月活破亿后算清投入产出，小红书AI调整落地节奏

不到半年时间，小红书对其人工智能团队的权责完成了两次重大调整。

今年 4 月底，小红书将 Dots 升级为一级部门，将大模型研发、基础设施、工程与产品统一纳入其中。到了 9 月，Dots 的产品团队与部分工程团队被划转至社区业务体系，Dots 本身转而深耕底层大模型。10 月中旬，公司再度宣布将 Dots 与核心基础设施团队 Infra 打通。

频繁的组织变动背后，是小红书对自身定位的重新确认。在全员信中小红书明确表示，自身是一家科技应用公司，技术投入必须紧贴具体业务场景，与云厂商纯粹堆砌模型能力的路径存在本质不同。

半年三度调整：技术研发回归业务场景

小红书对前沿技术的探索始于更早的 Hi Lab（人文智能实验室），其初衷是让大模型理解用户的情绪、生活经验与个性化表达，而非单纯比拼数学或代码能力。小红书沉淀了大量非标准化的经验分享，但如何让生成式 AI 既融入社区又不破坏原有氛围，始终存在挑战。

此前，小红书经典的双列图文瀑布流赋予用户如同“逛街”的探索感，这种漫无目的的浏览支撑着平台的广告展示与内容消费。早期，平台对引入 AI 相对克制：AI 搜索助手“点点”最初仅置于搜索联想区，并未开放首页入口；AI 搜索工具“问一问”上线初期，调用覆盖率也严格限制在低个位数，避免剧烈冲击原有搜索流量。

随着测试数据显现成效，小红书在今年 4 月提拔 Dots 统管 AI。但模型研发关注推理吞吐与算法指标，产品团队则必须对留存率与社区生态负责，二者存在天然的考核张力。

9 月的调整中，小红书将“问一问”与“点点”工程团队并入社区，支持用户进行多轮追问式搜索。10 月，Dots 与负责算力调度的 Infra 团队深度整合，Hi Lab 则保留前沿研究职能。至此，小红书形成了“社区承接应用、技术聚焦工程效能”的新分工体系。

月活突破 1 亿：算力成本与留存收益的平衡

小红书官方数据显示，其站内 AI 问答助手的月活跃用户已超过 1 亿。“问一问”在此前测试中有效提升了社区留存率，并激发了数百万级的新增提问。

AI 问答降低了信息检索的认知门槛，促使用户提出更多细碎的生活问题。然而，用户浏览既有图文笔记的开销极低，而生成式推理的计算开销却十分显著。随着访问量规模化放大，平台必须严肃面对不断攀升的推理成本。

与其他巨头不同，阿里拥有阿里云承接算力商业化，字节跳动兼具火山引擎与多条 C 端产品线，而小红书没有对外输出算力与大模型 API 的云基础设施业务。小红书的大模型研发成本只能靠自身社区广告与电商业务来消化。

这也促使小红书跳出通用评测基准的竞争，将重心转向模型轻量化与工程推理优化。Dots 与 Infra 团队的协同，正是为了在保证响应体验的前提下，压降单次查询的算力支出。

决策链条缩短：重构流量分配与商业模式

算力成本只是第一道关卡，更大的考验在于传统商业分发机制的重塑。

以往用户在小红书搜索消费决策，需要在十几篇笔记中反复比对，品牌广告得以穿插在自然结果中获得曝光。但 AI 搜索能够直接整合信息，给出一份提炼后的推荐清单。

决策流程变短，原本分散的曝光机会被压缩至少数几个推荐位。这直接引发了平台商业逻辑的碰撞：AI 推荐究竟依据真实社区口碑，还是商业广告竞价？过度商业化会损害平台长期依赖的真实信任感；而完全排除商业因素，又可能动摇品牌广告主的投放积极性。

同时，内容创作者的权益也面临重估。如果 AI 仅提炼信息而不引导用户点击原始笔记，头部创作者的流量将受损；反之，若长尾小众的深度评测能被大模型精准检索并引用，反而会迎来新的长尾曝光机会。

将大模型技术融入搜索与交易链路，不仅是工程性能的攻坚，更是用户信任、创作者激励与品牌变现之间的新一轮利益平衡。