音乐响起的时刻

2016年9月，字节跳动推出抖音。这款让用户拍摄和编辑15秒钟短视频、添加滤镜并分享的应用，一经推出便吸引了年轻人的关注。然而，在它成为现象级产品之前，团队首先需要解决一个根本问题：在算法理性与人性直觉之间，如何找到那个让音乐与画面共振的精确瞬间。

朱文佳把耳机从头上摘下来，搁在桌面上，耳机线还缠在手指上。屏幕上是一段测试视频，画面里一个女孩在街头转身，音乐卡在第四拍，但画面切换慢了半格。半格。他重新戴上耳机，把时间轴拖回去，又看了一遍。问题不在代码，代码是准的。问题在于“准”本身——第四拍到底应该落在转身的哪一帧，是肩膀先动还是头发先甩，算法不知道，算法只知道时间戳。他把这段视频发到工作群里，附了一行字：卡点不是数学题。

那是抖音原型团队组建的第三周。白板上还留着梁汝波那行红字，没有人擦。每天有人进出会议室，都会看见“不要忘记那个问号”，但没有人停下来讨论它。那个问号太抽象了，抽象到无法写进需求文档。

团队需要解决的是具体的、可执行的问题：拍摄界面放几个按钮，滤镜强度默认值是多少，视频长度上限设成几秒。这些问题像沙子一样填满了每一天，而那个问号像沙子里的水，你知道它在，但你抓不住。

产品原型的第一版死在横屏上。这个方案在内部评审时被否决的过程很短，短到甚至没有形成会议纪要。

朱文佳把原型投到屏幕上，演示了不到三分钟，张一鸣就说了两个字：“横屏？”他的语气不是疑问，是确认。朱文佳点头。张一鸣从椅子上站起来，走到屏幕前，用手指在横屏画面上画了一条竖线。“手机是竖的，”他说，“人的眼睛是竖着看的。你让人转手机，就是在让人做选择。做选择就要动脑子。动脑子就有流失。”

这段话后来被团队反复引用，但在当时，它只是让会议室安静了十几秒。朱文佳没有反驳。他知道张一鸣说的不是产品逻辑，是用户本能。

横屏方案之所以被提出，是因为团队里大多数人是做图文信息流出身的，他们的肌肉记忆是横屏阅读。而张一鸣的肌肉记忆是手机——他每天花几个小时在手机上滑信息流，他知道拇指的舒适区在哪里。

横屏方案被否决后，团队转向全屏竖屏。这个决定几乎没有争议。争议出现在下一个问题上：竖屏视频的拍摄界面，应该放多少功能。

朱文佳让设计师出了一版方案，拍摄界面有七个按钮：滤镜、美颜、贴纸、特效、音乐、变速、倒计时。他把这版方案投到屏幕上，问团队：“如果是你妈，她能看懂几个？”没有人回答。朱文佳自己回答：“一个都看不懂。”他用手指点了点音乐按钮，“这个，她可能以为是播放器。”

七个按钮被砍到三个。砍掉的那四个，每一个都有支持者。支持美颜的人说，美颜是刚需，没有美颜用户不会拍。支持贴纸的人说，贴纸能激发创作欲，是内容多样性的来源。朱文佳没有跟他们争论功能本身的价值，他只问了一个问题：“这个功能，用户需要在拍摄前就想清楚要不要用吗？”如果是，那就放到拍摄后。

拍摄前只有一个任务：让用户按下那个红色的圆点。这个原则后来被总结成一句话：拍摄是冲动，编辑是理性。冲动不能被功能打断。

但音乐按钮留了下来。朱文佳坚持这一点。他的理由很简单：音乐不是功能，音乐是氛围。你走进一个房间，灯是亮的还是暗的，你马上能感觉到。音乐就是那个灯。你不能让用户拍完视频再去选灯，因为那时候房间已经空了。

这个比喻没有被写进任何文档，但它成了团队内部的共识。音乐按钮被放在拍摄界面最显眼的位置，比滤镜还显眼。这个决定在后来被证明是对的，但在当时，它只是一个直觉。

真正的分裂发生在音乐路线确定之后。路线确定是一回事，怎么实现是另一回事。

团队里分成了两派。一派主张“工具化”：把音乐做成一个曲库，用户选一首歌，系统自动匹配视频时长，如果视频太长就截断音乐，如果太短就循环。逻辑清晰，工程简单，用户体验可控。

另一派主张“智能化”：音乐不应该只是被选择，它应该主动参与视频的生成。用户选一首歌，系统根据音乐的节奏和情绪，推荐甚至自动生成视频的剪辑点、转场方式和特效参数。音乐是导演，视频是演员。

工具派拿出了数据。他们分析了当时市面上所有带音乐功能的短视频产品，发现用户使用音乐功能的比例不到百分之十五。大部分用户拍完视频直接发布，根本不碰音乐。工具派的结论是：音乐是锦上添花，不是雪中送炭。先让用户拍起来，再让用户用音乐。

智能派拿不出数据。他们能拿出的只有朱文佳那个“灯”的比喻，以及一个更根本的追问：如果音乐只是锦上添花，那我们凭什么跟快手竞争？快手已经做起来了，它的核心是社交和记录。我们如果也做社交和记录，我们永远追不上。我们必须做一件快手做不了的事。音乐就是那件事。

这场争论持续了将近两周。两周里，团队做了三版原型，每一版都在音乐功能上摇摆。

第一版是工具派方案，音乐曲库放在二级菜单，用户需要主动点击才能进入。第二版是智能派方案，音乐推荐直接嵌入拍摄流程，用户打开拍摄界面，系统就根据时间和场景推荐三首歌。第三版是折中方案，音乐按钮放在一级界面，但点击后进入的是工具派曲库。

三版原型都被否决了。否决的原因各不相同，但核心问题是一样的：用户在三秒内看不懂这个产品要干什么。

朱文佳在这两周里几乎没有说话。他参加了每一场争论，但很少发言。他在笔记本上记满了双方的观点，左边一列是工具派的逻辑，右边一列是智能派的直觉。两列之间画了一条竖线，竖线中间写了一个词：节奏。节奏是他在所有争论中唯一没有听到被认真讨论的东西。

工具派谈的是版权和曲库规模，智能派谈的是推荐和自动剪辑。没有人谈节奏——音乐和视频之间的那个看不见的连接点。节奏是音乐的心跳，也是视频的心跳。如果两个心跳对不上，音乐就是噪音，视频就是幻灯片。

如果对上了，用户感受到的不是“这首歌好听”或者“这个视频好看”，而是“这个视频是对的”。

朱文佳在第三周的一个深夜，把团队叫到会议室。他没有开投影，没有放原型。他让所有人把手机拿出来，打开任意一个短视频应用，随便刷十条视频。

刷完之后他问：“哪条视频让你停下来了？”有人说是一条猫的视频，有人说是一条做饭的视频，有人说是一条跳舞的视频。朱文佳又问：“那条视频有音乐吗？”所有人愣了一下，然后开始回忆。猫的视频有轻快的钢琴，做饭的视频有舒缓的吉他，跳舞的视频有强烈的鼓点。

朱文佳说：“你们记住的不是音乐，但你们停下来的原因里有音乐。音乐没有出现在你们的记忆里，但它出现在了你们的身体里。”

这段话没有立刻说服任何人。但它让会议室安静了很长时间。那种安静和梁汝波开场时的安静不同。开场时的安静是压力，此刻的安静是消化。有人在笔记本上画圈，有人盯着白板上的两条路线来回看。朱文佳没有继续说话。他知道自己已经把该说的说完了，剩下的交给别人想。

安静被一个工程师打破。他叫李磊，后来成为抖音早期核心开发之一。李磊说：“我不管音乐是灯还是骨骼。我就问一个问题：如果音乐是核心，那我们的推荐算法怎么理解音乐？算法现在能理解视频画面，能理解文字标题，能理解用户行为。但算法不理解音乐。它不知道这首歌是欢快的还是悲伤的，是激烈的还是舒缓的。如果算法不理解音乐，那音乐就进不了推荐池。进不了推荐池，音乐就永远是附属品。”

这个问题把争论从产品层面拉到了技术层面。朱文佳后来回忆，那是整个产品打磨过程中最关键的一次转向。

之前所有人都在争论“音乐应该是什么”，李磊把问题变成了“音乐在算法里是什么”。前者是哲学问题，没有标准答案。后者是工程问题，有解。

李磊提出的解法后来被称为“音乐标签体系”。简单说，就是给每一首曲库里的音乐打上结构化标签：节奏快慢、情绪极性、能量强度、适用场景。这些标签不是人工标注的，是算法从音频波形里提取的。提取的准确率一开始只有百分之六十多，但可以迭代。有了标签，推荐引擎就能把音乐和视频内容、用户偏好进行匹配。音乐从“一首歌”变成了“一组特征向量”。

这个方案在内部评审时被快速通过。因为它同时满足了工具派和智能派的需求：工具派得到了一个可扩展的曲库，智能派得到了一个可优化的推荐逻辑。

但朱文佳在评审会后单独找到李磊，问了一个问题：“标签体系建立起来之后，谁来定义标签的标准？是算法还是人？”

李磊没有回答。朱文佳也没有追问。但这个问题后来被证明是抖音整个产品哲学的核心矛盾：算法可以提取音乐的节奏，但算法提取不了音乐的“感觉”。一首歌在什么情境下让人想哭，在什么情境下让人想笑，算法不知道。算法只知道波形。而人的直觉知道感觉，但人的直觉无法规模化。这个矛盾在抖音后来的每一次迭代中都会重新出现。

但在那个深夜，它只是一个被搁置的问题。团队需要先让产品跑起来。产品跑起来的第一步是解决内容供给。没有内容，推荐引擎就是空转。

朱文佳把内容供给分成三条线：第一条线是内部生产，团队自己拍视频上传，保证冷启动阶段有内容可推。第二条线是定向邀请，找一批有创作能力的用户，给他们提供拍摄工具和流量扶持。第三条线是自然增长，等产品上线后通过推荐和分享吸引普通用户。

三条线里，第一条线最容易被低估。团队里有人觉得内部生产是“造假”，是自欺欺人。

朱文佳不这么看。他说：“冷启动阶段的内容不是给用户看的，是给算法看的。算法需要内容来学习，来校准，来建立初始的推荐模型。没有内容，算法就是瞎的。”

内部生产的内容后来被叫做“种子视频”。种子视频的拍摄标准是朱文佳定的：三秒内必须出现音乐，五秒内必须出现画面变化，十秒内必须完成一次情绪起伏。这个标准看起来很机械，但它是从实验数据里推出来的。团队测试了上百条视频，发现完播率最高的那些，都在十秒左右完成了一次情绪闭环。音乐是情绪闭环的触发器。

种子视频的生产过程本身就是一个微缩版的抖音。团队里的人轮流当创作者和观众，拍完之后互相看，看完之后打分。打分维度只有两个：想不想看完，想不想再看一遍。这两个维度后来演化成了抖音推荐算法的两个核心指标：完播率和复播率。但在当时，它们只是团队内部的一个游戏。

拍视频的人为了拿到高分，开始研究什么样的音乐配什么样的画面能让人“想再看一遍”。有人发现，音乐的重拍和画面的切换点对齐的时候，复播率明显更高。有人发现，音乐的情绪转折点和画面的情绪转折点对齐的时候，完播率明显更高。这些发现被一条一条记录下来，变成了早期抖音的“内容密码”。

密码越来越多，但没有人知道哪一条密码是关键的。朱文佳做了一个决定：把所有密码都放进推荐算法的特征池里，让算法自己去学。这个决定后来被证明是对的，但在当时，它意味着团队放弃了“人工定义什么是好内容”的权力。好内容的标准不再由产品经理决定，由算法决定。

这就是“零件时刻”的第一次显形。朱文佳在做出这个决定的时候，清楚地知道自己正在交出什么东西。他交出的是产品经理对“好”的定义权。

以前他“这个视频拍得好，推”，现在他只能说“这个视频的各项特征符合算法模型，推”。前者是人的判断，后者是机器的判断。人的判断有温度，机器的判断有效率。他选择了效率。

他没有把这种交出说成牺牲。他在一次内部会上说：“我们不是在放弃判断，我们是在把判断交给一个更大的系统。这个系统会犯错，但它会自己修正。人做不到这一点。人会固执，会偏见，会疲劳。算法不会。”

这段话在团队内部引起了争议。有人觉得朱文佳在给算法的冷酷找理由。有人觉得他说的是实话。但没有人公开反对。

因为所有人都知道，字节跳动的铁律就是数据说话。你可以在私下里怀疑，但你不能在会议上反对。反对数据，就是反对公司存在的根基。

抖音1.0版本上线前的最后一个深夜，团队做了一次完整的用户测试。测试对象是公司内部的员工，随机抽取了五十个人。

测试结果并不理想。用户平均使用时长不到十分钟，次日留存率低于预期。有人拍了视频但不知道发给谁看，有人看了视频但不知道为什么要看。产品的基本功能都能跑通，但用户的行为路径不清晰。

朱文佳看完测试报告后，在会议室里坐了很久。窗外是北京凌晨的夜色，园区里只剩下零星几盏灯。他想起自己刚加入字节跳动时的情景。那时候今日头条还没有成为国民应用，推荐引擎的每一次迭代都伴随着类似的深夜和类似的怀疑。但那时候的怀疑是具体的，是某个算法参数调错了，是某个内容品类的覆盖不够。

现在的怀疑是抽象的，是“这个产品到底有没有存在的必要”。他站起来，走到白板前，把之前画的那些架构图全部擦掉。然后他写了一个词：音乐。在音乐下面画了一条线。线下面写：节奏。再下面写：情绪。再下面写：表达。四个词排成一列，从上到下，从具体到抽象。他盯着这列词看了很长时间，然后转身对还留在会议室的几个人说：“我们可能把顺序搞反了。不是先有视频再配音乐，是先有音乐再有视频。音乐是起点，视频是结果。”

这个顺序的颠倒，后来被内部称为“抖音的第一性原理”。但在那个深夜，它只是一个疲惫的人在白板上写下的四个词。没有人鼓掌，没有人说“找到了”。大家只是看着那列词，各自想着各自的事情。有人想的是技术实现，有人想的是内容运营，有人想的是版权问题。但所有人都隐约感觉到，那个一直悬在头顶的问号，第一次有了一个可以抓住的把手。

张一鸣在第二天早上看到了这列词。他没有评价，只是问了一个问题：“音乐是起点，那版权怎么办？”这个问题在当时的讨论中被反复提起，但一直没有答案。

版权是音乐路线的死穴。没有版权，曲库就是空的。曲库是空的，音乐路线就是空中楼阁。

朱文佳后来在回忆这段经历时说，版权问题是抖音早期最被低估的困难。团队里没有人有音乐行业的经验，没有人知道怎么跟唱片公司谈授权，没有人知道一首歌的授权费用是多少。他们只有一个模糊的判断：音乐版权必须解决，但解决的方式不一定是买。可能是合作，可能是分成，可能是让音乐人主动上传。

这些可能性在当时都没有被验证，但团队决定先做产品，版权问题边做边解。这个决定后来被证明是抖音崛起的关键之一。如果团队等到版权问题完全解决再上线，抖音可能永远不会上线。

但“边做边解”也意味着产品在早期带着法律风险运行。这种风险后来被资本和规模消化了，但在当时，它是悬在团队头顶的另一把剑。

抖音正式上线的那天，团队没有庆祝。数据后台的曲线平稳得让人不安。新增用户不多，留存率不高，内容供给也谈不上丰富。朱文佳在办公室里看了一天的数据，每隔一小时刷新一次页面。曲线没有惊喜，也没有惊吓。它只是在那里，像一条刚学会呼吸的线，微弱但持续。

傍晚的时候，梁汝波走进办公室，看了一眼屏幕上的数据。他没有评价，只是说了一句：“上线了就好。”然后他转身离开，走到门口又停下来，补了一句：“那个问号还在。”朱文佳点了点头。他知道梁汝波的意思。

产品上线不是终点，甚至不是起点。它只是一个新的“待定”状态。音乐响起了，但没有人知道这首歌会不会有人听。

那天晚上，朱文佳最后一个离开办公室。他关掉显示器，拿起外套，走到电梯口。电梯门打开的时候，他看见张一鸣站在里面。两人点了点头，没有说话。电梯下行，数字从十二跳到十一，跳到十。

张一鸣突然开口：“数据看了？”朱文佳说：“看了。”张一鸣说：“不急。”电梯到了一楼，门打开，张一鸣先走出去，脚步很快，转眼就消失在园区的小路上。

朱文佳站在电梯口，看着张一鸣的背影。他知道“不急”这两个字在字节跳动的语境里意味着什么。意味着这个产品还没有被放弃，但也还没有被证明。它悬在“待定”和“确定”之间，像一根刚被点燃的引线，你不知道它最终会引爆什么，或者会不会在中途熄灭。

他走出办公楼的时候，北京下起了小雨。雨点打在园区的柏油路上，路灯的光晕被拉成一条一条的斜线。他站在雨里，没有撑伞，掏出手机，打开抖音。首页推荐的第一条视频，是一个女孩在路灯下跳舞。音乐是一首节奏明快的流行歌，画面切换的节奏和音乐的重拍几乎完全对齐。他看了两遍。

完播率、复播率，两个指标同时在脑子里闪过。然后他把手机放回口袋，走进雨里。

音乐响起的时刻，没有人知道这首歌的名字。但朱文佳在那个雨夜隐约感觉到，这首歌的节奏是对的。

抖音上线后的第一周，数据依然平淡。日活跃用户数停留在四位数，内容上传量每天只有几百条。推荐引擎的冷启动阶段比预想中更长。团队开始焦虑，有人提出要不要加大推广投入，有人提出要不要调整推荐策略。

朱文佳在周会上没有讨论这些。他让所有人做一件事：每天刷抖音半小时，然后写一段话，描述自己刷到了什么，记住了什么，为什么记住。

一周之后，他把所有人写的话收集起来，一共三十七份。他逐份阅读，发现了一个模式：大多数人记住的视频，都是音乐和画面节奏匹配得好的视频。那些节奏不匹配的视频，即使画面质量更高，也被快速划过了。这个模式在数据上也有对应：节奏匹配度高的视频，完播率是匹配度低的视频的两倍以上。朱文佳把这个发现写成了一页纸的备忘录，标题是《节奏是抖音的第一性原理》。

备忘录的核心只有一句话：推荐引擎的优化目标，应该从“让用户看到更多视频”转向“让用户看到节奏更好的视频”。这个转向在后来被证明是抖音推荐算法最关键的迭代方向之一。但在当时，它只是一个从三十七份主观描述里提炼出来的假设。

张一鸣看到了这份备忘录。他没有回复邮件，而是在当天晚上的产品会上，把备忘录打印出来，放在桌上，问了一句：“节奏怎么量化？”没有人能立刻回答。

节奏是一个感知概念，不是工程概念。你一首歌的节奏快或慢，但你说不出快多少、慢多少。你一个视频的节奏好或坏，但你说不出好在哪里、坏在哪里。

朱文佳后来找到了一个折中方案：用“音乐重拍与画面切换的时间差”作为节奏匹配度的代理指标。这个指标不完美，但它可以被算法计算，可以被A/B测试验证。代理指标被写进了推荐引擎的特征池，成为抖音早期最重要的算法参数之一。

这个参数后来被内部称为“卡点系数”。卡点系数越高，视频被推荐的概率越大。这个规则简单到近乎粗暴，但它有效。

抖音上线第二周，日活跃用户数开始爬升。第三周，爬升加速。第四周，曲线开始变得陡峭。

团队在数据后台看着那条曲线，没有人说话。朱文佳站在人群后面，看着屏幕上的数字跳动。他想起了那个在白板上写下“音乐、节奏、情绪、表达”的深夜。四个词排成一列，从上到下。现在，最上面那个词正在变成一条曲线。曲线爬升的速度超出了所有人的预期。

抖音上线一个月后，日活跃用户数突破六位数。内容上传量每天超过一万条。推荐引擎的冷启动阶段结束了，算法开始进入自我强化的正循环：更多用户带来更多内容，更多内容带来更多数据，更多数据让算法更精准，更精准的算法带来更多用户。

但朱文佳没有庆祝。他在一次内部复盘会上说了一段话，后来被团队称为“卡点系数的诅咒”。他说：“我们现在所有推荐都依赖卡点系数，但卡点系数依赖音乐版权。如果版权出问题，曲库缩水，卡点系数就失效了。如果卡点系数失效，推荐质量就会断崖式下跌。我们现在是在一个非常窄的平衡点上跑，跑得越快，摔得越重。”

这段话在会议上被记录在案，但没有形成任何具体的应对方案。版权谈判还在进行中，进展缓慢。团队能做的只有一件事：在版权问题解决之前，把产品跑得足够快，快到版权方无法忽视。这个策略后来被证明是对的，但在当时，它意味着团队在明知有风险的情况下继续加速。

朱文佳后来在回忆这段经历时说，那是他职业生涯中最分裂的一段时间。白天，他在会议上讲增长、讲数据、讲卡点系数。

晚上，他一个人坐在办公室里，反复看那些被算法判定为“低质量”的视频。那些视频没有卡点，没有音乐，没有特效，只是一个人对着镜头说话，或者一只猫在窗台上发呆。算法不推荐它们，因为它们的完播率低。但朱文佳觉得它们有一种算法理解不了的东西。他说不出那是什么，但他知道那东西存在。

那个东西后来被证明是抖音整个产品哲学里最深的裂缝。算法可以优化节奏，但算法优化不了“人”。一个人对着镜头说话，说的内容可能很重要，但算法听不见内容，算法只听见沉默。

一只猫在窗台上发呆，那个画面可能很治愈，但算法看不见治愈，算法只看见静止。

朱文佳没有能力修补这个裂缝。他只能选择暂时忽略它。因为公司需要增长，增长需要算法，算法需要效率。在效率和温度之间，他选择了效率。这个选择后来被反复讨论、反复质疑、反复辩护，但在那个深夜，它只是一个疲惫的人做出的一个疲惫的决定。

抖音上线后的第二个月，数据曲线继续爬升。团队搬到了更大的办公室，招了更多的人，开了更多的会。会议室的灯管换成了新的，不再嗡鸣。白板上的字迹被擦掉又写上，反复到板面发毛。梁汝波那行红字还在，但已经变得模糊，像一句被时间冲淡的誓言。

朱文佳在一天深夜加班时，走到那面白板前，用手指摸了摸那行红字。墨迹已经干了，摸上去没有感觉。他拿起马克笔，在那行红字下面画了一条线，然后写了一个日期。日期下面又写了一行字：音乐响起了。然后他放下笔，退后两步，看着白板。红字、黑线、日期、新字，从上到下排成一列。像一列火车，载着不同的时间，驶向同一个方向。

他关掉会议室的灯，走出去。走廊里没有人，只有头顶的灯管发出持续的嗡鸣。他走到电梯口，按下按钮。电梯门打开的时候，里面是空的。

他走进去，按下了一楼。电梯下行，数字从十二跳到十一，跳到十。他想起那个晚上，张一鸣站在这个电梯里，说“不急”。现在，数据曲线正在告诉他，也许真的不用急。但他也知道，曲线的陡峭程度已经超出了所有人的控制。

抖音正在变成一个他认不出来的东西。它比他设计的更大，比他预想的更快，比他理解的更复杂。电梯到了一楼，门打开。他走出去，穿过大堂，推开玻璃门。外面是北京凌晨的夜色，园区里只剩下零星几盏灯。

他站在门口，掏出手机，打开抖音。首页推荐的第一条视频，是一个女孩在路灯下跳舞。音乐是一首节奏明快的流行歌，画面切换的节奏和音乐的重拍几乎完全对齐。他看了两遍。然后他把手机放回口袋，走进夜色里。

音乐响起的时刻，没有人知道这首歌的名字。但所有人都能感觉到，节奏正在变快。