凤凰网科技《浪潮》出品
作者｜赵子坤、米朵
编辑｜董雨晴
今年世界人工智能大会（WAIC）期间，Soul 的展台上，两样东西吸引了全场焦点：一个是灵巧互动的“实时数字人”，一款名为“B Soul ”的AI硬件。
后者尤其引人注意。在人人都争抢AI原生手机、AI眼镜等“下一个入口”的这一年，Soul拿出的却是一个不能替代手机的小东西——外形圆滚滚，像徽章，像手表，又像电子宠物。
这很难不让人好奇：一家以“灵魂社交”起家的公司，为什么要做硬件？甚至还开始大举进军B端市场，将其沉淀的技术实力，对外输出成一整套包含模型、记忆系统、合规模块的“场景解决方案”。
过去一年，Soul动作频频。十个月内，Soul接连开源了六款模型，并取得了不错的成绩：播客语音合成模型SoulX-Podcast登顶HuggingFaceTTS趋势榜；实时数字人生成模型SoulX-FlashTalk首次将14B数字人做到0.87秒亚秒级超低延时；轻量化的SoulX-FlashHead能在单张4090显卡上跑出96帧的工业级速度；今年6月，Soul开源的端到端多人对话转录模型SoulX-Transcriber，在多个会议数据集上跑赢了主流商用模型。
在开源社区积攒的声量，成为其技术实力对外商用的底气。这也要求他们往技术的深水区扎去，其自主研发的 SoulX 实时多模态交互技术体系，主打面向下一代人机交互场景，不追求通用大模型的“无所不知”，而是一头扎进了实时理解、情绪感知、语音优先的人机交互方向。
一家社交起家的公司，怎么在AI浪潮中寻求自己的全新身位？又想对外展现出怎样的区别于其他模型厂商的差异化能力？在2026世界人工智能大会（WAIC）前夕，Soul CTO陶明接受了凤凰网科技《浪潮》栏目的独家专访。这是他首次对外系统地讲述Soul从App走向硬件、从To C走向To B的战略逻辑。
谈及调整之难，陶明在访谈中坦言“Soul面临的品牌认知困境”，所以要做整体的战略升级。
“想让大家知道的是，Soul是一家模应一体的公司。我们以SoulX为载体，一方面赋能我们的社交业务，不断提升SoulX本身的效果能力；另外一方面，把SoulX延展到产业链上去。”
陶明还透露，过去一年间，Soul内部的工程师已不再被鼓励“手搓代码”。“变革这个事，不存在平滑的、缓慢的变革。缓慢地去变革，你已经跟不上了，一定要激进。”
在堪称“激进”的摸索过程中，陶明坦承，做硬件的确也“踩了很多坑”，指出曾经认为“做To B一定是赔钱的”的观点盲区，认为Soul的破局之道在于走出一条极致差异化的路径：把硬件做成IP载体，把To B生意做成场景化的交互解决方案，并谨慎地试探AI与人之间那条模糊的互动边界。
以下是凤凰网科技《浪潮》与Soul CTO陶明对话实录，经过不更改原意的删改：
关于硬件“B Soul ”：不是为了做硬件，而是为了让连接走出屏幕
凤凰网科技：今年WAIC大家都在争线下终端，Soul做“B Soul”这款硬件的思路和初心是什么？
陶明：我们的出发点和他们不太一样。很多模型公司做硬件，是追热点，找模型的应用方向。Soul的出发点，是想把我们App里随时随地的情绪价值连接，延伸到现实社会里来。过去，你打开Soul，就能体验到这种连接；但关掉手机，你的现实和虚拟世界就完全割裂了。
我们最初想，这个硬件是不是要把App里的关系迁移出来？后来想开了，用户要的是一个纯粹的体验，Soul App是独立的，这个终端是另一个独立的体验空间，两者不是必须要连接。“B Soul”不是手机的替代，而是一个能感知情绪、随时在场的交互入口，是一个人机交互的陪伴工具。
凤凰网科技：如果不是手机的“替代品”，这款硬件最终如何定义自己，目标用户是谁？
陶明：我们只定义它能给用户带来什么。它可以作为日常的情感陪伴工具，可以当作一个个性表达、潮流的IP配饰，类似胸针、手表，核心用户还是年轻人。但最重要的是，我们未来会在里面投放大量的IP角色。我们卖的不是硬件，是IP。比如，你可以和迪士尼IP、我们自有IP的角色对话。就像大家买泡泡玛特，买的不是那个盲盒，是盲盒背后的IP。
未来硬件里会内置虚拟人，用户也可以自己去构建喜欢的虚拟人，可以自定义音色，有语音交互的能力，还有一些工具层面的，比如哄睡这些。
凤凰网科技：在国内做硬件是场硬仗，一定会面临的一个问题是，华强北做了怎么办？
陶明：按照原来的这种硬件思路去做，你肯定会担心，因为你只要卖得好，你的硬件一定会被copy。现在国内大量的AI硬件其实都在海外拿到了收益，但在国内很难。
所以我们的思路是，一定要把IP和硬件结合起来。卖的不是硬件，我卖的是IP。你的差异化路径要打好，IP不是其他公司能够去替代的。我们自身其实也在发展IP，现在Soul有的虚拟人在全网有几百万的粉丝，它们也会入驻到我们的硬件里面。这些粉丝都是我们硬件的潜在购买者。
坦白讲，硬件要做得一模一样其实很简单。但我们有独有IP，再加上自身模型的解决方案，就构建了无可替代的差异化。
凤凰网科技：做硬件的思路跟做软件完全不同，你们在这个过程中踩过什么坑？
陶明：肯定是踩了很多坑。软件更多时候是快速上线、快速迭代，线上反馈。硬件最开始我们想的是，不找代工厂，自己绕过供应商去采购硬件，自己做解决方案。后来发现根本没有办法，对下游供应商的品控也很难，甚至都不知道该怎么动手。也想过找一个团队来做，后来发现还是没有这个基因，最后还是委托给第三方的供应商。
未来如果要再发硬件，也不会自己构建团队去做，还是交给合作伙伴。我们还是做擅长的事情，把软的方面、交互模型解决方案做得更好。
凤凰网科技：你们对出货量有预期吗？
陶明：我们有大的预期，但像有的公司卖硬件风格比较粗暴，就是价格打到最低。Soul还是不太一样，我们这款会有差异化的定价考虑，我们卖的不是硬件，卖的是IP。
“情绪感知”的技术内核：我们要的不只是一个“问答机器”
凤凰网科技：外界对Soul的认知还是一家社交公司，但你们也推出了自己的交互模型SoulX ，很强调情绪感知与交互，这和追求“智能”的通用大模型，在技术实现上有什么不同？
陶明：这完全是由我们要达到的效果决定的。第一，我们要呈现的感知交互是完全符合人和人行为的范式的。所以在交互方式上，不是一来一回，而是随时可以互相打断；第二，它必须有非常强的情绪感知，不只要理解你说了什么，还要感知你的情绪，并决策以什么情绪回复你。
为了实现这一点，我们的训练数据不仅是语料，更有海量的合规“行为语料”，比如说话的断点、副语言，语气词等。这使得它能理解语言背后的情绪，而不仅仅是文字逻辑。
凤凰网科技：SoulX主打“语音为先、面向多模态”为技术内核，为什么如此强调“语音为先”？
陶明：视频交互信息密度最大，但用户的行为成本高。文字简单，但信息密度低。语音是兼顾了低成本和高信息密度的最普适的方式。人在说话时，语音能表征的东西远比文字多，这反而让技术处理难度更大。但我们的重点不是单纯的语音克隆，而是在语音基础上加入了强大的情感、情绪感知。这是我们跟市面上其他语音模型最大的差异化。
凤凰网科技：Soul构建了“自有应用—产业生态”双层应用体系，那Soul App作为模型迭代的试验场，在数据反馈和场景验证上，能带来什么优势吗？
陶明：通用模型其实无所谓人机交互的沉浸度，或者考虑人与AI交互的边界问题，就是吸引用户不断地去内容消费。但对Soul来讲就不一样，所以这个周期是非常非常长的，这是我们跟其他公司不太一样的地方。我们产品很早就构建起来了，但推进速度会很慢。
这还是得益于，Soul App本身还是要以人和人的交互为主、人机交互为辅。所以这次战略升级也是基于这样的考虑，有必要把Soul App和要去做人机交互入口分开来，彼此之间不会耦合得那么紧。
从To C到To B：“做To B很容易赔钱”，但我们找到了差异化的解法
凤凰网科技：Soul正从社交平台转向“AI生态公司”，你们也想要把SoulX的能力对外开放给B端，这种转变是如何发生的？
陶明：我们2019年就开始做生成式AI，但直到2023年后，我们发现人才市场并不认为Soul是一家AI公司，这很吃亏。所以我们开始陆续开源模型，最初是为了吸引人才。但意想不到的是，开源后在产业端引起了巨大反响，机器人、陪伴、语音对话等领域的客户都找上门来，希望我们提供方案。
但当时行业共识是，单纯做ToB，要么是竞标，交付难、账期长；要么是卖token，都在卷价格，做一单亏一单。后来我们决定做，就要走差异化路线。
凤凰网科技：Soul差异化的 ToB 打法是什么？
陶明： 我们只定位在人机交互的场景，并且是需要情绪感知的场景，比如具身智能、智能座舱、内容演绎（如AI漫剧）。我们不只是一个模型API提供商，而是提供一整套包含模型、记忆系统、合规模块的“场景解决方案”。
在商业模式上，我们也更开放。我们不会大规模采购算力，而是选择与算力中心合作，把模型部署在他们那里，客户使用时我们只参与分成。这样我们只有毛利，没有沉重的算力成本。
这个模式在国内跑通后，明年上半年我们就会转身去做海外，推出英文版模型。
凤凰网科技：你们会把谁在这个领域中视为竞争对手？
陶明：其实并不能算是竞争对手，因为大部分还是通用模型玩家，但细分下来，我们做的还是不太一样。差异化的点在于，他们更多只是提供API，我们提供的是场景解决方案。第二个是成本优势。第三个，也是我们觉得语音交互里面最重要的，叫做音色IP。这是最重要的声音资产，我们相比其他家会有庞大的IP库。
我们希望，普通的用户能够在我们的平台上上传自己的音色IP。当他的音色被客户选择过后，能得到一个很好的分成。因为Soul本身有很大的语音场景，我们天然就有很多好听的音色IP，这个解决了非常大的痛点，现在不管是AI漫剧、AI短剧，还是短剧配音，都需要丰富的音色IP。这跟卖脸不一样，卖脸是卖一次性的，未来，卖我们的IP库是持续性的，基于Token分成。
AI在社交中的边界：“我们故意让AI不完美”
凤凰网科技：Soul这次在WAIC还展示了SoulX实时数字人，它相比于前几年我们看到的数字人有什么新进步？
陶明：技术路线完全不一样。原来的数字人是驱动式的，对整个人进行建模后，通过动作标志来驱动模型，你会发现它很机械，也没什么表情，可能能做200套动作，但一点都不丝滑。现在我们完全是基于生成式的模型技术来做的，并且是实时的。
我们希望未来在虚拟空间里面，逻辑上有一个自己的连接体存在，或者有一个交互对象在，它是能显示的、有形象的、有性格的。这是交互的最高层面，我能看见你，你也能看见我，交互体验是更沉浸式的。
普通用户用自己一张照片，上传一下，就可以让它动起来了。当前我们所展示出来的能力，并不是单纯只能做陪伴类的，更多的还想释放在产业链上，比如做数字人直播。原来的数字人直播还是要靠人后面去做动作，要么是录播的，要么是基于录制式驱动的。实时交互的，我们在国内应该算是非常早进行探索的，也已经开源出来了。
凤凰网科技：数字人要做到实时交互，技术难点是什么？
陶明：主要是时延的问题，以及时延和效果怎么平衡。你要它非常丝滑，生成效果要好，同时不能感觉一帧一帧跳动，那就要求时延一定要低。
而且，模型体积一定不能大，不能说我构建个大规模参数的模型来做实时数字人，那肯定不行。至少1秒32帧，大规模参数的生成不了，或者成本很高。我们只能在几B的模型上把它构建起来，这就要求我们的表征、隐空间、量化要做得更精细。当前来看，我们是行业里比较少在这一块能够达到这样效果的。
凤凰网科技：怎么把成本控制在可控范围？
陶明：实时数字人方案还好，因为它是小B模型，单卡4090上就能跑。我们因为一直主打的是实时，实时要求算力的密集度会更高，所以只能说一开始你的方案就应该是低功耗、低成本的。不算好的话，即使用大规模参数构建出这样的技术，也没有办法场景化，没办法持续迭代效果。从一开始就要把账算好。
凤凰网科技：AI虚拟人容易让人沉迷，Soul在产品设计上如何把握边界？
陶明：在Soul的生态构建里，包含几个方面，一个是用户体验，第二个是用户安全，第三个是内容安全。我们是从移动互联网下半场才进场的，2016年底。那时候监管其实已经慢慢开始治理了，我们从那个时候开始就相当于跟着监管一路走到现在。
我们现在的思维是会更未雨绸缪，提前发现问题，前置地去构建解决方案来规避。所以从上线初开始就很克制，没有主动的入口，到现在为止，平台没有交互过的虚拟人不会主动去触达用户。
我们的理念是，即使技术能做到完美，我们也希望虚拟人是个“不完美”的状态。如果一个AI什么都应和你，太完美了，在现实生活里，这可能就是一个有目的的“杀猪盘”。
所以我们希望在交互中通过这种不完美，让用户不只看到虚拟提示的标识，而在聊天过程中就本能地感知到，保持清醒，不要太沉浸。
技术层面，我们有独立的AI安全模型，对用户输入和AI输出进行双重审核；产品层面，我们有显著的AI标识，当用户与AI连续对话达2小时，系统会强制弹出提醒，建议休息。这都是我们生态治理的一部分。
凤凰网科技：AI的介入，会冲击Soul主站“人和人社交”的根本吗？
陶明：在Soul上，我们一直坚持AI为辅，人和人的社交才是根本。目前的数据反而证明，AI在促进人和人的社交。很多原来社交能力不强、表达羞涩的“低活”用户，在跟AI聊天的过程中，社交思维被“训练”出来了，变得更愿意、也更有能力去跟真人交流。这形成了一个正向的飞轮。
AI在Soul里是一个工具，当这个工具和我们个性化、影响力驱动的社区场景结合时，它的商业能力就体现出来了。这就像在雨水多的南方卖雨伞，才能卖出好生意。同样的AI工具，在不同的社区土壤里，长出的商业果实是完全不一样的。
战略转身与未来：希望成为人机交互的“基础设施”
凤凰网科技：你们内部现在用AI写代码的比例高吗？
陶明：AI coding是大趋势，我们现在技术团队是不鼓励工程师手搓代码。前段时间刚举办了AI创新竞赛活动元创营，普通员工也往这条路上走。
因为变革这个事情，它不存在很平滑的、缓慢的变革。如果说缓慢地去变革，那你已经跟不上了，落后了。你一定要激进。在激进的过程中会有个好处，迫使大家的思维硬转过来。缓慢的话，大家的思维惯性是存在的，他认为还有时间。硬转的过程中，就不得不换个思维来面对这个事情。
凤凰网科技：会有风险吗？AI写的代码出问题怎么办？
陶明：非常有啊。但这不是AI的问题，是你本身要构建一个pipeline，尽可能保障AI写的代码是合乎要求的，是能够正确的。因为不可能说未来AI写的代码都是100%正确的，尤其是复杂工程里面。所以无论如何都需要构建pipeline来保障它。为什么现在Agent技术起来后，对AI coding这个事情也有非常大的促进作用？它也是解决方案的一种方式，我可以给Agent更多的skill，可以让Agent去loop地写代码，去做cross check，这都是人要去设计的。
凤凰网科技：外界印象中Soul是一家社交公司，但这些年感觉越来越像一家AI公司，这个变化是怎么发生的？
陶明：其实在去年之前，我们还定位在Soul是一家社交公司。虽然大家对Soul的AI感知蛮深刻的。一方面Soul本身的SoulX，在Soul里面的产品赋能和效果，用户是能够看得到的。另一方面我们也开源了五六款模型，在社区里面也达到了比较好的反响。但即便大家知道Soul里的AI做得很好，但市场也好、用户也好，把Soul定位成一家AI公司，还是比较难的。
所以说，今年我们做整个战略升级。未来对外更多想传递的是，Soul其实是一家模应一体的公司。我们以SoulX为载体，一方面赋能我们的社交业务，不断提高SoulX本身的效果能力；另外一方面，把SoulX延展到产业链上去。未来更希望被视为一个AI生态公司。原来的社交只是这个生态中的一部分。
凤凰网科技：从社交公司到AI生态公司，战略升级过程中，让你最焦虑的是什么？
陶明：Soul App本身的稳态发展已经很成熟了。新的ToB业务承载着我们未来极大的想象力，当前让我焦虑的是，我们能否真正给客户带来实际价值。我们虽然通过推演找到了差异化路径，但还需要时间去实践。我们面对的客户是产品提供方，他们背后才是终端用户，我们隔了一层，如何确保我们传递的价值是真实有效的，这是经营思维转变中最大的挑战。
凤凰网科技：Soul最终希望成为一家什么样的公司？
陶明：我们希望定义为AI生态公司。未来的物理世界，AI的入口不一定只发生在手机上，会是多个差异化的硬件。我们希望成为所有这些需要“情绪感知交互”的硬件终端背后的主要服务商和基础设施提供商。
我们不久也会公布更多的进展，大家会看到，大部分具身智能、智能座舱的品牌，都可能是我们未来的战略合作伙伴。我们的目标是，有情绪感知交互需求的地方就有Soul的解决方案。
从技术上看，我们最近发布的SoulX-LiveAct模型就让我很兴奋，它标志着我们迈出了实时多模态交互的重要一步。接下来已经不只是单纯的数字人，而且能识别我的动作。比如我端起水杯喝口水，我们就希望屏幕里的数字人也能意识、识别到。它正在让交互从单纯的情绪生成，走向意图理解与形态表达的结合，这是未来非常有想象力的方向。
天牛宝配资提示：文章来自网络，不代表本站观点。
