前Kimi搜索负责人出走做AI婚恋，产品设计却全在「反常识」

前Kimi AI搜索技术负责人曾歆勋离开时，手里那笔期权按现在的估值算值几千万元。他没有太多犹豫，转身做了个AI交友平台叫良配，拿了今日资本徐新1500万天使投资。如果只是这些背景，这不过又是一个大厂高管创业的故事。他给产品定了几条规则：每个人同时只能匹配一个人、注册得先跟AI聊20分钟、会员敢承诺三年没结婚就全额退款。这些设计放在今天的互联网产品逻辑里，每一条都在反常识——平台在主动限制自己的活跃度，主动把收入和用户停留时长脱钩。

曾歆勋不是第一次创业。他在南科大读到大二就休学做过外卖平台，覆盖深圳、东莞、惠州，后来被美团和饿了么烧钱补贴打没。回校复学后转了计算机，毕业后进微信、TikTok做搜索推荐，最后一份工是Kimi的AI搜索技术负责人。他自己的线上交友经历也不顺利：在一款软件上写了两千多字个人介绍，还是经历了大量低效沟通，准备卸载时才认识了现在的太太。这段经历让他对线上交友缺什么有一个很具体的判断——问题不在于候选人数量太少，而在于context（上下文），以及平台理解context的能力。

传统交友平台核心解决的是「让更多人看见你」。一个人的生活圈子里可能只有几十个适龄异性，平台把这个数字放大到几十万甚至上百万。但放大之后问题就变成了：每天该推荐哪几个人？大部分平台的用户只填110个字左右就上线了，算法理解得浅，后面的筛选全靠自己聊、自己约、自己试错。良配的做法是在注册阶段就让AI红娘跟用户聊20分钟，三十多轮下来积累大约4000 Tokens的信息量。目前平台用户的人均资料达到463个字，大约是行业平均水平的4倍。这个设计的前提假设是：让用户充分表达，既方便别人判断，也方便平台理解。

良配使用的AI架构也不是一个模型打全场。语音场景用豆包因为声音自然，需要严格格式输出时用千问，需要有人情味对话时用DeepSeek，需要Agent自主走长流程时用Kimi。注册阶段的AI红娘流程完成率超过80%，每名用户注册成本约1元，全生命周期可能到几十元。下一步计划是训练一个良配专用的匹配模型，7B或14B量级，只做一件事：输入两个人的资料，输出两个人是否合适以及关系可能成功的概率。训练数据来自平台上的真实交互——谁喜欢了谁、回应了、聊了多少、是否见面、是否建立关系。专用模型目前还没训，因为数据还不够，现在还是用通用大模型的泛化能力做推荐。先跑起来、积累数据、再训模型、用模型提匹配率——这条飞轮还没跑通，但逻辑可以说通。

产品层面有两个设计比较值得讨论。一是1v1匹配：两个用户匹配后暂时看不到新推荐，也收不到其他人的消息，只能专注在当前这段关系上。目前大约10%的用户处于1v1状态，已经建立的1v1关系中约40%一直没有解除。二是会员方案：2000元的「保结婚会员」有效期三年，三年内没领证全额退款；另一档是1000元永久会员。这两条的共同逻辑是把平台的收入动机和用户的目标对齐。常规交友产品按订阅时长收费，用户用得越久平台赚得越多，改进动力自然偏向「让用户留下来」而非「让用户成功」。良配选择赚成功结婚用户的钱，创始团队算了一笔账：中国每年约一千万人结婚，假如未来有10%通过良配认识，每名成功用户支付约2000元会员费，对应年收入规模可达数十亿元。没成功的用户退钱，这部分收入就不存在。这个算术成立的前提是平台确实能把脱单成功率做到足够高，否则就是持续的退款压力。

良配上线约10天，用户超过9000人，数据初步看是正的。但距离验证商业模式还差得远。最根本的问题还是：大模型能不能真的帮更多人脱单？大部分人的择偶需求自己都说不清楚，更别说让它变成一个分类问题。曾歆勋也承认用户表达的很多条件背后有隐性需求，「希望年龄大一些」和「希望成熟一些」可能对应相近的模型参数，但模型能不能学对、数据够不够支撑这种映射，是另一回事。当一个产品主动鼓励用户离开、把收入建立在用户不再需要它的那一刻，增长引擎和获客成本能不能撑到那天，也是一个还没被回答的问题。

良配选了一个有意思的切口——把用户脱单成功率定为唯一的核心指标，然后用AI能力、产品机制和收费方式一起往这个方向推。方向是对的，但这条路没人走过。接下来能看到的数据，会比PR故事更有说服力。

相关链接
- 智东西原始报道