嗅態(tài)

觀察商業(yè)榜樣，輸出榜樣觀察

作者 | 石燦

12月4日，騰訊新聞負(fù)責(zé)人何毅進(jìn)站在騰訊ConTech大會的聚光燈下，拋出的問題很直接，甚至帶著點危機(jī)感：“AI時代，我們需要一款什么樣的資訊產(chǎn)品？”

臺下的人都在等一個明確的答案。

眾所周知，如今的大模型能像流水線一樣批量產(chǎn)出內(nèi)容，單純的“分發(fā)”已經(jīng)不再是某種稀缺能力。如果資訊產(chǎn)品還只是充當(dāng)一個搬運信息的管道，而不去介入內(nèi)容的篩選與深度的重構(gòu)，那么它在用戶眼中的價值就會被極速攤薄。

△騰訊新聞負(fù)責(zé)人何毅進(jìn)在臺上演說

這種焦慮在2025年初DeepSeek沖擊行業(yè)時達(dá)到頂點。在一次內(nèi)部全員會上，何毅進(jìn)推心置腹地問了團(tuán)隊一個最殘酷的問題：“這對我們來說，到底是滅頂之災(zāi)，還是翻盤的機(jī)會？”

其實，這種對生存的敏感，早在三年前就已經(jīng)出現(xiàn)在這家老牌平臺。2022年，他們做了一個讓外界看不懂、甚至覺得有點“自殘”的決定：主動清理掉95%的內(nèi)容。

對任何依賴內(nèi)容供給與分發(fā)效率的平臺而言，這都是一次激烈的減法。這意味著，那些能輕易換來點擊量的內(nèi)容，被他們親手掃出了大門，短期商業(yè)利潤要承受波動。

何毅進(jìn)后來提到，他內(nèi)心做好了流量下滑50%的最壞預(yù)期，但結(jié)果比預(yù)期更可控。更關(guān)鍵的是，在低質(zhì)內(nèi)容退場后，優(yōu)質(zhì)內(nèi)容的長尾效應(yīng)開始顯現(xiàn)，流量在觸底后回升。

商業(yè)世界最耐人尋味的地方就在于此。那個在當(dāng)時看來“不討巧”的選擇，三年后反而給了他們慷慨的回報。

01

內(nèi)容沉淀的新價值

2025年，生成式AI的浪潮席卷整個行業(yè)。內(nèi)容生產(chǎn)的門檻被迅速拉低，信息供給快速增長。同時，大模型的幻覺、語料質(zhì)量不足、深度偽造與批量洗稿也在同步擴(kuò)張，真實與可靠變成更難獲得的東西。

騰訊新聞在這股變化里出現(xiàn)了一個頗具代表性的反轉(zhuǎn)。它發(fā)現(xiàn)，自己手里最重要的籌碼，恰恰來自兩年前那次驚險的選擇。

行業(yè)普遍為幻覺和數(shù)據(jù)質(zhì)量焦慮之時，騰訊新聞這套被反復(fù)篩選、去偽存真的內(nèi)容沉淀，意外成了稀缺資產(chǎn)。它不僅是內(nèi)容儲備，更像一套可被調(diào)用的知識庫底盤。它讓騰訊新聞在面對大模型時，擁有了構(gòu)建可信生態(tài)的底氣。

首先在語料層面，大模型需要的不只是規(guī)模，更需要潔凈、結(jié)構(gòu)化、可追溯的高質(zhì)量數(shù)據(jù)。騰訊新聞的較真平臺有十年的事實查證領(lǐng)域的積累，而一直以來對科技、財經(jīng)等價值型垂類內(nèi)容的投入也回報給騰訊新聞一個高質(zhì)量的垂直領(lǐng)域知識庫。

何毅進(jìn)把這種相遇稱為幸運的巧合，實際上它背后是一個更樸素的邏輯，越是內(nèi)容可以被低成本批量生成的時代，越需要有人替信息做過濾和校準(zhǔn)。

其次是可信能力可以被產(chǎn)品化。擁有知識庫并不等于擁有產(chǎn)品力，關(guān)鍵在于如何把它轉(zhuǎn)化為可用、可控、可解釋的生成能力。

騰訊新聞給出的路徑是通用大模型與精品知識庫結(jié)合。它搭建智能體底座，把回答與推理限定在可信知識圈內(nèi)，讓模型的輸出有邊界，有依據(jù)，能追溯。這種做法并不追求讓模型無所不知，而是追求在資訊場景里少犯錯，少胡說，少把推測當(dāng)事實。它把生成式AI從一種文本生成工具，拉回到一種基于證據(jù)的知識服務(wù)工具。

在AI內(nèi)容生成大爆發(fā)的背景下，這一點尤其重要。深度偽造、洗稿和機(jī)器生成的垃圾內(nèi)容正在污染信息環(huán)境。資訊產(chǎn)品的核心價值開始從分發(fā)轉(zhuǎn)向確權(quán)與查證。

過去的競爭更多發(fā)生在推薦效率與分發(fā)規(guī)模上，如今越來越多的壓力來自真假難辨的內(nèi)容洪水。誰能更快把信息的來源說清楚，誰能給出可信度更高的解釋，誰就更可能獲得用戶的信任。

△可信生態(tài)的三大支柱

何毅進(jìn)提出建立一套人機(jī)協(xié)同的事實核查機(jī)制的建議。模型負(fù)責(zé)做預(yù)警與線索提取，通過跨模態(tài)溯源等能力對圖片、視頻等內(nèi)容進(jìn)行異常檢測，自動生成核查任務(wù)單。人類專家作為最終判定者，對復(fù)雜信息進(jìn)行定性，給出明確結(jié)論，必要時補充證據(jù)鏈與解釋。

這種分工避免了模型在缺乏邏輯和價值判斷時越界，也讓核查體系具備更強的規(guī)模化能力。它把可信從一種內(nèi)容內(nèi)部的編輯能力，變成一種可以被持續(xù)運行的系統(tǒng)能力。

騰訊新聞也在今年基于其較真平臺10年查證經(jīng)驗與百萬級辟謠數(shù)據(jù)庫，推出AI驅(qū)動的智能事實查證工具“較真AI”。 通過“結(jié)論-過程-評估”的查證鏈路，引入可信度評分，盡可能實現(xiàn)實時辨別。

隨著“可信”從平臺內(nèi)部能力升級為外部基礎(chǔ)設(shè)施，精品內(nèi)容的價值開始外溢。騰訊新聞與騰訊內(nèi)部的AI智能工作臺IMA合作，建設(shè)垂直領(lǐng)域的專業(yè)知識庫，讓AI助手面對專業(yè)問題時更懂行，并在新聞場景中形成多垂直智能體矩陣，覆蓋健康、財經(jīng)、文娛、觀賽等具體需求。

同時，騰訊新聞不再只是一個內(nèi)容消費入口，它逐步向混元大模型和AI助手元寶提供優(yōu)質(zhì)內(nèi)容與知識沉淀，當(dāng)用戶在元寶里詢問熱點事件時，系統(tǒng)優(yōu)先引用騰訊新聞的知識庫進(jìn)行生成與解釋，提高回答的準(zhǔn)確性與可追溯性。這種供給讓資訊知識從單一產(chǎn)品內(nèi)循環(huán)，進(jìn)入更大的模型應(yīng)用生態(tài)。

回頭看，事實核查、價值篩選、深度追求，這些在流量時代經(jīng)常被認(rèn)為昂貴、緩慢、難以規(guī)?；墓ぷ鳎贏I時代反而成為稀缺底座。內(nèi)容可以被無限生產(chǎn)，可信卻無法被無限復(fù)制。

AI時代反而讓真實與深度變得更昂貴，也讓那些曾經(jīng)被迫堅持下來的慢功夫，在新的技術(shù)周期里獲得了更高的回報。

02

進(jìn)化為“認(rèn)知協(xié)作者”

移動互聯(lián)網(wǎng)的黃金十年里，資訊產(chǎn)品的主導(dǎo)邏輯逐漸被推薦系統(tǒng)接管。平臺依靠點擊、完播、停留等指標(biāo)優(yōu)化分發(fā)效率，結(jié)果是更擅長刺激情緒、制造快感的內(nèi)容更容易被放大，信息被切得更碎，討論被推向更快的節(jié)奏。

何毅進(jìn)在騰訊ConTech大會上提到過去幾年業(yè)務(wù)復(fù)盤發(fā)現(xiàn)，基于行業(yè)通用的數(shù)據(jù)指標(biāo)，算法過度追求短期的消費效率轉(zhuǎn)化，大概率會帶來三種頑疾，視野窄化，認(rèn)知淺化，觀點極化。

內(nèi)容生產(chǎn)的門檻在大模型時代進(jìn)一步降低，信息更容易泛濫，推薦系統(tǒng)也更容易被廉價供給喂飽。投喂式分發(fā)在這種環(huán)境里只會更快固化信息繭房，用戶看得更多，卻更難形成穩(wěn)定判斷。

騰訊新聞給出的方向是讓資訊產(chǎn)品完成一次角色轉(zhuǎn)換，從“信息推送者”走向“認(rèn)知協(xié)作者”。它不把目標(biāo)放在替用戶更快得到結(jié)論，而是把判斷過程重新組織起來，讓用戶在閱讀中獲得可驗證的事實結(jié)構(gòu)，獲得看到分歧的能力，獲得提出反證和追問的權(quán)利。

△騰訊新聞負(fù)責(zé)人何毅進(jìn)在臺上演說，他提到“認(rèn)知協(xié)作者”是AI時代資訊產(chǎn)品的一種演變形態(tài)

協(xié)作的第一條原則是先說明邊界，哪些內(nèi)容有可靠出處，哪些仍是推測，哪些存在爭議，哪些暫時無法證實。協(xié)作的第二條原則是不搶奪用戶的結(jié)論，而是把證據(jù)和邏輯擺在桌面上，讓用戶自己選擇站在何處。

當(dāng)一個技術(shù)熱點爆發(fā)時，傳統(tǒng)資訊流往往堆疊同質(zhì)化通稿，讀者需要自己在碎片里拼出脈絡(luò)。而此次大會上拋出的“認(rèn)知協(xié)作者”要得以實現(xiàn)，大概需要以下一些步驟：它先給出時間線和關(guān)鍵節(jié)點，接著列出爭議點，再把爭議拆成可以核驗的問題；哪些說法來自公開披露，哪些來自業(yè)內(nèi)判斷，哪些只是市場情緒；它把不同立場的論據(jù)放到同一框架里，提示各自依賴的前提和可能的邏輯跳躍；讀者不再只是被動接收結(jié)論，而是在一套可復(fù)查的推理結(jié)構(gòu)里推進(jìn)理解。

更關(guān)鍵的是，“認(rèn)知協(xié)作者”需要對抗推薦系統(tǒng)的慣性。它不是簡單給出多樣觀點，而是把分歧發(fā)生的位置標(biāo)出來。分歧究竟來自事實不清，還是來自口徑不同，還是來自價值選擇。它也會提醒用戶正在重復(fù)攝入同一類信源與同一類立場，讓用戶意識到自己是在擴(kuò)展理解，還是在加深偏見。對抗繭房的重點不是把信息變得更雜，而是讓證據(jù)更清晰，讓分歧更可見。

為了把閱讀變成一種可學(xué)習(xí)的過程，何毅進(jìn)提到下一代資訊產(chǎn)品需要有“追問和溯源”的能力，為用戶提供好用的工具包，比如，數(shù)據(jù)分析、“邏輯謬誤高亮”、“一鍵追問”、“假設(shè)發(fā)生器”等等。

希望用戶在關(guān)鍵段落停下來問一句，“這個判斷依據(jù)是什么”，“這個數(shù)據(jù)從哪里來”，“這個結(jié)論有沒有反例”。系統(tǒng)可以幫助生成更有效的問題，幫助快速補齊背景和概念，幫助把長文拆成可理解的結(jié)構(gòu)段落，幫助把事件的前因后果整理成可追蹤的脈絡(luò)。它要推動的是更高質(zhì)量的提問與追問，并非更多的信息消費。

但認(rèn)知協(xié)作的前提，是對人的角色重新加權(quán)。騰訊新聞強調(diào)人的價值回歸，原因并不抽象。

模型可以生成摘要與線索，也可以給出多種解釋路徑，但它不能決定什么是重要，什么是可信，什么能被當(dāng)成公共事實傳播。哪些事實必須人工核驗，哪些爭議需要專家介入，哪些推測必須顯著標(biāo)注，哪些內(nèi)容必須提示不確定性與風(fēng)險，這些邊界需要由人來設(shè)定與維護(hù)。

技術(shù)負(fù)責(zé)效率，人負(fù)責(zé)方向，這一點不被認(rèn)清，認(rèn)知協(xié)作就會滑回更精致的投喂。

最后，認(rèn)知協(xié)作者也需要新的衡量方式。譬如更能說明問題的指標(biāo)可能是追問率與二次追問率，溯源點擊率，或者是不同立場的覆蓋度。

資訊產(chǎn)品的價值不再是把時間填滿，而是讓用戶在離開屏幕時更清醒，能夠把信息變成判斷，把閱讀變成思考的起點。