YouTube 今天不再是那只在滑板上晃悠的猫或狗能概括的产品。它是一门年收入 600 亿美元的生意规模超过 Netflix 的 450 亿美元全球用户超过 20 亿年增速 13%占据美国所有流媒体观看时长的 14%。仅电视端观看YouTube 每天就能积累十亿小时。过去四年它向创作者支付的分成累计超过千亿美元。这样一个体量的平台正在把 AI 深深嵌入内容分发和创作的每一个环节——从推荐系统到缩略图设计从视频草稿反馈到 AB 测试。这也是 Big Technology 主播 Alex Kantrowitz 与 YouTube CEO Neal Mohan 这场对话的起点当 AI 越来越多地介入什么内容会被推荐、什么标题会被采纳、什么版本的视频会留存这类决策时创作的主导权到底还在谁手里。Neal Mohan 2015 年从 Google 广告部门调任 YouTube如今执掌的这家公司被他自己称为Google 里用 AI 最深的产品。他给出的答案与外界惯常的算法黑箱操纵内容叙事有明显出入。1. 一个人打造舞台两亿人决定谁站在聚光灯下YouTube 内部员工大多是软件工程师Mohan 把自己团队的工作定义为搭建世界上最好的舞台而真正站上舞台的是创作者本人。这个比喻是他理解 AI 角色的出发点AI 不参与决定谁值得被看见它只是让舞台本身更好用。这种表述背后有一个更根本的结构性差异。传统媒体——无论是 Netflix 还是 HBO——本质上是人来编排一小群决策者判断观众想要什么再根据播出效果做调整。YouTube 从创立起走的是完全相反的路径内容先由创作者自主上传观众用观看行为投票算法只是把这些投票信号放大、传递回去。Mohan 把这个过程称为largely people programmed——由人来编排而不是由少数几个坐在好莱坞办公室里的人替所有观众做决定。2. 草稿反馈、动态缩略图、视频级 AB 测试AI 正在重写创作者的日常工作流具体到产品层面YouTube 在这场对话前后公布了一批新功能。创作者上传视频草稿后AI 会给出剪辑建议和缩略图建议——比如提示你的缩略图如果放两张人脸或者模仿 Mr. Beast 那种直视镜头的表情效果可能更好。更进一步的是动态缩略图同一个视频AI 会针对不同受众展示不同的封面哪个人群对哪张图反应更好系统自动匹配。AB 测试也不再局限于标题和缩略图而是延伸到整支视频——创作者可以同时上传带片头预告和不带片头预告的两个版本让算法根据观看时长判断哪个版本表现更好。这些功能背后是 Gemini 与 Google DeepMind 的模型能力加上 YouTube 自研的 Omni 等创作工具。Mohan 强调这些投入的目标始终是帮创作者更高效地建立受众、建立生意而不是替创作者做出创作决定本身。3. 创作者会迎合激励——问题不会因为立场好听就消失Kantrowitz 没有停在表态层面他把问题往前推了一步算法暗示某类视频有潜在受众创作者自然会去做这类视频AI 建议某种剪辑方式能提升数据创作者也会照做。这本质上是一种激励结构创作者的自主选择空间是否正在被系统性地压缩到算法认为有效的那个区间之内这触及了艺术生产的一个古老命题创作本来就带有先扔出去试试看观众慢慢定义这是不是一种艺术形式的成分但当算法反馈的速度和精度达到今天这种量级创作者响应激励的速度也会同步加快试错的自由度是否因此被悄悄改写了。4. 把 AI 换成观众Mohan 对谁在做决定这个问题的重新定义Mohan 没有否认创作者会响应激励这个事实而是重新定义了激励的来源。他建议把AI 算法这个词换成audience观众——真正在做选择的不是模型是每天两亿次点击、跳出、完播行为汇聚起来的观众意志。算法只是把这些分散的、瞬时的行为信号收集、放大再回传给创作者。YouTube 的使命被他概括为give everyone a voice and show them the world其中没有守门人是这句话里最具体的承诺。没有人会告诉 Kantrowitz他的播客选题不错但应该换个方向做创作者自己决定节目要代表什么、要填补行业里的哪个空白。为什么应该是坐在好莱坞的三四个人替我们所有观众做决定而不是每天来到 YouTube 的这二十亿观众自己决定喜欢什么、不喜欢什么 这是他给出的核心反问。在这个框架里AI 不是内容的裁判观众才是。算法的存在只是让这套原本几乎是不精确的科学——创作者过去只能凭直觉揣测算法偏好、边听边做决策——变得更快、更可衡量。Kantrowitz 也承认这种开放式的、无守门人的生态确实是他更愿意接受的世界胜过由传统媒体把关人决定什么是好内容、什么是艺术的旧秩序。这场对话回到了它最初提出的问题AI 到底该在多大程度上决定我们看什么。Mohan 的答案是决定权从始至终都不在算法手里而在每天涌入平台的两亿观众手里——AI 所做的只是把这些原本分散、模糊、滞后的集体选择变成创作者能实时看懂、及时响应的信号。这或许解释了为什么 YouTube 敢于把 AI 押注到创作链条的每一个环节它赌的不是机器的判断力而是观众的判断力能被更快地听见。