01 触发事件

2025 年 9 月，The Verge 报道 Meta 在独立 Meta AI app 里加入了一个 For You 区域，向用户推送一批 clickbait 风格的“新闻故事”；这些主题、配图和正文都由 AI 生成。报道同时提到，Meta AI app 在 2025 年 4 月上线时主打的是公开 Discover feed，展示其他用户生成的 AI 图片和对话，如今这部分已经消失，产品回到更标准的 chatbot 入口。

这不是“Meta 给 AI app 加了内容流”这么简单。

这件事真正值得看的是：Meta 不再只是提供一个生成工具，或者承载用户生成内容的平台；它开始直接扮演内容工厂，而且内容形式高度贴近 feed 分发逻辑最熟悉的那一类东西：低成本、高点击、可无限扩写的 clickbait。

我没在内部看到这套生成管线，也没跑过它的留存数据，但从 The Verge 描述的产品形态看，这不是实验室 demo，而是一个已经被接到 consumer distribution 回路里的东西。

callout

Meta AI app 把早期公开 Discover feed 拿掉，换成由 AI 自动生成的 For You 内容流；这说明问题不在“模型能不能写文章”，而在“平台是否决定自己成为供给方”。

02 这事的真正含义

表面上看，这是 AI 内容再一次污染信息流。

但更深一层，Meta 在说的其实是另一件事：当内容生成的边际成本接近零，真正稀缺的资产就从内容生产转移到 distribution。

这一点对 Meta 尤其关键。

Facebook、Instagram、Threads 这类产品，过去二十年本质上都是“聚合外部供给，再用排序系统吃掉用户时长”。这是典型 aggregation theory：平台不需要先拥有内容生产能力，只要拥有需求侧入口，就可以通过算法抽取价值。

现在模型把内容供给的成本打碎了，Meta 的最优策略就变了。

以前，平台需要创作者、媒体和用户来提供原材料；现在，平台可以自己生成足够“像内容”的东西，直接塞进 feed 测试 engagement。对于一个靠广告变现的平台，这种诱惑极大，因为它会天然压低供给侧 bargaining power。一个媒体机构要谈授权，一个创作者会要求分成，但 AI 生成内容不会。

这才是 Meta 在说的事。

问题不在 AI 内容质量够不够高，而在只要内容足够填满冷启动和空白时段，它就已经有经济价值。尤其在独立 AI app 这种需求尚未稳定、用户打开频率还没固化的产品里，平台最怕的是“打开后没东西看”。For You 流的意义，很可能先不是建立信任，而是填补 usage gap。

这也解释了为什么 Discover feed 会被撤掉。公开用户生成内容看起来更“community”，但它有两个问题：第一，供给不可控；第二，质量和安全边界同样不可控。Meta 现在显然更愿意把供给权收回来，用自家模型生成、自家排序系统分发、自家安全策略兜底。换句话说，它在把 AI app 从“用户共创社区”拉回“算法驱动媒体”。

我可能误判的一点是，Meta 也许只是把这当作暂时的 engagement 补丁，而不是长期内容战略。但即便如此，这个动作本身已经暴露了 platform incentive：谁拥有 distribution，谁就会尝试内生化供给。

03 历史类比 / 结构对照

我想到的类比不是 2022 年 ChatGPT，而是 2014 年后的 Facebook Instant Articles、Apple News，以及更早一点搜索引擎对内容农场的激励。

历史上每次 distribution 平台足够强，都会出现一个阶段：平台先承诺给供给方流量，随后发现最赚钱的做法是压缩供给方、标准化内容、增强自身控制权。媒体公司以为自己在向平台借流量，最后却发现平台在重写内容的价值链。

Meta 这次不同的地方在于，它不再只是排序别人生产的内容，而是可以自己生成内容。

这比 Instant Articles 更进一步。

如果说过去的平台权力来自“决定谁被看到”，那现在的平台权力还包括“决定什么被生产”。供给和分发第一次在同一套模型-排序-广告系统里闭环。这种闭环的可怕之处不只是效率，而是反馈速度：什么标题带来更高 CTR、什么视觉风格提高停留、什么叙事结构让用户继续下滑，平台可以把这些信号直接喂回生成层。

这有点像 TikTok 对短视频供给的改造，但更极端，因为 AI 内容不需要真实创作者的意愿配合。

更长线看，这也像 2008 年金融危机前的结构性激励扭曲：当中介机构既控制分发又影响底层资产生成时，系统会天然倾向于制造更多“可交易但质量存疑”的资产。这里的资产不是 CDO，而是信息流里的 attention units。

callout

当平台同时拥有模型、排序和广告系统，AI 内容不再是创作工具，而是可被工业化生产的 inventory。

这也是为什么我认为这件事分数不低。它不是单一产品更新，而是一个结构性信号：consumer AI app 的竞争，正在从“谁回答得更好”转向“谁能把空闲时长 productize 得更彻底”。

04 对 AI builder 意味着什么

对 AI builder，尤其是做 consumer AI、agent front-end、AI 搜索、AI 内容工具的人，我认为这周和这个月需要改三件事。

第一，别再把“模型能力”当作唯一竞争轴，开始正视 distribution。

如果 Meta 这种量级的平台都选择用 AI 生成 feed 内容来拉 usage，那说明 consumer 层的胜负手不只是哪个模型更聪明，而是谁能更低成本地制造重复打开的理由。很多 AI app 现在还停留在“一问一答”的 utility 模式，这在高频消费上太弱。你不一定要做 feed，但你得回答：用户不提问时为什么还会打开你？

第二，重新评估内容工具的客户价值。

如果平台本身开始内建 AI 内容供给，很多“帮媒体写 SEO 稿”“帮品牌生成资讯流”“帮 app 填充内容池”的工具，moat 会迅速变薄。因为你的客户可能不是不会做，而是暂时还没自己做。一旦 distribution holder 自己下场，独立工具的价值会从“生成能力”退化为“工作流集成、审校、品牌控制、合规”。那个真正会被定价的，不是会不会写，而是能不能接进现有 production pipeline。

第三，对 API 消费者来说，要更关注上游模型是否会被训练成 engagement optimizer。

这是个容易被忽视的方向。今天大家挑 model，多半看 coding、reasoning、latency、price。但如果大平台开始把 consumer feedback 大规模用于生成内容迭代，那么未来一些模型的强项未必是“更真实”，而是“更会制造点击和停留”。这对 builder 是机会，也是风险。机会在于内容型应用可以直接受益；风险在于你可能拿到一个对 engagement 过拟合、对事实性并不友好的系统。我没法断言 Meta 现在已经走到这一步，但 incentive 已经摆在那里。

如果你是 model gateway、routing 或多模型应用团队，这里还有个更现实的动作：把“内容质量评估”从单一 factuality 扩展到“brand safety + repetition + synthetic slop density”。因为接下来上游内容供给会更多、更便宜，也更像垃圾邮件工业化。

05 反方观点 / 风险

我最需要反对自己的地方是：也许这根本不是一个大拐点，只是 Meta AI app 增长乏力后的低成本试错。

这是完全可能的。

The Verge 的报道提供了产品形态，但没有给出留存、DAU、session length 或广告变现数据。没有这些硬指标，我不能证明 For You 流一定有效，更不能证明它会成为行业普遍路径。Meta 也可能很快发现，AI 生成 clickbait 只会伤害信任，让用户把 Meta AI app 当成 another slop container，而不是有价值的 AI 入口。

第二个反方是，高质量需求未必接受这种 feed 化。

AI app 用户和 Facebook 用户并不完全一样。前者来是为了解决问题、写代码、生成答案；后者更习惯被动消费信息流。把 feed 逻辑硬塞进 AI 产品，不一定成立。甚至可能削弱产品定位，让 chatbot 和 content app 两头都不占。

第三个风险在于监管和品牌伤害。

如果 AI 自动生成的“新闻故事”开始触碰人物、政治、健康、金融等敏感领域，平台会面对比普通 UGC 更奇怪的责任结构：内容不是用户发的，也不是编辑写的，而是平台系统自己造的。这个责任归属比推荐错误内容更重。我没看到 Meta 当前风控边界的完整设计，所以这点我可能低估了执行难度。

最后，我也得承认，Meta 的真正目标可能不是内容本身，而是训练用户习惯：让 Meta AI app 从“工具”变“目的地”。如果是这样，AI 生成内容只是过渡层，不是终局。

但即便如此，信号已经足够清晰：大平台不会满足于只卖 AI assistant，它们会尝试把 AI 变成新的 attention inventory。

而一旦 attention inventory 可以被模型直接生产，内容市场、广告市场和 AI 应用市场之间的边界，就会比多数人预期得更快地塌掉。