熬過“流量撕裂”期，騰訊新聞在2025年等來了它的回響

嗅態

觀察商業榜樣，輸出榜樣觀察

作者 | 石燦

12月4日，騰訊新聞負責人何毅進站在騰訊ConTech大會的聚光燈下，拋出的問題很直接，甚至帶著點危機感：“AI時代，我們需要一款什么樣的資訊產品？”

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出內容，單純的“分發”已經不再是某種稀缺能力。如果資訊產品還只是充當一個搬運信息的管道，而不去介入內容的篩選與深度的重構，那么它在用戶眼中的價值就會被極速攤薄。

△騰訊新聞負責人何毅進在臺上演說

這種焦慮在2025年初DeepSeek沖擊行業時達到頂點。在一次內部全員會上，何毅進推心置腹地問了團隊一個最殘酷的問題：“這對我們來說，到底是滅頂之災，還是翻盤的機會？”

其實，這種對生存的敏感，早在三年前就已經出現在這家老牌平臺。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%的內容。

對任何依賴內容供給與分發效率的平臺而言，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容，被他們親手掃出了大門，短期商業利潤要承受波動。

何毅進后來提到，他內心做好了流量下滑50%的最壞預期，但結果比預期更可控。更關鍵的是，在低質內容退場后，優質內容的長尾效應開始顯現，流量在觸底后回升。

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

01

內容沉淀的新價值

2025年，生成式AI的浪潮席卷整個行業。內容生產的門檻被迅速拉低，信息供給快速增長。同時，大模型的幻覺、語料質量不足、深度偽造與批量洗稿也在同步擴張，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了一個頗具代表性的反轉。它發現，自己手里最重要的籌碼，恰恰來自兩年前那次驚險的選擇。

行業普遍為幻覺和數據質量焦慮之時，騰訊新聞這套被反復篩選、去偽存真的內容沉淀，意外成了稀缺資產。它不僅是內容儲備，更像一套可被調用的知識庫底盤。它讓騰訊新聞在面對大模型時，擁有了構建可信生態的底氣。

首先在語料層面，大模型需要的不只是規模，更需要潔凈、結構化、可追溯的高質量數據。騰訊新聞的較真平臺有十年的事實查證領域的積累，而一直以來對科技、財經等價值型垂類內容的投入也回報給騰訊新聞一個高質量的垂直領域知識庫。

何毅進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。

其次是可信能力可以被產品化。擁有知識庫并不等于擁有產品力，關鍵在于如何把它轉化為可用、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合。它搭建智能體底座，把回答與推理限定在可信知識圈內，讓模型的輸出有邊界，有依據，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的知識服務工具。

在AI內容生成大爆發的背景下，這一點尤其重要。深度偽造、洗稿和機器生成的垃圾內容正在污染信息環境。資訊產品的核心價值開始從分發轉向確權與查證。

過去的競爭更多發生在推薦效率與分發規模上，如今越來越多的壓力來自真假難辨的內容洪水。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。

△可信生態的三大支柱

何毅進提出建立一套人機協同的事實核查機制的建議。模型負責做預警與線索提取，通過跨模態溯源等能力對圖片、視頻等內容進行異常檢測，自動生成核查任務單。人類專家作為最終判定者，對復雜信息進行定性，給出明確結論，必要時補充證據鏈與解釋。

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模化能力。它把可信從一種內容內部的編輯能力，變成一種可以被持續運行的系統能力。

騰訊新聞也在今年基于其較真平臺10年查證經驗與百萬級辟謠數據庫，推出AI驅動的智能事實查證工具“較真AI”。 通過“結論-過程-評估”的查證鏈路，引入可信度評分，盡可能實現實時辨別。

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

同時，騰訊新聞不再只是一個內容消費入口，它逐步向混元大模型和AI助手元寶提供優質內容與知識沉淀，當用戶在元寶里詢問熱點事件時，系統優先引用騰訊新聞的知識庫進行生成與解釋，提高回答的準確性與可追溯性。這種供給讓資訊知識從單一產品內循環，進入更大的模型應用生態。

回頭看，事實核查、價值篩選、深度追求，這些在流量時代經常被認為昂貴、緩慢、難以規?；墓ぷ?，在AI時代反而成為稀缺底座。內容可以被無限生產，可信卻無法被無限復制。

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

02

進化為“認知協作者”

移動互聯網的黃金十年里，資訊產品的主導邏輯逐漸被推薦系統接管。平臺依靠點擊、完播、停留等指標優化分發效率，結果是更擅長刺激情緒、制造快感的內容更容易被放大，信息被切得更碎，討論被推向更快的節奏。

何毅進在騰訊ConTech大會上提到過去幾年業務復盤發現，基于行業通用的數據指標，算法過度追求短期的消費效率轉化，大概率會帶來三種頑疾，視野窄化，認知淺化，觀點極化。

內容生產的門檻在大模型時代進一步降低，信息更容易泛濫，推薦系統也更容易被廉價供給喂飽。投喂式分發在這種環境里只會更快固化信息繭房，用戶看得更多，卻更難形成穩定判斷。

騰訊新聞給出的方向是讓資訊產品完成一次角色轉換，從“信息推送者”走向“認知協作者”。它不把目標放在替用戶更快得到結論，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構，獲得看到分歧的能力，獲得提出反證和追問的權利。

△騰訊新聞負責人何毅進在臺上演說，他提到“認知協作者”是AI時代資訊產品的一種演變形態

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

當一個技術熱點爆發時，傳統資訊流往往堆疊同質化通稿，讀者需要自己在碎片里拼出脈絡。而此次大會上拋出的“認知協作者”要得以實現，大概需要以下一些步驟：它先給出時間線和關鍵節點，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，哪些來自業內判斷，哪些只是市場情緒；它把不同立場的論據放到同一框架里，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論，而是在一套可復查的推理結構里推進理解。

更關鍵的是，“認知協作者”需要對抗推薦系統的慣性。它不是簡單給出多樣觀點，而是把分歧發生的位置標出來。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攝入同一類信源與同一類立場，讓用戶意識到自己是在擴展理解，還是在加深偏見。對抗繭房的重點不是把信息變得更雜，而是讓證據更清晰，讓分歧更可見。

為了把閱讀變成一種可學習的過程，何毅進提到下一代資訊產品需要有“追問和溯源”的能力，為用戶提供好用的工具包，比如，數據分析、“邏輯謬誤高亮”、“一鍵追問”、“假設發生器”等等。

希望用戶在關鍵段落停下來問一句，“這個判斷依據是什么”，“這個數據從哪里來”，“這個結論有沒有反例”。系統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構段落，幫助把事件的前因后果整理成可追蹤的脈絡。它要推動的是更高質量的提問與追問，并非更多的信息消費。

但認知協作的前提，是對人的角色重新加權。騰訊新聞強調人的價值回歸，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注，哪些內容必須提示不確定性與風險，這些邊界需要由人來設定與維護。

技術負責效率，人負責方向，這一點不被認清，認知協作就會滑回更精致的投喂。

最后，認知協作者也需要新的衡量方式。譬如更能說明問題的指標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。