如果你最近参加过一些 AI 活动、行业会议，或者创业圈的线下聚会，大概率会有一种很矛盾的感受。
一方面，大家好像比以前更愿意见面了。
活动越来越多，饭局越来越多，conference、meetup、闭门会、demo day，黑客松，一个接一个。
另一方面，很多人也越来越累。
聊了两三个小时，加了几十个人，回到家以后，却发现真正记得住、还会继续联系的人，可能一个都没有。
在中国人的聚会里，经常会出现一个很典型的场景。
你们其实还没聊什么。
甚至你刚从台上讲完，对方走过来的第一句话就是：
“先加个微信吧。”
于是两个人拿出手机，扫一下二维码，加上了。
谈话甚至都还没有真正开始。
一场活动下来，微信里多了二三十个人。有些人会很认真地发一大段话，告诉你他是谁、在哪里见过、做什么；有些人会发一张电子名片；但大部分人其实什么也不发。
过两天再打开微信，已经完全不记得谁是谁了。
头像不认识。
名字也没印象 (国人微信几乎都不用实名!)。
朋友圈可能还设置了三天可见。
这大概是一种很典型的“老中”社交：聊了两三个小时，联系方式加了一大堆，最后沉淀下来的是一串没有上下文的 contact。
美国人的聚会有些不一样。
大家通常会先自我介绍，聊聊你在做什么、做什么产品。对方会很礼貌地说：
Very good.
Impressive.
Very interesting.
如果聊得更深入一点，双方会问名字、公司和项目。因为美国人一般不用微信，也通常不会刚见面就拿出手机互加 LinkedIn。
这在一些场合甚至会显得有点奇怪。
大家更多是想：回去以后再 follow up。
理论上，这件事也不难。只要还记得名字，或者大概记得对方在哪家公司，事后通常可以在 LinkedIn 上把人找回来。
问题是，一场活动里参与的人很多。
聊完两三个小时，回到酒店或者家里，人已经很累了。
睡一觉起来，只记得对方的 first name，不记得 last name；对公司的印象模模糊糊，甚至和另外一个人搞混了。工作一忙，follow up 就拖了下去。
过几天，原本还算深入的一次 contact，就变成了浅层 contact。
再过一段时间，也就变成了无效 contact。
名片当然也可以交换。
但名片基本都会丢。
所以无论是在中国还是美国，很多人都在抱怨同一件事情：
为什么我们见了越来越多的人，却好像越来越难真正认识一个人？
最近我一直在想这个问题。
尤其是在 AI 时代，它好像变得更严重了。
一为什么 AI 时代的线下活动反而越来越多？
第一个原因当然是 FOMO。
AI 的技术、产品和玩法变化得太快。包括我自己在内，很多人都会担心，一旦没有注意最新的趋势，很快就会落伍。
网上的信息很多。
但水分也很多。
有些内容似是而非，有些东西是二手、三手的转述，也有很多只是拿来唬人的。
参加过几次线下活动以后，很多人会发现，面对面交流的效果有时确实更好。
你可能在十分钟里，就听到一个人最近真正试过什么、哪里有效、哪里踩坑。这些东西往往更前沿、更真实，也更贴近日常工作的具体场景。
第二个原因，是 AI 正在把人与人之间的差距迅速放大。
这个观点我在上一篇文章里也写过。
当低价值、重复性的工作越来越多地被 AI 取代时，人的价值并没有消失。
恰恰相反，真正优秀的人变得更重要了。
你可能不再需要海量的人力资源，也不再需要一个很大的团队。但你比以前更需要认识几个真正厉害的人：可能是合作伙伴，可能是客户，可能是上下游，也可能是某个你之前完全不知道该怎么解决的问题的关键人物。
在这样的世界里，认识一个非常优秀的人，可能比认识一百个平庸的人更有价值。
所以很多人参加活动，主题讲什么、嘉宾分享什么，某种程度上都只是一个由头。
真正的目的，是 networking。
或者说得更直接一点：
大家都想去碰运气。
看能不能遇见一个真正有意思的人。
第三个原因也很客观：AI 让组织一场活动变得容易太多了。
过去两年，我在硅谷、北京、上海组织过大约七八场类似的活动。
这些活动基本都是我一个人从头到尾做完的。
从活动立意、主题、文稿和海报，到在 Luma 上建立活动、找场地、在社群里喊人、做推广，再到现场组织讨论、邀请嘉宾和担任 host。
朋友和工作伙伴当然也帮过一些忙。
但主要工作，确实是我一个人完成的。
这在过去是不可想象的。
以前组织一场活动，起码要拉上五六七八个人。要开会，要分工，要约时间，要反复对齐。
现在，一个人的大脑，加上一组 AI 工具，就可以把想法直接变成海报、报名页面、活动流程和现场交付。
我其实越来越喜欢一个人独立做这些事情。
不是因为我找不到人帮忙。
而是因为一个人端到端地组织，很多时候效率特别高。
我不需要拉会，不需要等大家都有空，也不需要为一个标题、一张海报或者一个嘉宾名单反复讨论。
当然，它不一定完美。
中间也会有错误，会有遗漏。
但 AI 时代一个非常重要的变化，就是一个人的大脑，可以绕过大量繁复的人人对齐，直接驱动一件事情从想法变成现实。
这件事我以后也许会单独写一篇。
但它在客观上带来了一个结果：
办活动更容易了。
活动自然也就更多了。
二我们想认识的人，正在发生变化
线下活动越来越多，但过去那套判断“谁值得认识”的信号，正在失效。
AI 的快速发展，一下子降低了很多经验的价值。
尤其是对于已经工作十年、二十年的人。
过去，一个人在 LinkedIn 或简历上写有多少年经验、在哪些公司工作过、管理过多少人，这些通常是很强的信号。
现在，它们当然仍然有意义。
但含金量已经没有以前那么高了。
有时候我们招聘，看到一个人经验特别丰富，反而会多一层担心。
他过去的经验到底是资产，还是包袱？
他是在用 AI 重构自己的工作方式，还是仅仅想把过去二十年的做法继续搬到今天？
他的 title 和公司品牌，能不能说明他理解正在发生的变化？
不一定。
过去，年轻人参加活动，会自然地想去找那些在大厂、行业或公司里工作了十几二十年的“大牛”。
现在的逻辑已经不完全是这样了。
至少在很多 AI 聚会里，已经很少出现所有人围着一个 senior title 转的情况。
除非对方是少数真正站在 AI 前沿的意见领袖。
甚至我自己参加活动时，看着房间里三四十个人，也经常会产生一个很不一样的念头：
我是不是应该先去找那些看起来特别年轻的人聊聊？
也许他刚毕业。
甚至还没有毕业。
但他可能有一种非常 AI-native 的工作方式；可能刚做过一个很创新的项目；也可能正在研究一个大部分有经验的人还没有注意到的新东西。
在 AI 时代，这些人反而可能是一个社交场合里最有价值的人。
但问题是，你看不出来，谁是这样的人。
你只能碰运气。
一个人的年龄、title、公司和简历，越来越难告诉你，他此刻到底在想什么、学什么、试什么，以及他最近究竟发生了什么变化。
于是大家进入一个房间以后，会本能地扫视。
先跟谁聊？
加入哪一个讨论的圆圈？
谁值得花十五分钟？
谁只是礼貌地交换一下联系方式？
我们拥有的判断信息越来越少。
但想找到“对的人”的愿望，却越来越强。
这本身就会制造大量无效社交。
三你的简历，已经越来越不像你
这里更深一层的问题是：
一个人到底应该怎样向陌生人表达自己？
你最近发现了什么？
做了什么尝试？
在哪个问题上形成了新的判断？
你有什么很有价值、但从来没有写进简历或 LinkedIn 的东西？
这些信息，可能比你的上一份 title 更能说明你是谁。
当然，你可以在现场口头讲。
但口头表达本身会打折扣。
临场说话时，人的思路不一定完整。你可能一不小心钻进某个细节，也可能因为时间太短，只讲了一个最容易解释的版本。
对方听到的信息还会再打一次折扣。
最后，他对你的理解，也许只剩下：
“哦，他以前在某某公司。”
或者：
“她好像在做一个 AI 产品。”
但那并不是你真正想表达的 identity。
你的 identity 也越来越不等同于你的简历。
简历通常只在找工作或遇到重要场合时才会更新。很多人的 LinkedIn 几个月、甚至几年才认真改一次。
但今天，一个人可能在两周里就改变很多。
他看到了新的信息，试了新的工具，做了一个项目，推翻了一个过去相信的判断，又进入了一个新的领域。
这些东西没有一个很自然的存放地点。
你的简历记录的是过去。
但真正决定一次社交是否有价值的，往往是你现在是谁。
我越来越觉得，我们需要的不是一个 static profile。
而是一个 living profile。
它不只是记录你在哪些公司工作过、读过什么学校、拿过什么奖。
它应该知道你最近在读什么，在思考什么，在为什么问题兴奋，做过哪些实验，改变过哪些看法，以及现在希望认识什么样的人。
因为这些东西，才决定你应该去找谁。
也决定谁应该来找你。
四你的 identity，也许越来越取决于你的信息输入
人的 identity 当然很复杂。
过去我们描述一个人，常常从出身、教育、第一份工作，以及之后不断更迭的工作经历开始。
我们看履历里那些显著的成就、项目、title 和奖项。
这些东西仍然重要。
但我越来越觉得，在 AI 时代，一个人的 identity，可能越来越取决于他每天获取了什么信息。
他读什么新闻。
订阅什么 briefing。
和什么人交流。
最近反复思考什么问题。
以及更重要的：
他看完这些信息以后，做了什么。
信息输入会改变你的注意力。
注意力会改变你的思考。
思考会改变你想做的项目、想认识的人，以及下一步走向哪里。
换句话说，你每天看到的东西，即使不能决定你会成为谁，也在很大程度上影响你会成为谁。
这也是为什么 AI 行业的人会有这么强的 FOMO。
今天的信息多到根本看不过来。
但与此同时，一条真正触动你的信息，可能让你改变下一个项目，进入一个新领域，或者认识一群完全不同的人。
我建议大家去看一下 Dan Koe 最近的一个视频：I'm begging you to start writing essays (even if you hate writing)。
里面有一个观点让我很有触动。
你每天看什么当然重要。
但更重要的是，你利用这些东西做了什么。
你有没有加工它？
有没有形成自己的判断？
有没有把它变成一个项目、一篇文章、一次实验，或者一种新的工作方式？
这些输出会反过来塑造你的 identity。
也会重新决定你的社交。
因为当两个人最近在思考同一个问题，哪怕年龄、行业和履历完全不同，他们也可能在十五分钟里聊得很深。
而两个人即使拥有相似的 title、相似的教育和工作背景，如果最近的信息输入和探索方向完全不同，也可能坐在一起两个小时，仍然没有什么真正可以交换的东西。
问题是，今天的信息平台并不真的关心这些。
无论是新闻、社交媒体，还是各种 briefing，平台都在争夺你的注意力。
它们希望你看得更多，停留得更久，点开下一条。
这让大量信息消费越来越像 fast food。
不能说它完全没有价值。
但很多时候，它没有经过推理，没有经过加工，也没有进入你的真实行动。
它只是利用了人性里最容易被吸引的部分。
你知道它没有太多营养。
但那几种味道放在一起，你就是会继续吃。
于是，一个很奇怪的循环形成了。
你消费什么内容，影响你成为一个什么样的人。
你成为一个什么样的人，又影响你愿意和谁 hang out，和谁社交。
最后，我们的信息饮食和社交圈，在不知不觉中互相塑造。
所以我越来越觉得，无效社交并不只是一个线下活动的组织问题。
它和我们每天接收什么信息，以及有没有把信息真正变成自己的一部分，是连在一起的。
五AI 很会 matching，但人很难把自己说清楚
我自己也尝试解决过这个问题。
在硅谷、北京和上海组织活动时，我试过让参与者提前填写背景信息和个人 profile。
这当然不是什么全新的想法。
像 CES、GTC 这种几万人参加的大型行业活动，也一直有人在做参会者 matching，希望大家在真正见面以前，就知道应该认识谁。
我的尝试规模小得多。
但效果也都比较一般。
有时甚至不甚理想。
后来我反思，问题大概有两个。
第一个，是 profile 的深度和更新速度。
如果只是放一个 LinkedIn 链接，或者上传一份 PDF 简历，事情很简单。
但这种几个月前写好的固定资料，对 matching 的帮助其实很有限。
真正有用的信息，是你现在对什么感兴趣、正在解决什么问题、希望得到什么帮助、可以给别人什么，以及最近有哪些还没来得及写进简历的变化。
把这些东西写清楚，并不容易。
第二个，是用户的动力和负担。
很多人不愿意填。
有些人是懒。
有些人觉得负担太重。
也有些人面对一个空白输入框，根本不知道应该从哪里开始。
这其实不只是社交 matching 的问题。
它也是今天很多 AI 产品，包括我自己做的 AI 产品，都会遇到的问题。
自然语言当然是一种非常好的 interface。
它可以取代传统软件里纷繁复杂的 GUI，让用户直接说自己想做什么。
但一个 open box，也会让很多不善于表达、或者对 AI 有些发怵的人产生压力。
你想让我说什么？
我应该说到多具体？
怎样才算一个好的输入？
甚至不用说复杂的社交 matching。
只说“生成一张图”这么简单的事情，很多已经很会用 AI 的人，仍然觉得写好 prompt 很有挑战。
要写出一个好的图片 prompt，有人需要专门研究和学习。
而更多的人看到空白对话框以后，会重新退回模板、风格和参数。
不是因为模板一定更好。
而是因为选择，比表达自己容易。
这也许就是 AI matching 今天真正的 hurdle。
从技术上来说，AI 非常适合解决 matching。
社交是 matching。
招聘是 matching。
婚恋是 matching。
内容推荐和新闻分发是 matching。
广告的供给与需求，本质上也是 matching。
只要数据足够清楚，供给和需求能够被准确表达，以今天大模型的能力，完成匹配本身并不困难。
真正困难的，是匹配之前的那一步。
你怎样把人与人之间那些模糊、微妙、不断变化的需求，变成 AI 能理解的东西？
你怎样让一个人的 living profile 持续更新，而不要求他每天认真填写一份表格？
你怎样用足够低的摩擦，让人表达自己现在是谁、需要什么，又可以提供什么？
如果这一步没有解决，后面的 matching 再聪明，也只能在过时、模糊和残缺的数据上工作。
最后推荐出来的，仍然可能只是：
你们在同一个行业。
你们都做 AI。
你们都在上海。
你们应该认识一下。
然后两个人见面，加了微信。
再也没有然后。
写这篇文章，并不是因为我已经找到了解决无效社交的办法。
恰恰相反，我自己组织过不少活动，也做过 matching 的尝试，但仍然觉得这个问题很难。
AI 也许已经足够聪明，可以帮我们找到对的人。
但在它开始匹配以前，我们需要先解决一个更基础的问题：
我们怎样把一个实时变化的自己，准确、持续，又几乎没有负担地表达出来？
也许未来的社交产品，不应该要求我们不断维护一个 profile。
它应该从我们真正阅读、思考、交流和做过的事情里，逐渐理解我们。
也许名片不会消失。
微信和 LinkedIn 也不会消失。
但它们需要从一个联系方式的容器，变成一个能保留上下文、理解 intent、持续更新 identity 的东西。
否则，我们只会认识越来越多的人。
也忘记越来越多的人。
至于那个真正好用的 living profile 应该长什么样，我还没有答案。
也许未来真正重要的，不是让 AI 知道我们过去是谁。
而是让它理解，我们正在变成谁。
否则，对的人也许已经出现了。
我们却还是只加了一个微信。