蜂房能否拆掉信息繭房？

文：王智遠(yuǎn) | ID:Z201440

昨天，忙完回家路上，刷手機時看到一個詞：蜂房。

這讓我想到另一個詞：信息繭房。

過去我們常說，信息繭房像一座封閉的屋子，把人關(guān)在里面，只看自己喜歡的、認(rèn)同的內(nèi)容。 時間一長，視野變窄了，聽到的聲音也越來越單一。

01

比如說：朋友老張，是個中學(xué)老師，平時特別愛看歷史。以前他刷短視頻，平臺一看他總看“三國冷知識”“明朝那些事”，好，立馬投喂一堆類似內(nèi)容。

今天是“諸葛亮到底有沒有六出祁山”，明天是“曹操墓里發(fā)現(xiàn)了啥玉佩”。越推越偏，越看越窄。到最后，他刷到的全是野史段子、情緒化解讀，正經(jīng)書都不想看了。

但蜂房給我了一個新角度，同樣是“房”，結(jié)構(gòu)完全不同。

你點開一篇《王陽明心學(xué)解析》，看完之后，它不會一股腦地再推十篇“心學(xué)入門”“心學(xué)精髓”。反而彈出三個方向，像三個問題，引導(dǎo)你往下走：

第一類是，同類延伸，朱熹理學(xué)和王陽明到底差在哪？第二類，反向視角，有學(xué)者說，王陽明被過度神話了，很多話根本不是他說的。

第三類是跨界鏈接，心學(xué)對企業(yè)管理的啟發(fā)：為什么日本企業(yè)家都愛王陽明？

算法再聰明一點可能是：你最近看了12篇思想類內(nèi)容，但科學(xué)類一條都沒碰，要不要試試《愛因斯坦的信仰觀》？

這種體驗設(shè)計，更像蜂蜜采蜜，主動帶你去看看別的花，有路徑、有分工、有回路；每個邊都是連接點，信息能在當(dāng)中交換、流動、重組，讓我們實現(xiàn)任意怎么看。

所以：從內(nèi)容生態(tài)的角度看，蜂房，會不會是信息繭房的真正解藥？我覺得，它根本不是技術(shù)能不能做到的問題，而是我們愿不愿意改變的問題。

我們一層一層來看。

第一點，現(xiàn)在的推薦系統(tǒng)，邏輯很直接：你點什么，就推什么；你點贊，就多來點；你停留時間長，那就加倍投喂。

蜂房不一樣。它不只滿足你的偏好，還要主動打破它。它得像我們大腦里的神經(jīng)元，不光連接熟悉的路徑，還得長出新的突觸，去觸達(dá)你沒想過、但可能重要的信息。

這背后，考驗算法的“智能水平”和它的設(shè)計哲學(xué)。

能不能判斷哪些內(nèi)容“值得看但你未必會點”的？能不能告訴我：“這個作者我推薦你，是因為什么？它能不能解釋，“這篇內(nèi)容排在前面，不是因為爆了，而是因為它被多個可信信源交叉驗證過”？

可現(xiàn)實是，大多數(shù)平臺的推薦機制，像個“黑箱”，完全看不懂。

拿我自己來說，在今日頭條寫內(nèi)容，沒有運營干預(yù)的情況下，能不能被推上熱點，完全看系統(tǒng)“心情”，有時一篇寫得極認(rèn)真、查了大量資料的文章，基本沒戲。

相反，有時一篇趕上熱點、標(biāo)題帶情緒的，幾十萬甚至上百萬推薦量。你說，這種機制下，創(chuàng)作者怎么有信心去深耕內(nèi)容？

02

第二點，智遠(yuǎn)認(rèn)為：就算技術(shù)能做到，人愿不愿意接受？

我們天生就有“證實性偏差”（confirmation bias），更愿意相信支持自己觀點的信息，對相反的觀點自動屏蔽。

就像微信群里的爭論：你說東，他非說西。不是誰更有理，而是因為人腦有警覺系統(tǒng)——我們都不想被“顛覆”。

在這種心理下，哪怕平臺推薦了一篇高質(zhì)量的反向觀點，用戶可能掃一眼標(biāo)題就劃走了。蜂房模式要求人主動探索、接受挑戰(zhàn)，甚至“自我否定”。

這可不是輕松的事。它意味著從“被動消費”轉(zhuǎn)向“主動建構(gòu)”，從“爽感驅(qū)動”變成“成長驅(qū)動”。

但問題是：大多數(shù)人刷手機，是為了“放松”；要讓用戶真正接受蜂房，本質(zhì)上是改變信息消費的底層習(xí)慣。這是一種認(rèn)知習(xí)慣的重塑。

最難的還有商業(yè)邏輯。

今天的互聯(lián)網(wǎng)平臺，絕大多數(shù)還是靠流量吃飯：點擊率越高、停留時間越長、轉(zhuǎn)化越強，廣告收入就越高。

在這種模式下，鼓勵用戶“跳出舒適區(qū)”“接觸多元信息”，聽起來美好，但很可能意味著——流量下降。

你想，一個人每天刷兩小時短視頻，是因為內(nèi)容不斷刺激多巴胺；如果他開始看深度內(nèi)容，思考、停頓，甚至關(guān)掉手機去讀書，“用戶時長”就會下降，平臺的數(shù)據(jù)就難看了。

這在之前也發(fā)生過。

智遠(yuǎn)特意查了：2023年，騰訊新聞啟動“精品資訊”戰(zhàn)略，用人工編輯和算法混合的方式，試圖提升內(nèi)容質(zhì)量。

結(jié)果呢？負(fù)責(zé)人何毅公開承認(rèn)：流量確實下降了；因為好內(nèi)容不一定“爆”，但情緒化、標(biāo)題黨的內(nèi)容，永遠(yuǎn)有市場。

這就像一場“供給側(cè)改革”：平臺愿意為長期價值犧牲短期數(shù)據(jù)嗎？資本愿意等嗎？用戶愿意為“更好”而不是“更快”買單嗎？目前，答案還不清晰。

不過，盡管難，這兩年也有頭部平臺在嘗試。

我看到知乎的鹽選專欄，做系統(tǒng)化內(nèi)容生產(chǎn)，鼓勵用戶為深度付費；小紅書的興趣圈，讓用戶基于真實愛好聚集，形成一個個小型“蜂巢”，在圈子里分享、碰撞、進化。

智遠(yuǎn)看來，這些嘗試，本質(zhì)都指向同一個方向：從“流量收割”轉(zhuǎn)向“價值共建”。平臺不想再做信息的搬運工，而是認(rèn)知生態(tài)的搭建者。

所以，我的結(jié)論是：蜂房理念，是一種清醒的選擇。

03

選擇挺好，但不少人用AI批量制造真實感十足的內(nèi)容，蜂房，能受得住這種內(nèi)容生態(tài)嗎？

或者說，一個內(nèi)容平臺，背后用大模型訓(xùn)練算法，那大模型能否對抗大模型本身的“幻覺”，實現(xiàn)數(shù)據(jù)與內(nèi)容的校正？

我自己遇到過這么一件事，相信不少朋友也刷到過。

前陣子問豆包：

演員黃渤多大？它秒回：41歲。我又問：他哪年出生的？它說：1974年8月26日。我愣了一下：1974年出生，到2025年，不應(yīng)該是51歲嗎？怎么差了整整10歲？

更奇怪的是，當(dāng)開啟“深度思考”模式，它才慢悠悠地糾正過來，現(xiàn)在這個問題在豆包上已經(jīng)修復(fù)了。

所以我在想， AI的回答看似嚴(yán)謹(jǐn)，實則“一本正經(jīng)地胡說八道”；這不是技術(shù)故障，是AI的“幻覺”，它在沒有真實依據(jù)的情況下，強行拼接出一個看似合理的答案。

那“蜂房”，能不能成為對抗這種“認(rèn)知污染”的防線呢？

我覺得，可能有三個解法：一，多元驗證。假設(shè)你在某個平臺搜「王陽明龍場悟道是哪一年」，平臺不該只給一個答案，而應(yīng)該呈現(xiàn)多元驗證的結(jié)果。

比如：

學(xué)術(shù)派說：根據(jù)《王陽明年譜》，時間是1506–1507年；通俗讀物寫，普遍說是1508年，因為他那年開始講學(xué)；爭議點，目前尚無定論，關(guān)鍵看你怎么定義“悟道”。

這種“多視角+證據(jù)鏈”的方式，是幫你判斷。

現(xiàn)在已經(jīng)有平臺在做這件事。前段時間，我在夸克上搜“胖東來員工平均工資”，它就給我了一個小報告說，2023年數(shù)據(jù)是多少、2024年有什么變化，到2025年又出現(xiàn)了哪些爭議和不同說法？

這種“信息打包+爭議標(biāo)注”的方式，反而讓內(nèi)容生態(tài)的干凈度提高了一個等級。

第二點，智遠(yuǎn)認(rèn)為，你得告訴我，這信息到底從哪兒來的。學(xué)術(shù)研究？自媒體觀點？還是AI生成？作者有沒有專業(yè)背景？引用的資料靠不靠譜？

這些應(yīng)該由平臺打上標(biāo)簽、清晰標(biāo)注。可信度分級，爭議點提示，來源附鏈接，這是平臺的責(zé)任，因為AI自己很難識別“自己有沒有幻覺”，所以必須有人工或機制來校正。

不過，就算有了多元驗證和透明溯源，AI還是會有盲區(qū)，這時，人的力量就特別重要。

B站的知識區(qū)就是一個典型案例：

同一個話題，你能看到十個UP主從不同角度解讀，有支持的，有反駁的，有補充史料的。AI可能編造“王陽明是佛教徒”的結(jié)論，但UP主們會引用《傳習(xí)錄》原文，指出這是誤解。

這種“人+AI”的協(xié)作模式，可能是蜂房核心價值所在。

另外，平臺也可以邀請領(lǐng)域?qū)＜?，對熱點內(nèi)容做審核，給出權(quán)威意見，形成補充。這樣用戶的質(zhì)疑、AI的生成、專家的校正，久而久之，就形成了一個數(shù)據(jù)可驗證 + 來源可追溯 + 觀點可討論的閉環(huán)。

所以，長期來看，一個干凈的知識庫，是這么一點點建起來的。

現(xiàn)在諸多平臺，很多人覺得信息雜亂，因為沒有驗證、沒有溯源、沒有協(xié)作，大家各說各話，AI再一攪局，真假難辨。

但反過來想：如果我們能持續(xù)優(yōu)化自己的知識庫，讓它更全、更準(zhǔn)、更透明，那高質(zhì)量的知識，就能反哺給AI、反哺給創(chuàng)作者、反哺給用戶。

我參加夸克健康大模型發(fā)布會，一個朋友問了個問題，挺有意思：夸克為什么每次都能做好知識庫這件事？從高考大模型到健康，下一個是什么？會怎么做？

我說，應(yīng)該換個角度理解：AI技術(shù) + 專業(yè)醫(yī)學(xué)知識庫 + 專家經(jīng)驗 + 用戶反饋，這是一套新的內(nèi)容生產(chǎn)與消費循環(huán)。

四者結(jié)合，反復(fù)比對，持續(xù)迭代，結(jié)果就是：回答越來越準(zhǔn)，內(nèi)容越來越可信，而這些精準(zhǔn)內(nèi)容，又反過來提升整個平臺的質(zhì)量。

換句話說：我理解的蜂房，不光靠推薦機制，更靠一套從消費到生產(chǎn)的內(nèi)容閉環(huán)，讓“真信息”慢慢浮上來，讓“假答案”無處藏身。

04

改革是一場系統(tǒng)性工作。平臺能不能扛起來？從能力上說，能。像百度、夸克、知乎、B站，已經(jīng)在做多元驗證、來源標(biāo)注、專家審核。

它們證明了：技術(shù)上完全可行；但從未來趨勢看，難。當(dāng)點擊率和用戶成長沖突時，大多數(shù)平臺，還會選前者。

也許，內(nèi)容生態(tài)真正的解法，不在算法里，而在時間線里：當(dāng)用戶主動搜索的習(xí)慣，終于大于被動推薦的沉迷時，蜂房趨勢，才會有土壤。

不過，蜂房這個詞，也我給一定警示：如果平臺暫時做不到，自己能不能先建一個“微型蜂房”？

比如：用“主動搜”，對抗“被動喂”。

我作為一個商業(yè)觀察者，每天都會和AI聊一會兒：今天有什么新鮮話題？有什么熱點新聞？AI對就業(yè)有什么影響？某地房價走勢什么樣等等。

你會發(fā)現(xiàn)：推薦算法只給愛看的，而搜索才是“該看的。

像夸克、微信搜一搜、百度（用好關(guān)鍵詞），都在悄悄優(yōu)化“搜索即服務(wù)”的體驗，你越搜，它越懂你想要真實信息。

不夸張地說，直到今天，我還在用RSS訂閱這種“古老”的習(xí)慣。我是自己信息的主人，你可以把信任的公眾號、學(xué)者博客、行業(yè)網(wǎng)站，統(tǒng)統(tǒng)聚合在一個工具里（如 Reeder、Inoreader）。

這里沒有熱搜綁架，沒有情緒煽動，內(nèi)容按時間線安靜呈現(xiàn)，更像一座私人圖書館

還有最重要的一點：我喜歡用“反向驗證”，訓(xùn)練自己的認(rèn)知肌肉。

每次看到一個“驚人結(jié)論”，我都會甩給AI文兩個問題：數(shù)據(jù)來源是哪？觀點有沒有反方說法？比如某個財報數(shù)據(jù)的同比增長，很多細(xì)節(jié)根本經(jīng)不起推敲，一查就穿幫。

你也可以試試。也許我們等不起系統(tǒng)完美，但我們可以，先讓自己，清醒一點，多搜一次、多問一句、多信一手信源。

蜂房不會從天而降，它藏在每一個不愿被喂養(yǎng)的人手里。希望，你是其中一個。