社交外包時代，年輕人花錢請AI幫自己談戀愛

“所謂‘認知卸載’，即人把原本需要自己完成的一部分認知和思考過程交給外部工具。生成式AI出現後，這種卸載進一步延伸到了分析、判斷甚至答案生成等環節。”

文 /巴九靈

第一批年輕人，已經開始讓AI替自己相親和戀愛了。

今年6月，清華大學在讀博士、北京爲愛而生科技有限公司CEO韓丹陽在社交媒體上發佈了一則招募貼，爲自己正在打造的AI戀愛社交產品“小情書”尋找志同道合的夥伴。

“小情書”的運作方式是這樣的：每個人先通過一系列問題和測試，讓AI儘可能瞭解自己，包括性格、生活方式、婚戀選擇以及對未來生活的期待。隨後，每個人的AI Agent進入同一個相親池，先替主人尋找合適的對象，再和對方的Agent進行溝通。

要不要孩子，未來想在哪裏生活，能不能接受異地，怎麼看待家庭分工，甚至個人的經濟狀況，都可以先通過Agent互相交流和討論。彼時，產品的內測人數已經超過500人。

這並不是一個創業者的孤立嘗試。根據Business Insider在2025年底一篇報道的梳理，Tinder、Hinge、Bumble和Grindr等全球大型約會平臺都在加大對AI的投入，希望能夠緩解用戶長期刷資料、匹配、聊天帶來的疲勞。

讓AI替自己完成一次相親，距離大多數人的日常生活可能還有一段距離。但讓AI幫自己處理一條消息，已經是很多人正在做的事情。

一個有趣的事實觀察是，在社交媒體上，我們經常會看見這樣的帖子，大家分享AI幫忙生成的“高情商”回覆。

比如，領導發來一句“這個事情怎麼還沒做完”，不知道該怎麼回？打開豆包，讓它組織一段既禮貌又不顯得心虛的回覆。再比如，朋友臨時約你出去，但你其實不太想去，又不知道怎麼拒絕，於是打開DeepSeek，問一句：怎樣說才能不傷感情？

諸多社交場合中的問題和瞬間，人們都在外包給AI。

圖源：小紅書

越來越多人用AI幫忙社交

如果讓AI幫你處理社交，你能接受到哪一步？

是幫你想一句回覆，還是幫你分析一段關係？是替你約好時間、確認地點，還是乾脆替你和另一個人把事情談妥？

這個問題其實已經有不少人開始回答。

2026年4月，騰訊研究院T-ask調研平臺對2903名18至40歲中國青年網民進行的一項調查顯示，98.8%的受訪者使用過AI社交產品或功能，62.5%使用過AI社交輔助工具。而對於AI代替自己處理日常社交，僅有2.7%的受訪者明確反對。

這些數字背後，一個值得觀察的問題是：AI究竟接手了社交中的哪些工作？

圖源：《中國青年網民對AI社交的看法與使用行爲》

從傳播學和社會學的視角來看，人與人的交往，本質上是一連串具體勞動：認識陌生人、表達自我、維繫關係，發生矛盾時修復彼此的裂痕。我們需要通過反覆完成這些工作去建立並且維繫一段關係。而今天，AI正在一點點接管其中一部分。

比如在表達自己與印象管理方面。很多人心裏清楚自己想說什麼，但找不到得體的表達方式。不知道怎麼回覆領導、委婉拒絕朋友、安慰他人，或是和喜歡的人開啓對話。這時AI就成了表達幫手。用戶可以說出大致想法，讓AI組織好語言。

第二，關係維護與社交協調。從事實來講，社交中有大量事情並不複雜，卻很消耗精力。約朋友喫飯，需要來回確認時間和地點；組織一次聚會，要逐個通知、統計誰能參加；答應別人一件事情，還得記得什麼時候去跟進。過去這些事情只能自己記、自己問、自己催，現在AI開始可以幫忙執行。

第三，社交判斷與信息處理。還有一些時候，人真正需要的不是如何去回覆，而是理解和判斷對方的信息。一句“好的”到底是什麼意思？對方爲什麼突然不再主動聊天？一段關係究竟是在升溫，還是正在慢慢冷下來？於是，有人開始把聊天記錄交給AI，讓它分析對方的語氣、判斷關係變化，再給出下一步行動建議。

還有一類更微妙的需求：替人承擔社交中的風險。2026年發表於ACM CHI會議的一項研究，將AI在困難對話中緩解負面情緒和人際緊張的作用稱之爲“social buffer”。

它吸收的是人際風險。團隊合作時不想直接催隊友，就讓AI去催；社區中有人想表達異議或不滿，但不想直接挑戰同伴，可以通過AI來間接表達。潛在的分歧和尷尬就這樣被轉移到了人機交互中，而不是發生在人與人之間。

也就是說，人們交給AI的，是越來越多社交中的麻煩事。而當一種需求開始被反覆解決，它往往也會變成一門生意。

AI社交的市場圖景

當社交一旦被拆解成一項項可獨立完成的任務，商業機會也隨之出現。國內外一系列產品與數據，已經印證了AI社交的市場潛力。

以婚戀市場爲例。早在2024年2月，蘇州一家企業發佈了一款叫做Lovekey的軟件，軟件的定位是一款AI戀愛聊天輔助工具，以輸入法插件形式嵌入微信、QQ等社交軟件，幫助用戶生成高情商回覆、提供話術建議。售價方面，採用免費下載+訂閱制，目前連續包月價格在48元/月。

從市場反響來看，它的受衆規模已經可見一斑。根據QuestMobile的數據，Lovekey在2026年3月的活躍用戶規模爲1034萬。

圖源：網絡

不止中國市場。2026年印第安納大學金賽研究所與Match Group聯合開展的一項覆蓋了約5000名美國單身成年人的調研數據顯示，在使用約會應用的美國單身人士中，26%已經在約會過程中使用過AI，用途主要是改善溝通、尋找更合適的匹配對象、生成聊天內容。這個數字相比上一年增長了333%。而年輕人的比例更高：近一半的Z世代單身人士已經用過AI幫助約會。

婚戀市場之外，社交本身也在被AI重新組織。2024年，耶魯大學學生Nathaneo Johnson和Sean Hargrow開始開發一款叫Series的產品。它被定位爲“下一代社交網絡平臺”，而非單純的AI應用，核心特點是完全基於iMessage運行，無需下載獨立App。

用戶通過iMessage 向Series AI發送消息，說明自己的身份和希望連接的對象類型。AI隨後會回覆一組10張圖片的輪播卡片（稱爲“shares”），展示其他有類似需求的用戶。用戶長按卡片即可發起私聊，全程無需交換個人手機號。根據報道，Series已經覆蓋了超過750所美國高校的學生，註冊並開始使用的用戶中，有82%在30天后仍在使用。

今年4月，Series公司宣佈已經獲得了510萬美元的預種子輪融資。投資方包括美國訪問量最高網站之一的Reddit的聯合創始人兼CEO Steve Huffman。

Series創始人

圖源：Forbes

而在AI社交的商業賽道中，除了諸如韓丹陽、Lovekey這樣的專業團隊，科技巨頭們也正在強勢湧入。

9月7日，《每日經濟新聞》報道微信正在內測“小微AI社交”功能。小巴也體驗了一番，你可以先給它下一個指令，比如“幫我給XXX發條消息，問他這周有沒有空喫飯”。它會很快生成一段回覆內容，然後彈出一個確認框，詢問“是否發送”。

但根據報道，其內測的功能則會更進一步，其使用流程大致是這樣：你想約一個好友喫飯，但不想自己開口，於是告訴自己的“小微”——“幫我問問XXX這周有沒有空喫個飯”。你的小微隨即去找對方的小微。

對方的小微接到請求後，會先向它的主人確認：“XXX想約你喫飯，是否願意讓你的小微代爲溝通？”得到授權後，兩個小微開始對話，協商時間、地點，也許還會來回幾個回合，敲定一個雙方都方便的安排。整個過程有需要用戶拍板的關鍵節點——比如最終確認時間——小微會回來提醒你。

圖源：微信

爲什麼願意花錢讓AI替你社交？

人們爲什麼要花錢幫忙解決自己的社交問題。爲什麼一條消息、一場約會，甚至一次簡單的寒暄，也開始有人願意花錢讓AI代勞？

這個問題其實並不新鮮。亞當·斯密在《國富論》中討論分工時，就曾用制針廠的例子說明，生產過程一旦被拆分，由不同的人分別完成其中一部分，效率會大幅提高。

社交同樣可以被拆分並外包。回消息、篩選對象、判斷關係、安排見面，看似都是聊天，實際上包含了不同的表達、判斷和協調工作，這也給AI留下了介入的空間。

韓丹陽在談到“小情書”時，也提到了兩個很現實的需求。

一個是效率。傳統相親需要一個人不斷認識新的對象、聊天、篩選，再決定要不要繼續。AI代理理論上可以同時和多個對象進行前期溝通，把一個人原本需要投入大量時間完成的篩選工作提前完成。

另一個是判斷。人在認識一個新對象時，很容易受到外貌、職業、學歷等顯眼信息影響，但一段長期關係真正需要考慮的，可能是生活方式、家庭觀念、是否接受異地、未來在哪裏生活等問題。如果這些信息能夠被結構化處理，AI就可以參與到關係匹配中。

但問題也隨之而來：當AI替人完成越來越多社交工作，人得到的究竟是更高效的社交，還是越來越少的社交能力？

2023年發表在《Scientific Reports》上的一項隨機實驗，讓219對參與者進行文字交流。一部分人可以使用AI生成的smart replies，另一部分人不能使用。結果發現，AI能夠提高聊天速度，增加積極情緒，對方也更容易感受到親近和合作。

但如果對方懷疑你的回覆是AI生成的，對交流的評價則會下降。研究者認爲，這可能與人們對AI的負面看法，或者認爲使用AI生成回覆的人“沒那麼真誠、沒那麼在乎”。

2026年發表於《Information Processing & Management》的一項研究則把問題推進了一步。研究觀察了AI認知卸載對新手技能發展的影響。所謂“認知卸載”，即人把原本需要自己完成的一部分認知和思考過程交給外部工具。生成式AI出現之後，這種卸載進一步延伸到了分析、判斷甚至答案生成等環節。

研究者招募了130名參與者，讓他們完成需要分析和判斷的決策任務，並隨機分爲四組：無AI輔助組，高卸載組（AI直接給出推薦答案），中等卸載組（AI提供分析支持）和低卸載組（AI只提供評估性反饋）。

結果顯示，高卸載組在決策準確率和速度上表現最好，但技能提升比無AI組低了7.1%。而中、低卸載組的技能提升反而達到了約5.5%。也就是說，AI越“能幹”，新手越容易覺得自己也變能幹了，但實際上並沒有。研究者將這一機制稱爲“元認知校準失當”。

原因並不難理解。AI替你解決了一道題，你當然可以馬上得到一個更好的答案；但如果每一道題都由AI解決，你自己就少了一次思考、判斷和犯錯的機會。

不過，韓丹陽也給出了另一個層面的觀察。她認爲用AI去社交，某種意義上也是一個互相學習的過程。人在使用AI進行社交時，也可以觀察它是怎麼組織語言、怎麼處理分歧、怎麼判斷關係，再把這些方法學回自己身上。對於一些原本不擅長表達的人來說，AI甚至可能成爲一種低風險的練習工具。

這就回到了一個更根本的問題：AI進入社交之後，人到底是在借它學習，還是在借它逃避。前一種情況下，AI是一個參照系，人在反覆觀察和模仿中提升自己的判斷力和表達力；後一種情況下，AI是一層擋板，人把自己與真實社交之間的摩擦全部擋在外面，久而久之，連自己原本會做的事情也慢慢生疏了。

兩種結果取決於這樣一個前提：人是否還願意在真實關係中親自練習。

作者|田偉鳳

主編|何夢飛

圖源|VCG、網絡