月活破亿的AI助手，却让小红书开始算账

小红书的AI部门，半年内被重新安排了三次职责。

4月30日，Dots被提升为AI一级部门，模型研发、基础设施、工程和产品被集中到同一个组织里。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。

一个刚刚获得独立地位的AI部门，很快就被重新划定了工作范围。最新的全员信给出了一种解释：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。

一个亿用户之后，账本翻开了

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，平台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。

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。这些行为对广告曝光和交易转化的影响并不相同。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。

没有云业务，只能靠产品自己证明

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则继续承担长期前沿研究，让前沿探索与日常产品应用保留了不同的工作空间。

推荐位变少，商业价值反而更集中

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。

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。

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。

创作者同样需要适应。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。

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。