X平台推荐算法开源事件概述 - 马斯克旗下X平台于1月20日正式开源了其全新的推荐算法，该算法采用了与xAI旗下Grok模型相同的Transformer架构，相关开源信息引发巨大关注，帖子浏览量接近4000万，源码仓库在两天内收获超过1万收藏[2] 算法核心架构与机制 - 新算法移除了所有手工设计的特征和大多数人工规则，从“人写规则，机器执行”转变为由AI主导的推荐系统[3] - 用户信息流内容主要由两个系统提供：Thunder系统负责实时搬运用户关注对象的动态，提供亚毫秒级查询；Phoenix系统则负责从全平台内容中推荐用户未关注但可能喜欢的内容[3][4] - 推荐系统的核心是预测用户对内容可能产生的15种行为（包括点赞、回复、转发等正向互动及“不感兴趣”、举报等负面反应），并将这些行为预测转化为概率值进行加权计算，得出内容的最终得分[6] - 在打分前，内容需通过9个过滤器进行初步筛选，排除重复、信息不完整、过时或用户已看过的帖子[8] 新算法对内容价值与传播逻辑的重塑 - 内容价值不再取决于已有的点赞或粉丝数，而在于算法预测其未来能引发何种互动，系统试图量化“共鸣”和“厌恶”的概率[4][6][7] - 粉丝数在推荐候选阶段（Phoenix系统）的影响被极大削弱，模型更关注用户向量与内容向量的匹配度，小号内容若引发互动同样有机会被推荐[4][12] - 算法预测的更新频率为每四周一次，这意味着内容传播环境处于持续变化中[12] 基于算法逻辑的内容创作策略分析 - 用户回复评论的权重极高，“评论+作者回复”的综合权重约等于单纯点赞的75倍，鼓励创作者积极回复以促进内容扩散[11] - 算法非常重视用户的停留阅读时间，有信息密度和阅读价值的内容胜过快速刷屏式发布[11] - 对于视频内容，算法更关心用户是否会点开，因此封面、标题和开头比剪辑精致度更重要[12] - 精准使用热门主题标签有助于机器进行语义理解，提升内容曝光[22] - 帖子发布后的首小时互动数据是算法刷新时重点考察的指标，高互动直接决定推送范围[22] - 应避免引发用户的负面反馈信号，如被标记“不感兴趣”、静音或举报，这些会显著降低推荐权重[22] - 鼓励以提问结束帖子、邀请用户反驳等策略来启动对话，算法奖励能引发讨论的内容而非被动消费的内容[27][28][32] - 在长帖中插入视觉元素（如表情符号或换行）可降低用户滚动速度，从而提高“阅读时长”的权重[30] - 算法存在“多样性惩罚”机制，会限制同一作者在信息流中的连续出现，刷屏策略无效[36] 算法透明化带来的行业影响与潜在趋势 - 算法开源使得推荐机制比过去更透明，削弱了粉丝数和人工规则的影响，在某种意义上更“公平”[12] - 算法逻辑可能放大争议性、情绪化和冲突性内容，因为这类内容天然更容易制造互动，只要未触发举报或屏蔽，就可能在算法体系中被持续放大[12] - 当创作者以“模型认为什么内容更易引发反应”为思路进行创作时，创作可能从自我表达转向讨好AI预测系统[13] - 新算法显示出从“热度驱动”和“关注关系”向“兴趣匹配”及“圈层穿透”转变的趋势，小众领域的深度讨论有机会被推荐给跨领域但有重叠兴趣的用户[31][37]

算法开源事件与背景 - 马斯克旗下社交媒体平台（原Twitter）完整开源了其“For You”信息流的推荐算法系统 [1] - 开源文件表明，该系统是一个几乎完全由AI模型驱动的算法系统，移除了所有人工设计特征和绝大多数启发式规则 [2] - 马斯克本人转发了工程团队原帖，并低调表示该算法“很蠢（dumb）”，需要大幅改进，但强调其透明性，并指出其他社交媒体公司都没有这样做 [3][4][5] - 此举是马斯克自2022年收购该平台前多次批评其过于封闭后，兑现承诺的延续 [6][7] 纯AI驱动推荐系统的运作机制 - 系统基于Grok-1同款Transformer架构打造，通过学习用户的历史互动行为（点赞/回复/转发）来决定内容推荐 [9] - 流程始于用户打开“For You”标签，客户端向服务器发送请求 [10] - 系统首先构建“实时用户画像”，通过收集两类原始用户信息，而非人工构造特征 [12][13] - 行为序列：代表最直接、最强烈的兴趣信号，如最近点赞、回复、转发、点进、停留过什么 [14] - 属性：代表长期属性，如关注列表、声明的兴趣主题、地理位置、使用设备等 [14] - 系统采用“去人工化”和“端到端”方法，将原始数据直接喂给模型，让模型自行学习规律 [15] - 构建用户画像后，系统兵分两路，从海量推文中快速筛选出几千条“可能相关”的推文 [15] - 一路通过“Thunder”模块，抓取用户关注的所有人的最新推文（熟人圈） [16] - 另一路通过“Phoenix Retrieval”核心检索模块，抓取来自未关注账号但用户可能感兴趣的推文（外部） [17] - 两类来源的信息在后续阶段被统一对待 [19] - 系统通过“Hydration”模块补全候选推文ID的详细信息，包括推文全文、作者详情、媒体内容及历史互动数据 [21] - 在正式计算前，通过“Filtering”模块淘汰明显不需要的内容，如重复帖子、用户自己发布的内容、来自拉黑/静音账号的帖子等 [22] 核心排序模型与最终呈现 - 剩余内容被逐条送入基于Transformer的“Phoenix”排序模型进行独立打分 [24] - 模型同时接收用户的行为序列与属性信息，以及单条候选帖子的内容与作者信息 [25][27] - 模型预测用户对某条推文执行各种操作（如点赞、拉黑）的概率，并按预设权重加权组合，形成最终排序分数 [25] - 系统设置了“候选隔离机制”，确保模型在评分时，每条候选帖子“看不见”其他候选帖子，分数一致且可高效缓存复用 [26][34] - 系统会进行少量工程调节，如控制作者多样性，防止单一账号刷屏 [26] - 所有候选帖子按最终得分排序，系统选出Top-K条帖子作为推荐结果 [29] - 返回客户端前，进行最后一轮安全校验，移除已删除、垃圾信息或违规内容 [30] - 经历重重筛选后的信息根据分数高低，依次展示给用户 [31] 系统成功运转的五大关键设计 - 纯数据驱动，拒绝人工规则：由AI模型直接从原始用户数据中学习，摒弃人工定义复杂规则 [33] - 采用候选隔离机制，独立评分：确保每条帖子的分数不会因同批次其他帖子而变化，分数一致且可高效缓存复用 [34] - 哈希嵌入，实现高效检索：检索和排序都使用多个哈希函数进行向量嵌入查找，提高效率 [35] - 预测多元行为，而非单一分数：AI模型对多种用户行为同时进行预测，而非输出模糊的“推荐值” [36] - 模块化流水线，支撑快速迭代：整个推荐系统采用模块化设计，各个组件可以独立开发、测试、替换 [37] 开源反响与未来计划 - 社区对开源行为表示赞赏，认为其透明性在行业中罕见 [2] - 有网友指出算法存在“缺陷”，例如代码显示“被大量用户屏蔽”是强负面信号，但缺乏针对该信号的时间衰减机制，可能导致历史屏蔽记录持续影响账号推荐分数 [39][40][41] - 马斯克本人在相关评论下承认“是的，这算法太烂了” [42] - 公司计划持续保持开源，未来每4周将重复一次开源更新 [44]

交易概述 - 石基信息拟通过发行股份方式收购控股子公司思迅软件13.50%的少数股权 [1] - 本次交易尚需深圳证券交易所审核通过及中国证监会注册 [6] 标的公司财务表现 - 思迅软件技术服务收入连续三年下滑，2023年、2024年及2025年1-4月分别为2.68亿元、2.53亿元和0.86亿元 [2] - 软件产品收入同期分别为9057.48万元、7235.69万元和1650.30万元，亦呈现连续下滑趋势 [2] - 支付技术服务毛利率逆势提升，报告期各期分别为55.69%、58.31%和60.07%，较前次IPO申报期（42.72%-54.87%）显著增长 [2] - 毛利率上升主因终端商户签约费率下降导致成本降幅超过收入降幅，收入计算采用“结算费率”（0.20%-0.23%）低于成本端“服务商合作费率”（0.25%）[2] - 2023年及2024年经审计净利润分别为1.86亿元和1.52亿元，具备稳定盈利能力 [5] 客户与市场地位 - 前五大客户以第三方支付机构为主，报告期内收入占比分别为91.88%、88.38%和83.39% [3] - 2025年1-4月，第一大客户随行付支付贡献收入3783.36万元，占比44.88%，第二大客户乐刷支付贡献2658.06万元，占比31.53%，两家合计占比达76.41% [3] - 客户结构生变，北京天阙科技、财付通等客户退出前五大，新增随行付支付、河南财联电子等客户 [3] - 累计服务终端门店超70万家 [5] 运营效率与成本结构 - 期间费用呈现逐年下降趋势，报告期各期销售费用分别为3595.54万元、2837.68万元和766.84万元，销售费用率从9.87%降至7.39% [4] - 管理费用从3014.35万元降至606.10万元，费用率从8.27%降至5.84% [4] - 研发费用从5324.03万元降至1330.43万元，研发费用率从14.61%降至12.82% [4] - 费用下降主因职工薪酬优化及股权激励费用摊销完毕 [4] 业务转型与竞争优势 - SaaS软件收入占比从2020年的15.06%提升至2025年1-4月的43.66%，成为收入增长新动力 [4] - 拥有14项发明专利及170项软件著作权，核心技术包括智能促销引擎、AI推荐算法等 [4] - 作为收单外包服务机构不参与资金结算，其支付技术服务毛利率（55.69%-60.07%）远高于拉卡拉支付业务毛利率（23.27%-26.30%）[3]