资本主义的困境

背景

近日，欧盟委员会发布新闻稿，指出其调查显示 Meta 未能充分评估其成瘾性设计对用户（包括未成年人和弱势成年人）身心健康带来的风险。与此同时，Meta 首席执行官 Mark Zuckerberg 在 2024 年 10 月 30 日的 Q3 财报电话会上表示：“今年，我们对 AI 驱动的内容推荐和视频推荐系统的改进，使 Facebook 上的用户使用时长增加了 8%，Instagram 上增加了 6%。”Meta 首席财务官 Susan Li 也在后续电话中确认了这一数据，并强调用户参与度和广告表现的提升正直接转化为收入增长。

核心内容

原文作者从这两条看似独立的新闻中看到了清晰的因果关系：用户花在 Facebook 和 Instagram 上的时间越长，Meta 赚的钱就越多。Zuckerberg 和 Li 几乎毫不掩饰这一点——这本身已不是秘密。基于这些数据，Meta 似乎非常擅长通过优化 AI 推荐系统来增加用户在平台上的停留时间，甚至让人觉得他们手中有一个可以随时拧动的“旋钮”，一拧就能让用户多花几个小时。

作者推测，按照 Zuckerberg 提到的百分比增幅，以 Meta 的全球规模计算，每天用户多出的使用时长可能超过 1 亿小时。这 1 亿小时被用来做什么？很可能是在“doomscrolling”（末日刷屏）——无休止地刷新负面信息。作者进一步追问：Meta 是否真正理解用户在这些额外时间里做了什么？这些时间本来可能被用于建立现实关系、完成高效工作、锻炼身体，甚至睡眠。当 AI 推荐系统以如此规模运转时，是否可以说它正在从西方经济体中抽走生产力——通过鼓励人们沉迷社交媒体，而不是去完成实际事务？

作者认为，以广告驱动的社交媒体商业模式从根本上是有缺陷的。当 Meta 这样规模的公司为了提升用户参与度和收入而调整 AI 系统时，它们对自己的行为对世界造成的影响反思得太少。当然，从 Meta 的角度也能理解：这是他们的整个商业模式，他们必须满足投资者。Facebook 最初并非一个“偷时间”的项目，而是一个人们真心喜欢的酷应用。与许多软件产品一样，留存率原本只是衡量用户喜爱和参与度的有用指标。但一旦广告介入，留存率就与收入直接挂钩了。问题在于，Meta 已经变得极其擅长利用 AI 和世界级的产品团队来优化留存率。

作者还推测，Meta 内部的一些人可能生活在泡沫中，他们相互讲述着关于自己工作积极影响的美好故事，以至于并不足够了解——或者反思——自己的商业模式对世界造成的真实影响。作者毫不怀疑 Meta 的服务具有成瘾性，这个商业模式已经走得太远。这是一个资本主义失败的悲伤例子。同时，作者理解 Meta 努力对外讲述积极故事背后的动机，但认为公司真正应该做的是诚实反思其商业模式带来的负面效应，并认真思考如何转向更道德的成长来源——那些真正有益于社会的东西。作者相信，不那么激进优化用户参与度的 Instagram 和 Facebook 版本可以成为更道德的产品。问题在于它已经走得太远。作者真诚希望欧盟的监管——尽管其名声通常不佳——能够帮助这类系统和产品找到前进的方向。

关键要点

• Meta 在 2024 年通过 AI 驱动的内容推荐系统提高了 Facebook 8% 和 Instagram 6% 的用户使用时长，这些时长直接转化为更多广告收入。
• 作者估算，以 Meta 的全球用户规模，每天增加的使用时长可能超过 1 亿小时，而这些时间可能被用来进行“doomscrolling”等低价值活动。
• 广告驱动的社交平台商业模式本质上是将用户留存率（engagement）与收入直接挂钩，使得优化成瘾性设计成为财务激励。
• 作者指出，Meta 内部可能存在“泡沫效应”，员工们沉浸在积极叙事中，忽视了对社会造成的负面外部性，如挤占睡眠、工作和现实社交时间。
• 作者认为欧盟监管虽然常被批评，但可能是帮助约束此类“注意力掠夺”型平台的可行路径，呼吁 Meta 向更道德的成长方向转型。

意义与影响

这一分析揭示了当前大型科技公司普遍面临的深层矛盾：追求增长与承担社会责任之间的张力。Meta 并非个例，TikTok、YouTube 等以算法推荐和广告收入为核心模式的平台均面临类似问题。当 AI 推荐系统被优化到极致以最大化用户停留时间时，它们实际上是在与人类基本的健康生活需求（如睡眠、社交、工作）直接竞争。这不仅损害个体福祉，也可能从宏观上降低经济生产力——因为大量时间从高价值活动被转移到了低价值消费上。原文作者将之称为“资本主义的失败”，意指市场激励机制未能自然引导企业向善，反而催生了成瘾性设计。欧盟《数字服务法》等监管措施正是试图打破这一困境，要求平台进行风险评估并承担透明度义务。这为未来技术治理提供了一种可能的平衡路径：在不扼杀创新的前提下，通过外部规则迫使企业将伦理考量纳入 AI 系统的优化目标之中。