一个工作日的晚上，我要和五个陌生人坐在一起喝酒。
出发前我不知道他们是谁。也不知道自己会去哪。一个叫 T46 的 AI 社交产品读了我填的资料，也读了我对这场活动的期待。它据此判断，哪六个人坐在一桌更容易聊起来。我就这样多了五个同桌。
同一时间，全国十四座城市的数百张酒桌上，类似的见面也在发生。
T46 在 2025 年末开始运营。它已经拿到数百万美元的天使轮融资。累计付费用户超过四万人。
晚上八点半，我准时赶到北京朝阳区的一家清吧。
桌上没有一件看起来跟 AI 有关的设备。只有一套纸质卡牌。卡牌上三十多个问题按由浅入深排好。里面还有六名参与者各自的身份卡。每个人报名时想问陌生人的问题，也都印在上面。
一位性格外向的参与者顺手拿起卡牌。他成了这一桌的临时主持人。他组织大家依次围绕卡牌上的问题聊下去。
整个过程里，我几乎没有直接跟 AI 打过交道。没有 AI对话 的界面，也没有分身替我向陌生人打招呼。产品把我带到五个真人面前。剩下的时间，交还给人类。
放在 AI工具 这条赛道上看，它算个异类。
当 AI 开始替人聊天，替人出恋爱建议，甚至介入亲密关系里的冲突调解时，T46 站的位置更靠后。
但跟两位创始人聊过之后，我发现 AI 并没有真正消失。
这是一家只有十一个人的公司。它要同时完成十四个城市的人员匹配，场地安排，缺席补位，卡牌制作，印刷和配送。这些琐碎又容易出错的活，主要交给智能体在后台干。
用户看不见的地方，他们用 AI 的方式称得上激进。
活动开始前，AI 负责了解用户，匹配同桌，挑场地，编排流程。真实的谈话一开始，它就退场了。
组织陌生人喝酒这门生意
Jeff 和白菜一个是这家公司的负责人，一个是技术负责人。两人最初压根没打算做一家 AI 社交公司。
他们在麦肯锡时是同一个项目组的同事。2024 年的某天，Jeff 打了个电话给白菜，说想创业。两人一拍即合。后来他们做过外贸生意，做过心理情绪桌游，也卖过喝酒卡牌。
喝酒卡牌卖了几万套。他们在上海开了一间快闪社交酒馆，只存在六个月。为了填满周中晚上的低谷期，两人在小红书上发帖，办六人酒局。办了几场之后，自己的酒吧已经装不下想来的年轻人。
他们很快意识到，这件事不该只为自己的酒吧服务。它可能变成一个更大的产品。
两人决定不再只在自己的店里办，而是去找别的酒吧。换一家酒吧，人们依然愿意报名和付费。
后来他们放弃了酒吧业务，把主要精力转向六人盲盒酒局。
需求一直存在。大城市的年轻人，愿意为和陌生人一起喝酒吃饭付费。当下餐饮生意不好做，获客成本又高。酒吧和餐厅也需要这样的活动引流。T46 把这两头接起来，从中赚撮合的差价。
投资方的高级合伙人把它类比成早期的民宿平台。民宿平台连接闲置房间和临时住宿需求。T46 则用盲盒酒局，把原本没打算出门的人带到酒吧。当然他也承认，这门生意的上限还没有被证明。但对一家早期公司来说，已经有人愿意付费，愿意重复参加，已经很不错了。
问题是怎么把这门生意持久地做下去。并且实现规模化。
传统方式依靠单个主理人组局。组织者要耗费大量精力筛人，策划活动。这种模式很难批量复制。
2010 年前后，海外的创业者就试过把陌生人共餐做成平台生意。他们一度拿到融资。最早的做法是读取用户的社交资料，用计算机初筛，再人工复核匹配结果。连选酒吧和预订都管。早期类似项目拿到过知名基金的投资。可快速扩张之后，大量非标准化的运营涌上来。公司最终关停。
现在 AI 出现，开始解决上一代产品解决不了的运营瓶颈。过去只存在于主理人头脑里的经验，被拆成问卷，匹配规则，补位机制和活动流程。这些事随后交给 AI 去完成。借助这套能力，它甚至比大部分传统主理人更了解每一位用户。
我报名时除了填年龄，职业和兴趣，还要回答几道开放题。白菜告诉我，AI 会从这些非标准化的回答里提炼出三个匹配准则。你是什么样的人。你想遇见什么样的人。你想聊什么。
六个陌生人组成一桌时，系统还会平衡年龄和性别，平衡内外向，也平衡表达欲和社交能量。六个话多的人会互相抢话。六个内向的人可能谁都不开口。
在我参加的那场活动里，主动当主持人的用户原本也是一家酒吧的老板，性格活跃。他会时刻观察现场气氛，把话题引下去。同桌里还有一个常来参加盲盒酒局的程序员。一个刚来北京工作的投资人。一个刚辞职的演艺圈经纪人。一个因为原报名人没来而候补进来的女孩。
人数三男三女。我们按照卡牌上的问题顺序开始聊天。最开始都是破冰题，围着各自的家乡和喜好展开。偶尔还会照着卡牌的指引穿插小游戏。
我对卡牌上的基础问题无感。但我喜欢听大家聊那些更深入的问题。那感觉像在探别人的心灵世界。
卡牌和被提前模拟的聊天
一桌谈话，全仰仗摆在酒桌上的那套纸质卡牌。
六个完全陌生的人不知道从何聊起。卡牌替他们设计了议程。
白菜负责公司 AI 系统和流程的搭建。写代码，搭智能体，都是 AI编程 的活。
他告诉我，不同桌的卡牌内容不一样。每套卡牌里还有专属于每个参与者的身份卡。
这意味着每场活动开始前，系统要把人分成六人一桌。它要为每一桌单独生成卡牌，送到当地的印厂，再把成品送往对应的酒吧。
听上去全是琐碎的脏活。
在传统的活动设计里，这是一条需要大量运营人员盯住的链条。有人负责排桌。有人联系酒吧。有人设计流程。有人把打印文件发给印厂。之后还要逐一确认卡牌有没有装错，配送有没有迟到，酒吧有没有把物料放在正确的桌上。任何一处失误，用户打开盒子看到的都可能是另一桌人的名字。那就糟透了。
目前全国这套活动的落地运营，由运营负责人带着三名应届生负责。此外还有多个智能体参与。
一个智能体加上计算机算法，帮六个陌生人完成匹配。匹配之后，另一个智能体出现。它要解决的是，今晚这六个人去哪家酒吧。
它需要同时读取几组不断变化的信息。一家酒吧当天是否接待活动。能提供几桌。六名用户分别住在哪里。
场地定下来，系统开始为这一桌生成卡牌游戏。它从六个人的问卷里提取兴趣和职业，提取内外向程度与表达倾听的倾向，也提取他们愿意暴露多少私人信息。再结合团队积累的数千道种子题库，选择和改写适合这一桌的问题。
题目出现的顺序同样需要设计。如果六个人整体偏内向，或者不习惯谈论自己，安全的破冰环节会被拉长。如果一桌人的表达意愿和情感暴露度都比较高，卡牌可以更早进入强度较高的话题。
白菜说，生成卡牌时，系统甚至会用六个智能体分别模拟桌上的六个人。它预演这些人面对一道题可能怎样回应。它也预演整桌谈话可能形成怎样的气氛。
卡牌编排完成，线上系统开始进入真实世界。
它自动生成打印文件。智能体把不同城市不同酒吧不同桌号的文件发进对应印厂的企业微信群。再检查印厂是否收到文件，是否确认下单，能不能按时生产。
最容易出错的是装盒。每套卡牌和包装盒上都有对应的城市，酒吧和桌号。印厂打包完成后，要把卡牌和盒子摆在一起，拍摄两三张清晰照片发到群里。
智能体识别照片里的标记。它要检查第一桌的牌有没有被放进第二桌的盒子。也要检查盒子是否属于正确的酒吧。
核对无误，智能体就在群里回复可以发走。它还会在合适的时间下闪送订单。
这套流程基本上被五个主智能体和它们下面的子智能体全部干完了。这家公司在活动所在的城市没有全职工作人员。员工全在上海。
一颗溏心蛋
在参加 T46 活动的同期，我还参加了一家竞品组织的盲盒饭局。
那场饭局没有卡牌引导话题。话题被更有分享欲的人主导。安静内敛的人发言寥寥。
反过来看卡牌引导的聊天，问题时常鼓励每个人都回答。我能听到每个人对不同问题的看法。
少了卡牌的那场饭局，话题最后滑向一个人讲他刚分手的感情经历。还有一个兼职红娘的人，开始帮大家介绍对象。
在 Jeff 的设想里，这套卡牌只用来破冰。没话题时能找话题。他真正期待的是，大家能在后半场摆脱卡牌，自由地交流起来。
本质上这是人与人的社交。他希望一切都为人和人之间自然的关系流动服务。
Jeff 爱交朋友，对人的关系有独特的观察。他清楚参与者各自抱着各自的目的。但产品不会暗示用户能在活动里得到什么。比如暗示大家能在这里找到对象。尽管确实有一些用户抱着这样的目的。
他说得很直接。如果抱着太明确的目的，动作就会变形。
我先后参加过三次 T46 的活动，也加过不少同桌者的微信。有些人在酒桌上聊得不错，活动结束后却没有再见面的契机。六个人临时建的微信群，通常只在第二天短暂热闹一阵。随后就沉寂下去。
我问 Jeff 和白菜，产品是不是其实没真正帮用户建立关系，只是创造了一晚上的体验。
两人并不完全接受这个判断。在他们看来，成年人之间的关系很难像学生时代那样，依靠高频和长时间的共同生活迅速变亲密。
白菜把这种关系形容成一颗溏心蛋。没完全熟，却也不再是生的。两个人不会主动联系。但下一次见面会觉得亲切。也许某一天因为共同感兴趣的事，他们又会重新走到一起。
公司内部曾经讨论过，要不要进一步经营这些关系。比如在活动结束后的六人群里加入更多互动内容。推荐下一场共同活动。或者帮其中的几个人重新组局。但他们不准备放进一个数字人，代替六个人活跃气氛。
两人都觉得，T46 更像一种现实世界里的游戏。有人把参加盲盒酒局当成一种生活方式。产品最主要的部分，就是那一晚上的体验。用户愿意为好的体验多次付费。关系则在体验里水到渠成。无所求，有所得，是他们的产品哲学。
在我看来，这构成了产品理念与商业模式之间一种微妙的合谋。无所求，有所得，降低了用户对结果的明确预期。而一段没有被许诺结果的体验，会让用户一直复购下去。
更激进还是更克制
AI 的介入需要把握边界。可另一方面，想让合适的人坐到一起，又必须尽可能多地让 AI 去了解用户。
现在系统获得的信息主要来自报名问卷。用户可以填自己的兴趣，职业和近期状态。也可以写想遇到怎样的人，以及愿意讨论什么。这些答案仍然有限。
为了拿到更多非结构化信息，他们设计过更进一步的方案。
比如在报名之后，让用户先跟 AI 进行约二十分钟的语音交流。AI 在自由对话里了解一个人最近的生活，兴趣和社交期待。再据此完成匹配。
推动这个功能的白菜相信，一段自然的谈话可能留下更丰富的信息。
可功能灰度测试上线后，用户并不买账。
对一个只想在某个晚上认识几名陌生人的人来说，提前抽出二十分钟跟 AI 聊天，成本太高。用户更习惯在通勤或者工作间隙做几道选择题。
看到反馈和数据以后，团队很快把这项功能下线了。
让用户的行为说话，白菜这样概括。一项功能对匹配系统有价值，不等于它对用户也是一个好功能。
他们还讨论过用实时录音的手机应用取代纸质卡牌。手机可以判断六个人正在谈什么，据此调整下一道问题。在参与者明确同意的前提下，应用还可以有收音功能。
一场活动通常持续几个小时。六个人在谈话里传递出的个人信息，需求和好恶，远比一份报名问卷丰富。白菜认为，所有公司都能买到市场上最好的模型。真正的壁垒，是通过大量数据分析，实现对用户需求的持续理解。如果 T46 能理解这些谈话，下一次不仅可以避开用户已经厌倦的问题，也可能帮他找到真正想认识的人。
数据更丰富，理解就更准确。理解更准确，匹配就更准。长期下来又能形成竞争者难以复制的壁垒。这几乎是一条顺理成章的路径。
但他们决定更谨慎一些，也更克制一些。
Jeff 认可谈话数据的价值。但他认为，桌上是否存在一台正在收音的设备，会直接改变人们如何说话。即使每个人都点了同意，也不意味着他们还会像面对五个陌生人时那样，讲出原本愿意讲的内容。
他说，现在用户是不接受的。他本人也不接受。但他们肯定不会等某一天用户接受了，才去思考和研发。这件事会提前准备好。
路径没毛病。推出的时机，公司内部还没有完全达成统一。
在拥抱 AI 这件事上，白菜一直是更积极的那个。Jeff 则是会把白菜往回拽一拽的人。
投资人的态度介于两者之间。他认为，获得更多线下谈话的上下文，是一件重要且值得探索的事。这些信息可能让产品更懂用户。但通过什么方式实现，用户是否愿意接受，仍然没有答案。
那天晚上快要散场时，我们六个人讨论的话题逐渐脱离了卡牌。那位拿起卡牌主动当主持人的朋友，他的酒吧前段时间因为生意不好关了门。最后我们讨论的主题，变成了为他倒闭的酒吧出谋划策。
