狂滑就能看、只有60字的「短新聞」成趨勢,如何用抖音的方法讓人上癮?
狂滑就能看、只有60字的「短新聞」成趨勢,如何用抖音的方法讓人上癮?

對你來說,新聞是「快消品」嗎?

如果把它比喻為食物,你更喜歡重口味還是少油少鹽?是狼吞虎咽還是細細咀嚼?你會出門探索美食,還是等外賣APP為你推薦、猜你口味?

路透社新聞研究所《2021數字新聞報告》顯示,目前,73% 的受訪者正在使用手機獲取新聞。

有人把新聞變成抖音,也有人願意停下來打破砂鍋問到底。你如何消費新聞,其實就是在如何看待世界。

演算法負責投餵,你負責接收就好?

一個人對新聞的消費能有多速食?你得看看 Inshorts

將每條新聞濃縮在60個字以內,讓算法為你量身挑選今天讀什麼,誕生於2013年的新聞資訊平台Inshorts,現在已經成為印度本土最受歡迎的新聞類應用選項之一。

資訊爆炸的時代,注意力被爭奪,Inshorts認為,年輕一代非常忙碌,60字短新聞足以讓他們快速了解世界正在發生什麼,創始團隊甚至說,「我們不希望用戶在新聞上花的時間多於15分鐘。」

inshorts
圖/ inshorts fb

在這裡,所有短新聞由一個名叫Rapid 60的算法進行縮寫。 AI會觀察記錄你的使用行為、你在每條新聞上花費的時間、你設置的興趣偏好……以此形成屬於你的0-1000分評分系統。最終,得分更高、更符合你口味的新聞會出現在訊息欄(也有例外的時候,比如,編輯給某條新聞打了1000分)。

打開APP,眼前每條新聞似乎都跟抖音影片有著同樣的命運:演算法負責投餵,你只要負責快速消費並把它滑開,「已讀,走,下一條!」

inshorts
Inshorts新聞閱讀介面。
圖/ inshorts app

這絲般順滑的體驗,熟悉的手感,優美的弧線,確實很難讓人不想起前一天晚上,在被窩裡滑了兩小時奧運話題和袋鼠搖手影片的快感。

此刻,我只想晃著Inshorts創辦人的肩膀問:新聞到底做錯了什麼,你為什麼要「滑」它?

「滑」是原罪嗎?

愛范兒曾在《為什麼滑抖音會上癮?》一文指出,抖音大大小小的交互細節,能讓你大腦中的多巴胺激增,出現「行為上癮」。

有趣的影片內容帶來感官刺激,全螢幕沉浸的體驗放大愉悅,演算法的投餵讓人保持期待。抖音就像是一台明目張膽的老虎機,你永遠猜不到下一條會是什麼內容,下一次手指上滑會不會有驚喜。

Inshorts利用的,也是同款「無法預知的積極反饋」。創辦團隊曾經在採訪中透露,這種輕鬆直白滑新聞的方式,比整螢幕的新聞標題跳轉更能吸引用戶閱讀,甚至單篇新聞停留時間長達四至五倍。

能讓更多印度朋友變成喜歡讀新聞,滑到上癮似乎也是一種勝利。但細思極恐的是,這一切都建立在60字短新聞的前提下:訊息有限且簡短,讀完還來不及思考,新聞就已經被靈活的大拇指滑走了。如此循環往復,一個人對世界的觀察只會永遠停留在表面。

不管是抖音還是Inshorts,「滑」帶來的除了快感,還有一種掌控的錯覺。

你以為你是嚴格的守門人,正在批改演算法提交的「作業」,為感興趣的內容打勾點讚,對不喜歡的內容殘酷滑走?事實上,你很可能只是在演算法定制的「訊息繭房」裡徒勞打滾而已。

同樣是短新聞資訊平台, Brief 選擇了另一條路。

這款去年推出的APP,一面世就宣告天下,說自己有雄心壯志,想要解決新聞過載、媒體偏見和信息繭房的問題。

Brief認為人類編輯的判斷不可替代,堅持每條短新聞都由人工挑選撰寫,稱他們的算法不會對讀者投其所好,只會為所有人提供相同且重要的報導信息。

另外,Brief還為每一條新聞附上報導來源、相關背景、多方觀點和完整時間線。這些操作聽起來比傳統媒體還傳統,比博士寫論文還嚴謹,甚至稱得上「文藝復興」。

以「美國CDC修改室內口罩令」這一則新聞為例,你可以通過時間線了解前因後果,看美國這一年多的疫情相關措施。甚至最早可以追溯到2020年3月,川普考慮對紐約實施隔離措施,並圍觀政客和學者對此的唇槍舌戰。

體驗下來,我發現用Brief讀新聞,就像是拿到了一本極其貼心的教學材料,它把陌生的課題解析寫得清清楚楚,等著你去探索;也像是站在了思維導圖的正中央, 它指引了一些方向,但不打算太限制你延伸的廣度和深度 。更像是站在了古希臘的廣場上,耳邊是關於新聞事件的各種聲音,它們都擁有自己的一席之地。

shutterstock_1438272785_reading newspaper.jpg
圖/ Shutterstock

但人類編輯的選擇,就一定優於演算法嗎?

Brief團隊裡只有4個人,每天大概只更新10條新聞,看了兩三天後讓人不禁思考:某程度上,我是不是被邀請進入了這4位朋友為我創造的訊息繭房?

可惜,沒時間再細品了。最近Brief團隊被Twitter所收購,這個「古典又精英」的新聞APP目前已經停更了。

你在高效利用科技,還是機器正在馴服你?

算法還是人類?單一訊源還是多元聲音?瘋狂上滑還是停頓思考?

不管你在如何消費新聞,都逃不過一個大趨勢:跟詳實的長報導相比,我們越來越喜歡閱讀短內容了。行動網路和手機的「最佳搭檔」,正在讓我們看世界的方式變得碎片化、娛樂化。

回到PC年代,2006年,技術工程師Aza Raskin剛設計出「無限向下滾動」,來取代網頁的「左右點擊翻頁」。當時他認為這樣的切換更人性化,不會打斷閱讀思路。 12年後,他在接受BBC採訪時表示內疚,稱沒想到這一創新會在日後被應用得如此上癮,讓人們看手機的時間遠遠超於必要。

如果你不給大腦時間來控制衝動,你就會繼續滑下去。

今天,任何人拿到一部手機,不需要過多學習就可以快速「滑」起來。這個手勢,成了一種當代心照不宣的默契。

聊起「滑」新聞這一話題時,B站(Bilibili,是中國最多年輕人聚集的影音網站)頭部版主喬納森何分享了某天偶遇的、讓人警惕的一幕:

在公共場合裡,3歲的小朋友捧著手機滑抖音,聲音大到讓所有路人都不得不在意。大概是滑到了一條很喜歡的影片,他將它重複播放3遍,一遍又一遍,回味無窮。

shutterstock_422399719_score_手機.jpg
圖/ Shutterstock

從小開始接收高強度的多巴胺刺激,沉迷在「滑」的快感裡。這些遊戲般「無法預知的積極反饋」,將如何塑造下一代年輕人的行為和思考模式?這又算不算是機器正在馴服人類的經典一幕?

一開始,我們為了高效,向演算法讓渡自主探索和選擇的樂趣。接著,我們讓渡思考的能力。最後,我們的喜怒哀樂,都由眼前這塊6吋左右的小螢幕所掌控。這種《黑鏡》式劇情聽起來荒誕,但一直在我們身邊發生。

保持清醒,保持思考。追逐和解鎖網路新姿勢的同時,別忘了保有一些站在古希臘廣場、停下來傾聽思索的「返祖」能力,這是我們這一代的人共同的課題。

責任編輯:傅珮晴、錢玉紘

本文授權轉載自:愛范兒

最新8月號雜誌《區塊鏈上的金融新世界》馬上購:傳送門
「電子雜誌」輕鬆讀:傳送門

關鍵字: #新聞
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓