文｜魏琳華

編｜王一粟

用戶對資訊閱讀的需求，正在化繁為簡。

“從‘信息稀缺’到‘信息爆炸’，越來越多人對這樣一種服務的需求還是在逐步加強：幫我梳理好一件事的來龍去脈，為我過濾掉那些毫無意義的垃圾信息。”

資深媒體人張瑋在記錄《時代》周刊創始人亨利·盧斯的故事時，寫下了這樣一段話。

從紙媒到網絡媒體再到人人可發聲的社交網絡，如何從浩瀚的信息洪流中快速篩選出質量高、真正對個人有價值的信息？

提升信息獲取效率和質量，是當下資訊客戶端借助AI進化的頭等目標。

在個性化推薦時代，AI成了人們閱讀定制化內容的入口。生成式AI涌入的當下，今日頭條、騰訊新聞、新浪新聞等資訊App們開始積極擁抱AI功能帶來的多種可能：AI總結讓人快速讀完一篇幾千字的文章；AI劃詞解讀晦澀的名詞......

那么，這些AI功能到底是花架子，還是貼合用戶需求的設計？

以今日頭條、騰訊新聞和新浪新聞三款App作為測評對象，我們試圖探索加入AI后的產品，是否真正幫用戶在閱讀上省時省力。

橫測：熱點專欄or垂類信息處理？三家大廠怎么做AI資訊

打開多個新聞App，AI幾乎融入在每個操作界面中：

從右上角醒目的“AI”智能體標識，到閱讀界面中的劃詞搜索、尾部的熱點推薦，甚至是評論區，都已經出現了AI陪聊的身影。

可以說，市面上的新聞App們，全都在積極接入生成式AI衍生出的種種新功能。

點開一篇文章，筆者從閱讀開始到結束都看到了AI的身影。

以騰訊新聞為例，打開文章，它在文章開頭設置了一個“問AI”的入口，支持根據文章內容直接發起提問。

往下繼續劃看內容時，AI就成了閱讀過程中的一本隨時可翻看的“詞典”。

比如，當用戶閱讀科技、財經等領域新聞文章時，常常會出現一些難以理解的名詞。過往，App們的選擇是在應用內部植入一個搜索引擎界面，讓用戶自行查找解釋。今日頭條就還保持著這種模式。

在AI代勞下，專有名詞的解釋可以讓大模型解答，不需要用戶跳轉其他App自己找解釋，它能直接為用戶生成答案。

目前，騰訊新聞和新浪新聞都在文章中引入了AI搜詞的功能，前者交給智能體“新聞妹”搜索，后者由智能體“智慧小浪”代勞。

從搜索準確度來看，“新聞妹”的搜索基于文章內容引申，在給出答案后，還能給出延伸問題，供用戶繼續提問。而新浪的搜索只是基于詞語的綜合搜索，遇到多義詞識別的情況下，容易給出不符合文章內容的答案。比如，在搜索介紹藍牙耳機文章中的“TWS”時，“智慧小浪”給出了韓國同名男團的解釋。

其中，騰訊新聞還提供獨家的“AI外顯劃詞”，針對各垂類領域的專業詞匯，生僻新詞、熱詞，外語詞匯、縮寫等會直接給出藍色劃線和標注，用戶只需點擊就能直接看到相應的解釋。

除了劃詞搜索之外，一些基于AI提供的新聞推薦服務也在三個App中頻繁出現，比如尾部針對閱讀熱點衍生的延展閱讀內容推薦、AI新聞專題內容合集等。

可以看到，在AI的加持下，之前需要多個App協力完成的閱讀過程，正被新聞App努力整合到一個應用界面中。

在提升閱讀效率上，AI確實做到了幫用戶看得更快、更透徹。

除了文章閱讀場景外，在視頻播放中，也開始出現了AI的身影。體驗下來，上述三款產品中，目前只有騰訊新聞考慮到了視頻觀看+AI結合，上線了三款和視頻相關的AI功能。

在視頻和直播場景中，騰訊新聞根據場景上線了不同的功能。其中，視頻界面支持把視頻分享給智能體“新聞妹”，邊看視頻邊提問；直播功能則上線了AI摘要和AI實時中英互譯字幕功能。AI摘要把關鍵內容都總結成了文字版本，既解決中途進場用戶“不知道前面講了什么”的問題，同時也讓用戶隨時可回看視頻要點。

在文章、視頻形態之外，智能體成了三款App均植入的一個醒目功能。打開App的主界面，新浪新聞的“智慧小浪”和今日頭條的“頭條AI”都統一掛在了右上角。騰訊新聞則把智能體“新聞妹”的入口放到了個人界面中，以及在文章閱讀中，如果使用過“新聞妹”，右下角就會出現“新聞妹”懸浮圖標以供隨時喚起。甚至在評論區，筆者也看到了“新聞妹“的評論互動。

其中，新浪“智慧小浪”和今日頭條的“AI助手”是單個智能體，騰訊新聞的“新聞妹”則更側重于多種垂類場景的多個智能體，涉及健康、高考、文娛節目、金價、彩票等多種場景，頭條則設置了一些AI延伸功能，不過多是生活娛樂的內容。

從左到右分別是頭條AI、新聞妹和智慧小浪

熱點運營一直是新聞資訊重點的板塊，智能體最直觀的功能就是用來做熱點追蹤。目前，三款App的智能體都可以針對熱點做基礎的事件分析和解答。

比如，筆者以中美關稅為例，以此詢問“新聞妹”時，它不僅能生成簡要總結和相關資訊推送，還在下方放置了“事件脈絡”功能，一鍵為用戶直接講清楚事情的來龍去脈。

值得一提的是，騰訊新聞的“新聞妹”在兼顧熱點的同時，進一步考慮到了垂類用戶的體驗，并且在垂直行業場景做了更多符合用戶使用習慣的功能設計。

比如，對于一個常看財經的用戶來說，關注公司動向、IPO情況等等都是基本操作。騰訊新聞的垂類智能體“財經助手”設置了問公司、IPO、匯率等功能，一鍵把當天關注公司的關鍵動態總結好。

而今日頭條則選擇在它一直擅長的分發上下功夫，它推出的獨家功能“AI訂閱”，按照細分標簽推送AI選出的快訊內容。

整體體驗下來，今日頭條在AI和新聞的場景適配上略遜一籌，而新浪新聞和騰訊新聞都針對閱讀場景做了一定的功能適配，AI功能也順利融入到更多閱讀場景中。相比之下，騰訊新聞在功能設計更豐富，這也讓它能適配的場景更多。

用戶用AI將信息“化繁為簡”的同時，新聞App也將完成從信息門戶向信息服務的跨越。

從資訊到服務，新聞+AI的未來形態

從門戶的資訊集中，到算法分發的“千人千面”，再到AI全盤介入資訊客戶端中，資訊閱讀體驗正在迎來第三次革命。

信息分發的進化過程，用戶從被動接收新聞的人，變成了主動篩選的人。

在門戶網站主導的時代，信息主要靠網站聚合各大媒體的信息，再由編輯人工把關，最終將這些內容無差別推送給用戶。而以今日頭條為代表，隨著推薦算法技術的成熟，個性化分發時代到來，資訊平臺開始根據用戶的瀏覽歷史和興趣偏好進行內容推薦。

伴隨媒體形態的變革，信息也在發生著大爆炸，用戶想找到有用的內容，經常是大海撈針。

AI作為效率工具，可以幫助用戶更效率地一站式獲得優質的內容，甚至讓平臺算法自適應用戶的需求，而生成定制化的內容。

除了篩選信息、提升閱讀效率，隨著AI進一步深入傳統新聞業態的操作環節，從內容生產到分發傳播，再到用戶消費體驗，AI正在更新創作者和用戶的使用體驗。

在新聞生產端，智能工具用來監督和輔助創作，甚至兼顧一些圖片的生成設計；在分發端，讓推薦更精準，也能根據用戶的興趣變化動態調整，同時對從基礎的興趣分類推薦，逐步進階為價值偏好的分類；在消費端，各式提效的AI功能和提供綜合問答的智能體服務，成了新聞App們競爭的主要領域。

一些可能性正在顯現：比如在分發端，依賴AI，只需要描述個人需求，就能定制一份完全符合個人口味的日報新聞；在消費端，用戶能夠要求只看到自己需要的內容，比如用戶想知道伊以戰爭的發生過程和對兩個國家的影響，只需要把問題拋給AI，它就能直接從資訊庫的成百上千篇文章中找到所需信息，“梳理”一個用戶想要的回答出來。

不過，目前AI應用仍面臨專業深度不足的問題，這個問題同樣也出現在了新聞App端。

當下，多數新聞App的AI都是直接調用大模型提供服務，但缺少關于新聞的Know-how和對應報道領域的內容積累。在深度思考模式加持下，幻覺問題進一步影響著AI生成、總結內容的準確度。

BBC曾在今年2月發布過一個測試結果，在測試4款AI助手ChatGPT、Copilot、Gemini和Perplexity總結問題時，出現了超過半數的錯誤內容。而在深度思考流行的當下，交給AI自主思考的模式更是增強了幻覺問題。

如何提供兼顧質量和可靠的問題？

一個解法是，深入行業，通過接入垂類智能體的方式，使AI從“泛泛而談的信息摘要者”蛻變為“面面俱到的領域專家”，實現新聞價值質的飛躍。

以體育新聞為例，如何讓用戶快速了解專業術語的意義，真正看懂新聞？

相關垂類智能體通過接入知識庫的方式，確保內容準確。這樣的垂類智能體既能用來問專業名詞，也能讓它幫忙回顧比賽紀錄和歷史，小白也能快速補全知識盲區。

對于新聞App來說，借著AI進化的同時，如何進一步將AI和新聞結合起來，是接下來拉開閱讀體驗的關鍵。從問AI、AI劃詞搜索等基礎的提效功能做起，資訊平臺正在慢慢向垂類智能體、AI定制等更貼合用戶需求的深度應用前進。

筆者看到，騰訊新聞剛推出AI早報功能。只需輸入關鍵詞和定制要求，AI會從海量資訊中精準篩選，生成高相關度的新聞簡報，并每日主動推送。以“騰訊每日動態”為例，從股價變動、人事調整再到公司新產品發布，都能被AI從信息海洋中精準“打撈”上來。

在AI加持下，資訊行業第三次革命的序幕正在緩緩拉開帷幕。