AI 如何解锁内容消费的深水区

内容增长没有消失，难题变得更细

这次回访发生在 2026 年初。郑迅把过去一年的内容消费形容为进入深水区：短视频行业的整体格局趋于稳定，平台很难再靠一次大策略获得大幅增长；短剧、小说和小游戏等细分内容仍在增长，但增长要靠更细的策略、产品体验和供给变化来取得。

短剧的变化最能说明这种压力。郑迅观察到，2025 年下半年，许多长尾短剧从投放快速起量到用户兴趣转淡，已从一至两周缩至一周甚至更短。少数系列剧能长期保持表现，但它们不是大多数。用户对重复剧情更快失去耐心，制作方却要提高演员、服化道和场景上的投入，投入和回收之间的距离因而更长。

漫剧的拐点来自供给扩张

漫剧是节目中最明显的新变量。郑迅说，2025 年上半年，行业虽然看得到机会，实际增长仍不及预期。到第三、四季度，尤其快手在 11 月之后，漫剧出现了明显的增长。他的复盘并不把这归结为需求突然诞生：喜欢动态漫的用户原本就存在，变化首先是作品和制作团队大量进场。

新供给也在改变受众。偏表情包的作品、AI 真人风格的漫剧先后出现在榜单上，后者与短剧用户的距离更近。郑迅以榜单快速换题材为例，说明漫剧的内容偏好还没有稳定下来。新类型出现后，原有受众之外还可能触达更多观看者；在他的判断中，各平台尚未看清这个品类的上限。

这波扩张与短剧的成本变化有关。真人短剧要调度演员和片场资源，漫剧则把小说、脚本、图像、视频和配音拆成多个环节。三至五人或五至八人的小团队可以各自处理一个环节，再把素材交给下一环节。郑迅以每分钟生产成本衡量，漫剧较低的成本可到数千元，较高的仍是万元级；真人短剧则仍在万元级。小团队并不等于轻松量产，熟练者与新手的效率差距很大。

郑迅认为，早期把漫剧想成一句提示词直接生成成片，高估了当时的 AI 能力。现在的工作流更像人和工具共同生产。技术把一些硬约束降下来后，接下来的竞争会更多落在故事供给和镜头语言上：作品能否用合理的镜头讲清情节，仍会决定观众是否看得下去。

短剧的广告化扩大了观看，也拉长了回收

短剧的商业化结构在 2025 年发生了明显变化。早期 IAP 模式下，用户需要直接支付十元或二十元，才能继续观看一段剧集。IAA 模式改为观看广告后继续播放，直接降低了继续追剧的支付门槛。郑迅认为，这让原来不愿付费、却想知道后续剧情的用户也进入了市场，因此短剧能在高位继续增长。

制作方承担的条件也变了。广告变现不是即时收款，版权方需要在更长周期里依靠广告收入回收。内容质量不足以保证起量，制作成本又在提高。平台想扩大观看人群，仍要处理创作者是否能回本的问题。

快手在一部分流量中测试过另一种细节调整：把需要点击关闭的激励广告，替换成与上下滑操作一致的中插广告。郑迅称，在广告停留时间拉齐的实验里，中插广告仍表现更好。广告时长并未因此消失，变化在于广告结束后用户可以直接划走，无须额外点击关闭。

题材供给也不再只围绕少数标签。郑迅提到，快手先前的短剧标签以男频、女频、穿越、都市、逆袭等供给侧分类为主，数量只有数十个。大模型做整段内容理解后，可用标签已到三位数；重生、穿越、系统等标签的不同组合，让故事的分散度提高。单一标签里的热门题材仍然存在，但平台看到的内容不再只集中在几个固定模板上。

小游戏保留了混合变现，AI 先进入局部功能

小游戏没有照搬短剧的商业化轨迹。郑迅说，小游戏的 IAA 相对稳定，IAP 仍在增长。游戏可以让同一产品容纳更丰富的玩法和付费层次：有些用户愿意看广告，有些用户付费是为了得到更顺畅或更丰富的体验。社交和 PVP 玩法也使完全拉平体验并不现实。

他把这个差异部分归因于成本。AI 已能帮助制作图像、图标和流程，也有创作者用 AI 做出简单解谜游戏；但郑迅认为，复杂且真正能玩的游戏还没有像漫剧那样明显降低制作成本。大模型驱动 NPC 对话能让开放世界里的互动更有变化，却仍是组件，不足以说明 AI 原生游戏已经成为成熟的核心玩法。

节目继续把这个设想推得更远：不同智能体在一个设定好的世界中扮演角色、行动并生成故事，可能把小说、游戏和沉浸式短剧拉近。郑迅明确把它放在尚未完全落地的设想中，而非 2026 年已经可交付的产品。

推荐系统要先处理素材膨胀

内容平台面对的不是简单的视频推荐。广告系统把视频、标题、文案、出价和推广对象组合成广告单元；同一段素材换一部短剧、游戏或商品投放，或只改动视频的一小段，都可能形成新的单元。用户眼中相近的内容，在系统中可能变成大量需要单独冷启动的物料。

郑迅介绍了快手在内容消费广告中的两个处理方向。第一步是让大模型为短剧、游戏等内容生成更丰富的描述，并用奖励机制约束描述与实际内容保持一致。除了固定标签，系统还能得到可用于匹配与分析的内容和用户描述。第二步是按视频与推广对象的对应关系归并重复物料，把近似的广告单元收进同一组。

归并的目标是减少重复计算，并让已经成功冷启动的素材，在出价或人群定向调整后保留已有经验。不同发行方的数据仍然各自保留，平台不会因为剧集近似就把发行方的经营数据直接串在一起。

郑迅还谈到一种语义 ID。普通 ID 只表示上传顺序，语义 ID 则把模型理解出的层级语义编码进去：相近视频可拥有相近的前部编码，细节不同再向后区分。编码可以反向查看含义，这使它既能支持继承，也保留了检查模型判断的入口。

出价智能体要能解释，也要能被纠正

大模型也被放进广告出价的策略环节。一个账户刚开始投放，需要较宽的边界来获得机会；经过冷启动、效果稳定后，成本控制可以更严格；大促和线索广告又各有不同的约束。过去，这些细节很大程度上靠产品和运营人员在日常协作中调整。

郑迅描述的做法是，智能体先读取账户历史、当前表现和场景，再用自然语言向策略模块发出配置指令，由后者调整参数。模型的优势在于它可同时分析多个账户和过去的投放习惯；人很难长期以同样细的程度处理所有组合。

这也改变了产品工作的重点。郑迅认为，产品经理不能只看面板上的数值，还要知道纯数据决策缺什么行业视角，怎样补充上下文，以及怎样验证模型没有把错误推理当成结论。快手已经把内容理解中的错误标注反馈给客户，让客户帮助纠偏，并把反馈纳入模型的奖励机制。

2026 年的重点，是把技术上限接到创作者的回收上

郑迅把多模态的下一步分成两条路线。一条是继续改进人和工具的协作，让内容和广告流程更稳定地运行；另一条是提高技术本身的上限。以 AI 真人风格漫剧为例，现有作品仍可能出现口型与画面不完全对应的情况。更高的技术能力要解决的是口型、表情、发丝和动作之间更自然的一致性，让制作团队把精力放回故事本身。

平台的内容侧工作则回到收益。郑迅说，快手正在尝试更定向地用自然流量分发短剧、漫剧和小游戏。相较完全依赖商业投放，自然流量的成本更低，版权方可以在更长周期里看一部作品的回收；平台也希望用分账和流量政策减轻内容方的经济压力。

漫剧会继续吸引新增团队，真人短剧里的好演员、编剧和剧本仍然稀缺。节目没有给出哪一种内容将获胜的答案。它记录的是一个更具体的变化：AI 已经进入制作、推荐和投放，但内容能否持续生产，仍取决于故事质量、用户体验和创作者能否在新的变现结构中回收投入。