上篇文章里，我表面上在用数学和逻辑去估算 YouTube 及海外头部平台在音乐方面的营收，讲述它们与行业上下游的爱恨纠葛。

但实际上最核心是想讲，一个大的内容平台发展到既定规模后，该如何继续与内容方博弈，又要怎样取得新的平衡。

之后和一个朋友聊到其中的分析细节(以及国内同行们的近期动态)，她总结说：

所以我们现在有美国信息 exposure，然后体验中国故事是非常奇妙的。

深以为然。

眼下中美两地互联网的发展亦步亦趋，已经没有先后之分。但你依然可以强烈体会到，不同市场本身存在的巨大差异，以及参与者各自秉持着不同逻辑。

在这个背景下，关注海外的科技、创投、互联网动向尤为重要。

所以在两周前的那篇文章里，2019，FAANG 各自交出了怎样的答卷?我提到会重启一类更充实、更高频的短内容，分享来自海外知名 VC、创投科技媒体以及优质英文博客的深度思考和有趣视角。

他们大致可被划归为六类：

#海外独角兽成长指南#

#近期值得关注的新产品#

#硅谷投资人洞见#

#上市公司财报研究#

#美国科技媒体观察#

#英文商业博客精选# 

这一系列内容的最核心诉求是追求信息增量、不废话、不流俗。上周我写了以下 8 条，挑你喜欢的看(最好都喜欢)：

1)TikTok 带领大家走进新时代，了吗?

2)谷歌挖掘下沉流量的步伐似乎有些缓慢?

3)音乐行业复苏，唱片公司迎来上市潮?

4)净菜配送”先驱“ Blue Apron，从崛起到倒塌

5)排名前 100 的全球 2C 创业公司，有何共性和特点?

6)印度外卖市场之争

7)内容 VS 渠道，谁是更好的投资标的?

8)2030 年的社交网络会是什么样?

1)TikTok 带领大家走进新时代，了吗?

每隔几年都会诞生新的全球性社交媒体平台，这次是 TikTok。但当下大家最为关注的已经不再是一个产品，而是一个推论—— AI(推荐算法)能在多大程度上影响用户与平台的交互?

为什么讨论这个问题?

早在 2019 年初，TikTok 在年轻人群体的超高渗透率就引起了美国科技行业的高度关注和警惕。

(上图来自另一份分析报告，因此统计时间是 2019 年 9 月)

NewYorker 上一篇文章用了个绝妙的比喻，来说明 TikTok “For You”推荐算法和 Facebook 传统信息流的区别。

1994 年，身兼艺术家和开发者双重身份的卡尔·西蒙斯(Karl Sims)做了个实验：用一套编好的”遗传算法“来训练虚拟生物，使其通过多次试错得到最优的移动策略。

猜猜看，如果算法的终极目的是为了让它移动得足够快，最有效的方案是什么?

经过大量模拟计算，有一种算法脱颖而出：只需让虚拟生物变得异常高大即可。只要它足够高大，一跌倒下来，就会比不停扭动寻找最短路径的其他任何生物“移动”得更快。

这个解法就是如此直接。它清楚认识到，进化方向不必是培养虚拟像真实生物一样的“运动本能”，它只需要尽可能快地到达某个地方，就够了。

某种层面上看，TikTok 的推荐算法正有异曲同工之妙。

所有老派的泛社交产品都还沉浸在既有思路：先引导用户下载，然后借由关系链和其他创新功能点促使其不断更新内容、形成并沉淀新关系。为了让用户长期留存，借助社交图谱、引入新闻媒体以及促成二三度社交关系都是必要的。

但 TikTok 就像一个异常高大的生物，它可以直接倾倒下来，一步到达足够遥远的地方，让用户直接看到足够”好“的内容，而无需经过任何曲折、繁琐的探索阶段。

TikTok 告诉我们，不一定需要拥有用户关系。你只要借由足够个性化、经过验证的内容，不断在交互过程中观察用户行为，猜测他的偏好，补全他的画像。

由此，就可以在很大程度上理解这个人(或者说让他误以为你理解他)。

无独有偶，类似观点曾在 2018 年底被另一些人讨论过，知名 VC A16Z。而他们当时就把 TikTok 捧到了一个相当的高度。不单纯因为产品本身，更多的是其背后的技术和意义。

他们认为，TikTok 带领大家走到了“AI 即产品”的新时代;与之相对的是，Instagram 曾开创“AI 即工具”的时代。

二者具体区别是：

Instagram 的内容推荐不够直接，带有缩略图，依靠用户点击与否来训练算法，这个信号捕捉的不够有效。