第508章最后一块拼图

说起短视频平台，抖音其实也并非是首创。

星河集团既然想要进入这一赛道，不可能不进行前期的调研，而在移动互联网短视频赛道里，无论是在国内还是在国外，其实都早已有老玩家了。

像是2011年，移动互联网刚刚兴起的时候，程一笑就创立gif快手，生产搞笑动图，以微博、人人网社区作为应用场景，在上面快速传播，完成了初始用户积累。

之后2013年，快手从工具转型为短视频社区，正式改名为“快手”，主打ugc内容。

直到今年，也就是2016年，快手用户已经涨到3亿，在三四线城市积累了大量用户。

而除了快手以外，国内类似的短视频平台还有不少。

2013年8月，一下科技推出秒拍，将短视频的固定时长确定为10秒，该平台凭借微博的流量优势，吸引了众多明星和网红入驻。

2013年9月，腾讯微视上线，把短视频时长设定为8秒，它是腾讯早期布局短视频领域的重要产品。

2015年，模仿dubsash的对嘴表演工具小咖秀上线，凭借明星效应迅速走红。

ve：2012年6月诞生，以6秒为固定时长的短视频平台，是全球范围内最早的移动短视频平台之一，它在2013年被itter收购，曾在美国市场掀起短视频热潮。

dubsash：14年11月发布，是德国开发的对嘴表演工具，其玩法为用户选择声音、配合表演并分享视频，它在欧美市场迅速走红，是如今国际上具有代表性的短视频平台。

ical.ly：2015年由上海团队创立，主要面向北美市场，以音乐短视频为核心，支持用户进行对嘴表演和创意剪辑。

flipagra：美国短视频应用，2014年上线，支持用户将照片和视频配上音乐制作成短视频。

这些平台在短视频发展初期起到了重要作用，它们通过不同的功能和运营模式，推动了移动短视频的普及。

只不过后来随着抖音在借鉴这些平台经验的基础上，结合算法推荐和社交属性迅速扩张，很多国外的短视频平台都被其所收购，抖音最终也成为了全球领先的短视频平台。

当然，那是王皓前世，如今2016年才刚开始，因为他这么一个小蝴蝶扇动了翅膀，华夏很多方面都发生了改变。

像是他提前创立今日头条公司，张一鸣的创业之路就有了改变，自然也不可能再去创办抖音。

不过抖音的成功，也并不一定非张一鸣不可。

虽然提到抖音这个软件，最为人所津津乐道的就是它的大数据推荐算法，按照很多人的想法，这应该是抖音的核心科技。

但实际上抖音的推荐算法发展是一个技术迭代与战略决策共同作用的过程，其核心在于算法团队的技术突破与张一鸣的战略决策相结合，而非单一人物的成果。

况且抖音的推荐算法也是有其行业技术基础的，并非是从零开始完全独立研发，它是基于互联网推荐技术的长期积累。

从20世纪90年代通过用户行为数据匹配相似用户，如亚马逊早期推荐逻辑的“协同过滤”技术。

到2000年后基于文本、图像等内容特征推荐，如早期新闻聚合平台的“内容推荐”。

再到2010年后神经网络模型提升复杂特征处理能力，如google的深度神经网络广告推荐的“深度学习”。

如此抖音在继承传统推荐技术的基础上，结合移动互联网特点，最终实现了三点创新。

“王董，您看，这就是我们目前在原有推荐算法上的三个新改良。

首先是这个‘实时反馈机制’，它可以通过收集到的用户滑动、停留、点赞等行为数据，运用深度学习算法和实时反馈算法，毫秒级更新形成针对用户个人的推荐模型，点对点绘制‘动态兴趣图谱’。

如此就能精准捕捉用户兴趣，实现“千人千面”的内容分发。

然后是在这个‘多模态融合’，它可以将视频的视觉、听觉（音乐）、文本（字幕）等特征全方位整合，突破单一维度推荐的局限性。

还有这个‘冷启动优化’，按照王董您当初在项目开发初期要求的‘技术普惠’产品哲学，为了达成‘让普通人的内容也能被看见’的理念，我们专门调整了算法的公平性设计，建立起‘公域流量池’机制。

通过这种机制，“种子用户”的行为数据可以快速为新内容/账号定位受众，让新创作者和优质内容能够更容易突破圈层，便能解决传统推荐系统中的冷启动难题……”

抖音开发团队的负责人滔滔不绝地向王皓以及集团高层管理者介绍着有关于软件的各种信息，王皓在一旁也是听得频频点头。

至少目前来看，星河集团开发的抖音，和他前世的那款抖音，区别并不大，都是利用高效的内容匹配机制和高准确度的推荐算法提升用户粘性和留存率，形成软件运行中“内容-用户-流量”的正向循环。

甚至得益于星河集团本身强大的经济与技术实力，这次他们开发抖音算法的过程中，不仅有着庞大的工程师团队，还有业内顶尖的算法科学家与架构师一同协作。

有了他们的存在，星河集团这一版的抖音，实际上已经是极其成熟的产品，几乎有着原时空2018版抖音90%的完成度。

“目前我们的软件已经完成了大范围内测，也发现并解决了运行中的各种bug。

后续我们团队要做的，一个是软件正式上线后，继续根据运营情况进行算法优化。

这方面我们也有了几个目标，一个是开发基于注意力机制的排序模型，可以用于提升用户兴趣预测精度。

另一个是引入强化学习（rl），实现‘探索-利用’平衡，在满足用户已知兴趣的同时，推送多元化内容。

当然了，我对我们的抖音也很有信心，相信在很短的时间内，它就能取得极好的成绩。

所以如何支撑千万级甚至是亿级日活用户的实时计算，解决分布式计算、模型压缩等工程难题，也是接下来需要我们所攻克的。”

哗啦啦！

当抖音开发团队的技术负责人介绍完有关于这个软件的内容后，王皓带头鼓起了掌，然后给予了那些团队开发成员们高度的评价和表扬。