凤凰彩票平台登录入口

链接用户与内容的推荐系统是数字化信息世界的主要构件之一。在将文学视为一种信息的整体视野之下，推荐系统同样是中国网络文学生产机制的基本组成部分。人类智能和人工智能相结合的人机协同正是推荐系统的新范式，深刻改变了网络世界的信息传播及其生成、接受方式，也再造了网络文学的生态，并提供了重新理解文学大众性的契机。本文将回顾网络文学推荐系统从人工推选到算法推荐再到人机协同的发展历程，初探这一变化的原因和实质，并借助大众性的概念试论其深远意义，即人机协同推荐系统的普遍应用很可能预示着大众文艺时代的真正到来。

人工推选和算法推荐：链接用户与内容的两种方式

在整个印刷文明中，信息的筛选几乎都是由人工推选来完成的。到了互联网时代，算法推荐何以逐渐成为不可或缺的基础设施？在2017年抖音引入智能推荐算法后，中国各大社交平台率先跟进，通过分析用户的历史行为、兴趣偏好和个性特征等，精准预测用户喜好，构建信息流式的内容推荐体系。2019年，和抖音同属字节跳动的番茄小说诞生，依靠免费阅读和算法推荐，一年后就以2800万的日活跃用户超越所有同类平台，更成长为月活跃用户破两亿的超级平台。此中的缘由并不复杂，关键就在算法推荐可以实现超大规模内容的精准分发。

内容的超大规模既是互联网时代信息流通的基本状况，也是网络文学的独特境况。石岸书曾论及超大规模的文学人口是中国当代文学的“舵”与“锚”（1），是造就其独特性的重要因素。对于中国网络文学，具有超大规模的不仅是文学人口，还包括作家作品。凤凰彩票平台登录入口发布的《2024中国网络文学蓝皮书》显示，据全国50家重点网络文学平台数据统计，截至2024年底，网络文学作品总量超3300万部，年新增200万部；同期新增注册作者280万人、签约作者35万人。中国社会科学院发布的《2024中国网络文学发展研究报告》则显示，若将数据从50家重点平台扩展至整个领域，网络文学作者总规模达3119.8万人，年新增作者190.4万人；作品总规模达4165.1万部，年新增378.6万部。

网络文学的作品数量不但总体庞大也高度集中，头部平台每年的新增作品同样属于超大规模。据公开发布的数据，阅文集团2024年新增约33万名作家和65万部小说，新增字数超过420亿；番茄小说2024年当年签约作者超60万，实际获得收入的作者约50万。这一新增规模已保持多年，绝非偶然。以阅文集团为例，从2017年到2024年间，年新增字数虽略有波动，但一直保持在360亿至460亿之间（2）。番茄小说虽未公开此项数据，但哪怕保守估计，2020年之后也和阅文集团持平，几乎每日都有上亿字的更新。且不论历年累积的作品，单就每年新增的六七十万部小说、三四百亿文字，文学平台如何将之有效地推送到读者面前？又怎样从中挑选出优秀作品，并保障读者和作者都有良好的阅读和创作体验？

其实，人工推选虽然更擅长应对中小规模的作品，但并非不能处理较大规模的内容。以阅文集团旗下起点中文网为代表的老牌网站，就长期以用户为中心来人工推选作品。相较纸质文学的推荐系统，变化首先在不以编辑、评论家等专家为中心，而向大多数普通用户特别是全体付费用户赋权，通过用户的收藏、订阅、投票、打赏等主动行为来评判作品。这一向下赋权既与在线付费阅读的商业模式有关，更由用户生产内容的生产方式决定，是大规模内容供给的必然要求。直白地说，小数量的专家根本没有能力去阅读和评价如此规模的作品。在网络文学发展初期，榕树下的编辑主导制就在相较期刊可称海量的来稿（其实每天最高只有几千份，且多为诗歌、散文和短篇小说）面前彻底失效，网站既无法承担编辑部的成本（最多时扩张至两百余人），疲于看稿的编辑也难以真正发挥引导作用。由此可知，要实现较大规模内容的整合、分发，就必须由用户主导，这实质上是让大规模用户去处理本就由这群用户产出的大规模内容。

不同于以专家为中心，用户中心的人工推选通常需要兼容标签、搜索和社交网络这三种系统。对于网络文学平台，核心是标签系统，呈现为门户网站式的分类体系，即以各种标签来划分作品，使读者可以根据个人兴趣在一个较小范围中挑选。简单说，就像图书馆的分类目录，读者按照目录路径查阅信息。以起点中文网为例，如今大的标签既有性别，听书、漫画等媒介，也有仙侠、玄幻、历史、都市等小说类型；此外，还有“无限流”“日常流”“群像”“杀伐果断”等与流派、情节、风格、人设相关的小标签，读者也可根据新书、连载、完本等作品状态再次筛选。这些数以百计的标签在相互组合中将大规模作品分割成个人足以挑选和阅读的小集合。当下，若某位读者偏爱以秦汉三国为背景的、注重考据与群像的、已经完结且字数在200万字以上并获得“精品”称号的起点中文网男频历史文，那么大致就能把符合条件的小说数量控制在20部以内。

在算法推荐广泛应用之前，标签系统对应的门户网站以及搜索和社交网络对应的搜索引擎与社交平台，也正是互联网信息传播的三种主要模式。在文学平台中，带有明确指向性的搜索功能使用频率相对较低，不过“热搜”的关键词或作品也常有一个醒目的位置。更重要的补充渠道是社交网络，常表现为作者在章节结束时的荐书，乃至单章发布的“章推”、资深读者开列的“书单”和书友圈子中的相互“安利”。这些链接用户和内容的丰富渠道，使更多优秀作品有被看到的机会。毕竟，只有极少数作品可以跻身能见度最高但也很有限的重要榜单、推荐位。尽管如此，由于搜索和社交都需要比较深度的主动参与，大部分用户主要的挑书渠道还是位居标签系统最上层的月票榜等核心榜单和封面推荐等强力推荐位。

怎样在大规模的作品，特别是新作中选出小量级的优秀内容并将之推上关键位置，始终是文学平台推荐系统的核心任务。在人工推选的情况下，作品遴选普遍采取的是分级PK模式。仍以起点中文网为例，签约作品在6万字后只要保持稳定更新，都有机会获得带启动性质的保底推荐位，但这一俗称“蚊子推”（谐音“蚊子腿”）的展示位流量稀少，处于细分类型的页面边缘。对作者来说，要紧的不是通过它获取读者，而是在和同期同推荐位作品的数据比拼中获胜并进入下一轮。在总共四到五轮的PK中，从第二轮“新书精选”开始就有一定流量，进入第三轮“本周强推”和第四轮“小编力荐”就超越了大部分同期新作。特别优秀的少数作品能够入选“三江阁”，乃至获得全站“小喇叭”，可以算作第五轮。总之，新书需要一直“打怪升级”，只有晋级下一轮才能获得新的推荐位，资源也会随着轮次上升越来越好。如果只是“一轮游”或“两轮游”，那作者要么接受继续下去大概率是无人问津的“单机”写作，要么就可以考虑快速“切书”重开一部以争取更好成绩。新书期结束后，正式在起点中文网上架的作品也仍靠PK模式来获取推荐位和上榜，只是核心指标由点击、收藏、推荐变为月票数、订阅量及更直接的销售额。

在算法推荐应用之前，用户中心的人工推选也良好运转了多年。本质上，这一推荐系统仍属于金字塔结构，以层层PK的方式筛选作品，只是由于基座的数量远比印刷时代庞大，故而赋权给了用户而不只是专家。其实，算法推荐也在人工推选的延长线上，还是以用户为中心并通过PK来筛选作品，只是为了更好地分发超大规模内容而采取了数学方法——这造就两者在运作模式和底层逻辑上的根本不同。依靠机器的算法推荐，建立了用户行为和内容特征之间的数学关联，是以数学的纯粹性来应对人类选择的复杂性和不确定性。依靠人类智能的人工推选，则保留了人的审美判断和价值判断。

最早也是最经典、应用最广泛的智能推荐算法是协同过滤，其底层逻辑极其简洁，即寻找相似性。这一算法分为基于用户的协同过滤和基于内容的协同过滤，分别假设如果两个用户在过去对多个内容的评分或行为相似，那么他们在未来对新内容的偏好也会相似；如果一个用户喜欢某个内容，那么他也很可能喜欢与此相似的其他内容。落实在文学平台中，就是不断为用户和作品打标签，然后计算相似度，标签越细致、越精准，推荐效果就越好。这一算法的好处在于实现简单且可解释性强，但也面对“数据稀疏”（data sparseness）（3）和“冷启动”（cold boot）（4）的问题。其实，早在番茄小说的冲击到来之前，起点中文网就尝试过基于协同过滤的个性化推荐，但由于效果相当一般而未获大范围推广。

由字节跳动建立的番茄小说，其推荐算法就远不止于协同过滤，主要是沿自抖音的“Wide＆Deep模型”和“双塔召回模型”。这些模型建立在人工神经网络激发机器深度学习能力的基础上，不再简单用标签框定用户和内容，而是通过深度学习来预估用户行为的概率。番茄小说推荐系统的核心逻辑可以简化为一个推荐优先级公式：综合预测用户行为概率 × 行为价值权重= 内容 推荐优先级。用户行为包括点击、评论、观看广告、购买会员等，每一行为又有不同的价值权重，这些价值权重也在即时反馈中动态调整，反应速度甚至可达“分钟级”。相比人工推选，算法推荐有两个重要变化。首先是不依赖用户的主动参与（如评论、投票），也可观测和利用用户的被动行为（如停留时间、退出节点）。更本质的是将用户对内容的具体偏好转化为高维空间中的数学映射关系，不必理解内容就能实现精准匹配。具体到文学平台的推荐系统中，主要应用在以流量池分层取代固定推荐位，以及分不同阶段周期性推荐。

如果说人工推选系统的结构好似金字塔，算法推荐系统的形态就是流量池。金字塔的结构简单、稳定，但也粗放、死板且相对缺乏流动性，典型问题就是越往上位置越有限、越固定，且往往是赢家通吃。此前提到的多轮PK模式就是集中体现，从注册到签约的过程中已经淘汰了绝大部分作者，但签约之后仍只有一小部分作品有机会走完四轮PK。到了上架阶段，就算是头部作品也偶有“刷票”行为，作者会有很强的动力自行出资购买订阅和月票以求在榜单上位居前列。番茄小说则几乎没有固定推荐位，各类榜单基本是“千人千面”的个性化推荐，也会随着用户的刷新而流变。这意味着每个用户被推荐的作品都有所不同，且由于推荐位的数量几乎没有限制，每部作品都能获得更均等的推荐机会。站在作者作品的角度，算法的每次推荐都是在一个汇聚全体读者的流量池中抓取一批最有可能喜欢该内容的用户，然后直接将作品推送至读者眼前，而非把作品放置在一个固定位置等待读者发现。当然，流量池还是会根据成绩好坏，为不同等级作品分层“给量”（指在用户页面被展示的次数），但对新人作者来说，这已经是一个最公平且更有效的推荐系统。

智能推荐算法采用的阶段化、滚动式推荐机制，更是对多轮PK模式的极大优化。番茄小说的新书会在10万字前后进入“首秀”，开始成规模“给量”。新书“首秀”时先会有一个7天的验证期，在此期间通常会为所有作品发放约5000量的测试用户，按照“吸量”程度分为从D级到SSS级的7个等级。这一阶段的核心指标“吸量”，指向的是书名/封面/简介吸引读者点击进入正文的能力。一般来说，300以上的点击量便合格，可以评为A级，此后会按正常标准给量；500以上便可评为SS级，会有明显的流量倾斜。同时，这一过程也会测试出与作品更适配的部分用户群体，并持续推荐给同类型的用户。在验证期后进入大约14天的首秀期，核心指标变为10万字完读率和追更比。10万字完读率即点击量与读完10万字的用户之比，近年来平均保持在16%~17%，高于17%则为优秀，有机会获得流量扶持。追更比则是“在读”数和追到最新章节的用户之比，这里需要解释的是，所谓“在读”指的是过去14天内阅读过该作品的总人数，而非总的阅读人数。追更比的理想目标为2∶1，但不要求作者达到，更重要的是保持稳定并持续提升。无论吸量、在读，还是完读率、追更比，都是依靠算法才能观察到的用户行为，至少在新书阶段，这些指标的确远比人工推选中的相关数据要更精准、高效。

在“首秀”之后，完读率和追更比仍是最重要的“北极星”指标。更准确地说，“首秀”就是番茄小说推荐规则具体而微的展演，此后成绩优异的作品会在不同阶段（一般分为首秀期、书测期、新书池、老书池）迎来一轮又一轮的算法推荐，只是每个阶段都会有各自的侧重点。比如，书测期在20万字后可申请开启。所谓“书测”，关键就在作者可重新为作品再取多个书名，乃至写多种简介，以测试“吸量”和“留存”数据最好的书名和简介，再将之固定下来。通常来说，每一轮的推荐周期仍大致持续14天，此后进入一段时间的静默期。这一静默期也是新的测试期，算法再次去圈定部分新用户展示，并根据读者的阅读行为不断调整，持续寻找与作品最有可能共振的用户群体。随着成绩提升，算法在扩大推荐量的同时，也会突破原有的读者圈层。因此，新读者与作品不是特别适配的可能性会越来越高，这就会导致完读率和追更比下降，算法随之减少推荐量。此时，作品便常常会进入瓶颈期，“在读”数不再增长甚至不断下滑。尽管如此，算法已经显示出有能力把优秀作品推荐到每一个有可能喜爱它的用户面前，也使得原有的人工推选系统必须将之纳入，由此走向人机协同的新模式。

人机协同：网络文学推荐系统的新范式

人工推选和算法推荐有根本区别，也各有优劣。人力的优长和弱点早已暴露，而算法的内在矛盾如今也有所显现。当下比较紧迫的是算法透明化的问题。平台的算法不能太透明，否则不但泄露商业机密，而且会被针对性优化数据以窃取流量；但算法若不够透明，又会因其巨大影响而招致误解、恐惧与敌意，既被视为“技术黑箱”，又被用户乃至管理部门怀疑平台在幕后操纵信息流动。长远更为重要的是个性化程度的问题。算法推荐的根基就在可以实现个性化推荐，但又不得不控制个性化程度或者说针对特定行为策略的复杂度。一方面是出于成本考虑，多指标及其价值分的动态调整对算力要求很高，太精细反而得不偿失；另一方面，推荐系统必须控制自身复杂度，增强算法“鲁棒性”（robustness）（5），让系统在面临各种干扰和bug（故障）时还能稳定运转。

好在人工推选和算法推荐不仅互相竞争，更因对立而相互补足。比如，前者适合中小规模的内容，后者更适用于超大规模的内容；前者虽依赖用户主动参与，但规则可解释性强，后者允许用户被动接受，但算法透明性较弱。近两三年来，在网络文学的推荐系统中，人机协同已被普遍应用并成为新趋势和新范式。依靠算法推荐立身的番茄小说和以人工推选为根基的起点中文网都在彼此接近、学习，同时借助人类智能和人工智能，并以此搭建一个更为强大的推荐系统。

番茄小说的评分机制、书荒广场和巅峰榜都是人机协同的重要实践。番茄小说的作品评分不只是由读者打出来的，而是读者评分和数据指标的共同结果。首先，并非所有番茄作品都有评分，只有当有效书评（阅读本书30分钟以上的读者打出的评分才算有效）达到50个后才会开启基础分。此后，比有效书评更重要的指标是书籍留存，包括完读率、追更比，但核心是“三日留存”（新增读者中在第三天仍阅读该作品的）。目前来看，1%的三日留存约等于7.7~7.8的评分，而50%及以上的三日留存就等于9.9~10.0的评分。总的来说，在读和评分人数较少时，作品评分主要由读者实际打分决定，当小说的在读人数越多，评分就受三日留存率影响越大。评分机制体现的是在规模较小时依赖人工推选，在规模较大时转向算法为主——评分最终不再决定于读者主观的因而必然带有审美偏好、情绪波动和价值分歧的判断，而是更加明确也更加冰冷的关于用户有没有读下去的“留存率”。

作为一个纯人工的读者论坛，书荒广场是番茄小说专为解决读者的“书荒”或者说弥补算法推荐的不足而创立的核心社区。虽然番茄小说以算法推荐为主，但书荒广场在总流量中的占比却长期保持在惊人的三四成。换言之，超三分之一的阅读行为是在社区中实现的。广场分为话题和书单两个部分，每个话题的左下角会显示总发帖数量，右下角则显示该话题拯救了多少读者的书荒，而累积了上万帖子或拯救了数百万人书荒的话题所在多有。书荒广场之所以如此热闹、活跃，在于它以一身兼具了读者找书、推书变现和作者自救这三种功能。

首先，书荒广场是读者的找书神器。它有海量书单推荐和实时互动推书，也兼容标签和热搜系统，支持按照标签精准筛选、快速匹配，更为用户搜索行动背后的问题和需求提供答案。质言之，书荒广场熔铸了标签、搜索和社交网络这三种信息匹配系统，吸纳了传统文学网站的大多数推荐功能，绝不能仅仅被视为一个论坛。其次，它也是书虫推书变现的渠道。番茄小说除了可以看书挣钱（实质上是读者同作品、平台一起分享广告收入），还可以推书变现，荐书人能从每一个被自己解决了书荒的读者那里获利。虽然每人次的收益大约只有0.3~1元，但叠加平台的奖励，每月获得上万元推书收入的用户并不罕见。由此，荐书人的生产积极性得以维系，广场中总有源源不断的好话题、好帖子、好书单。再次，这还是作者自救的法宝。在新书首秀流量低迷或者小说进入瓶颈期时，到书荒广场以自荐的方式推广作品已经成为作者主要的自救方式。作者往往选择到相关的话题下，以40字左右的文案自卖自夸，借此起死回生的几率虽不高，但绝对数量并不少。

相较书荒广场，巅峰榜虽在影响力上有所不如，但却是最有意味和最具深度的。2023年10月，番茄小说推出了首个统一性榜单“巅峰榜”，这一每月1日更新的榜单不再是“千人千面”，而是回归了“千人一面”，在此前以个性化为最高准则的算法逻辑中明确引入“公共性”的维度，试图确立一种具有普遍性的评价体系。巅峰榜的特殊性正在于，算法不仅被用来实现个性化推荐，更被用来遴选具有典范性的小说——这本是人类智能的最后堡垒和最大骄傲。推荐算法如何在不理解内容的前提下，尝试推选出公认的位于“巅峰”的文学作品？目前来说，主要方法是专家提前介入和多维度综合评价。

算法怎样辨认优质内容，乃至“巅峰”之作？答案很明确：先人工定调，再机器放大，并动态调整。推荐算法绝非万能，更看不出内容的好坏，必须要先由平台员工，特别是资深编辑及优秀内容创作者、外部专家（笔者也曾参与番茄小说的相关调研）确定评判标准后，算法才能批量执行。就巅峰榜的创建流程而言，前期是人工筛选出平台中的最佳作品，然后提炼这些小说的特质，再形成可以被文字阐述的标准，最后转换为能被机器理解的数学语言。这些评价标准不但包括多个维度，而且始终在动态调整之中——因为巅峰榜的上榜作品只有30部，纳入备选名单的数量也相当有限，所以不必太考虑人力、算力成本和算法复杂度的问题，可以将智能算法的能力发挥到极致。当下，巅峰榜主要考量的6个维度为作品人气、内容质量、口碑评分、读者互动、传播价值、IP潜力，由此以人机协同的方式全面评估作品的综合表现，尝试筛选出当月代表番茄小说平台最高水平的TOP30作品，为读者提供权威的阅读推荐。

在6个维度中，表面上虽有人气、质量和口碑等区别，但实际上指标是相近的，说法不同更多是为了便于人类的理解，而非机器真就照此分类执行。具体来说，算法主要综合考量在读人数、阅读时长、章节完读率和单日新增用户量，核心指标大致包括首秀期10万字完读率＞23%，新书池三日留存率≥50%等。此外值得一提的是，口碑评分虽以站内评分为主，但也兼顾第三方平台（如豆瓣）的评价，并且设定读者真实评价差评率＜10%为入围门槛。而读者互动的量化指标包括段评/章评密度（每万字互动≥500条为S级）、书友圈日活跃用户占比等。传播价值则包括社交平台“二创”数量（如截至2025年9月，抖音#十日终焉话题播放量超60亿）、跨圈层渗透率（如在不同代际用户中的传播度），乃至权威媒体引用次数和各类文学奖项/榜单入选次数。总体而言，编辑基本不直接参与榜单评选，唯一干涉方式是调整相关指标及其权重。

相比在算法中创生的番茄小说，作为汇聚了中国网络文学最多精英读者的老牌平台，起点中文网拥有审美力最强和参与度最深的网文用户，因此对智能算法推荐的接纳经历了一个颇为漫长的过程。早在2015年，被腾讯集团收购后，起点便借助腾讯的技术力量开始了个性化推荐的尝试，但仅仅作为一个新的推荐栏目。2020年后，面对番茄小说的崛起和冲击，起点才逐步开启从人工筛选到算法驱动的基础性变革。最初，只是引入个别关键指标如追更率，以此替代收藏量、推荐票等延续十几年的新书考核标准。在ChatGPT3.5横空出世后，方才整合AI大模型以实现读者偏好与作品标签的精准匹配，用内容信息流逐步替代大部分固定栏目推荐位，使流量利用率大为提升。直到2025年7月，新书推荐从PK模式全面转为流量包模式，完成建站以来最大的推荐模式改革，起点中文网终于确立自身独特的人机协同之路。

流量包模式把PK模式的“生死PK”变为“动态培育”，体现出算法推荐在超大规模内容分发时的明显优势。如今，起点的签约作品若稳定日更4000字以上，在6万字时将获得7天等额流量包，相当于此前第一轮的“试水推”。之后进入上架前21~42天的培育期，优秀作品会根据追更率、留存率、转化率等指标获得三档放量流量包，即放量包、放量包+、放量包++，覆盖了原2~4轮的推荐资源。但不同的是，前期表现欠佳的作品也可持续获得扶持流量包，避免作者因“一轮游”而“切书”。更重要的是，流量包的刷新周期是1~2天，每一天的更新或者说每一次流量包的刷新，都有可能让作品续命，甚至改命，一旦成绩转好，立刻可获得更大的放量包。在流量包模式中，绝大多数作品的推荐都由智能算法完成，不但编辑只保留了对极少数优秀作品的人工推荐权，也几乎不再需要用户的任何主动参与。这一流量包模式与番茄小说的首秀类似，但流量包刷新频率和动态程度更高，有利于“慢热文”“创新文”的成长。

待到作品上架“入V”（进入VIP付费阶段），推荐位虽主要还以信息流的方式出现并以流量包的形式分配，但核心指标则回归到小说的订阅量（包括“均订”和“追订”），最重要的榜单月票榜更是继续以作品的月票数排行。换言之，在上架后，起点中文网还是以付费用户的人工推选为主导。就此而言，起点的人机协同系统是人类智能负责小规模VIP作品，人工智能负责大规模新进作品，可谓人机各司其职，有泾渭分明之感。这与起点的商业模式和阅读生态有关。2024年，起点的月付费用户数达910万，虽未恢复到受番茄小说等免费平台冲击前的巅峰状态，但也创出三年新高。这背后是起点在2023年开展了极其严厉的反盗版行动，通过技术升级和法务维权打击盗版，带动日活跃用户同比增长80%，连载作品的均订也有普长。不过，消灭盗版带来的付费读者增长是一次性的，也让用户总体付费意愿有所下降，月均付费从2021年的39.7元降至2024年的32元。与此同时，阅文集团2024年在线阅读业务收入40.31亿元，同比微增2.1%，占总收入比重降至49.6%，而IP运营收入达39.91亿元，同比增34.2%，成为新的增长引擎。在此情况下，起点的未来方向也越发明朗，就是坚定地走向精品化付费阅读，特别是以培育具IP全产业链价值的“大作”为战略重心。到2025年上半年，阅文更主动优化分发机制，将免费阅读流量导向付费核心产品，以全渠道月活跃用户从1.76亿降至1.4亿为代价，支撑付费读者增长至920万。

起点中文网的人机协同推荐系统，目标便是在保证付费阅读基本盘长期稳定的前提下，尽可能地培养和选拔出更多具IP价值的作品。IP价值虽然不能等同于作品质量，但其内在要求的“破圈”“黏性”，指向的正是要长久地打动不同代际、性别和身份的读者。而文学经典的根本特质就是可以穿越时空，打动不同时代、不同地域的人们，IP价值其实是相当接近这一伟大目标的商业指标。在这样的导向之下，起点中文网将最大最核心的推荐权力继续赋予VIP读者，信赖这群早就可以免费读小说但为了高质量作品而主动付费的读者。相比番茄小说以算法为主导的人机协同推荐系统，起点中文网尽管在不断扩大算法推荐的应用范围，也取得了很好的效果，但最终仍以人工智能辅助人类智能。起点中文网选择相信这近千万的VIP读者，保障他们的主导权利，也激发他们的参与热情，通过这群深度用户的订阅、投票等最具主动性的参与行为来培育并挑选出最优秀的作品。在人机协同的基础上，究竟是以人类智能为主导还是以人工智能为核心会造就更好的推荐系统？这并非目前能回答的问题，但凤凰彩票可以拭目以待。

可量化、破圈与自然生长

很少有一个概念会像“大众文化/文艺”那样，如此至关重要（可谓现代社会区别于古典世界的标志之一），又如此错综复杂。雷蒙?威廉斯就认为，“大众”(popular)一词在历史中形成了四种含义：“属于民众”“低下的”“广受欢迎”与“刻意讨人欢心”（6）。这些相互关联也有所对立的内涵已经让“大众”的概念足够暧昧了，何况，因理解的分歧在如何看待它的问题上又至少有三种不同取向。第一种是否定性的，无论是把“大众文化”视为天才个体创造性活动的反面，还是直接看作迎合庸众而生产的商业文本，这种否定性的态度都将“大众文化”约等于“低等文化”。第二种是肯定性的，认为“大众文艺”因出自“人民”而具有本真性，就算降格以求，也是民间自发形成的文化或群众被组织起来创造的文艺，总之是人民群众首创、共有、同享的。第三种则将之视为一个斗争性的场所，既不是自上而下灌输给“群氓”的，也不是自下而上由“群众”创造的，而是两者交流协商的场域，同时包括了“抵抗”与“收编”。

大众文化内部总是存在各种混杂的元素，这些元素各自把文本带往不同的方向。面对这一纷乱扰攘，凤凰彩票不妨先回到最具共识的定义上——大众文化是有很多人喜欢的文化。这一定义应当是最能被广泛接受的，不管是认为大众文化低劣、媚俗，还是充满创造性、可能性，关注的前提和焦点始终是它在被许多人喜爱着。然而，这一偏向“定量”的定义方式也有很大缺憾，究竟要多少人才称得上“大众”？如何知晓这是一群什么样的人？怎么判断他们的喜爱程度？在印刷时代，凤凰彩票可以进行相关的数据统计，但价值有限，因为指标太单一，数据太稀疏。可是，在用户中心的人工推选，特别是智能推荐算法普及后，“大众”已然成为可量化的大数据——“量化”的本质正在于将抽象的、模糊的概念转化为可测量、可分析的数学模型。

颇有意味的是，最终为“大众”赋形的算法推荐却是一种基于个性化的推荐系统。要言之，在以量化方法观察世界时，事实上并没有什么“大众”，有的只是被抽象为数学表达的一个个单独的个体及其各种组合方式。在这里，“大众”甚至不只被裂解为“分众”——用户中心的人工推选已经借助分层化、多样化的标签系统基本实现这一目标——而是再次提升精细度、颗粒度，把仍有一定规模的“分众”打碎、还原成具体的点，但这些点又绝非原子化的，随时可以被召回用于构成一个新的矩阵，并以流量包、流量池的形式出现。在2025年3月，抖音的月活跃用户突破了10亿，且每天的人均使用时长接近两个小时。番茄小说的“月活”虽远不如抖音，但在全部的文学平台中也遥遥领先。正是以个性化为基础，充分尊重每个用户的喜好，算法推荐才最能“集众”，也最能“得众”。

必须强调的是，并不能简单地以“茧房”来描绘和批评这类由算法围绕个人喜好营造的专属信息空间。在工业文明和印刷时代中，凤凰彩票的社会空间和阅读空间整体而言都是越来越规范、越来越统一的，以至于对个人的真实感受、表达和自我发现、完成造成了不小的威胁。而没有真正的个人，就不会有真正的集体。如果只有一种带强制性的“一体化”，那就很容易产生虚假的集体和虚伪的“公共性”。就此，尽管“信息茧房”的说法有其合理性，却忽视了它作为一个私人的、安心的和欢乐的空间，既是个性的体现和保障，也是公共性的起点和根基——这在番茄小说的巅峰榜中颇有体现。

在巅峰榜之前，番茄小说没有任何一个统一性的榜单，所有推荐位都是个性化的，也就意味着平台不追求、更不提供任何具普遍性的评价标准。换言之，只承认有个体及由相似度极高的个体汇聚而来的“小众”，并不认为有某种能代表一般意志（common sense）的“大众”——“大众”只是一种被想象出来的观察和理解世界的方式。但为什么在成为规模最大的文学平台后，番茄小说还是于2023年推出了巅峰榜？这里当然有商业上的考量，IP的打造和作者的明星化都内在要求“破圈”，以及读者对内容多样化的需求：读者不仅需要现在可能会喜欢的，也需要将来可能会喜欢的；不但需要自己喜欢的，也需要公认有价值的。说到底，巅峰榜的商业价值背后仍是人对公共性本能且强烈的需求，以及真正的公共性的极度稀缺。而有了作为一般意志和普遍认同的公共性（虽不一定能实现，但至少愿意去追求），才称得上有“大众”。

这一公共性的凝聚，此前主要靠深度用户的主动参与。在付费平台的人工推选中，读者参与是有门槛的，投票的权力甚至评论的资格都要付费获取。由于盗版难以禁绝，长期还俯拾皆是，且免费平台崛起后又提供了新的阅读渠道，中国网络文学的VIP读者大多是在可以免费的情况下选择为喜爱的小说付费。可以免费却付费，此诚可谓“有爱”。这批对网文更有爱欲的读者，往往也是更有审美能力和文学品位的“老白”。因此，这群读者深度参与并主导的榜单才会一直颇有权威，才得以为网文作者颁发象征资本而非只带来经济利益。用圈内的话来说，能够为作者“封神”。这本质上就是挑选部分精英代表全体读者来协商决策，可以说是一种文学上的精英民主。

如果说人工推选依靠的是VIP读者的深度参与，算法推荐需要的只是全体用户的阅读行为。尽管在2024年，番茄小说读者全年累计发布的评论总数超10亿条（1009572268条），单部作品（《十日终焉》）最多评论数超千万条（10186232条），但平台并不依赖于读者的主动参与，没有评论、没有投票也能很好运转。推荐算法的巨大突破就在于通过对用户行为的记录、分析，前所未有地把“沉默的大多数”变成“不动的施动者”。算法的核心指标“吸量”“留存”都集中体现在点击、追读等被动行为上，只要发生阅读这一动作，那么必然可以获得这些数据。这就意味着大多数没有能力或缺乏意愿去深度参与的读者，实际上也在被动且颇为精细地主导着文学的生产，同时更是在以行动表达自身的意志。在算法推荐，特别是人机协同推荐系统的加持下，中国网络文学的“大众性”同时容纳了“个性化”和“公共性”这相对也相成的两面，既以极致的个性化为底色，又在此基础上追求一种普遍认可的好，并视此公共性为“巅峰”。由此，在当下这个高度分化的世界中，或许可以给“大众”做一个更加立足于当下的定义：能同时为许多壁垒森严乃至相互对立的群体所喜爱。极言之，大众就是“破圈”，就是“破壁”。

这其实仍连通了“文艺大众化”和“群众文艺”的传统，尽管是以相对（不同但有关）的方式来实现继承。作为启蒙的未竟事业，20世纪30年代的“文艺大众化”在结构上与启蒙相仿，是自上而下的。这在教育不平等的社会中是知识分子的责任，但也决定了“文艺大众化”的限度。鲁迅在1930年发表的《文艺的大众化》一文中，就将他所身处的时代判定为“现在是使大众能鉴赏文艺的时代的准备”，因为当民众缺乏鉴赏文艺的能力时，即便有不少为大众设想的作家“竭力来作浅显易解的作品……但那文字的程度，恐怕也只能到唱本那样。”鲁迅对当时文艺的大众化运动最终能取得的效果是比较悲观的，与此同时，他非常警惕文艺在这一口号下走向媚俗，明确警告：“若文艺设法俯就，就很容易流为迎合大众，媚悦大众。迎合和媚悦，是不会于大众有益的。”（7）或许，对“文艺大众化”的有意追求，不但出自真正的大众文艺的匮乏，也潜藏着既伤害文艺又伤害大众的危险。

20世纪40年代，特别是新中国成立之后，中国共产党曾借助政治力量大规模推动“群众文艺”的发展，希望通过发动广大群众并以一套“群众文化体制”将之组织起来，以此实现上下的沟通与结合。政党的动员、组织、领导和群众的参与、跟随、创造，是“群众文艺”也是其背后的“群众路线”不可或缺的两面。但归根到底，“群众文艺”不是民间的自发行为，而是政治力量的有组织行动，决定性因素是党的领导，并始终是为了更大的政治目标服务。因此，“群众文艺”不但自身会随着党的文艺政策和基本任务的变动而兴废，更艰难的是，其运作内在要求具备大规模的、有组织的且可以长期、深度参与文艺生产的“群众”——就生产力和生产方式的角度来看，“群众文艺”实质上是在印刷时代跨越生产力水平，建立用户生产内容，乃至用户主导内容生产的文艺体制的一次重要尝试。

“文艺大众化”和“群众文艺”的出发点都在于这样一个根本矛盾：大众应当享有文艺生活并且文艺的活力和根基本来就在大多数人，但文学艺术又自有其门槛、深度与复杂性，也正因其对人类经验的反映既深且广，才有独特而重要的价值。如何既让大众共建、共享文化生活，又使之不但不与精英文化对立起来，而且成为文艺攀登高峰，乃至成就经典的不竭动力？尽管中国网络文学的大众性不在于大众化，是自下而上的，同时在新技术条件下也主要依靠商业力量组织起来，但这仍始终是包括网络文学在内的新媒介文艺、新大众文艺要面对的核心问题。对此，中国网络文学给出的一个答案是：在自我满足中自然生长。这里部分借用了雷蒙·威廉斯对文化的定义：自然生长。他通过追溯“文化”（culture）的拉丁词源colere（培育），强调其原初含义是“对自然生长的扶持”（8）（the tending of natural growth），后延伸为对人类精神与社会关系的培育。这一培育的起点当然仍是低的、寻常的，不过如今提高的主要途径不再是寓教于乐，而是更纯粹的自我满足，也就是“爽”。“爽”在客观上是一种残缺的可被指摘的幸福，但主观上是每一个不完满的个体在自己当下能力范围之内（既是认知能力也是行动能力）所能获得的最大的幸福。每一次“爽”的实现，带来的不仅有满足也必然有空虚，这种欲望满足后的虚无也是人类精神自然生长的重要动力。其实，在自我满足中自然生长，换个说法就是在个性化的前提下追求公共性。所谓个性化实质上就是“猜你喜欢”，是把个体最有可能喜欢的东西“投喂”到面前。在算法推荐广泛应用之后，这已然是当下文艺状况的一个既成事实和基本特点——用户已经习惯泡在“蜜罐子”里了，不可能再拉出来投进“苦水”“血水”里。何况，并不是只有挫折和苦难才能让人成长，“爽”本身也具有强大的生长能量。公共性事实上也就成为某种普遍、恒常价值的体现，尤其是在充分个性化的基础上，能够“破圈”的作品至少是对时代情绪的快速反应，甚至是对时代精神的敏锐捕捉。

结 语

总之，中国网络文学的大众性既来自科技对文学生产、传播的赋能，也展现出对中国新文学和社会主义文艺传统的回响。特别是人机协同推荐系统的兴起标志着网络文学进入了一个新的发展阶段，它通过结合人类智能的审美判断与人工智能的数学运算，不仅解决了超大规模内容精准匹配的难题，更通过量化用户行为激活“沉默的大多数”，并在“破圈”的商业需求中推动公共评价标准的形成。从人工推选的金字塔结构到算法推荐的流量池模式，再到如今人机协同的深度融合，推荐系统的演进既是对技术局限性的突破，也是对文学大众性的重新定义——它使得个性化与公共性得以相辅相成，让每一部作品都有机会找到自己的读者，让每一个用户都能共建、共享文学生活，也让真正优秀的作品能够突破圈层，最终以多元群体的共同喜爱为标志逼近新的文学高峰。就此而言，人类智能与人工智能的协同共生不仅进一步推动了网络文学的繁荣，或许更预示着新的大众文艺时代的真正到来。

注释：

（1）石岸书：《试论超大规模的文学人口与中国当代文学的独特性》，《中国现代文学研究丛刊》2024年第2期。

（2）2017年为430亿，2018年为443亿，2019年为380亿，2020年为460亿，2021年为360亿，2022年为390亿，2023年为390亿。数据来源于阅文集团历年财报。

（3）指在自然语言处理的统计方法中，训练数据（语料）有限导致训练得到的统计模型不可靠的现象。如在用户和内容同属于超大规模的情况下，具体的单个用户和内容之间普遍缺乏交互，也就使得有效数据非常有限。

（4）指数据挖掘需要数据的积累，而产品初期数据为空或者数据量太少导致所需的数据量达不到要求。如新用户和新内容因缺乏历史行为而无法精准画像。

（5）也被表达为健壮性，可以用于反映一个系统在面临着内部结构或外部环境的改变时维持其功能稳定运行的能力。

（6）〔英〕雷蒙?威廉斯：《关键词：文化与社会的词汇》，第355-356页，刘建基译，北京，生活·读书·新知三联书店，2005。

（7）鲁迅：《文艺的大众化》，《鲁迅全集》第7卷，第367页，北京，人民文学出版社，2005。

（8）〔英〕雷蒙·威廉斯：《文化与社会：1780-1950》，第19页，高晓玲译，北京，商务印书馆，2018。