小红书的AI，开始和自己的生意算账

文 | 奇帆商业，编辑 | 陆垚

不到半年，小红书重新安排了两次AI部门的职责。

4月30日，小红书将Dots提升为AI一级部门，把模型研发、基础设施、工程和产品集中到同一个组织中。到了9月，产品团队和部分工程团队被划转至社区，Dots转而聚焦底层模型。

10月16日，公司又宣布将Dots与核心基础设施团队Infra打通。

图源：社媒关于小红书报道

一个刚刚获得独立地位的AI部门，很快就被重新划分了工作范围。

最新的全员信对此给出了一种解释。小红书强调，自己是一家科技应用公司，与云厂商投入模型研发的逻辑存在根本不同。模型能力需要与具体产品形成更紧密的联系，技术投入也需要考虑实际应用价值。

这轮调整没有披露人员和预算变化，也不足以证明小红书准备收缩基础模型研发。但把半年内的几次变化放在一起看，公司已经开始重新安排模型研发与社区业务之间的关系。

这种变化发生时，小红书的AI产品已经不再缺少用户。

公开报道显示，小红书站内AI问答助手月活跃用户超过1亿。 此前，36氪援引前员工的说法称，AI搜索产品“问一问”曾改善社区用户留存，并带来数百万级新增查询。

技术正在改变用户寻找生活经验的方式。过去需要翻看多篇笔记、比较不同意见的问题，现在可以直接交给AI整理。用户可能因此更频繁地搜索，也可能不再阅读同样多的内容。

对小红书来说，后者并不是一个可以轻易忽略的变化。

过去十多年，小红书逐渐建立起一套围绕内容消费的商业模式。用户阅读笔记，品牌通过广告争取曝光，创作者依靠内容获得关注，平台再从广告和交易中获得收入。

当AI开始替用户筛选信息，这套原本建立在大量笔记浏览之上的利益分配方式，也需要重新调整。

01 AI部门半年三变

小红书对AI的投入，并不是从Dots开始的。

2025年初，公司成立Hi Lab，即人文智能实验室。它希望让AI更好地理解人类的情绪、表达方式和生活经验，而不只是处理知识问答、数学和代码任务。

这一研究方向与小红书的社区内容有关。

用户在小红书上搜索的很多问题，并没有唯一正确的答案。某款护肤品是否适合购买，取决于肤质、预算和使用习惯；一座城市是否值得定居，涉及工作机会、生活成本和个人偏好。大量普通人的真实经验，构成了小红书与传统搜索引擎不同的内容资产。

但让AI理解这些内容，与让AI直接进入社区，是两件不同的事。

36氪今年5月发表的《小红书四年AI路：FOMO、犹豫，到突然加速》中，一名前小红书社区员工曾解释，小红书首页的双列图文布局，希望给用户一种逛街的感觉。用户在不同笔记之间浏览，常常会在寻找某个答案时，发现原本没有计划了解的内容。

这种浏览方式，支撑着小红书长期形成的内容消费习惯。

早期，小红书对AI产品进入社区相当谨慎。

据36氪报道，“点点”最初进入社区时，入口被放在搜索页的联想推荐区域。团队曾希望进一步进入首页，却没有获得相应入口。

另一款AI搜索产品“问一问”，推进过程也受到限制。

根据报道中前员工的回忆，“问一问”最初只覆盖约1%至2%的搜索请求。团队希望扩大到10%，但管理层担心对原有搜索生态影响过大，最终仅放宽至约3%至4%。

图源：社媒关于小红书报道

搜索结果对小红书的意义，远不止帮助用户找到信息。

一个用户搜索粉底液，平台可以展示大量相关笔记。不同创作者因此获得曝光，品牌也有机会通过广告投放进入用户视野。用户阅读、收藏、比较，再逐渐形成购买判断。

AI直接生成答案，可能缩短这一过程。

在尚未确认AI会如何影响原有内容生态之前，小红书没有急于扩大产品覆盖范围。

这种态度后来开始发生变化。

随着“问一问”在用户留存和搜索活跃方面取得进展，小红书逐渐提高AI在组织中的优先级。今年4月，Dots正式成为AI一级部门，负责模型研发、基础设施、工程和产品，直接向总裁柯南汇报。

当时，柯南已经统一管理社区、电商、商业化和技术体系。Dots的成立，让AI拥有了相对完整的组织架构，也为模型研发和产品落地提供了更直接的协调渠道。

但模型研发与社区产品并不天然遵循同一套工作逻辑。

模型团队关注训练效率、推理能力和技术性能。产品团队需要考虑用户是否愿意使用、答案是否足够快，以及AI介入后，原有的搜索、推荐和内容消费会发生什么变化。

9月，Dots的职责开始重新划分。

据雷峰网9月3日独家报道，Dots产品团队和部分工程团队被划转至社区，模型团队更加聚焦底层研发。 与此同时，小红书整合了“问一问”与“点点”，相关工程团队也逐步进入社区体系。

图源：社媒关于小红书报道

这次整合改变了AI与搜索的关系。

此前，“问一问”主要帮助用户整理搜索结果中的笔记信息，“点点”则尝试处理复杂生活问题和多轮对话。两者合并后，用户可以在搜索中继续补充条件、调整需求，让一次搜索延伸为持续的对话。

AI产品由此更深地进入社区的日常使用场景。

10月16日，Dots又与Infra打通，模型研发和基础设施进一步整合。Hi Lab则继续承担长期前沿研究。

从组织变化看，小红书没有停止投入模型能力，而是逐渐将面向用户的应用交给社区，让底层研发围绕模型和工程效率展开协作。

半年内的调整，为AI划出了新的工作边界。 至于这套分工能否提高经营效率，还需要通过实际产品表现检验。

02 一个亿用户之后， 开始算成本

小红书早期担心AI影响笔记浏览，但搜索产品后来提供了另一组结果。

据36氪沟通的前员工透露，2025年，“问一问”使社区用户留存率提升约2%至3%，日活跃用户达到千万量级，并带来了数百万级新增查询。

报道没有披露完整的实验设计和统计口径，不能直接将其理解为全平台留存率提高了2至3个百分点。但这组数据说明，AI搜索可能创造过去没有发生的使用需求。

一名前员工解释，AI会缩短用户解决单个问题的时间，却也降低了再次搜索的门槛。过去需要阅读多篇笔记才能形成初步判断的问题，现在可以通过连续提问获得答案。

用户在单次搜索中停留的时间可能减少，搜索频率却有机会提高。

这对于小红书尤其重要。

过去，用户往往在购买商品、计划旅行或遇到具体生活问题时，才会打开小红书搜索。AI问答降低了获取信息的成本，可能让更多零散的日常问题进入平台。

到了今年10月，小红书披露站内AI问答助手月活跃用户超过1亿。无论其中有多少来自原有搜索用户，AI都已经进入规模化使用阶段。

但使用规模扩大，也让模型成本变得更加现实。

用户阅读一篇已有笔记，与模型为用户生成一段答案，背后的计算资源消耗并不相同。生成式AI需要根据问题进行推理，复杂任务还可能涉及更长的上下文、多模态信息和更多计算步骤。

如果AI让用户每天提出更多问题，小红书获得了新增搜索活跃，也需要承担相应的推理成本。

新增使用能否转化为收入，取决于用户接下来做什么。

有人可能根据AI推荐购买商品，有人可能继续阅读相关笔记，也有人只是得到答案后离开。AI甚至可能将过去需要多次搜索才能完成的需求，压缩成一次对话。

这些行为对广告曝光和交易转化的影响并不相同。

因此，超过1亿的月活跃用户可以证明产品已经形成规模，却不能直接证明模型投入获得了相应的商业回报。

小红书需要衡量新增查询、用户留存和交易转化带来的经营收益，同时计算模型训练、部署和推理的持续成本。

阿里和字节拥有不同的商业承接方式。

阿里可以通过云计算业务向企业销售模型调用、算力资源和相关解决方案。字节既有豆包这样的消费者产品，也有火山引擎面向企业提供AI服务，同时还能将模型能力用于抖音、剪映和飞书等业务。

小红书没有与阿里云、火山引擎同等定位的大型对外云计算业务。它的收入基础主要来自社区商业化和电商，模型研发需要更多地通过自身产品体现价值。

这也决定了小红书不必在每一项基础模型指标上与云厂商展开同等规模的竞争。

生活经验类内容确实需要模型具备较强的理解能力。用户搜索护肤品，需要结合肤质和预算；搜索旅行攻略，需要考虑交通、时间和同行人员；搜索装修方案，还要处理大量图片、视频和评论中的细节。

小红书掌握这些内容，也有持续优化模型的理由。

但一款模型在复杂推理评测中表现更好，未必能让普通用户更准确地选出适合自己的餐厅。模型能力提升与产品体验改善之间，并不存在固定的比例关系。

随着AI进入日常搜索，如何根据任务选择模型、控制响应时间和推理成本，将成为产品经营的一部分。

Dots与Infra打通，为模型部署、算力资源和工程效率之间的协调提供了新的组织条件。Hi Lab继续开展长期研究，则让前沿探索与日常产品应用保留了不同的工作空间。

对于小红书，模型研发已经进入一个需要持续计算投入产出的阶段。

不过，算力成本并不是它最难处理的部分。

AI越擅长整理消费经验，越可能改变小红书原有的广告展示方式。而这项业务，才是平台长期商业化的重要基础。

03 AI开始替用户挑选商品

在小红书搜索一款粉底液，过去可能需要看十几篇笔记。

有人分享使用体验，有人比较不同品牌，也有人发布商业合作内容。用户通过阅读和筛选形成判断，品牌则通过广告投放和达人合作争取曝光。

这套机制让小红书在消费决策中占据了独特位置。

AI搜索出现后，用户可以直接提出更具体的需求：油皮适合哪款粉底液，预算在300元以内，希望持妆时间长一些。

模型整理相关内容后，可能只给出几款产品及其优缺点。

对于用户，筛选过程缩短了。对于品牌，原本分散在大量笔记中的曝光机会，却可能集中到少数几个推荐位置。

谁进入推荐列表，谁排在前面，开始变得更加重要。

据36氪此前沟通的前员工透露，小红书AI搜索曾因商品推荐结果与商业化团队产生分歧。AI根据社区内容生成推荐时，部分广告大客户未必排在靠前位置。商业化团队曾希望AI不要主动生成购物推荐列表，但相关功能最终仍然保留。

这段对话并不能证明小红书已经因AI损失广告收入，却揭示了一个具体的经营矛盾。

过去，搜索结果页可以同时容纳大量自然内容和商业广告。品牌通过投放争取展示机会，用户则可以比较不同创作者的意见。

AI将大量信息整理成一份更短的清单之后，推荐位置变少，排序结果的商业价值反而更加集中。

如果AI完全依据社区讨论和用户需求推荐商品，广告大客户未必能够获得理想的展示位置。如果商业投放过度影响答案，用户又可能怀疑推荐的真实性。

这两种选择，都关系到小红书长期积累的用户信任。

小红书能够影响消费决策，一个重要原因是平台拥有大量普通人的使用经验。用户搜索商品，往往希望了解品牌宣传之外的信息，包括实际效果、缺点和其他人的评价。

过去，即使一篇笔记包含商业合作内容，用户仍然可以查看评论，阅读其他创作者的意见。不同内容之间的比较，本身就是形成判断的过程。

当AI直接给出总结性答案，用户接触原始笔记的机会可能减少，也更难判断推荐结果来自哪些经验。

这要求小红书重新处理商业推荐与自然内容之间的关系。

AI答案是否引用原始笔记，是否清楚标注商业内容，品牌排序是否受到投放影响，都可能成为用户判断答案可信度的重要依据。

创作者也需要适应这种变化。

小红书的内容供给依赖大量用户持续分享经验。优质笔记获得曝光之后，创作者可能积累粉丝、获得品牌合作，或者通过商品交易实现收入。

如果AI直接提炼笔记中的信息，用户未必还会打开所有原始内容。过去依靠搜索获得曝光的创作者，其流量来源可能发生变化。

但AI也可能创造新的机会。

一些发布时间较早、互动量不高的优质笔记，过去未必容易被用户发现。AI如果能够检索并引用这些内容，反而可能为长尾创作者带来新的曝光。

目前公开资料尚未提供足够的数据，证明哪种影响更大。

小红书没有披露AI答案出现前后相关笔记的点击率变化，也没有公布被AI引用的创作者是否因此获得更多粉丝、品牌合作或收入。

对一家依赖内容持续供给的平台来说，这些数据的重要性，并不低于AI月活跃用户。

与此同时，AI也可能帮助小红书改善消费决策与交易之间的衔接。

过去，用户可能在小红书完成商品研究，却前往其他电商平台购买。小红书影响了消费决策，却未必获得最终交易。

多轮AI对话提供了另一种可能。

用户可以先提出需求，再补充预算、偏好和使用场景。AI逐步缩小商品范围之后，如果能够连接可靠的商家、价格和交易服务，消费决策就有机会更自然地进入下单环节。

但商品信息、库存、商家服务和售后保障，仍然需要平台长期建设。模型能够推荐商品，并不等于平台已经具备承接交易的全部能力。

这也是小红书需要重新计算AI商业价值的原因。

AI可能提高用户搜索频率，帮助品牌找到更准确的潜在消费者，也可能让平台获得更多交易。但原有的笔记曝光、广告展示和创作者收益，也可能随之改变。

这些变化最终会体现在实际经营数据中。目前公开信息还不足以判断，小红书的AI搜索究竟创造了多少新增商业价值，又对原有流量分配产生了多大影响。

半年内的几次组织调整，让模型研发与社区经营走得更近。接下来，技术团队需要面对的不再只有模型能力，还包括AI如何参与内容分发、商品推荐和商业转化。

过去，小红书把大量选择留给用户，让他们在无数篇笔记中寻找适合自己的答案。如今，AI开始替用户完成一部分筛选工作。

这件事最难的地方，并不是让模型学会推荐商品。

而是在模型越来越擅长推荐之后，小红书如何重新安排用户、创作者、品牌和商家之间的利益。

这笔账，才刚刚开始算。