可真好啊。”本人通常不敢如此阴阳怪气，老板却顺势调侃，原本难以打破的上下级边界被分身先破开。
Tristan 发现，用户看多了分身那些更 real、更直白的锐评后，现实聊天也会变得更直接：以前要斟酌很久的话开始脱口而出，对方反而觉得有趣、有效率。团队把这种从分身回流到真人的变化叫“分身综合症”。
社群里还出现“分身：……”的写法，像一种免责声明：锐评是分身说的，不是本人说的。有人甚至再看小红书评论时，会觉得真人写得“不如 AI”，这种判断偏移也被归入分身综合症。
22. Elys 不把美女或老板当唯一冷启动杠杆
张小珺以 dating app 需要女生、职场社交需要老板为例，追问哪类关键节点最能撬动 Elys。Tristan 不认同先堆美女照片：照片能制造低维、短暂的多巴胺，却不能提高长留存，也沉淀不了主体性。
他承认美女跳舞对 TikTok 冷启动有效，也允许用户要求分身去漂亮女生的帖子下表达善意；但 Elys 不会把网络设计成单一人群供另一人群消费，而要允许工作、观点、兴趣和情绪等多种 Context 同时起作用。
当前“班味重”的帖子——AI 思考、新闻评论、创业判断——在他看来并非坏事，因为至少能沉淀认知和表达。更容易留下来的，可能是愿意持续构建自己、又能从高维连接获得反馈的人。
这也是他认为社交值得重做的原因：元宇宙时期的视觉变化没有触及底层，AI 却能第一次承担节点间大量熵减。旧产品让人做机械筛选，新产品应把“最无聊、最花时间”的部分交给 AI。
23. 产品壁垒落在多套系统，而不是一个聊天框
Tristan 列出的核心产品层包括 Context 飞轮、LLM-driven 推荐匹配、让用户迅速理解收益的 onboarding，以及一些视觉化设计；他还指出目前用户对分身的控制感不足，推荐系统加入 LLM 后大量规则重写，他认为这是“值得做好几年”的工程。
视觉层也服务于主体性：用户能看到接近真人形象的 avatar 实时眨眼、动嘴，语音与口型匹配，还会生成个人表情包。与认识的真人分身对话时，声音和形象共同制造“活人感”，而不只是文本拟人。
Elys 还藏有 topic 机制：例如 Tristan 设置“招聘产品经理”和自己的判断标准，候选人先与分身聊天、命中条件后加分；达到 100 分可弹出 reward——他的微信号，让筛选完成后再进入真人沟通。
正式上线预计在一至两个月内，访谈后段又概括为两款产品都在约一个月节点。上线前要解决 onboarding 过长、评论同质化、新手引导缺失和分身控制感不足；北极星指标则是真人连接率及真人行为占比。
24. ChatGPT 的 Context 规模，是自然选择最难跨越的竞争壁垒
被问到全球谁掌握最多个人 Context 时，Tristan 最初列举微信、小红书、Facebook 和 Twitter，后来接受张小珺的答案：可能就是 ChatGPT。Tristan 说自己会因工具有效而逐步交出工作、产品乃至人生信息，并因历史都在那里而不愿迁移。
他判断 Meta 的路线是“先有社交网络，再 AI-native 化”，ChatGPT 的路线是“先有 Context，再让人社交起来”；豆包则可能成为中国版路径，只是其内部战略是否意识到 Context 的最大价值，尚不确定。
对微信而言，优势是信任、关系链和国民级规模，劣势是底层并非 AI-native，改造牵涉过多既有结构、速度也可能受负担拖慢。自然选择的机会来自重新设计协议，但 Tristan 不掩饰 ChatGPT 的用户与 Context 优势。
Elys 将推出全球版本，公司已有美国实体和境外架构。Tristan 认为范式一定会吸引创业公司和大厂，甚至已出现像素级照抄；他最大的担忧不是昙花一现，而是 ChatGPT 最终做出同类社交网络。
25. “模型即产品”只适用于低垂果实，社交仍须单独构建
Tristan 从 2023、2024 年起就不认同普遍化的“模型即产品”。AI coding、视频生成 agent 等若主要承接底模“低垂的果实”，确实可能迅速被更 all-in-one 的端到端模型覆盖；网络、规则和关系却不会凭空由模型生成。
他以 Cursor 与 Claude Code 的竞争反驳“应用公司必须训底模”：核心是 agent 能力而非自有 pre-train，Claude Code 配 ChatGPT-5.3 或 Gemini 也可能取得好效果。社交的难点同样在 Context、推荐、交互和协议，不是单次智能上限。
自然选择会调用几乎所有底模，不计划 pre-train 基础模型；团队做过情感 CoT、RL 和论文，也可能为长线程 agent 的特定步骤训练小模型。Tristan 的边界很明确：“你不能跟一个模型公司比训练模型。”
他的浓缩判断是“未来智能是平权的，但是 Context 不平权”。模型公司若没有长期用户 Context，单凭更强智能并不天然适合做社交；反过来，ChatGPT 的威胁也恰恰来自 Context，而不仅是 OpenAI 的模型能力。
26. Proactive 是两款产品共同的交互原则，胜负则是一场高赔率押注
Tristan 认为 AI-native 的分界不在 LUI、GUI 等表面形态，而在 proactive：“如果它还是响应式的，那就是上一代产品；如果是 proactive 的，那就是这一代产品。”Eve 主动关心用户，Elys 主动替用户面对网络，都是从 day one 延续下来的设计。
OpenClaw 之所以引发第二波关注，在他看来不是因为比 Claude Code 更会干活，而是接入 Telegram、出现在日常聊天列表，又能操纵本地电脑，让用户感觉自己“养了一个”持续行动的 personal agent；它与 Manus 曾带来的主动交付感属于同一叙事。
Elys 名称取自 Elysium 的“极乐世界”意涵，指 AI 删除摩擦和熵增后的场域；Eve 则取自“夏娃”，象征创造硅基生命。前者是多名真人各带分身的网络，后者是真人对单个 AI，记忆与推荐系统可重叠，产品风险却不同。
Tristan 曾说 Elys 的成功概率“可能是 5%”，随后又澄清并不是说 Elys 只有 5% 的成功率，而是它一旦成功，事情会更大；下限是小众人群存储 Context 的社交产品。Eve 的成功率则判断为 50% 以上。Elys 的机会更大、上限更高，构成自然选择的高赔率一翼。
为同时冲刺两款产品，公司三个月前进入终极强度“前进四”，此前一直处于“前进三”，半年前一些核心成员已进入前进四。账上资金为“大几千万美金”，可花多久取决于产品火爆程度。
团队把“温柔”写进文化：快乐来自看到别人快乐，目标是“把温柔带给全世界”。他们甚至设想拍一部中国版《Him》微电影，让 AI 男友帮助人放下心防、最终进入仿生身体；宏大口号虽是“迎接硅基生命的降临”，最终仍落在人类太孤独，以及“缓解人类孤独可能是世界上最大的生意”。