远见网一、把找对象做成了一次次AI匹配
1、把找对象做成了一次次AI匹配
前Kimi AI负责人曾歆勋做了一款叫良配的AI婚恋产品，把找对象做成了一次次AI匹配：先让“AI红娘”花20分钟聊透一个人，再从人群中找到更合适的答案；
匹配成功后，一次只聊一个人。
2026年7月，上线两周，良配获得约5000名注册用户，其中约20% 进入过排他的1v1状态——他们暂时停止寻找其他人，只认真和眼前这一个对话，此前良配已获得今日资本徐新投的200万美元天使轮。
而在下一阶段，良配还会基于平台留下的用户关系行为数据，进一步训练垂类模型，提升匹配准确性。
以Tinder，以及陌陌、探探、Soul们为为代表的泛社交应用，是以用户留存和活跃为指标的；但在良配上，用户越快“离开”，产品才越接近成功。
相似的路线在硅谷出现，Sitch、Known都在用AI访谈替代左滑右滑，融资分别达到500万美元和接近1000万美元；
7月，Hinge创始人离职创办的Overtone，同样是借助AI深度理解用户画像、精准匹配，拿到了1800万美元的融资。
几家公司从不同方向走向了同一个判断：AI婚恋的机会，在于理解得更深、推荐得更少。
互联网时代的社交产品，首先解决连接数量。Tinder类的产品更多陌生人放进同一个池子，再用地域、兴趣标签和用户行为不断分发。
2、让认识新人本身成为一种娱乐
左滑右滑、语音房、动态和虚拟礼物，让认识新人本身成为一种娱乐，也把泛社交做成一门大生意：探探母公司挚文集团2025年收入仍有103.67亿元，Soul 2024年收入为22.11亿元。
良配看到的是下一层问题。人多起来之后，平台对每个人的理解仍然很薄。
用户只能根据几张照片、年龄、学历和几个标签反复滑动，再把时间、情绪和线下见面的成本消耗在一次次试错中。
这一困境，间接导致更多的交友产品出现。
它们通过聚拢一小部分价值观相似的人群，通过产品功能设计和调性来建立准入门槛，比如围绕学历的青藤之恋，女性主张的她说等。
不同于推荐算法基于标签、交互行为等出现，而AI能把推荐的原料从几个标签扩展到一个人的生活与心理，模型理解得越深，用户需要见的人就可以越少。
大模型可以沿着一段长对话继续追问，把含混的表达拆成硬条件、软偏好和优先级，再比较两个人完整的语义。
传统平台依靠日活、停留时长和订阅周期赚钱，他们希望用户能享受过程，而不是真正达到目的后离开；
但AI婚恋产品，无论是良配还是Overtone，商业模式都转化成“脱单才付费”。
技术改变了匹配效率，也让平台第一次有机会与用户共享同一个目标：尽快找到合适的人。
二、他经历了从标签与行为反馈
1、他经历了从标签与行为反馈
良配成立于2025年8月，创始人曾歆勋毕业于南方科技大学计算机系，先后在微信搜一搜、TikTok做相关业务，离职创业前是Kimi AI技术负责人。
他经历了从标签和行为反馈，走向大模型语义理解的完整过程，也知道如何从一段含混的表达里识别意图、召回信息和组织答案。
用户自己常常说不清需求，一个人也无法被年龄、学历和收入完整描述；最后的答案还要得到另一个人的确认。
他对这件事还有一段更私人的理解。25岁时，曾歆勋把“找到对象”定成工作第一年的KPI。
他参加徒步、登山、桌游和联谊，也在公司内部交友论坛发帖。
活动认识了很多人，却很难提前知道谁单身、谁认真寻找长期关系，每一次见面都要从头交换信息。
后来，他开始使用交友软件，在低效的见面、约会中消耗了自己的精力，他甚至写了一份详细的自我介绍，两千多字，无人问津后索性卸载了软件。
直到一次偶然转发，帖子被后来的妻子安安看到，她也写了约1200字的资料，几个月后，曾歆勋重新登录，两个人聊了一天就确定了彼此。
一份被推荐系统埋没的长资料，最终通过一次偶然转发，让两个人在数月的时间错位中，仍然找到了对的人。
2、大模型补上了这块缺口
但原来的那套系统，能看到一段两千字文本，却无法理解其中的家庭观念、生活方式和长期计划，更无法真正进入匹配机制中。
现在，大模型补上了这块缺口，理解长资料，再把一次偶然的“被正确的人看到”，变成可以反复发生的推荐。
曾歆勋的经历回答了这件事怎么做，个人故事回答了他为什么会一直做。技术、需求和创始人的经验，在良配上刚好接到了一起。
沿着这个思路，良配把AI放进婚恋产品最核心的匹配、反馈和商业逻辑，形成一条完整链路。
用户注册时，AI红娘会先用约20分钟追问工作与家庭、消费观、生活节奏、定居城市和生育计划，帮助用户厘清哪些条件重要、哪些可以让步。
据团队介绍，这种对话最终生成的用户资料平均约460字，远超此前约会交友类平台的100字水平。
一次DeepTalk替代成千上万次滑动，也让大模型第一次有机会理解标签背后的那个人。
数据库先过滤地域、年龄和学历等硬条件，向量检索继续寻找语义接近的人，最后才由大模型阅读双方资料，分别计算“我适合对方”和“对方适合我”的分数，并生成匹配理由。
豆包负责语音访谈，团队看中它在实时交流中的自然度和拟人感；
千问负责从长对话中提取结构化信息，看中它的指令遵循能力；
三、优势在于表达更自然
1、优势在于表达更自然
DeepSeek承担用户侧的文字交流、匹配推理和理由生成，优势在于表达更自然，也能把判断组织成合乎逻辑的解释。
据团队测算，目前每名活跃用户每天产生的token成本只有“小几毛钱”，这也意味着成本和毛利会在可控的范围内。
接下来，两个人互相点下“喜欢”后，便会进入排他的1v1状态。关系解除之前，双方都无法继续查看和联系其他候选人。
这条规则最初允许同时聊九个人，后来减到六个，曾歆勋在上线时确定为了“一个”。
在他看来，多对多关系会让人不断比较，1v1则要求双方为一次匹配暂时停止寻找，把注意力放在眼前的人身上。
传统交友产品可以记录谁喜欢过谁，良配还可以知道谁愿意为谁暂停寻找、关系持续了多久，以及双方最终为什么解除匹配。
这些关系结果未来将被用于训练婚恋垂类模型。它学习的对象已经超出“什么样的资料容易获得点击”，进一步指向“什么样的人更有可能真正开始一段关系”。
“这个垂类模型需要的数据，在现实世界里根本获取不到，但通过我们的平台，可以产出这些数据。” 曾歆勋说。
其中，AI分身为敏感问题提供了一层缓冲。
2、AI军师则掌握双方的资料与沟通进展
用户可以询问收入、家庭、身高和生活选择等难以直接开口的问题，模型会先理解提问背后的真实需求，再将其拆成关于价值观、条件底线和优先级的中性问题，匿名交给对方确认。
冒犯性和骚扰式内容会被过滤，被询问者也可以选择不再回答同类问题。
AI军师则掌握双方的资料和沟通进展，帮助用户判断关系、寻找沟通角度，但不会生成可以直接复制发送的回复。
良配希望AI帮助真人理解彼此，同时把最后的表达留给真人。
曾歆勋提到，团队曾收到反馈，一对匹配用户先后向AI军师问出了同一个问题：“他对我有好感吗？
” 团队正在考虑，当双方出现类似的共同问题时，给出一个“心有灵犀”的提示，帮助关系再向前一步。
这个阶段，1v1同时完成了两件事：让用户认真，也让平台看见结果。
商业模式上，良配设计了一项2000元的“保结婚会员”：用户三年内没有领证，会员费全额退还。
按照项目方的规划，这笔钱将由合作银行托管，结婚前平台无法动用。
曾歆勋把Hinge当作长期参照。
四、美国每十对结婚伴侣中
1、再将结果用于改进推荐
Hinge将自己定义为 “Designed to be Deleted”，并通过 “We Met” 追踪用户是否真正见面、是否愿意再次约会，再将结果用于改进推荐。
良配又向前走了一步，把关系结果直接写进收费方式。平台想获得这笔收入，就要帮助用户找到对象，完成结婚，然后离开。
曾歆勋提到，美国每十对结婚伴侣中，约有一对通过Hinge平台相识。
良配也为自己设定了一个10% 的长期目标：未来中国每年结婚的人群中，有约10% 通过良配认识。
这显然是一个距离今天很远的终局目标，却也勾勒出了这门生意的天花板。
根据民政部公布的数据，2025年全国结婚登记为超过600万对。按10% 静态计算，对应约60万对。
尽管这项测算建立在全国覆盖、足够的同城用户密度和稳定的结婚转化之上，但它至少说明了一件事：AI婚恋看起来分众，一旦结果付费的模式成立，生意的天花板并不低。
在这些核心信息之外，我们也和曾歆勋聊到很多其他话题，包括感情里的随机性，究竟能被模型理解多少？以下是更多信息，供大家获得更多参考。
硅星人：页面上的“适合度”由DeepSeek判断。模型没有经过后训练，用户说出的也未必是真实需求，这个分数凭什么可信？
2、现阶段确实会有误差与幻觉
曾歆勋：现阶段确实会有误差和幻觉。
我们在产品设计上能做的，就是20分钟访谈可以通过追问，帮助用户厘清条件的优先级，AI生成的资料也会交给本人修改。
这样在冷启动阶段，通用模型只需要完成比随机推荐更好的初筛效果，就可以了。我们也在等1v1数据积累起来，去做后训练进一步提高精准度。
硅星人：如果要用于后训练，那平台现在收集到的这些行为数据会不会也存在偏差呢？比如两个人不再上线，但可能开始了恋爱，也可能很失望，都卸载了产品。
曾歆勋：噪音一定存在。
但相比允许用户同时和很多人聊天的平台，1v1至少给了我们更清楚的关系信号：哪两个人互相选择过、聊了一天还是十天，以及最后为什么解除。
用户想重新获得推荐，必须先结束当前关系。
后训练时，我们会少看滑动，多看双向喜欢、关系持续时间、解除原因和最终结果。
这些数据依然存在误差，但我们至少知道成功信号对应的是哪两个人，也拥有两个人更完整的Context。
曾歆勋：他们当时在看AI找人的机会，包括
