人类特别喜欢说“我们”：我们班、我们学校、我们公司、我们家乡，或者我们这一代人。这个词用得太自然，以至于我们很少意识到，它其实完成了一件相当了不起的事情：两个完全不认识的人，只因为共享一个名字，就可能突然觉得彼此是自己人。

两个平时互相看不顺眼的同学，出了学校以后碰到别校的人，可能立刻站到同一边；几个在班里懒得说话的人，一到运动会，也会一起喊“八班加油”。他们并没有因此变得更加了解彼此，过去的矛盾也没有消失，但一个共同身份已经足够让他们暂时行动起来。

这件事之所以值得讨论，是因为它揭示了人类社会一种很基础的组织技术：我们不需要先调查每个人的三观，也不需要逐个签订合作协议，更不需要所有人真的互相喜欢，只要先给他们一个共同名字，就能让原本分散的个体产生某种默认的联系。

不过，便宜的东西通常不是真的免费。许多时候，只是别人替你买了单。

身份压缩：一个名字如何降低协作成本

最稳定的共同身份，往往来自那些不太容易改变的东西，比如出生地、语言、学校、家庭和国家。它们的共同特点是容易识别，而且不会因为一个人今天心情不好，明天就自动失效。

这对组织特别重要。假如一个群体每天第一件事都是重新确认“你今天还认不认同我们”，那么光是确认成员身份，就足以消耗大量精力。相反，一个相对稳定的标签可以提前完成一部分筛选，让人们在尚未充分了解彼此的时候，就愿意给对方一点信任。

同乡之间为什么容易搭上第一句话？校友为什么常常比完全陌生的人更容易建立联系？因为共同身份替双方提供了一个初始理由：我们至少共享过某种经历，或处在同一个关系网络里。它并不能证明两个人价值观一致，却能让原本需要从零开始的关系，获得一个不那么冷冰冰的起点。

从程序员的视角看，这有点像给陌生节点之间预设了一个很低的默认信任值。这个值不一定高，更不代表可以跳过后续验证，但至少让连接有机会发生。

而人类真正厉害的地方，还不只是组织熟人。你不认识全校几千名学生，却仍然可能因为校队赢球而高兴；一家几万人的公司，你也许一辈子见不到其中绝大多数员工，但一句“我们公司”，已经把所有人暂时放进同一个身份里。大量互不认识的人，能够对同一个名字产生真实情绪，这是大规模社会得以运转的重要条件之一。

共同故事：为什么陌生人能够相信同一个“我们”

人类不仅会给群体起名字，还特别擅长共同承认一些东西。货币之所以能够流通，不是因为纸张本身具有相应的价值，而是因为一整套制度与社会关系让人们愿意接受它；公司换了一批员工、换了 CEO，甚至搬了办公楼，仍然可以被认为是同一家公司，因为名字、合同、规则、品牌和组织关系还在延续。

学校、城市和国家也是如此。它们当然不只是一个故事，背后还有具体的制度、资源和现实关系，但共同承认的身份，让这些复杂关系能够以一个简单的名字进入日常生活。

原本需要一对一建立的信任、情绪和协作关系，由此被压缩进共同身份里。我们不需要认识另外几万人，也可以因为知道“他跟我属于同一个我们”，而愿意多做一点事情。

从这个意义上说，共同体本来就是一种降低协作成本的技术。它把一个人的社会关系，从“我具体认识谁”，扩展成了“我属于哪一张网”。

标签索引：我们为什么需要先找到彼此

共同身份还有一个经常被忽略的功能：它不只是组织人，也帮助我们找人。

世界上有太多人，我们不可能认识几十亿个个体以后，再逐个判断谁适合当朋友、谁适合合作、谁可能有共同语言。于是人天然会使用标签：校友、同乡、同行、同专业、同好，或者同一支球队的球迷、同一个游戏的玩家。

这些标签真正有用的地方，不是证明“我们本质上一样”，而是把一个完全随机的陌生人，从海量人群里先筛出来。“你也做 AI？”“你也是这个学校的？”“你也看这个番？”一句话，就能让一个陌生人变成可能聊得来的人。

数学界的顶尖学者与普通人的距离，往往远得令人不知该如何理解。我们也许根本看不懂他们研究的极值组合学或非线性偏微分方程，却会因为发现某位数学家也喜欢二次元、打游戏、写诗，而突然产生一点亲切感。网上那种“终于找到了我和菲尔兹奖得主唯一的共同点”的段子，笑点正在这里：一个微不足道的兴趣标签，把原本遥不可及的人拉进了自己的心理坐标系。

当然，共同爱好并不会让两个人的数学水平突然接近，但它提供了一条能够理解对方的入口。人们先通过一个小小的交集建立亲近感，再慢慢发现对方还有多少自己不了解的部分。

如果把学校、专业、城市和兴趣看成人类社会的 metadata，那么标签就很像索引。面对几十亿行数据，我们不可能天天全表扫描，只能先根据某些条件召回一批候选人，再逐渐了解他们。标签最初的价值，是降低搜索成本，而不是替代对人的判断。

校友网络也是这样。它最健康的形态，并不是“自己人就应该互相开后门”，而是让一个不知道该找谁的人，能够通过学长、老师或者朋友，找到愿意回答问题的人。原本完全不相干的两个节点，因为中间多了一条线，就有了合作的可能。

有时候真正有价值的，甚至不是“我认识一个特别厉害的人”，而是“我认识一个能把我连到另一个网络的人”。社会网络里所谓的六度分隔，讲的正是这种连接能力。Facebook 在 2016 年发布的统计曾显示，其平台上的用户平均分隔度约为 3.57。世界当然很大，但人与人之间的距离，有时并没有我们想象中那么远。

真正的问题，往往不是节点够不够多，而是中间那些线还在不在。

科研网络：聪明人也需要互相找到

这件事到了科研里尤其明显。我们特别喜欢讲天才，仿佛科学进步就是一个超级聪明的人突然发现了真理，但现代科研越来越依赖不同能力之间的连接。

一个人会数学，另一个人会机器学习；一个人掌握医学数据，另一个人理解临床问题，还有人能够把算法工程化。如果这些人永远不认识，那么系统里虽然同时存在这些能力，它们却很难发生化学反应。

所以一个好的科研生态，最重要的功能之一，其实很朴素：让聪明人能够互相找到。找到老师、学生、同行、互补的合作者，找到那个愿意挑战自己的人，也找到能够陪自己研究奇怪问题的人。

这也解释了为什么一个人的成长轨迹，不能只看他在哪所学校，还要看他在那里遇见了谁、和谁工作过、进入了什么网络。知识不是孤立放在人脑里的，它需要通过关系被交换、组合和检验。

有时候社会真正稀缺的，不是“这个人才有没有”，而是“这个人能不能遇见另一个合适的人”。一个足够好的网络，能够让原本分散的能力发生连接，而这件事本身就可能创造出单个节点无法完成的价值。

最小群体：一个名字如何制造边界

可标签一旦出现，另一面也随之产生。

1971 年，Henri Tajfel、Michael Billig 等人发表了一组后来成为社会心理学经典的最小群体实验。他们尽量拿掉既有敌意、现实利益冲突等因素，只保留非常微弱的分类，结果发现，仅仅把人分成不同组别，就已经可能让参与者在资源分配时偏向自己组的人。

这件事真正反直觉的地方在于，我们通常以为一定是两群人先有巨大差异，才会出现“我们”和“他们”，但实验提醒我们，顺序有时可以反过来：先分组，再开始觉得彼此不一样。

一个群体不一定需要几百年的历史恩怨才能产生边界，有时候，一个名字就够了。名字先把人分开，随后人们会在这个分类之上积累情绪、记忆和解释，原本很小的差异也可能逐渐变得重要。

这不是说所有群体都会走向敌对，而是说明我们不能把群体边界理解成完全自然、完全客观的东西。许多边界之所以显得坚固，恰恰是因为人们已经在其中生活了很久，久到忘记它最初也可能只是一种分类。

荣誉广播：班主任为什么总在强调集体

再回头看 K12 教育里那些熟悉的话，就会发现班主任其实一直在做相当标准的组织建设。

“我们是一个集体。”“不要给班级丢脸。”“流动红旗一定拿回来。”“咱班不能输给隔壁班。”这些话我们从小听到大，以前可能只觉得老师又开始念经了，但从组织角度看，它们都在解决同一个问题：怎样让四五十个性格、成绩、家庭和兴趣各不相同的学生，愿意为同一件事行动。

如果纯靠个人利益组织，每件事都会变得很难。今天值日，学生可以问“卫生扣分跟我高考有什么关系”；运动会报名，可以问“我又不喜欢跑步，为什么要参加”；黑板报不加分，也就未必有人愿意画。假如每一件事都需要分别给四五十个人计算一次个人收益，班主任每天光做成本收益分析，恐怕就不用上课了。

所以最简单的方法，是把“这件事对你有什么好处”，转换成“这是我们班的事”。一句话，协调成本就降下来了。

集体荣誉感则进一步解决了激励问题。校队比赛赢了，你可能一分钟都没训练过，球不是你踢的，战术不是你研究的，甚至参赛队员都不认识你，但广播一喊“我们学校赢了”，还是会高兴一下。

1976 年，Robert Cialdini 等人做过三项经典的橄榄球场域研究，发现学校球队获胜以后，学生更倾向于穿带有学校标识的服装，描述胜利时也更频繁地使用“we”。这个现象后来被称为 Basking in Reflected Glory，简单理解，就是沾一点集体胜利的光。

它揭示了集体荣誉为什么如此好用：人的自我定义不只有“我这个人是谁”，还包括“我是哪个班的、哪个学校的、哪个公司的、哪个球队的球迷”。当一个群体进入“我是谁”，群体的胜利就会带来一部分个人的心理收益。

给一个人奖金，主要奖励的是一个人；但一个班拿冠军，四五十个人都可以分到一点“我们很厉害”的快乐，一个球队夺冠，成千上万的球迷也能分享这种情绪。荣誉是一种可以广播的奖励，它能够以很低的边际成本，把同一种心理收益分发给大量成员。

这当然是一种有效的组织技术，问题在于，组织者很快就会发现，既然荣誉能够替代一部分金钱激励，那么它似乎也可以替代更多东西。

情绪转劳动：归属感如何进入商业系统

互联网时代的饭圈，把这种机制展示得尤其清楚。

一个人最初可能只是喜欢一首歌，觉得某位演员演得不错，或者认为一个偶像挺有意思，但进入粉丝社群以后，新的身份迅速出现：同担、唯粉、团粉、路人、对家。你甚至不需要知道另一个人叫什么，只要知道他支持谁，身份分类就已经完成了。

这种关系还不要求真正的双向认识。传播学者 Donald Horton 和 Richard Wohl 在 1956 年提出过“准社会互动”的概念，用来描述受众对媒体人物形成的一种类似面对面亲密关系的体验。说简单一点，就是你认识他，他不认识你，但情绪依然可以是真的。

所以饭圈里才会出现“我们家哥哥”“自家孩子”这样的说法。明明没有血缘，也不存在通常意义上的双向私人关系，语言却已经把一个公共人物拉进了自己的心理边界。偶像获奖，粉丝会觉得“我们赢了”；偶像被批评，也可能体验成“凭什么骂我们家”。当对方做出不符合期待的事情时，甚至会产生某种被背叛感，因为他已经不再只是一个明星，而成了“我们的人”。

商业系统很快就会发现，“我们感”不只能组织情绪，还能组织劳动。打榜、投票、控评、做数据、剪视频、搬物料、维护超话、组织应援，如果全部按照正常劳动关系来计算，都需要相应的成本，但只要换成“为了我们家”，大量工作就可能由粉丝主动完成。

于是，情绪被转换成劳动，劳动再被转换成数据、流量、销量和商业价值。一个人以为自己只是在喜欢某个偶像，实际上却可能已经进入一套完整的组织机制。

这并不意味着所有粉丝活动都是被利用。自愿创作、分享兴趣、结识朋友，本来就有真实的快乐；但只要一种关系开始持续要求成员投入时间、金钱和情绪，我们就有必要追问：这些投入最终创造了什么价值，又由谁获得了主要收益？

成本转嫁：便宜的“我们”到底便宜了谁

所以，“我们很便宜”这句话，必须补上一个重要限定：很多时候，它只是对组织者很便宜。

成本并没有消失，只是换了一个人承担。班主任一句“为了班级荣誉”，省掉了逐个沟通为什么要参加活动的成本，但那个不想参加的人，可能开始承担“不合群”“没集体荣誉感”“就你特殊”的声誉压力。公司说“我们是一家人”，可能减少正式合同之外的谈判，但员工承担的却可能是“自己家的事还分这么清”的情绪压力。

饭圈不需要雇几十万人做宣传，粉丝主动打榜，组织成本确实降了，可时间并没有消失。它从公司的工资表上消失以后，出现在粉丝晚上十一点的手机屏幕上。

因此，“我们”不是消灭成本，而是特别擅长重新分配成本。管理成本、监督成本和激励成本，可以被转换成成员主动承担的时间成本、情绪成本、声誉成本，甚至自我约束。

这也是为什么最强的组织，往往不需要天天命令成员。班主任还没说，已经有学生提醒“别给班级扣分”；偶像团队还没催，粉丝已经开始担心“今晚数据不能掉”；领导还没提出加班，同事先来一句“大家再坚持一下，这是我们自己的项目”。组织真正省下来的，已经不只是金钱，还有监督。

判断集体荣誉有没有越界，不能只问它创造了多少收益，还必须问收益是谁拿走的、成本是谁承担的。一个共同体如果让成员共享收益，也让成本得到相对公平的分担，那么归属感可以让合作变得更好；但如果收益高度集中，成本却不断要求普通成员用荣誉感消化，那么共同体就已经从合作技术，滑向了成本转嫁技术。

所以面对一句特别温暖的话，偶尔也可以问一句：这次到底是谁省钱了？

参照物机制：为什么“我们”总想找一个对家

群体荣誉还有一个更麻烦的问题：它往往需要参照物。

如果世界上只有你一个班，“我们班”只是一个行政编号；隔壁班出现以后，“我们班”和“他们班”才开始带上比较的意味，一旦比赛发生，赢和输又会进一步给身份注入情绪。饭圈也一样，没有竞争对象的时候，“我们家”可能只是一个粉丝群体，但只要出现番位、奖项、榜单、代言和资源竞争，身份就很容易被组织成“我们家”和“他们家”。

因此，要求人类完全不比较，并不是一个现实的方案。比赛如果没有输赢，确实会失去一部分刺激；排名如果没有前后，第一名也就不存在。问题不在于比较本身，而在于一个群体是否把全部荣誉都绑在单一的零和排名上。

一个班当然可以为运动会第一高兴，但也可以为有人第一次跑完三千米、一个原来成绩很差的学生进步了二十分、一次班级活动没有丢下那个最不合群的人而感到骄傲。这些事情不需要隔壁班先输。

一个公司同样可以高兴“我们超过了竞争对手”，但它也可以因为产品让用户少填三张表、让原本用不起的人现在用得起、让原来需要一小时的工作十分钟就能做完而获得荣誉。一个普通工程师写的功能，真的帮助了一百万人，这件事本身就足够值得高兴。

这两种荣誉的区别，不是有没有竞争，而是价值从哪里来。前一种必须购买一个对手，通过别人的失败证明自己；后一种则创造了一个增量，让原来做不到的事情变得可能。

一个群体如果只能靠不断证明“别人不行”来证明自己很好，说明它的自尊其实很脆。真正有创造力的共同体，应该能够从自身做成的事情里获得荣誉，而不是永远等待对手提供存在感。

规则机制：共同身份解决不了利益冲突

不过，共同身份只能解释为什么大家愿意待在一起，却解决不了待在一起以后意见不一样怎么办。

一个班都希望班级好，但有人喜欢运动会，有人不想参加；一个公司都希望公司发展，但老板、员工和股东对于“什么叫发展得好”，完全可能有不同答案。再大的共同体也是一样，拥有共同身份，并不意味着每个人的利益和判断会自动一致。

所以共同身份之后，一定需要规则。

我们有时候会把公平理解成一种特别完美的状态：所有人都满意，每次冲突都有一个绝对正确的答案。但现实往往没有这么漂亮，很多问题天然就是选择题。同一笔钱拿去修地铁，就不能完整地再拿去修医院；预算投给项目 A，项目 B 就会少一点。资源有限，选择就意味着有人得到得更多，也有人得到得更少。

规则真正要解决的，往往不是怎样保证所有人都赢，而是即使有人输了，这个系统还能不能继续运行。

World Justice Project 的法治框架强调法律公开、稳定、平等适用，以及司法程序的可获得性、及时性和公正性。它背后的道理很朴素：你可以不满意结果，但最好知道规则是什么、程序怎么走、输了以后还能怎么办，以及明天是否仍然大体按照同样的规则运行。

法治一个重要的现实意义，就是尽量不要让每次冲突都升级成重新掀桌子。今天你不同意某个结果，却仍然愿意在同一套规则里继续生活；一个社会真正稳定的标志，也不是没有分歧，而是出现分歧以后，大家仍然知道下一步该怎么办。

决策与纠错：为什么系统需要拍板，也需要回滚

规则之外，现实还有一个麻烦：不能无限讨论。

你可以做 A、B、C、D 四个方案，开会三个月，继续争论，但最后总得提交一个版本。城市的钱投了 A，就不能完整地再投 B；团队发布了这个版本，也不能同时把另一个相反版本当作正式版上线。现实没有平行存档，所有复杂系统最后都会撞上一个问题：谁来拍板？

这也是权力为什么很难彻底消失。没有最终决策，系统可能永远卡在“再研究研究”；但如果只有一个人永远拍板，一个人的错误又可能变成整个系统的错误。

所以真正难的问题，不是要不要权力，而是怎样让决策发生，同时让错误能够被纠正。一个成熟的系统，需要有人承担决策责任，也需要复议、申诉、监督和纠错的渠道；它可以上线，但不能把回滚视为耻辱；它可以要求执行，却不应该要求所有人陪着同一个错误一直错下去。

共同身份负责让人愿意合作，规则负责处理分歧，决策机制负责让事情发生，而纠错机制则负责阻止错误无限延续。少了任何一部分，“我们”都可能从一种协作能力，变成一种要求成员不断忍耐的理由。

网络分叉：不是因为不同才不来往

群体边界还有一种比标签更隐蔽的形成方式。我们通常以为，两群人先有巨大差异，然后才不来往，但现实里也可能反过来：先不一起玩了，后来才越来越不同。

大学毕业以后，这件事尤其明显。两个原本睡上下铺的人，一个进互联网，一个当老师，刚毕业时还会约着周末吃饭；几年以后，一个张口是模型、算力、DAU、融资，另一个每天处理教研、家长会、职称和班级管理。两个人谁都没做错，甚至没有吵架，只是认识的人变了、看到的信息变了、每天处理的问题变了，久而久之，连“什么值得关注”的排序也开始不同。

今天少聊一次，明天少见一次，朋友圈逐渐分叉，最后那个原本特别具体的朋友，不知道什么时候就变成了“你们这种人”。

所以不一定是我们不同，才不来往；也可能是我们不再来往，所以越来越不同。

这种现象在人类以外的社会网络中，也有令人印象深刻的案例。对乌干达 Kibale 国家公园 Ngogo 黑猩猩群体的长期追踪，记录了一个原本共享领地、存在跨小圈子交往的大群体，如何逐渐分化成两个群体。随着不同小圈子之间的活动和联系减少，原本连接两边的个体越来越少，社会网络开始分裂，最后连共同领地也逐渐形成了边界。

其中一个特别有画面感的细节是：原本共同领地的中心，后来变成了边界。

这句话很像许多真实的社会关系。边界最开始往往不是一堵墙，只是原来大家都会去的地方，后来你不去了；原来双方都认识的人，后来不联系了；原来共同拥有的东西，慢慢变成“那是他们那边的”。

真正值得警惕的，不一定是出现差异，而是连接差异的关系慢慢消失。因为只要桥还在，不同的人至少还有机会把对方当作具体的人；桥一旦断了，标签就很容易替代全部经验。

向量匹配：算法如何把人变成相似的人群

讲到这里，就可以回到算法。推荐系统做的事情，其实和人类使用标签筛选非常相似，只不过规模大了无数倍。

以前我们判断一个人，可能依靠同乡、同学、同行或者爱好相同；现在平台面对几亿用户，不可能真的“认识”每一个人，只能把行为转换成数据。你点了什么、停留多久、看完没有、赞过什么、评论过什么、谁和你行为相似，这些信息都可能成为用户画像的一部分。

从机器学习的角度，可以粗略理解成，平台把用户和内容映射到某种高维表示空间里。你本人当然远比这个复杂，但推荐系统不需要理解完整的你，它只需要在特定任务上判断：哪些内容可能适合你，哪些用户的行为模式与你相近。

喜欢游戏的人可能在某些维度上靠近，喜欢 AI 的人在另一些维度上靠近，经常同时看某几类内容的人，又可能形成某种相似结构。协同过滤最经典的直觉也是如此：跟你行为很像的人还喜欢什么？即使系统不知道你为什么喜欢，只要能够从行为里发现稳定的关联，推荐就可能工作。

所以今天的“我们”甚至不一定需要自己喊出来，算法可能已经提前把“和你差不多的人”算出来了。

这套技术当然有巨大的价值。音乐平台不可能让你从几千万首歌里自己翻，视频网站也不可能把全部内容直接扔到你面前。召回、排序、相似度计算、用户画像、协同过滤和 embedding，本质上都在解决一个问题：在海量信息里，什么最可能适合你？

人类社会做标签，机器学习做向量，背后都有降低搜索成本的思想。用程序员的话说，就是别全表扫描。

反馈循环：越懂你，越可能只给你看一种世界

问题也恰恰出在这里。推荐系统最容易利用的，是已经被数据证明有效的相似关系。

你喜欢 A，系统给你更多 A；你继续看 A，系统就更确定你喜欢 A，于是再给你更多 A。模型越来越懂你，但它所谓的“越来越懂”，很多时候意味着它越来越确信你属于哪个局部。

于是推荐系统容易形成一种反馈循环：把相似的人和内容找到，再不断强化这些已经被观察到的偏好。一个天天刷 AI 的人打开手机，看到的是 DeepSeek、GPT、Claude、Agent、芯片和算力，久而久之，很容易产生一种错觉：“现在大家不都在聊 AI 吗？”

其实不是。另一个人的互联网可能全是穿搭、宠物、明星、旅游和恋爱。两个人每天都刷两个小时手机，却生活在两套相当不同的数据分发系统里。

如果把互联网画成一张网络，用户是节点，关注、互动和转发是边，那么相似性推荐可能让圈内连接越来越密，圈外连接越来越稀，网络逐渐形成更加明显的社区结构。算法不需要主动告诉你“他们是敌人”，只要让你越来越少遇见真实的“他们”，人脑就可能自己补完剩下的解释。

以前大家观点不同，至少还在同一个广场上吵；现在更麻烦的情况是，大家可能连广场都不是同一个了。

不过，不能把所有推荐系统都简单说成必然制造信息茧房。现实中的推荐机制有多种目标，也可能引入探索、多样性和跨兴趣内容。真正值得追问的，不是“算法是不是坏的”，而是它究竟在优化什么，以及它有没有为不同人之间的连接留下空间。

桥接算法：同一张矩阵，也可以用来寻找交集

这里有一个特别有意思的例子，就是 X 的 Community Notes。

它并不是简单地问“多少人给这条注释点赞”，因为如果只看票数，一个人数特别大的群体，就可能把自己最喜欢的答案推上去。Community Notes 更有意思的思路，是参考用户过去对不同注释的评分模式，估计贡献者之间的观点差异，再寻找那些平时经常意见不一样的人，这一次都认为有帮助的注释。

X 官方把这种思路称为 bridging algorithm，也就是桥接算法。

它底层会用到推荐系统里很经典的矩阵分解思想。可以粗略理解成，系统有一张巨大的表，行是用户，列是注释，表里的值表示某个用户是否认为某条注释有帮助。但现实里绝大多数格子都是空的，因为每个人只评过很少一部分内容，于是算法试着从有限评分中学习用户与注释的潜在特征。

这和很多推荐系统预测“你会不会喜欢这部电影”，在数学思想上有相近之处，但关键在于目标不同。普通推荐系统通常利用这些表示，寻找更可能符合你偏好的内容；Community Notes 则试图利用不同评分群体之间的关系，寻找能够跨越部分观点差异的共同认可。

同样是矩阵，同样是大规模用户行为数据，一边可以不断寻找相似，另一边却可以尝试寻找跨群体交集。技术本身并没有写死必须把人越分越开，真正重要的是目标函数究竟奖励什么。

当然，桥接算法不是万能药。它仍然可能存在覆盖不足、偏差、博弈和治理问题，但它至少提供了另一种技术想象：算法不只能问“怎么让你看得更爽”，也可以问“哪些东西，连平时不太一样的人都觉得有价值”。

目标函数：平台究竟在奖励什么

推荐系统如果主要优化点击率、停留时间、转发和互动，那么那些更容易让人停下来、更容易引发强烈反应的内容，就可能获得相应的竞争优势。复杂、温和、需要三分钟解释清楚的东西，未必总能在这样的评价体系里占便宜。

这并不是说所有高互动内容都是极端的，也不是说平台只要优化停留时间，就一定会制造对立。问题在于，任何目标函数都会把某些东西变得更重要，而那些没有被充分计入的价值，就容易被挤到边缘。

一张社会网络最后长成什么样，不只是用户自己喜欢什么，也取决于平台把什么写进了目标函数。最大化“你还喜欢”和最大化“不同的人都觉得有价值”，是两件不同的事情；前者擅长把相似的人匹配得越来越准，后者则试图让不同的人仍然保有一些公共交集。

所以算法的目标函数，从来不只是一个纯技术问题。它也在回答：我们希望这套系统把人带向哪里？是让每个人越来越熟悉自己的局部，还是在满足个人需求的同时，仍然保留一点通向陌生世界的入口？

结构性修桥：不能让普通人独自修推荐系统

如果讲到这里，最后只是劝大家“多看点不同观点”，其实有点轻。因为一张网络长成什么样，从来不只是节点自己的责任。

平台决定什么内容获得曝光，社群决定什么成员获得奖励，商业模式决定什么情绪更值钱，组织者决定什么身份被不断强化。如果愤怒更赚钱、对立更容易传播、忠诚比保留意见更容易得到掌声，那么让一个普通人独自“保持开放”，多少有点像让用户自己修推荐系统。

能做，但别高估它。

真正重要的是，系统有没有给桥留下活路：有没有允许不同的人出现在同一个空间，有没有奖励那些能够被不同群体共同接受的信息，有没有给不愿站队的人留下位置，有没有让推荐系统除了“猜你喜欢”，偶尔还能问一句：“你从来没见过这个世界，要不要看看？”

结构问题不能全甩给个人，但个人也不是完全没有选择。我们至少可以有意识地保留几条不同的线，不让自己的社交圈纯得过头。认识几个行业不同、生活路径不同、兴趣甚至观点不同的人，并不是为了强迫自己接受所有意见，而是提醒自己，世界上还有别的活法。

普通分歧也不必每次都处理成拉黑。恶意骚扰当然需要划清边界，但不是每一次“我不同意”，都值得变成“以后再也不见”。更重要的是，尽量去看对方真正说了什么，而不是永远只看“我们这边的人如何描述他们”。

所谓修桥，不是逼自己喜欢别人，而是让“他们这种人”，重新变成“我认识的那个人”。

多重身份：别让一个标签吞掉整个人

还有一件事可能更重要，就是允许自己同时属于很多个“我们”。

我是程序员，也可以是球迷、某个地方的人、某个游戏玩家；我是某个人的朋友、某个人的同学，喜欢二次元，也可能喜欢财经。一个人的身份越单一，就越容易把某一个群体的输赢，等同于自己的全部价值。

如果“我是某某的粉丝”变成唯一身份，别人批评这个偶像，就容易被体验成批评自己；如果“我是某学校的人”成为全部自我定义，学校受到质疑，也可能被理解成对个人的攻击。问题并不在于这些身份不重要，而在于任何一个身份，都不应该拥有解释整个人的权力。

一个人同时属于很多个“我们”以后，任何一个标签都更难把整个人吞掉。你可以为学校感到骄傲，也可以承认学校存在问题；可以喜欢一个偶像，也可以不同意他的某些行为；可以认同自己的行业，却不必认为其他行业都没有价值。

对抗极端群体化的方法，不是幻想人可以没有身份，而是别只剩一个身份。身份越丰富，和世界连接的方式越多，桥也越多。

多样性机制：为什么强系统不能只押同一道题

这件事到了科研里，会变得尤其明显。现代科研需要大团队，也需要小团队；需要大装置，也需要几个人的奇怪实验；需要有人做已经证明可行的方向，也需要有人研究那些暂时看不出有什么用的问题。

因为原创探索最大的问题，就是没人提前知道谁是对的。

如果一个系统让所有人押同一道题，押中了，效率当然很高；押错了，也可能一起错。真正有韧性的系统，往往允许不同的人沿不同方向尝试：有人做数学，有人做工程，有人研究主流问题，也有人每天最大的爱好就是问“凭什么必须这么做”。

这不是组织失败，恰恰可能是系统鲁棒性的一部分。共同身份的价值，是把不同的人连接起来，而不是为了连接，又把所有人的不同磨掉。

因此，“我们”的高级形态，不是筛出一群一样的人，而是让一群不同的人，更容易找到彼此。它不要求每个人都沿着同一条路径生活，却能够让不同路径之间仍然发生协作。

公共基础设施：共同体真正应该服务谁

讲到最后，“我们”最值得保留的地方，可能并不是它能让组织多高效，甚至也不是它能制造多强的荣誉感，而是它能不能让普通人的生活真的变容易一点。

一个校友网络真正好的地方，不应该只是几个最成功的校友互相介绍资源，而是一个刚毕业、什么人脉都没有的学生，也可以因为这张网，找到一个愿意回答他问题的人。

一个班真正好的集体荣誉感，不应该只是拿第一的时候全班一起欢呼，而是那个跑得最慢的人、成绩没那么好的人、不太会社交的人、暂时没有给集体贡献什么的人，也不会突然就不算“我们”。

一个公司真正值得员工说“我们”，不应该只是在业绩发布的时候，还应该是在一个人犯错、生病、暂时掉队或者遇到困难时，让他知道这张网不会立刻断掉。

一个互联网社区真正有意义的地方，也不应该只是让同一种声音越来越响，而是让一个原本不知道去哪说话的人，终于发现这里有人愿意听。

这时候，共同体才从组织工具，开始变成公共基础设施。

机会普惠：把少数人的连接能力变成普通人的入口

普惠也不只是把同一份东西平均分给所有人。真正稀缺的，经常是连接能力。

有背景的人，天然知道该问谁、认识谁、怎么找到好老师、怎么进入一个项目、怎么获得第一份机会、怎么穿过信息差。没有这些网络的人，可能能力并不差，但连“门在哪里”都不知道。

所以真正有力量的普惠，是把原本只有少数人才拥有的搜索能力、连接能力、信息能力和机会入口，逐渐变成更多普通人也可以使用的东西。

让一个小地方长大的学生，也能接触世界上最好的知识；让一个不认识任何“大佬”的年轻人，也能找到合作者；让一个不擅长社交的人，不至于因为没有圈子，就永远被挡在机会之外；让两个不同的人，不需要先证明“我们是一类人”，也能发生合作。

这可能才是“我们”最温良的一种形态。不是“你属于我们，所以你应该为我们牺牲什么”，而是“既然你也在这里，那这张网能不能让你过得稍微好一点？”

改变世界：让普通人多获得一种可能

我们总喜欢把“改变世界”想得特别大：发明一项革命性技术，建立一家万亿美元公司，获得世界级奖项，或者推出一个巨大的制度。这些当然算，但世界本来就不是一个抽象的球，而是无数具体的人。

如果一个系统让一百万个普通人每天少浪费十分钟，少因为信息差失去一次机会，少走一次别人已经走过的弯路，多认识一个真正愿意帮他的人，多获得一次被看见的可能，那么这个世界其实已经发生了变化，而且这种变化可能比很多宏大的口号更稳定，因为它不要求每个人成为英雄，只是让普通人的生活稍微容易了一点。

技术最好的时候，应该如此；教育、制度和共同体最好的时候，也应该如此。

真正值得追求的“我们”，不是所有人变成一样的人，不是少数人站在最前面，然后所有人一起为他们欢呼，也不是通过不断寻找“他们”，来证明自己多么优秀。它应该足够宽，能够让不同的人进入；足够有弹性，能够容纳分歧和纠错；也足够公平，不让最普通的人永远只负责承担成本。

它允许竞争，但不把全部荣誉建立在别人的失败上；允许决策，但不要求所有人陪着同一个错误一直错下去；允许标签，却不让标签替代一个具体的人；允许算法寻找相似，也努力保留那些跨越相似性的桥。

低级的团结，是大家变得一样；高级的团结，是大家不一样，事情仍然做得成。而再往前一步，真正值得期待的共同体，是事情做成以后，那些原本最没有资源的人，也能够从中得到一点原本没有的可能。

一个机会，一个答案，一个朋友，一条退路，或者一份不必独自承担的勇气。

这大概就是我现在能想到的一种很朴素的改变世界：不是让所有人相信同一个故事，而是让越来越多普通人，因为知识、规则、技术和人与人之间的连接，最终可以说——这个世界，比我刚来的时候，对普通人稍微友好了一点。

参考资料与来源

  • Tajfel 等关于最小群体与社会分类的经典研究
  • Cialdini 等关于 BIRG 的三项橄榄球场域研究
  • Horton & Wohl 关于准社会互动的经典论文
  • Ngogo 黑猩猩长期社会网络与群体分裂研究
  • Meta 关于社交网络平均分隔度的公开数据
  • Community Notes 关于 bridging algorithm 与矩阵分解的公开技术说明