从最早的飞鸿传书，到后来的BBS（网络论坛）、博客、SNS（微博、微信、短视频、直播）……信息技术的每一次迭代，都在不断拓展人类的社交半径，重新定义连接方式。如今，跨越时空与媒介的隔阂，与同频的人随时随地来一场心灵对话，已不再是梦想。

　　但是，你知道吗？在全球数字化社交浪潮中，有一个特别的现象正在欧美悄然兴起——“随机匹配视频聊天” 正成为00后Z时代的“新宠”，催生出一批现象级社交应用。

　　其中，成立于2016年的全球社交娱乐公司HOLLA Group，正是这股浪潮中的弄潮儿。十年间，这家中国出海企业不仅见证了全球视频社交的崛起，更以技术创新和合规先行的理念，在不同国家和地区构建起一个安全、有趣的社交平台，成为全球年轻人跨越文化边界、寻找同频伙伴的重要桥梁。

　　合规“突围战”

　　HOLLA Group的应用体量到底有多大？一组数据可以说明一切：全球累计注册用户2.3亿，覆盖190多个国家和地区，月活跃用户目前近 2000 万，每天视频匹配量超过3000万次，不到5秒就能匹配成功……

　　更值得关注的是，HOLLA Group旗下不是只有一款产品，除了HOLLA，还有Monkey、Hay等多款社交应用。以Monkey为例，拥有数千万粉丝的全球第二大网红IShowSpeed（国内称“甲亢哥”），就非常喜欢用Monkey，常在 YouTube 分享自己使用 Monkey的直播及精彩剪辑。

　　这么大的流量，如果全靠人工盯内容审核，工作量简直大到不可想象。如果只用传统AI，能识别的场景又太有限。更何况，不同国家的法律、文化、语言，让审核变成了横在全球化路上的“一座大山”。

　　问题是，HOLLA Group为什么一定要重视内容审核？

　　“如今，各个国家和地区对社交产品的合规要求越来越明确、越来越严格，尤其是在未成年人保护和数据合规方面，相关法规也在持续强化。对社交媒体行业而言，安全合规已经从‘可选项’变成了‘生命线’。” HOLLA Group CTO 张玉智表示。

　　▲HOLLA Group CTO 张玉智

　　随着欧美及亚太地区数据隐私保护（如GDPR、COPPA）和本地化存储相关法律法规的不断收紧，企业需要持续适应并满足不同地区的合规要求，这是最大挑战。

　　此外，伴随用户规模的快速增长，HOLLA Group还面临着底层基础设施和差异化技术能力提升问题。

　　HOLLA Group用户分布在欧美、亚洲、中东等不同国家和地区，网络质量差异会导致视频延迟或卡顿，影响用户体验，其底层基础设施也需要具备足够的弹性以支撑用户数量的激增。

　　另外，在竞争激烈、产品同质化的环境中，企业需要应用AI技术，打造诸如AI翻译、智能匹配、实时审核、AI标签等技术能力，同时需要持续优化产品体验与安全治理，从而提升用户留存和使用粘性，构建差异化竞争优势。

　　AI审核从“人海战术”走向“智能天网”

　　为了让用户即时、真实、安全地进行跨地域社交互动。HOLLA Group不得不采用技术手段，实现从“事后处理”到“事前预防”的革命性突破。

　　经过综合评估，公司选择与亚马逊云科技合作，打造了一套“三位一体”（传统模型训练+大模型泛识别+本地/云端/产品策略）的AI识别审核解决方案。

　　“过去主要依靠人工经验去覆盖场景，但传统模型的能力有限。如今，我们构建了更长的审核链路，借助大模型补足了传统审核难以覆盖的内容，这也使得我们的AI违规内容识别拦截率从95%提升到了现在的99.7%。” HOLLA Group业务中台VP王广威透露了一个事实。

　　▲HOLLA Group业务中台VP王广威

　　可别小看这4.7个百分点的提升，对于每天数千万次匹配的社交平台，这个数字意味着无数用户能免于接触不良信息，也意味着平台不会遭遇“下架”风险。

　　至于，这套方案到底是怎么做到的？需要从传统模型应用开始说起！过去，HOLLA Group主要依靠传统小模型做单场景识别，这种做法速度快、时延低，但能覆盖的场景有限。比如：聊天审核，只要没有敏感词，它就放过。但问题来了——如果一个人用“隐晦”的语言暗示违规内容，或者用整段对话实施情感欺诈，传统模型根本看不懂。

　　后来，HOLLA Group引入了Amazon Nova多模态大模型。Amazon Nova能够把图片、视频、语音、文本等多模态信息放在一起，结合上下文做到更全面的识别。比如：在聊天审核中，即使没有敏感词，Amazon Nova也能识别出上下文里潜在的风险。

　　具体而言，HOLLA Group构建的这条“长审核链路”主要包括三大部分：

　　1、传统模型训练能力（自研AI模型T-Hunter）：结合专门训练的模型提升特定场景的准确率，负责高频、低延迟的单一场景识别，包括图像、文本、视频的精准分类与检测，如涉黄、涉暴、未成年人内容识别毫秒级反馈；

　　2、大模型泛识别能力（Amazon Bedrock、Amazon Nova）：利用AI的强大的识别能力，处理复杂场景，支持多语言、多文化环境下的动态规则匹配和合规审查，补足传统模型遗漏的不足；

　　3、本地+云端+产品策略：作为最后一道防线，每天只需处理几十条疑难杂症，成本降到极低。

　　HOLLA Group 应用Amazon Bedrock作为其AI技术的核心平台，同时借助Amazon Nova进行图像识别与内容审核，能够对Monkey等社交平台上的实时视频、语音和文本进行低成本、高精度的自动检测，识别不当或违规内容并及时打标，并且支持多语言、多文化环境下的动态规则匹配。

　　目前，识别内容已覆盖用户头像识别、图像打标、视频违规识别等典型业务场景。其系统检测与打标的覆盖率从80%提升至95%，图片性别鉴别准确率从80%提升至91%。相较于传统审核方式，效率提升近20%，成本降低约40%，合规审查覆盖100%主流语种。

　　不止审核，AI翻译、智能匹配、用户标签…AI正在创造“更多可能”

　　AI的价值不只在“守住底线”，还在创造“更多可能”。举例来说，HOLLA Group用Amazon Bedrock + Amazon Nova，把AI用在了如下场景：

　　1. 智能匹配与用户标签

　　以前给用户打标签靠人工打标，又慢又不准。现在借助Amazon Nova识别用户头像的五官，自动生成统一的五官分类标签，再结合兴趣爱好和文化背景做智能推荐。匹配的精准度上来了，用户留存自然就高了。此外，每天超3000万次匹配，不到5秒就配对成功，靠的是底层从计算、存储、数据库到AI服务的完整技术栈，提供的完整服务。运维团队只有个位数工作人员，却支撑着2亿用户的全天候使用，这就是云原生的力量。

　　2. AI翻译与实时字幕

　　190多个国家和地区的用户在一起聊天，语言不通怎么办？HOLLA Group基于Amazon Bedrock和Amazon Nova，提供了实时语音翻译和字幕。你说中文，对方看到的是英文；对方回西班牙语，你看到的是中文。这种“无障碍社交”直接拉高了付费转化率。

　　事实上，HOLLA Group从初创至今，所有业务都“长”在亚马逊云科技上。可以说，没有亚马逊云科技稳定且与时俱进的技术和服务，就没有企业今天的高速发展。

　　为什么选Amazon Nova？五分之一的成本账！

　　面对AI浪潮，HOLLA Group 与亚马逊云科技迈入全新合作阶段。至于，企业在大模型选型中，为什么一定要选择Amazon Nova？

　　张玉智算了一笔账：一个竞品模型审图百万Token花费0.3美元，而Amazon Nova Lite版仅需0.06美元，是前者的五分之一。识别一张400x300分辨率的图片，1美元可处理近1万张，竞品只能处理2000张左右。

　　当然，价格不是唯一考量标准！“我们同时把一批图片交给多个模型审核，Amazon Nova在泛识别、室内外场景判别等方面，通过提示词调优有效消除了幻觉，质量与竞品并无明显差别。对于模型不确定的极少数情况，转人工审核即可。” 张玉智说。

　　他还透露了一个“鸡生蛋”的妙用，那就是用大模型来蒸馏和训练自己的传统模型。过去训练一个垂直识别模型需要数月、投入数百万甚至上千万美元；现在利用大模型生成标注数据，再在Amazon SageMaker上快速训练，成本和时间都压缩了一个数量级。

　　结语

　　当100%的负载都托付给一家云厂商，当AI拦截率逼近100%……HOLLA Group的故事，其实讲述的是一个关于“信任”的话题。用户信任平台的安全，才愿意敞开心扉与世界交流；平台信任亚马逊云科技的技术，才能以极低成本、极高效率守护全球数亿用户的每一次连接。

　　展望未来，HOLLA Group将与亚马逊云科技共同引入Agentic AI技术，构建 “智能化一体审核平台”。这个平台会以Agent的方式，把多种审核场景纳入统一管控流程。同时，他们将高度依赖无服务器架构（Amazon Lambda），让运维成本保持极低状态。