原文作者：Chloe，IOSG Ventures

前言

2019 年爆发的新冠疫情让原本连接的世界隔绝了起来，人们减少了不必要的出行，选择居家办公。新冠疫情似乎是对社会连接的一次公测，在这场测试中，人与人之间连接的必要性和价值被重新评估。人们逐渐意识到，酒吧聚会、看电影、KTV 等等原本已经成为生活中重要组成部分的活动原来可以不存在。网络的连接性弥补了物理空间的隔离，微信等社交平台成为了人们联系和消遣的主要载体。

随着大数据和算法的蓬勃发展，在线社交越来越成为人和机器融合的产物。诸如微信、微博这样的社交平台并不只是给人们提供一个社交的云场所，还方方面面塑造着人们的社交方式、思维习惯、甚至重新定义人和人之间的好友关系。本文将社交媒体对于人们的反作用称之为社交媒体的工程社会性。社交媒体的工程社会性带来的诸多负面影响，例如社交媒体对人类思维、认知和行为的负面影响和错误塑造等等。近年来，对于 Web2.0 平台带来的负面影响的讨论越来越多，不少地区和国家采取了限制社交媒体的行动，例如最近的美国提议禁止 Tiktok。反观Web3.0，绝大部分对于社交的探讨还局限在抗审查、所有权、创作者经济等等老生常谈却又无法引起大众共鸣的问题上。因此，笔者想通过不同的视角，探讨传统社交媒体的负面影响以及对 Web3.0 的启示，同时结合实际的项目展开论述。

Web3.0 社交项目在开拓着不同的路径，比如将加密通讯、引入 ZK技术以保护用户隐私，将数据和平台解耦的数据主权运动等等。其中笔者最感兴趣的，也是想在本文重点讨论的，是社交图谱。网络上已经有了许多关于社交图谱的探讨，主流的视角聚焦在社交图谱如何赋能开发者和提升用户体验的层面，但对社交图谱的工程社会性并无太多讨论。因此笔者将以此为本文的中心，结合目前发展的较好的三个项目，CyberConnect，Lens 和 Farcaster(Warpcast)，分析社交图谱存在的意义以及面临的挑战，希望能够引发读者的一些思考。

社交图谱

社交图谱汇集了社交平台上的人际关系，如今网络上最普遍的关系就是互相关注的「好友」。这里的「好友」已经不等同于好友原本的意思，社交媒体将「好友」一词的含义进行了延伸。人类最原始的社交因为地理时空的限制只局限于身边的小圈子内，我们同身边人所建立的关系是强关系，这种强关系结构是非常紧密的。比如我们和多年好友交流，并不需要好友定期给我提供多么有趣的话题，更多的是一种点对点的信息交换。这里的多年「好友」和社交媒体创造出来的「好友」有本质区别。靠算法推荐撮合在一起的关系很弱，所以需要借助「内容」来加固这段关系。因此，弱关系的好友进行社交，沟通的意味减少了，更多的是内容消费。

在 Web2.0，关系的划分已经体现在了各大社交软件上。微信沉淀的是强关系，而其他社交媒体诸如微博、豆瓣、陌陌等沉淀的是弱关系。实际上微信已经不再是社交平台，而更像是通讯录，用户加上好友之后第一件事情就是聊天，不需要进行任何的内容生产或者消费。然而在其他社交软件上，人们一定会先上传头像、填写资料、发几条动态，进行内容的创作再建立和其他人的连接。这样做最主要的目的是降低人和人之间的信任成本。因为没有人会愿意跟一个没有头像资料空白不发动态的陌生人社交。

从强关系到弱关系，对内容消费动机是逐渐减弱的。比如我们在微信朋友圈给朋友发的无聊日常点赞，但很少有人会对陌生人的碎碎念感兴趣。为了弥补弱关系的不稳定性和消费动机的欠缺，社交媒体普遍采用了两种路径，第一种是依赖优质内容，第二种是增强算法带来的连接性（在下一小节展开论述）。而选择两种不同路径的社交媒体的发展却是南辕北辙。依靠优质内容和社区运营的 BBS 如贴吧、天涯、豆瓣等等已经成为了「时代的眼泪」。而 SNS 平台如Facebook、Twitter、Instagram 等霸占了社交媒体排行的榜单。从社区视频起家的 YouTube，也在中后期快速淡化了社区的概念，利用算法和推荐机制急速扩张，在社交媒体中站稳了脚跟。

为什么越依赖优质内容，社交平台所获得的价值就越低？首先，社交媒体需要从用户数据里挖掘价值，人们产生越多的连接，平台就可以产生更多的经济价值。因此，社群或者小圈子文化并不是最利于平台变现的一种社交形式。其次，用户依赖内容的程度越高，对平台的内容发现机制的要求就越高。而在大数据的时代背景之下，内容的精准传输是一件成本极高的事情。因此，算法会像病毒式的吸睛内容倾斜，而不是推送优质内容。最后，内容消费最终会流向强关系网络，例如我们在微博上看到一条好玩的内容，普遍操作是一键分享到微信给好友进行内容消费，导致依赖内容的平台产出的价值在其他平台上被消费。或者在微博上认识的新朋友，熟悉之后也会添加微信，沉淀到强关系网络平台上。因此，弱关系的社交平台倾向于忽略优质内容和人的真实社交体验。

那么上述 Web2.0 社交媒体的现象对 Web3.0 有什么启示呢？首先，不同场景下的「好友关系」是有区别的。关系的形成是根植于场景的。其次，内容分发机制，也就是算法，应该得到创新。接下来笔者将从这两方面进行论述，对比介绍新一代的去中心化社交协议再这两个方向的不同路径。

社交图谱场景化

前文提到，社交图谱是根植于场景的，人们在陌陌上的好友和在钉钉上的好友大概率不是一个性质。如果未来社交图谱不对所有的「connection」进行场景的区分，想进行社交关系网络的迁移是极其困难的。这不乏实例证明，腾讯当年想凭借 QQ 空间积累的用户建立腾讯微博。用户在 QQ 空间发的动态会被自动同步到腾讯微博上。但腾讯没有考虑到的是，QQ 空间里沉淀的是熟人社交关系。网友的「黑历史」给家人朋友等熟悉的人看不会有多么尴尬，但要是拿到微博上推送给陌生人，可谓是「大型社死现场」。最终的结果可想而之，腾讯微博被新浪微博斩于马下。

因此，社交图谱需要场景化，如果想要赋能开发者，仅提供一个钱包的关注列表是远远不够的。这要求数据的颗粒度要小，包含的信息要更丰富。CyberConnect、Lens 和 Farcaster 对这个问题有着不同维度的解决方式。CyberConnect 不会将场景局限在传统社交媒体这一个方面上，而是同时拥抱了「social +」的模式，希望将社交图谱融入各个领域的应用当中，比如DeFi，GameFi，Credit，餐饮，音乐创作等等。因此 CyberConnect 多与第三方项目展开合作，而不是完全依赖自己孵化生态项目。同时，CyberConnect 还将 Web2.0 场景中积累的社交资产带入到 Web3.0，通过 Link3 将 Web2.0 和 Web3.0 两个场景连接起来。因此，从数据的深度和广度来看，CyberConnect 是三者中表现较好的。

Lens 的场景化是基于内容的，因为 Lens 将 follow 关系和内容都模块化成NFT存储在链上，因此人的关系并没有脱离内容，通过所发的内容可以推断出一个人在什么样的场景下关注了另一个人。模块化的内容和关系更方便建立场景。并且 Lens 主要聚焦在社交领域，在 Lens 上建立的各种生态项目也多是社交相关的。Farcaster 因为有非常具体的场景（Twitter-like application），因此在这个平台上产生的社交图谱的丰富程度和普世性也是有局限的，笔者认为这是 Farcaster 生态的一个很大的问题。

基于社交图谱的算法

算法是促成连接性的最重要的组成部分，而连接性是 Web2.0 社交媒体蓬勃发展的基石，能帮助社交媒体最大化网络效应。算法对我们的改变是悄无声息的。在社交平台上，用户自主性变成一个极为复杂的概念。自主性包含有意识的人类活动和「技术无意识」。我们在社交平台上创造的社交关系究竟多大程度基于有意识的人类活动，又有多大程度是因为人们的「技术无意识」而潜移默化地被算法创造出来的连接性？这个问题在今天已经很难回答。因为社交媒体会尽可能助长「技术无意识」，它们首先会扭曲「分享」的概念，将「侵犯用户隐私」和「开放透明的世界」等同起来，然后通过一系列编码行为增加用户停留在社交平台上的时间，大量搜集用户数据，最后「投其所好」地引导用户从社交网络走向商业活动。

例如马克·扎克伯格「让网络更具社交性」的承诺与他自称「让世界变得更加透明」的愿望微妙地模糊了开放互联网和用户隐私的界限。NetFlix 此前推出了一部纪录片，名为《监视资本主义：智能陷阱》。该纪录片邀请了 Google、Facebook、Twitter 等公司的高管，向观众拆解利用网络科技构建的一系列「致瘾性」设计，包括：内容推荐、点赞、「正在输入…」等操作。而在这一系列设计背后唯一的目的就是增加用户停留在平台的时间，尽可能多地采集用户行为。而用户行为的背后都有类似的社会规范和文化逻辑。例如「点赞」背后的算法会衡量人们对事物的欲望，或者对某些想法的认同。而这种被量化的欲望可以推动潜在的消费趋势。同时，消费的推动过程是十分隐形的，例如用户进入从好友分享的链接进入抖音，点击屏幕下方的商品链接，通过支付宝进行产品购买，只需要经过三次点击就能把分享行为导向消费。

由此可见，算法对于人的影响是潜移默化的，用户很难有所察觉。既然将赚取注意力作为算法的第一要义，那么优质内容是否得到分发就无足轻重了。算法会将流量倾斜给病毒式的吸睛内容。通过这些吸睛的碎片化内容，尽可能让用户长时间停留在平台上，从而压榨注意力（例如抖音）。此外，算法的个性化推荐和定制可能导致人们陷入信息「过滤泡沫」中，只接收与自己已有立场相符的信息，缺乏不同观点的刺激和挑战，从而导致认知偏差、信息焦虑和盲目从众（信息茧房效应）。Web2.0 时代的社交媒体利用了算法达到快速扩张的目的，却忽视了算法对人的负面影响。

在 Web3.0，除了长尾内容的推荐外，基于社交图谱的算法应该是多元的。Vitalik在 Decentralized Society 一文中提出了 Plural Intelligence 的概念，相比于人工智能，多元智能下的算法机制主要有几个方面的改进。首先，数据采集应该根植于社会背景之中，而并不是基于用户在某一个平台上的行为特征；其次，数据创造者，也就是用户们应该保留对其数据的治理权，这一定程度上是对「技术无意识」的对抗。换句话说，多元的算法并不是让算法变得更加智能，而是让算法更加人文。社交图谱实际上为多元算法提供了土壤，在有了丰富的身份信息后，算法可以追踪用户的各种特征和社会背景，而不是基于一个平台上的特定行为进行分析。同时，如果用户选择公开或者隐藏某些身份信息或人际关系，模型则不能采用这些数据点来定制算法。

从算法的角度上看，仅凭社交图谱很难从根本上解决上述问题，因为问题的根本在于 Web2.0 社交网站的经济模型，广告收入，或者从本质上来讲就是注意力经济。因此，Web3.0 社交平台需要利用 token 等媒介探索更加多元的变现方式，才可能根本上扭转这一局面。而社交图谱可能可以从其他层面改善这一现状。比如算法长尾内容推送的精准性，以及用户对于算法的掌控性等。

CyberConnect 的基础设施里有算法引擎的构建。因为数据库里有关于用户在不同应用和不同场景下的用户行为的信息，这个引擎是更高维度的。比如在构建一个社交的项目的推荐引擎时，也可以在算法里分析用户在 DeFi 平台的信用、游戏平台的表现等等，这是在 Web2.0 封闭的背景下难以实现的。而 Lens Protocol 目前没有关于算法方面的设计，但是也提供了 API，开发者可以通过数据库训练自己的模型。Farcaster 推出的 Warpcast 作为一个具体的产品拥有推荐机制，但这种推荐机制也只是基于自身产品上的用户行为。因此，虽然 Warpcast 拥有一个直接与用户交互的界面可以作为获客和用户增长的抓手，但是也是因为太过具体的产品形态，其灵活性和想象空间也受到了限制。

结语

如今，每个人的生活都被社交媒体所侵蚀。人们究竟是为了享受社交媒体的便利而甘愿当被操纵的楚门，还是想做身处原始世界却思想自由的鲁滨逊？或许每个人有自己的偏好，但现实中却没有做选择的余地。Web3.0 社交是不仅是一个有想象空间的话题，更是一个极具现实意义的话题。新一代社交图谱协议迈出了实验性的第一步，想要真正发展壮大还会面临很多阻碍。比如如何将社交图谱变成从「用户所有的」变为「用户可控的」；社交图谱上的应用如何提升用户体验，如何创造更加有趣的互动方式，才能闭合「社交图谱赋能应用，应用反哺社交图谱」这个飞轮；如何构建最具可扩展性的基础设施，在效率、去中心化程度和安全之间找到一个平衡点等等。社交图谱协议还有方方面面可以被探索完善，但是所有的尝试都有一个共同的前提和归宿：人类独立且自由的思想。