文｜晓静
编辑｜郑可君
不久之后，我们阅读的各种新闻网站的首页，也许都是 AI 编排的。
8 月 12 日，以 AI 搜索为主赛道的公司 Perplexity，提出以 345 亿美元收购谷歌 Chrome 浏览器。这一数字甚至高于 Perplexity 目前 180 亿美元的估值。
这个大胆的举动背后，折射的是 AI 公司对人类信息获取新入口的野心。
除了盯上浏览器，2024 年，Perplexity 推出了名为 "Discover" 的新闻聚合功能，通过 AI 技术实时抓取并整合全网新闻，以结构化页面呈现给用户。
类似的应用体验还有 Particle，这家公司由前 Twitter 核心团队成员创立，在 2024 年 11 月推出 AI 新闻应用，官方网站上的宣传是，" 新闻，被组织得更好（News，organized）"。
而新闻的组织者，不再是人类编辑，而是 AI。
Particle 称，这种 "AI 编排 " 可以帮助出版商，而非 " 窃取他们的工作 "。
这两款产品分别代表了 AI 原生新闻的两种典型路径：
Perplexity 的 Discover 页面把实时资讯包装成可交互的问答形式，每个新闻就好像一个聚合的知识库，用户可以对任何热点话题进行深度提问。
Particle 把零散的新闻报道重新组织成完整的 " 故事 "，在单一页面内呈现事件的多个视角、关键引语和背景脉络。
图：Perplexity 的新闻界面，用户可以看到内容相关信息，还可以自由提问
图：Particle 的界面，每篇文章会有总结划重点，并对一个事件呈现全方位的报道
这类 AI 原生的新闻产品带来的用户体验和传统的新闻产品完全不同。
过去，读者常在多个媒体间来回跳转，才能拼凑出一个新闻事件的全貌。
Particle 在官方网页就直指这一痛点：" 理解正在发生的事本应更容易，为什么跟上新闻比工作还累？" 如今，在 AI 的编排下，几分钟内就能把握复杂事件的核心与来龙去脉。
从产品架构看，它们不再是简单的链接聚合或压缩摘要，而是以 "事件" 为最小单位重构信息组织逻辑。AI 更像一位 " 总编辑 "：自动识别热点、汇聚多源证据、生成可交互的解读。
AI 正在以 " 友好 " 的姿态，敲开人类编辑部的大门。但是，人类准备好了吗？
一、两类 AI 原生新闻产品的 " 共性 "：AI 做主编，人类把关
AI 正在重新定义新闻的生产与消费方式，从传统的 " 文章聚合 " 转向以事件为核心的智能化信息编排。
这种转变的核心在于信息组织逻辑的根本性改变。
传统新闻应用的逻辑是 " 收集文章—按时间排序—推送给用户 "，而新一代 AI 新闻产品的逻辑是 " 识别事件—多源汇聚—结构化呈现—个性化解读 "。
用户不再需要从十几篇相似的报道中拼凑事件全貌，AI 已经帮你完成了这项工作。
观察这些产品，我们可以发现 AI 作为 " 总编辑 " 呈现出的四个特征：
首先是以事件为纲的多视角汇聚。Particle 将不同媒体的报道、社交媒体发言与延伸阅读整合为 "Stories"，用户可以在一个页面内看到事件的要点、关键引语、相关链接以及涉及的人物、机构、地点信息。
第二是可调风格的 AI 摘要与问答功能。用户既能获得 "5W" 式的新闻要素总结，也能要求 AI" 像给 5 岁孩子解释一样 " 来简化复杂议题，甚至可以直接向 AI 提问获得针对性解答，能够根据个人需求调整信息的呈现方式。
第三是可溯源和可导流。两款产品都特别重视信息的可追溯性和 " 向原站导流 " 的策略。Particle 在摘要旁边并列原始媒体链接，Perplexity 则自带标明引用原文和外链的基因，并将 Discover 中的热点话题制作成 Daily 播客进行分发，甚至形成了从文字到音频的全媒体矩阵。
第四是人机结合的审核机制。面对 AI 生成内容可能出现的幻觉和偏见问题，这些产品都建立了人机协作的审核机制。Particle 公开强调 " 人机协作抑制幻觉 "，Perplexity 也表示在选题与深度研究场景中结合人工审核，确保内容质量和客观性。
虽然目标相似，但 Perplexity 和 Particle 选择了不同的实现路径。
Perplexity 的 Discover 本质上是 " 可消费的答案流 "。
它根据用户兴趣和历史互动推荐热门话题，将相关来源、延展阅读和 AI 生成的分析整合到同一屏幕中。
随着 Deep Research 功能的发布，Perplexity 甚至能够自动进行多轮检索和归纳，生成类似专题研究的长篇答复，将 " 主动搜索 " 升级为 " 被动获知 "。
Particle 在 " 故事页 " 中并列展示多家媒体的报道、关键引语、实体背景和相关线索，用户既可以快速扫描要点，也能通过实体页深入了解相关人物和机构的背景。Web 端上线后，这种结构化组织被完整移植到浏览器中，实现了移动端和桌面端的无缝连接。
从用户体验角度看，两者的差异很明显：Discover 的基本单位是 " 话题 / 问题 "，更像是 " 实时热榜 + 答案 "；Particle 的基本单位是 " 事件 / 故事 "，更像是 " 专题页 + 摘要 + 线索 "。
二、AI 将如何重塑人类获取信息的方式？
长远来看，AI 正在重塑人类获取信息的底层逻辑。
最直观的变化是信息的 " 原子化 " —— AI 会把复杂新闻拆解成最小的事实单元，再按场景动态重组：同一条新闻，在手机上是 30 秒摘要，开车时变成 3 分钟语音播报，回到电脑前又成为直观的知识图谱，有时又是 10 分钟的深度解析长文。
传统新闻的 " 生产—分发—变现 " 流程也在发生根本改变。
AI 时代必须补上两个关键环节：" 验证 " 和 " 授权 " ——既要用技术手段守住准确性，也要与原创媒体建立清晰、公平的分润机制。这不仅是工程问题，更是行业生态和规则的重构。
围绕爬虫、训练与再分发的博弈不会自动消退—— Perplexity 曾被多家媒体指责 " 违规抓取 "，Cloudflare 也对其爬虫行为提出警告。
可以预见的是，合规抓取、清晰标注、可兑现分润将成为进入 AI 信息生态的基本入场券。
在这场变革中，人机分工被重新定义：基础事实报道、数据整理、背景解释等标准化工作将大比例由 AI 承担。
AI 编辑已经诞生，但是人类记者不会消失。
人类将更专注于 AI 难以替代的核心价值——深入现场的调查能力、复杂情境下需要高情商与价值判断的取舍、以及对 AI 输出的监督与纠错。
未来的记者则更像 " 信息产品设计师 "，既要懂得与 AI 协作，也要把控信息的完整性与可验证性。
另外一个残酷现实是，AI 创作的速度以指数级增长，我们很难想象在这种加速度下未来的阅读将呈现怎样的面貌—— AI 把人类投喂的信息重组、无限再生，再反馈给人类阅读。
人类最宝贵的知识与经验的传承，将不得不与 AI 协作：
眼前，是编辑对失业的担忧；未来，是后代如何识别人类最本源、最珍贵的智慧。
写这篇文章之前，我问了一位头部 AI 博主，你为什么坚持不用 AI 写作？
他不但不用 AI 写作，甚至还会执着地在文章中保留一两个错别字。
他给我的回答是：" 因为我觉得在全世界都越来越 AI 化的情况下，作为人的光辉、人的本能，还有那一股活人感，可能才是最难能可贵的。"
致敬 " 活人感 "，Welcome to the OASIS！（欢迎来到绿洲！）
