内容提要：算法技术深度介入新闻业并挑战新闻认识论。本文引入“认知基础设施”视角，重新理解算法意图机制对新闻认识论的数字更新问题。通过对热搜和推流算法的考察，研究发现：算法的数据流塑造了快速、精粹的知识，它与新闻认识的可供性一起在操作与认知、可做与可知等不同层面衍生出复杂的认知竞赛。算法更新了新闻的知识形式，推进了“以流为新”和“视流如常”两种取向，但中国新闻业特殊的语境，使得数据知识不均衡地渗透着基于专业价值的公共知识。本文进而提出“新闻游渗”的观点，尝试打开对新闻的另一种认识。

关键词：新闻认识论/ 认知基础设施/ 数字流通/ 推荐算法/ 算法认知

作者简介：万旭琪，复旦大学新闻学院博士研究生（上海 200433）。

原文出处：《新闻大学》(沪)2025年第9期 第32-47页

一、问题的提出：当算法“认识”新闻

新闻是我们通达世界的神经脉络。我们总是通过它去认识着周遭世界发生的一切，然而却很少去追问，这种知识如何成为可能?这背后关乎一个重要的认识论问题——新闻业如何知其所知，如何阐明和证明自身的知识主张。新技术的介入构成了一个颇具自反性的时刻，让越来越多的研究者看到新闻认识论基础的动摇，例如计算证据取代新闻证据，算法判断取代新闻判断，记者的文化生产者角色遭遇危机(Anderson，2013；Carlson，2018)。正因如此，新闻业需通过新技术重新打量自身社会文化意义的形成。

过往讨论算法与新闻认识的研究，未充分认识到算法的新媒介特性，停留于两种适应性理解：第一，算法被视为一种策略性技术，新闻机构主动运用算法开展新闻活动，产生数据新闻、自动化新闻等特定知识类型(Klein-Avraham & Reich，2022；Morini，2023)；第二，算法被视为陌生的、需要被动适应的新客体，人在需求与算法主观想象上对新闻生产进行适应性改造(Vázquez-Herrero et al.，2022；龙强、冯强，2023)。但无论是主动抑或被动适应，均隐含着以新代旧、守旧拒新这样二元对立的论调。本研究注意到，算法能够在不同维度、不同群体之间促进新旧知识并存与交替涌现的局面，并非简单的取代关系。

算法调节的是新闻业与周遭整体社会环境，而非局部的个体经验与新闻生产环节。例如，新闻故事出现在用户微博首页的推送栏，是因为检索过滤算法使该项目可见且可互动，以及与之相关的软件、硬件的有效运行。算法逐渐成为调节大规模新闻连接的技术基础设施，用汉森的话来说，可谓是一种具有社会和集体维度调节能力的先验技术(汉森，2019：143)。

正是在理论与现实的双重关切上，我们需用新视角重新理解算法与新闻认识的关系。本研究聚焦社交平台推荐算法，借鉴认知文化实践传统与技术意图理论，将算法视为一种“认知基础设施”，理解新闻业的认知文化传统如何被算法的数据力量所渗透、更新。研究具体回应三方面问题：算法在哪些层面调节了新闻的数字流通?这些过程如何开展?如何理解算法对新闻认识论的数字更新?

二、文献回顾

(一)数字流通、基础设施与新闻认识论

新闻认识论研究传统主要偏向于社会学意义上的认识论，它将新闻视为一种知识，知识是通过信息提供者及其受众在认识论系统中的关系产生的(Goldman，2011：18)。马茨·埃克斯特伦(Mats Ekström)是理论关键创新者，他提出一个兼顾形式与过程、生产与接受的框架(Ekström，2002)，而记者知其所知、宣称知识主张的方式，新闻本身的知识形式，以及新闻业与知识相关的规则、程序与秩序，都是新闻认识论研究的重要内容(Ekström & Westlund，2019)。已有研究采用该框架对数据新闻认识论作出理解(白红义、张恬，2024)，但这样的做法抹平了特定意义背景的差异，框架不能直接迁移到数字语境中采用。

数字信息空间使媒体渠道、信息和知识范式的扩散复杂化。马特·卡尔森(Matt Carlson)将重点缩小到“数字流通”中，做出两项突破：其一，从狭义的新闻生产扩展到整体社会环境；其二，关注新闻文本传输之外的意义和文化生产过程。这项做法不是完全否定旧的新闻形式或其流通背景，而是主张看到新旧交汇中复杂认知(Carlson，2020)。这为本研究解决新旧对立问题提供第一重启示，即呈现新闻数字流通中存在的差异知识与认知行为。

尽管机构、技术与个体行为者在流通中相互联系，但局部切片的视角不足以对认识论整体转变做出理解。基础设施视角为本研究提供了第二重启示——将新闻业作为认识论系统进行研究的整体方法(Carlson，2020)。基础设施规模庞大、复杂且层次分明，通过将自身嵌入新闻流通环节、社会和组织背景中，它在不同维度调节了新闻认识：在物质形式层面，出现了捆绑关联推送、自由浮动的片段线索等新闻形式；在时空关系层面，新闻流通超越审查的地理边界(Reese，2016)。

总结来看，新闻认识不是统一的，也并非因物理基础设施而“永恒存在”(Young & Hermida，2024)，基础设施与新闻认识论之间是生成性关系。知识形式、相关认知是在流通过程中被物质条件、文化资源不断渗透、塑造的，由此产生的认识权威“来之不易，而不是理所当然”(Carlson，2020)。

但尚存一些亟待解决的问题：算法所调节的新闻流通与其他技术(尤其是大众传媒系统)存在怎样根本的差异?调节流通的核心动力究竟是什么?与此同时，新近的算法研究正展示出算法独特的自主分析与决策能力，它甚至超越人类设计者的意图，以网络生态系统的方式作用于人类感知和理解范畴，例如自动交易。这种差异在现有框架下无法得到充分解释。接下来，研究将结合认知文化研究和技术意图理论，对基础设施视角进一步改造。

(二)认知研究与基础设施

将认知研究与基础设施相结合的做法，最早源于认知文化研究的实践传统。它汲取了实践理论和行动者网络理论，关注“将(认知)实践和场所相互连接的更广泛结构”(Knorr-Cetina，1999；Bueger，2015)，如图书馆、博物馆，或数据库、云计算、搜索引擎等支持知识生产的底层架构系统。然而，类似的研究多持有相似的预设，即知识优先于技术，技术基础设施只是按照文化想要的方式发挥作用，马丁纳·梅茨(Martina Merz)的观点“不同认知文化优先于不同形式的数字基础设施”是对过往研究的总结(Merz，2006)。

值得一提的是，马丁·科恩贝格尔(Martin Kornberger)等人在《思维基础设施》(Thinking Infrastructure)一书中倒转命题，即数字基础设施如何赋予某种认知文化特权(Kornberger et al.，2019)。基础设施是形式投资(investments in form)，只有21世纪的信息传播技术才具有的形式特征，构建着注意力、塑造决策和指导认知。遗憾的是，他们没有关注到算法技术，仅停留于形式层面，未对基础设施内部复杂性展开讨论。

面对21世纪数字技术驱动的新型基础设施，新近媒介研究者从形式结构深入到技术意图层面。在马克·B.N.汉森(Mark B.N.Hansen)看来，技术的意图是一种与人类认知、体验与意识无关的数字感知，例如算法的环境监测、数据挖掘与分析能力，它们以一种人类无法直接参与、体验与潜在意识的操作过程改变人类经验系统(Hansen，2015：6-8)。技术认知理论家凯瑟琳·海勒斯(Katherine Hayles)认为，不只是人才具有思维和意图，技术系统也具有认知能力，“这些解释与人类有意识/无意识的解释相交叉，并对其产生极为显著的影响”(Hayles，2017)。技术认知表现为一种执行复杂建模和其他信息任务的能力，它塑造了人类认知。

在上述讨论基础上，近年来科学与技术研究(STS)、政策与社会领域研究者提出“认知基础设施”(epistemic infrastructure)概念。他们将其运用到分析海底电缆与金融信息传输、储存和处理，量化知识实践与全球公共政策制定中(Munn，2020；Tichenor，2022)，亦有新闻研究者借鉴概念阐明新闻业的组织数据化(Schaetz et al.，2023)。尽管从不同脉络出发，在使用概念时也各有侧重，但总体而言研究者共享同一主张：基础设施的物质形式与先验技术意图能够影响知识的生产和传播。当谈论认知基础设施时，他们指涉的正是技术物所含的涉入、调节知识传播实践的能动性与系统性。

(三)作为“认知基础设施”的算法

本研究引入认知基础设施概念理解新闻认识论的数字更新问题。具体到经验分析中，这套运作机制如何作用?马莉·蒂奇纳(Marlee Tichenor)等人和纳佳·沙茨(Nadja Schaetz)等人的研究提供了启发性框架，结合经验可以提炼出三个递进维度——基础设施的物质基础(material underpinnings)，围绕基础设施不同主体间的相互联系(interlinkages)以及所产生的认知范例(epistemic paradigms)。

第一，物质基础体现为物质和符号构建模块，包括数据、分析技术和可视化技术等。物质性要素是一种竞争资源，例如获得算法推流的新闻便可赢得更多曝光率。

第二，上述物质要素使不同机构相互依赖、协调实践，形成一个关系、流程和实践的集合。这种关联既是对特定知识的推进，也是对另一些知识的排斥：它可能促进了新闻机构与其他数字中介机构的相互依赖与合作(Tichenor，2022：436)，也可能出现赋予特定群体认知权威(如对精通计算的员工的需求日益增长)。

第三，范例转变。算法作为一种新的数据范例促进了一套特定的思想体系。它使某些社会文化比其他更加优先，在新闻业产生数据文化或量化秩序转向(例如数据规定新闻流通的程序和规则)。

让我们以算法为例具体说明这一意图机制(如图1所示)。首先，算法凭借其技术硬件与原理、人工判别规则等物质性要素对社交平台上的人类经验进行捕捉、分析与计算，经过复杂机器学习输出为外在化、无法被体验和领会的数据流，这是算法的数字感知过程。其次，考虑到人的认知是一种有限的资源，新闻群体需要竞争建立认知上的权威优势，算法实际上发挥着支持、限制与分配认知资源的作用(Lang，2009)。更大层面，算法的知识规则内化为行动者的思维方式，并潜移默化为行业普遍的认知范例，更新着新闻业的强势文化传统。

图1 算法作为认知基础设施的意图机制

总的来说，本研究旨在揭示改变焦点的新闻认识论更新问题，尤其是算法意图与人类认知的可供性会产生怎样的更新效应。这启发我们产生新思考：在数字流通中，为何基于数据的新闻知识相较传统新闻知识而言更能得到促进(RQ1)?在新旧认知竞争中，为何一些认识相较于另一些更容易得到强调，背后蕴含哪些差异化的知识建构与行为逻辑(RQ2)?算法在何种程度上推进了新闻业认识范例的更新，产生了哪些中国新闻业独特的社会文化意涵(RQ3)?为了更好地回应这些问题，下文将对不同类型的算法进行经验考察，结合新闻从业者的访谈材料展开研究。

三、研究设计

(一)研究对象选择

本研究以社交平台的推荐算法作为研究对象。《互联网信息服务算法推荐管理规定》将推荐算法分为五类(国家互联网信息办公室，2022)，本研究选取“个性化推送类”和“排序精选类”两类算法，前者主要应用在各大社交平台App首页“推荐流”和各“频道流”场景中，后者主要体现为热搜榜单、热点榜单(下文简称为“热搜”和“推流”)。这两类算法与新闻生产与信息分发活动最为密切相关，热搜是新闻线索的重要来源，也是扩大新闻信息可见度的关键机制，深刻影响着新闻媒体的线索寻找、划分信息、把关、启发新思考(Anderson，2013；王茜，2020)。推流根据用户和算法间的大量反馈进行调整，呈现出“千人千面”的推送模式，改变了新闻接触结果。此外，相较于检索过滤和调度决策等更为隐秘的算法，个性化推送和排序精选是研究者能够通过平台漫游观察到的前台算法。

为了弥补已有研究聚焦单一平台和单一算法的不足，在具体观察场景上，本研究结合研究者自身使用经验和访谈对象提及类型，选取微博、抖音、微信视频号、快手与小红书五类社交平台。既有研究表明，这些平台都拥有大量活跃用户体量，是公共议题讨论、意见表达的重要社交场所(晏齐宏，2024；施颖婕等，2022)。

从功能定位来看，微博开放、活跃的互动环境使各类观点能充分交流与碰撞，热搜发挥民意聚合和舆论监测功能；微信更趋于熟人关系网络，其视频号更多基于熟人关系推荐，逐步扩散给更多用户；抖音与快手更加垂直、贴近下沉市场。小红书以社群为核心展开个人生活体验的交流。尽管上述算法在工程原理上一致，但平台调性的差异决定着运作机制的不同，也就产生丰富的经验面向。

(二)研究方法与经验材料来源

为了理解推荐算法对新闻从业者及其所在机构新闻认知的塑造，首先，研究者通过漫游法(Light et al.，2018)，就自身使用经验记录了相关的过程资料，尤其关注算法的技术原理、物质性基础以及算法的角色和操演过程。同时辅以来自各平台的技术标准、政府的算法备案文件、科技媒体的算法工程原理说明等公开资料。

其次，对18位拥有深度算法接触经历的新闻从业者进行深度访谈。访谈时间为2024年6月12日至6月25日、2024年8月22日至9月13日，时长介于1小时至一个半小时。访谈对象以滚雪球的方式招募，涵盖不同职位、工作年限和供职机构类型(详见表1)。研究聚焦主流媒体从业者，在机构类别上，依据四级媒体格局划分为全国级、省级与地方级。就工作职位而言，约半数是采编记者，包括文字和视频两类，约三分之一是新媒体编辑与运营。另有部分受访者有新闻记者经历，现供职于平台方与新闻相关的内容运营工作，这有助于研究者从平台内部视角拆解算法运作逻辑。以上访谈对象大体上可以折射新闻业内部的多元性。研究者先采用主题分析方法对访谈材料进行编码与分析(Braun & Clarke，2006)，接着，依据理论维度和研究问题，归纳出“知识的数字化类型(时间与空间)”“认知互动模式(竞赛与迭代)”两个主题，发展出七个次级主题(如表2所示)，以回答RQ1和RQ2。之后，依据前两个主题维度及更多细节片段证据，归纳与调整样本体现的意义模式来回答RQ3。

四、循流而知：数字感知与新型知识的构建

“热搜”和“推流”通过各自的数字感知方式输出不同的数据流。在技术层面，二者拥有相似的自动化决策逻辑；但在社会层面，判断标准、数据调取、语用分析等人为因素嵌入，使数据流偏向不同的应用场景：热搜是集体化热点的聚合器，致力于捕捉“什么和我们相关”，呈现众声喧哗的公共意见面向；推流则面向用户的私人使用场景，重点关注“什么和你相关”，引导用户将目光聚焦于同频内容。

(一)热点现场式算法：与热搜赛跑中“抢新闻”

热搜算法的数字感知是一种热度捕捉。微博是最早使用热搜的社交平台，从2014年基于用户单一“搜索热度”自动生成榜单，到2018年热搜升级为“(搜索热度+讨论热搜+传播热度)×互动因子”的复合运算(微博热搜榜，2018)。这让中小量级媒体倍感危机，过去不同体量的媒体拥有同等被推送的权重，而当互动量被纳入考量后，拥有更多粉丝、引发更多互动的头部媒体和平台大V将更容易上热搜(A5)。

这首先带来的是认知行为的调整，媒体开始争抢那些更容易引发互动的“话题词”。地方媒体会寻找与本地的关联，通过“多蹭话题tag”提高自身热度(A2)。伴随着热搜主导的话题流量水涨船高，新闻内容生态出现异化，“热搜上充斥着刀光剑影，观点左右博弈”(B2、B4)。2018年1月27日，在网信办的敦促下，微博热搜整改并上线了“新时代”板块，宣布引入人工干预算法模式。此后添加“正能量推荐位”和“优化热搜榜单内容配比机制”等具有主流价值导向的设计(微博管理员，2021)。其他平台也相继上线了热搜榜，抖音、小红书、微信视频号热榜加入了关键词、视频质量、社交关系与流行趋势的算法设计，使其趋于个性化、精准化(D3)。

长期来看，不同平台热搜算法在感知频率上发生迭代，从最初“十分钟更新”转为如今的“实时分秒更新”。微博增加了“话题主持人”、根据互动和时间排序的“实时广场”，抖音的“辟谣”，微信标注“多少朋友看过”。正如Seyfert(2016)的洞见，这些格式与传输速率的细节变化深刻反映了即时信息、实时热点访问所需的物质变革。它促进了两种速度性思维：第一，竞速思维。每天密集的“巡逻广场”围观用户评论获取更多新闻线索，成为一种新型资源积累方式。“抢主持人”则是另一种提高上热搜率的方式，在话题还处于“实时上升热点”栏时，会提前抢下话题主持人置顶自己的帖子。第二，预判思维。对于新闻媒体来说，要“提前早准备一步，往后多预测一步”(B5)，每逢主题事件、重大节日依据过往热搜规律提前造热点。为了留住热搜，高频推送、编辑tag补热度成为常规策略。

(二)流量选秀式算法：于目光聚焦中“订制新闻”

推流算法的数字感知更像是通过优胜劣汰的法则精心筛选出最夺目的内容，洞察用户心理将其匹配推荐。在召回算法环节会运用兴趣、社交、上下文推荐等从千量级视频选出万量级；进入排序算法阶段，根据用户的参与度、正负反馈度给视频设计排序分；在最终结果推荐之前，会加入人工规则过滤策略，如关系链好友视频、剔除劣质视频等(赵璐，2024)。

这套机制对平台内容生产者来说就像一场盛大的“流量选秀”，爆款新闻被比作101选秀机制选拔最具人气的idol(D1)。至于选秀考量标准，平台算法在感知设计上各有文化倚重。文化是指在特定的生活方式中隐含并得到明确的意义和价值观(Slack & Wise，2002)，算法与其文化价值内在地相互交织，决定了内容选择的偏向，也就是受访者提到的“技术调性”。抖音的价值观从最初的“记录美好生活”到如今的“服务、共创美好生活”，意味着更注重内容质量，算法会给予优质新闻更高权重。小红书和微信视频号在价值上强调个体真实生活、知识社群分享与熟人社交关系展演，在召回算法环节加入了基于微信好友、二度关注以及基于地域场景的上下文推荐，“本质上是利用私域流量撬动公共领域流量”(D1、D2)。

“流量选秀”考验的不仅是内容本身的价值深度，更是适应算法调性的调整。主流媒体早期仍延续着传统做新闻的理念，直接搬运内容成为常规做法。随着算法更加智慧，直接搬运会遭遇平台算法的“查重限流”(C5)，要想在流量池中获得聚焦的目光，必须依据推流规律专属订制：

第一，在形式上偏向一种浓缩的信息传递。如快手更偏重资讯类内容，媒体就会把当天所有热点汇总，用寥寥数语短评传递重要信息；在抖音平台投放时，视频要体现快准狠，将一个大选题切割为数十条不同角度、15秒时长的短视频。

第二，新闻思维也更加垂类化。推流培养的是一种专业、垂直的内容创作思维，抖音2023年启动的创作者伙伴计划、快手的磁力万合计划都是为了挑选不同类型赛道的原创优质内容生产者，他们将得到平台百亿流量的扶持(封面新闻，2023；新华网，2023)。自2022年12月起，抖音从原始的“标签算法”修改为基于深度互动的“铁粉机制”，此后垂类思维得到巩固，“重要的不是盲目扩大自己的影响力，我们还想存有自己，和一直支持我们的粉丝共同成长”(B4)。

至此，我们重回基础设施如何塑造知识型的问题。在卢克·芒恩(Luke Munn)看来，“特定知识促成特定行动”，抢新闻和订制新闻行为背后的知识型才是根本需要考虑的(Munn，2022)。罗伯特·E.帕克(Robert E.Park)认为“新闻是一种常识知识型”(Park，1955)，它让我们认识到新闻本身就是介乎正式与变动、系统与孤立之间的知识。进一步，当下的知识型因不同物质基础呈现方式各异(胡翼青、张婧妍，2021)。算法建构着新闻知识赖以生存的时空和关系：在时间逻辑上，它支持一种“事事为先、实时超前”预先思维的高速知识；在空间逻辑上，它推进知识的裂变与压缩，新闻被订制为一种更轻便、更适合快速传播的精粹知识。这让专业人士认识到新闻本身就具有适应技术的内在逻辑。“形式不应该成为制约，应该成为加速器、放大器。内容怎么适合便采用怎样的传播形式”(B3)。

在对知识型特质理解上，以上二者却从不同层面更新或强化了帕克的认识。其一，新闻具有此时此地性，过往与未来不过是用于辅助的某种参照。其二，新闻不关注“类”的概念，而是关注事件中具体且不可化约的部分。高速新闻强调将未来带入当下的情境，无论是对重大主题事件的预判，还是上热搜前的抢主持，都试图发现事件背后的规律。正因如此，新闻的第二个特质也随之改变，为了提前造热点、抢话题，高速新闻会依据过往热搜规律寻求一般性解释。与之相反，精粹新闻的订制、垂类化特征反对一般性解释，强化了具体性与代表性。但类似地，意义不只存在于当下空间，更强调从过去中提取经验，比如短视频新闻在切割选题角度时经常采用同类事件的新旧对比。

五、随流而变：认知竞赛与基础设施迭代

我们无法断言快速、精粹的知识是一种进步的替代，因为并非整体新闻业都适应这一技术带来的结果。算法在分配知识资源的同时，新闻业内外也在能动地认知、竞争这些关键资源。如此，“认知竞赛”(epistemic contests)的概念便可用来描述认知权威竞争的过程(Gieryn，1999：1)，不存在中立或自然的知识形式。相反，上述知识类型是通过竞争和谈判产生的(Carlson，2020)。除了新闻知识本身，对于新闻的认知方式、支持流通的基础设施也成为争夺的对象。

(一)逆流而退：新闻媒体的三重退出机制

算法在推进以上两种知识的同时，排除了更注重深度、背景信息的新闻形式。这使得注重慢知识的文字部门、缺乏数据资源的媒体退出竞争。

传统文字部门的内耗性退出。算法并不能做到一视同仁，尽管文字部门率先发布独家报道，但微博在排队打投阶段便压下文字稿件，直到短视频完成后才一同予以推流(C1)。部门间的内耗竞争让强调解读的文字新闻退出这场打投赛。

新闻媒体间的资源性退出。那些拥有更多粉丝、与平台建立深度合作的媒体更容易获得流量资源的倾斜，如微博的媒体部、热点部会主动提供热度比较高的个人号线索，让媒体去采访跟进(B2、B4)，而平台自身的机构媒体“新浪新闻”算法会予以优先置顶。对于那些将版权分销出去的媒体来说，在原创资源和平台资源的双重压力下更容易退出。

平台阵地的战略性退出。算法还判断媒体发布的新闻与自身调性的匹配度，不匹配的媒体将遭遇长期的流量低谷。媒体会出于媒体资源集约化运营的战略考量，主动放弃部分平台。

(二)顺流而为：于主动适应中创新认知策略

一些媒体的做法显然更为聪明，他们转而采取了“顺流而为”的策略，即在算法规律之外寻找可为的创新空间。当新闻媒体不得不加入这场卷新闻的战斗，与其亦步亦趋地迎合算法步调、冥思苦想让每一条新闻上热搜，赢得一种“等额流量”，不如思考如何让自己擅长的题材在更受欢迎的平台上被看见，赚取一种“差额流量”。在A1看来这是排兵布阵、以少胜多的策略。比流量本身更具价值的是其所带来的溢出效应，比如在每一条上热搜的内容上打上自己的品牌tag，顺势扶持自身的新闻IP；或短期流量之外借助推流效应获得更多的忠诚用户。

数据流加强了新闻机构内部与外部合作者的联系。“微博、微信流量比较好的话，对生产部门也是有好处的，他们经常拿着我们的数据去报奖项”(B2)。新闻技术部门的数据分析师与平台算法工程师、产品团队保持频繁沟通，将平台那边的技术文件带入新闻编辑室。

但对于如何“顺流”的问题，管理层与一线新闻生产运营者却存在理念与实操之间的认知竞争。第一，“建立有意义的关键绩效指标”与“实现有意义的内容价值目标”。“领导眼里的流量是拿出来爆款作品，而我们关注到的流量是如何把作品做出长期好评，这不能画等号。”(A1)第二，流量的点与信息量的面的冲突。在一线生产运营者实践中，在平台上做好垂类即做好流量，但在管理者看来，信息量是更为立体的而非单一指标(A5)。

(三)造流而上：认知基础设施间的竞争与迭代

在长期的顺流而为中，新闻媒体也寻求利用算法主动造流，在洞悉、拆解算法推流的规则之后，自主或协作开发新型算法系统。《每日经济新闻》的每经科技团队开发的“雨燕智宣——AI短视频自动生成平台”能够实现媒资智能匹配、短视频自动生成、多平台快速一键分发等高效率输出，帮助媒体部分挣脱平台算法规则。拥有自主模型的媒体能够在上热搜前就形成更为完整的线索链条，从而先发制胜。

“热搜对我们采编作用其实没那么大。已经成为热搜的内容靠AI去抓取，反而没有增量。AI则能够寻找一些网络上的热点趋势，在热搜之前自己‘制造热搜’。”(C2)

当下，社交平台已然成为21世纪的民意基础设施，以一种新的知识逻辑影响着公共话语，而媒体言说知识、分发信息的地位发生动摇。因此，一些主流媒体向商业平台算法学习，试图打造主流价值观算法。以澎湃新闻为例，它在自主算法设计上作了三点修正：(1)数据池进稿关卡加入了价值审核程序。(2)冷启动机制遵循主流价值。关注与时政和思想切近的信息内容，过滤具有对立、撕裂性的社会议题。(3)增设“权重推荐机制”，增加偶遇性的新闻信息，并在速度基础上增加主流价值内容的进池比例和分发权重。

以商业逻辑主导的平台算法与公共价值逻辑主导的新闻算法具有不重叠的逻辑、存在根深蒂固的差异，在竞争信息分发的主导地位方面，理论上是不太容易兼容的。如果认识论取向构成一种信息观，那么这些基础设施就占据不同的信息世界。但从新闻业生态格局来看，两种基础设施并非截然对抗，正如B3所说：

“我们要把自己的(主流算法)放在一个大的场域，把商业平台的(算法)长板和我们的长板拼在一起，大家一起拼成一个又大又高的全媒体传播体系。”

无论是AI新闻大模型，还是主流价值观算法，一定程度上提高了新闻生产者的主导地位，使得新闻不再被商业技术逻辑主导认识。前者是如何应对算法的一种认识创新，后者则是对算法的一次迭代升级，扩展了我们对于认知基础设施的理解面向。

六、因流而思：“重复”与“差异”中的认知范例

算法的知识规则将数据知识视为比其他框架更为合法的治理框架，实则为新闻业确立三重认知范例——更加高速的新闻思维，更加明确的用户中心导向，以及更加量化、实用主义的数据合作模式。中国的经验一定程度上反映了全球新闻业的普遍性。新闻业的强势文化传统——专业价值，也随三重范例所改写，反映了包括新闻真实、客观、价值等专业理念，以及由此发展出来的操作技能、高质量标准等新闻实践规则。

当下持续加速的新闻业态是一种自内而外，由认知思维扩展到认知行为的社会文化现象。不同于对加速带来永远在线的工作模式、焦虑的编辑室文化以及新闻人的异化的担忧(王海燕，2019；Diekerhof，2023)，本文经验进一步表明，这种高速思维并未破坏新闻业秩序，而是获得合法性。它是新闻人能动寻求适应的结果，意味着一种新型资源累积的方式(如获得更多的线索资源)，同时也加强了新闻业对自身工作的反思(如研发自主可控的主流价值算法)。高速思维之下，数据真实成为新闻人追求的更高真实理念，不止于文本的真实，更是评价与影响力的真实，“抢主持是想要好流量，但不会去买水军，我们希望看到更真实的评价与数据”(A5)。数据价值不仅是判断一条新闻影响力的指标，同时也是数据为新闻带来的额外价值增量。

数据流与用户中心主义思想有着深刻联系。推荐算法为新闻业展现的是量化的受众指标与用户的兴趣标签，与其说平台公式形塑了特定的计算公众(王茜等，2024)，不如说是有了公众的兴趣与观点，才有了不断修正的算法公式(D3)。这对新闻业提出了更高的要求，专业新闻人不仅要调查用户信息偏好，还要听懂这背后的无声之音——新闻用户的态度、观点与心理成为重要的人文主义价值考量，需被纳入新闻业。所谓价值也不再只是由新闻记者通过知识垄断而获取的专业权威来决定，而是以“用户交流为导向”的信息价值服务中得到体现。

进而，新闻业建立起一套量化、实用主义导向的数据合作模式。高流量新闻对于媒体和平台来说是互利互惠、各取所需的实用合作，数据是促成合作的关键知识。“我们(平台)通过排行榜评估媒体，而各家媒体出于发稿需求，也愿意去买后台(媒体间)数据排名指数。”(D2)平台通过内部数据榜单对所有新闻媒体作出量化和评估，从中挑选出更能带来流量价值的合作伙伴，媒体也依靠这份数据榜单，更好地了解与之竞争的同类媒体，进而思考如何借助平台放大声量。从强调规范与法理的组织专业文化来看(Evetts，2013)，新闻机构与数字中介机构之间实际形成了“弱关联”的弹性数据合作网络，无论是通过版权置换获取平台首发线索机会，还是新闻技术部与平台方的牵线搭桥，建立完备的打投推流程序，抑或媒体建立有意义的KPI量化评估机制，都体现了数据文化如何被合法纳入组织运作与生产程序中。

然而，对于中国新闻业来说，关键在于“新闻业数据化”在本土语境中被赋予何种意义、多大程度上能够实现。算法与新闻认识间存在特殊的可供性，基础设施不能简单被不同文化利用来生产特定认识，也不必然带来某一特定类型的认识，操作与认知、可做与可知间存在特别的互动。

一方面，基础设施以更加柔软的方式塑造知识。当新闻媒体账号入驻平台后，技术构建一个更加扁化、分布式的新闻分发空间。原先四级媒体格局下中央、省市与地方媒体之间的资源与层级差异被拉平，转化为网络空间中以粉丝数、内容质量为核心的数据资本。理论上，拥有更加快速、精粹的知识的媒体理应得到更多的算法推流。“四川观察”极具代表性，它以原创独家的短视频为核心竞争力，通过抖音算法推流将影响力辐射全国。但实际访谈中笔者意识到，数据鸿沟仍然存在于不同层级的媒体间，算法决定了头部媒体仍将获得更多来自平台的人工价值倾斜，所谓量化、实用主义的合作模式并非能完全摆脱社会价值资源的考量。

另一方面，基础设施有一定硬性限制，有些操作是无法实现的，例如平台算法只能计算受众的整体态度倾向，但不能计算更为复杂且细腻的社会心理动因。数字信息技术排除了从前未经编纂的、通过灵感与生活经验获得的传统知识(Maina，2012)，这些认识无法通过抓取来轻易表达(Agre，1994)，因为受众心理是不易被摄取和处理的。

此外，人与技术存在错位的价值意图。基于商业逻辑的平台算法在流量分发时更多遵循利益、效率等理性价值目标，并非新闻专业价值理念，可能使新闻处于一种“游移中的真实”。例如，在一些事件发生反转与事实更新后，即便媒体补充细节重新发布新的帖子，平台算法出于流量惯性也可能继续顶帖、推流事实不完整的过期新闻，用户接收到的是暧昧模糊的新闻事实。随着价值对齐(value alignment)逻辑介入主流价值算法、新闻大模型，当机器学习中加入人工标注的价值反馈，一定程度上能克服商业主义导向和强调计算的“数据精英化”取向。

七、结论与讨论：新闻游渗——新闻的另一种认识

本文借鉴认知基础设施理论，将新闻认识论视为一种经由算法意图机制所塑造的数字流通效应。研究还原了知识构建、认知竞赛与认知范例转变等关键阶段，并在与全球新闻业重复与差异的比照中，呈现中国新闻业独特的社会文化意涵。

研究从实证层面深化了对算法认知意图的理解。面对不可见的算法系统，本研究通过数字漫游的方法捕捉其数据流在新闻认知生成与流变中留下的物质痕迹，依次描摹出三个阶段的意图机制——数字感知、认知资源分配与算法知识规则。但仍存在透明性和可解释性不足的问题，未来可借鉴敏感性活动(sensitizing activities)、数据集数据表(datasheets for datasets)等新方法拆解算法中折叠的想象、实践和价值观。

研究也对新闻认识论的数字更新问题作出重要推进。总结来看，这是一种能动的、差序化的更新效应。首先，新闻是一种“游变不居”的知识型。帕克的知识论让我们认识到，新闻本身就是一种介乎正式与变动、系统化与孤立之间的知识，算法的物质运作能不断建构所呈现的知识类型面向。与大众传媒技术系统不同的是，算法对时空、情境特征的显化，将新闻知识从被前者压制的统一、标准化的知识型中解放出来，使高速知识、精粹知识与传统、缓慢的公共知识一样重要。进而，算法更新了对知识型特质的理解，例如将过去与未来带入，拓展了新闻“此时此地”的解释。

其次，新闻业“知其所知”的方式发生差序更新。面对数据流所带来的量化转向，不同行动者都在能动地认知、应对这种更新。无论是传统文字媒体的逆流而退，还是掌握技术优势媒体的造流而上，都是新闻机构依据自身的资源禀赋所作出的战略选择。同时，地方媒体在生存压力与资源差距之下，更多考虑“以流为新”，适应数据流以改造自身的资源积累方式。而中央媒体凭借自身在新闻生态中所处的引领性位置，更多“视流如常”，进而思考如何在全链条传播体系中扩展主流价值。

在上述意义上，本文尝试提出“新闻游渗”的观点，以理解算法背后的数据革新文化与新闻业强势文化传统之间主动作用、但空间强度不均衡的渗透状态。德勒兹和加塔利为理解“游渗”提供了理论起点：新闻认识首先是一组物质性知识与意义性知识互渗的组合体(assemblage)，这种互渗在运作中不断扩展到更广阔的社会现实(加塔利，2020)。随着数据代理网络漫入新闻业，传统记者编辑与新近的新闻算法专家，一同上演着绘制数据化场景。围绕这一认识，新闻业的多孔性(porousness)、复调性(polyphony)等观点得到广泛讨论(Eldridge，2019；Domingo & Le Cam，2014)，但均采取一种静态、描述的规范性认识，无法区别中西方的实践情境差异。

本文从中国新闻业的经验出发，突出“游渗”的关系性、动态过程性与力量偏向性：作为知识的新闻在游变不居中建构起新闻业的意义交往方式与渗透空间，是新闻业能动认知下的主动渗透，非技术闯入下的被动渗透；它代表随着多元新闻主体认知更新，渗透范围逐渐扩大的动态局面；在新闻业的不同生态位上，游渗强度存在不均衡性，既有旧知识稳定主导、渗透力较弱的一面，也有新知识逐步取代，渗透力较强的一面。一言以蔽之，新闻游渗代表一种认识论的能动更新、渐序渗透的过程，揭示了新闻业社会文化意义转型的深层动力机制。透过这一概念，本研究期待打开一种被新旧对立叙事所遮蔽的新闻认识。

参考文献

[1]白红义，张恬(2024).认识作为知识的数据新闻——基于新闻认识论的考察[J].新闻大学(1)：1-15+119.

[2]菲利克斯·加塔利(2020).混沌互渗[M].董树宝，译.南京：南京大学出版社.

[3]胡翼青，张婧妍(2021).作为常识的新闻：重回新闻研究的知识之维[J].国际新闻界(8)：22-40.

[4]龙强，冯强(2023).“在抖音做新闻”：新闻从业者的短视频平台生产实践研究[J].新闻与写作(12)：78-87.

[5]王海燕(2019).加速的新闻：数字化环境下新闻工作的时间性变化及影响[J].新闻与传播研究(10)：36-54+127.

[6]王茜(2020).批判算法研究视角下微博“热搜”的把关标准考察[J].国际新闻界(7)：26-48.

[7]王茜，孟志杰，张璐(2024).热搜代表民意?大众媒体对热点算法的合法性话语建构[J].国际新闻界(3)：95-115.

[8]赵璐(2024).社会博弈：算法世界的实践逻辑[M].北京：社会科学文献出版社.

[9]封面新闻(2023).2023抖音创作者大会：打造优质多元内容生态，发布品质经营协议[EB/OL].http***，20230912.

[10]国家互联网信息办公室(2022).互联网信息服务算法管理规定[EB/OL].http***，20240623.

[11]马克·B.N.汉森(2019).新媒介[A].媒介研究批评术语集[C].南京：南京大学出版社.

[12]施颖婕，桂勇，黄荣贵，郑雯(2022).网络媒介“茧房效应”的类型化、机制及其影响——基于“中国大学生社会心态调查(2020)”的中介分析[J].新闻与传播研究(5)：43-59+126-127.

[13]微博热搜榜(2018).如何打造#热搜话题#[EB/OL].http***，20240617.

[14]微博热搜榜(2021).2021上半年微博热搜榜趋势报告[EB/OL].http***，20240703.

[15]新华网(2023).快手2023磁力大会：释放商业新增量，全面增效客户价值[EB/OL].http***，20230223.

[16]晏齐宏(2024).算法推荐对网民意见极化的影响机制研究——基于舆论可见性视角的多层次分析[J].现代传播(中国传媒大学学报)(8)：12-25.

[17]Agre,P.E.(1994).Surveillance and Capture:Two Models of Privacy.The Information Society,10(2),101-127.

[18]Anderson,C.W.(2013).Towards a Sociology of Computational and Algorithmic Journalism.New Media & Society,15(7),1005-1021.

[19]Bueger,C.(2015).Making Things Known:Epistemic Practices,the United Nations,and the Translation of Piracy.International Political Sociology,9(1),1-18.

[20]Braun,V.,& Clarke,V.(2006).Using Thematic Analysis in Psychology.Qualitative Research in Psychology,3(2),77-101.

[21]Carlson,M.(2018).Automating Judgment? Algorithmic Judgment,News Knowledge,and Journalistic Professionalism.New Media & Society,20(5),1755-1772.

[22]Carlson,M.(2020).Journalistic Epistemology and Digital News Circulation:Infrastructure,Circulation Practices,and Epistemic Contests.New Media & Society,22(2),230-246.

[23]Diekerhof,E.(2023).Changing Journalistic Information-gathering Practices? Reliability in Everyday Information Gathering in High-speed Newsrooms.Journalism Practice,17(3),411-428.

[24]Domingo,D.,& Le Cam,F.(2014).Journalism in Dispersion:Exploring the Blurring Boundaries of Newsmaking through a Controversy.Digital Journalism,2(3),310-321.

[25]Ekström,M.(2002).Epistemologies of TV Journalism:A Theoretical Framework.Journalism,3(3),259-282.

[26]Ekström,M.,& Westlund,O.(2019).The Dislocation of News Journalism:A Conceptual Framework for the Study of Epistemologies of Digital Journalism.Media and Communication,(1),259-270.

[27]Ekström,M.,Ramsälv,A.,& Westlund,O.(2022).Data-driven News Work Culture:Reconciling Tensions in Epistemic Values and Practices of News Journalism.Journalism,23(4),755-772.

[28]Eldridge,S.A.(2019)."Thank God for Deadspin":Interlopers,Metajournalistic Commentary,and Fake News through the Lens of "Journalistic Realization".New Media & Society,21(4),856-878.

[29]Evetts,J.(2013).Professionalism:Value and Ideology.Current Sociology,61(5-6),778-796.

[30]Goldman,A.I.(2011).A Guide to Social Epistemology.In Goldman,A.I.,& Whitcomb,D.(Eds.)Social Epistemology:Essential Readings(pp.11-37).Oxford:Oxford University Press.

[31]Hansen,M.B.(2015).Feed-forward:On the Future of Twenty-first-century Media.Chicago:University of Chicago Press.

[32]Hayles,N.K.(2017).Unthought:The Power of the Cognitive Nonconscious.Chicago,IL:University of Chicago Press.

[33]Klein-Avraham,I.,& Reich,Z.(2022).Industrial Production of Post-industrial Products:How Interactive Visualizations Miss Their Potential as a Journalistic Form of Knowledge.Journalism Studies,23(15),1881-1898.

[34]Knorr-Cetina,K.(1999).Epistemic Cultures:How the Sciences Make Knowledge.Cambridge,MA:Harvard University Press.

[35]Kornberger,M.,Bowker,G.C.,Elyachar,J.,et al.(Eds.)(2019).Thinking Infrastructures.Bingley:Emerald Group Publishing.

[36]Lang,A.(2009).The Limited Capacity Model of Motivated Mediated Message Processing.The SAGE Handbook of Media Processes and Effects,11,193-204.

[37]Light,B.,Burgess,J.,& Duguay,S.(2018).The Walkthrough Method:An Approach to the Study of Apps.New Media & Society,20(3),881-900.

[38]Maina,C.K.(2012).Traditional Knowledge Management and Preservation:Intersections with Library and Information Science.The International Information & Library Review,44(1),13-27.

[39]Merz,M.(2006).Embedding Digital Infrastructure in Epistemic Culture.In Hine,C.(Ed.),New Infrastructures for Knowledge Production:Understanding E-Science(pp.99-119).Hershey,PA:Information Science Publishing.

[40]Morini,F.(2023).Data Journalism as "Terra Incognita":Newcomers' Tensions in Shifting Towards Data Journalism Epistemology.Journalism Practice,1-17.

[41]Munn,L.(2022).Thinking through Silicon:Cables and Servers as Epistemic Infrastructures.New Media & Society,24(6),1399-1416.

[2]Park,R.E.(1955).Society:Collective Behavior,News and Opinion,Sociology and Modern Society.Glencoe,IL:Free Press.

[43]Reese,S.D.(2016).The New Geography of Journalism Research:Levels and Spaces.Digital Journalism,4(7),816-826.

[44]Schaetz,N.,Lischka,J.A.,& Laugwitz,L.(2023).Datafication of Journalism:How Data Elites and Epistemic Infrastructures Change News Organizations.Digital Journalism,1-19.

[45]Seyfert,R.(2016).Bugs,Predations or Manipulations? Incompatible Epistemic Regimes of High-frequency Trading.Economy and Society,45(2),251-277.

[46]Slack,J.D.,& Wise,J.M.(2002).Culture Studies and Technology.In Lievrouw,L.,& Livingstone,S.(Eds.),The Handbook of New Media.London,England:Sage.

[47]Tichenor,M.,Merry,S.E.,Grek,S.,& Bandola-Gill,J.(2022).Global Public Policy in a Quantified World:Sustainable Development Goals as Epistemic Infrastructures.Policy and Society,41(4),431-444.

[48]Vázquez-Herrero,J.,Negreira-Rey,M.C.,& López-García,X.(2022).Let's Dance the News! How the News Media are Adapting to the Logic of TikTok.Journalism,23(8),1717-1735.

[49]Young,M.L.,& Hermida,A.(2024).Why Infrastructure Studies for Journalism? Digital Journalism,1-17.