抖音推荐算法大面积失忆 十亿用户遭遇“信息流雪崩”

2026年9月1日，一场覆盖数亿用户的信息流风暴席卷抖音。从8月31日晚间开始，大量用户发现首页推荐流突然“失忆”——日常基于点赞、观看记录和兴趣标签构建的个性化推荐体系几近瘫痪，取而代之的是AI短剧、养生保健、育儿知识和电影解说等与个人偏好严重偏离的内容。年轻用户调侃自己“感觉手机被我爸拿走了”，更令用户困惑的是，即便反复点击“不感兴趣”，同类内容依旧反复出现。

“抖音推荐 难看”“抖音 误入中老年频道”迅速登上微博热搜，前者一度冲上榜首，阅读量达5.5亿，互动量超18万。抖音客服回应梨视频称，已收到大量用户反馈，平台正在加急排查，建议用户重启APP尝试恢复。据知情人士透露，此次算法错乱与平台突发服务器异常有关。

十亿级应用的算法“失语”

对于一款日活跃用户约8.3亿、日均视频播放量超过200亿次的超级应用而言，推荐算法的任何波动都会引发连锁反应。QuestMobile发布的《2026上半年中国移动互联网实力价值榜》显示，抖音主APP月活跃用户规模已达10.29亿，成为国内继微信之后第二个站上十亿月活台阶的超级应用。在如此庞大的用户基数面前，即便是一次局部算法异常，受影响的用户规模也可能达到千万级别。

此次异常的核心表现是推荐内容与用户兴趣标签严重脱钩。有分析指出，这可能是一次典型的“系统回退”——当底层的兴趣画像缓存或配置中心出现异常时，平台为维持服务不中断，自动触发兜底策略，将精准推送切换成类似“冷启动”的随机分发模式。原本被个性化标签过滤掉的同质化内容，在随机分发机制下集中涌入用户视野。

双塔模型与算法的脆弱平衡

抖音的推荐系统并非简单的标签匹配。据抖音安全与信任中心公开的算法原理，其推荐系统通过神经网络计算，直接预估用户对每条内容的完播、点赞、评论、收藏等行为概率，将预测价值最高的内容推送给用户。整个过程涉及召回、过滤、排序多个环节，其中“双塔召回模型”是核心组件之一——它将用户和内容转化为数学空间中的向量点，通过计算向量距离来判断匹配程度。

2025年底，抖音完成了近年来最大规模的推荐系统升级，从过去的单塔内容模型升级为“创作者加内容”双塔模型。新模型不仅要判断单条内容的质量，还要评估创作者的综合权重，包括原创率、粉丝停留时长、互动深度、内容质量记录和粉丝回访率等多个维度。系统复杂度的提升意味着故障点的增加——任何一次模型更新、参数调整或服务器集群故障，都可能导致部分用户的推荐流出现偏离。

AI短剧洪流与治理滞后

此次被用户集中吐槽的AI短剧内容，正是当前短视频平台上增长最快的内容品类之一。行业数据显示，国内AI短剧用户在今年上半年已突破6亿。抖音端原生AI短剧数据显示，今年1月至6月新增AI短剧总计22.19万部，其中1055部播放量破亿，累计新增播放量达5157.38亿次。2026年第一季度，全行业上线微短剧约12.8万部，其中AI类占比超过95%。

供给端的井喷式增长对平台流量分发构成了巨大压力。大量粗制滥造的AI短剧依赖平台流量获取曝光，一旦推荐算法出现偏移，这类内容便容易集中涌入用户视野。今年6月15日，抖音调整了AI视频流量分发规则，设立合规AI内容专属流量池，对做好AI痕迹显性标注的创作者给予额外自然流量，对批量套用模板的劣质AI视频进行限流。但从此次事件来看，治理速度显然未能追上内容供给膨胀的速度。

推荐公平性与平台治理的考题

此次事件暴露出的不仅是技术层面的系统脆弱性，更是算法推荐公平性的深层命题。当一个拥有10亿月活用户的平台，其推荐系统出现大面积“失忆”，影响的不仅是用户体验，还有依赖平台流量生存的数百万创作者的内容分发权益。据DataEye报告，上半年国内AI剧漫剧活跃从业者已超50万人——他们的内容能否被精准触达目标用户，直接取决于推荐系统的稳定运行。

截至9月1日下午，抖音方面仍未公布具体的故障原因和修复时间表。客服表示“系统优化导致”，但具体恢复时间无法确定。对于一款深度嵌入数亿人日常生活的国民级应用而言，此次事件或许是一次警示：当算法系统变得越来越复杂、内容供给越来越庞大，平台的稳定性治理和风险防控能力，必须跟上规模扩张的速度。

本文由AI辅助生成