当前位置: 首页 > news >正文

沉默基础设施——《窗口期:中国广播产业的十年抉择》系列第四篇

前三篇谈的都是产业。这一篇换个角度——广播这件事,放到一个国家的信息基础设施里看,到底算什么?

有一类基础设施,平时你完全感受不到它的存在。你从不感谢它、从不谈论它、甚至不知道它还在运转。但它一旦失效,整个社会就会在几个小时之内暴露出它有多脆弱。

电网就是这种东西。自来水也是。地下排水管网也是。

广播也是。

我给这类东西起了个名字:沉默基础设施。这一篇要讲的,就是广播为什么属于这个范畴,以及我们为什么在过去二十年里一直在默默地把它削薄。

一个你可能忘了的场景

图注:2003 年 8 月 14 日北美大停电,纽约市民步行过桥。5500 万人断电后,FM 广播成为最后一条还在运转的大范围信息通道

2003 年 8 月 14 日下午 4 点刚过,美国东北部一片黑暗。俄亥俄州三条高压线因为树枝接触而跳闸,连锁反应扩散到八个州和加拿大安大略省,5500 万人断电。纽约地铁停了,信号灯灭了,ATM 不工作了。手机基站靠备用电池撑了几个小时之后也陆续下线。最严重的地区到 8 月 16 日才恢复供电。

那两天里纽约没有陷入混乱,靠的是什么?两样东西:一是交通广播和新闻电台的 FM 信号——发射台有柴油备用发电机,信号覆盖整个大都会区;二是警车和消防车上的公共广播喇叭。它们是那座城市在电力中断之后唯一还在运转的大范围信息通道

这件事当时上了几天新闻,然后大家就忘了。

图注:Cronkite 在 CBS 晚间新闻直播中。那个时代"大家同时知道今天发生了什么"是广播电视的物理特性,在算法推荐时代已近乎消失

再说一个更远的故事。1960 到 1980 年代的美国,每天傍晚 6 点半,三大电视网的晚间新闻同时开播。Walter Cronkite 在 CBS,每晚观众 1800 万到 3000 万。三家合计,美国大约四分之一的人口每天同一时刻在听同一套新闻——大家同时知道今天发生了什么

今天的美国没有这种场景了。今天的中国也没有。你打开手机看到的是算法根据你的点击历史推给你的内容,你邻居看到的是另一组内容。"大家同时知道同一件事"这件事,在过去二十年里从这个社会的日常生活中消失了。

这两个故事看上去讲的是两件事——一个讲停电,一个讲新闻。但它们有一个共同点:都在说一层平时看不见、一旦需要就来不及重建的基础设施

算法能做很多事,但有一件事它做不了

今天的信息分发几乎全部走算法——短视频推荐、搜索排序、朋友圈信息流、新闻 App 的首页。算法非常擅长一件事:把每个人推向他最感兴趣的内容。你爱看足球,它就给你推足球;你爱看财经,它就给你推财经。留存率、点击率、广告收入——全部在涨。

但算法有一件事在结构上做不到:让所有人同时看到同一条信息

这不是平台不愿意,是算法的优化目标就是"个性化"。个性化做得越好,每个人看到的内容就越不一样。你不可能让一个追求个性化的系统同时提供"大家同时看到同一件事"的功能——这两者是物理上互斥的。

广播的物理原理恰好相反。一个发射塔把信号覆盖几十到几百公里,覆盖范围内所有打开收音机的人在同一秒听到同一句话。这个"同步性"不需要任何额外设计——它是无线广播的物理特征。

说白了:算法是"千人千面"的,广播是"万人一面"的。过去二十年里"千人千面"赢了所有的市场份额——但"万人一面"这个能力本身没有被替代,它只是被遗忘了。

两份账单

现在你可能在想:遗忘了就遗忘了,有什么大不了的?毕竟日常生活里我们确实不需要"万人同时听到同一句话"。

问题在这里——沉默基础设施的价值不是用日常使用率来衡量的。它的价值是用它失效时的损失来衡量的

这和电网是一回事。你不会用"今天有没有停电"来评价电网的价值——99.99% 的日子里它都在正常工作,但你每个月交的电费里有一大块是在为"万一停电时的备用发电能力"买单。这笔钱在正常年份里看起来完全浪费了。但 2003 年 8 月 14 日的那几个小时证明它没有浪费。

广播是同样的逻辑。你可以一年到头不听广播,但那个发射塔、那个频率资源、那部车载收音机、那条从发射机到你耳朵之间不依赖任何基站和电网的无线电链路——它们的存在本身就是一种保险。这份保险的价值不是"平时好不好用",是"极端情况下还有没有用"。

纳西姆·塔勒布在《反脆弱》里说过一句很精准的话:

"冗余是自然系统风险管理的核心属性。"

你身体里有两个肾,不是因为你每天需要两个肾的功率,是因为万一一个出问题,另一个能撑住。冗余看起来"浪费",但自然界没有一个长寿的系统是不冗余的。

广播就是信息系统里的"第二个肾"。手机网络是日常主力,但它有一个致命弱点——依赖基站、依赖电网、依赖运营商,三条里断一条就瘫了。广播不依赖它们中的任何一条。

但我们一直在把这个肾切掉

过去十五年中国在信息基础设施上干了一件非常不对称的事。

一边是"可见基础设施"的飞速扩张:

  • 300 多万个 5G 基站

  • FTTH 覆盖超过 90% 家庭

  • 超过 10 亿台智能手机

  • 全球最成熟的短视频、移动支付、网购生态

另一边是"沉默基础设施"的持续收缩:

  • 中波广播台站从巅峰期 1500 余座缩到 700 余座

  • 短波播出时长十年间减少过半

  • 智能手机里的 FM 接收能力从 2015 年的几乎标配变成了如今的少数机型才有

  • 部分新款电动车甚至不再装独立收音机模块

每一个单独的缩减决策都有它合理的理由——亏损的台砍掉、没人用的功能移除、节约的成本做更有市场价值的事。但加起来的效果是:我们的信息系统在峰值能力上越来越强,在底线冗余上越来越薄

打个比方:我们造了全世界最快的汽车,但一直在削减安全气囊的数量,因为"大多数人一辈子也用不上安全气囊"。数据上看,这个判断是对的。但你不会想坐在那辆车里出事。

一条不依赖政治周期的路

有一个规律很容易验证——每一次大的自然灾害之后,"广播在应急中不可替代"都会上一次新闻,然后引发一轮短暂的讨论和拨款。2008 年汶川地震之后是一轮,2023 年积石山地震和涿州洪水之后又是一轮。但每次讨论的热度都会在两三年之后降回去,因为更紧迫、更"看得见"的事情会重新接管所有注意力和资源。

沉默基础设施的维护靠这种"灾后一拨款、平时就忘了"的节奏是撑不住的。它需要的是一种不依赖政治关注周期的自动维持机制——每天、每月、每辆新车下线的时候,都在悄悄把这层基础设施加厚一点。

车载数字广播强国标可能是我们手上唯一能做到这件事的工具。它一旦写定生效,此后的几十年里每卖一辆新车就自动给这层沉默基础设施加一个节点——不需要政府每年追加预算,不需要行业领导每年重新开会。它把"维持沉默基础设施"这件事嵌进了产业运转的日常齿轮里。

说得再直接一点:如果我们靠行政拨款来维持广播基础设施,它永远会输给 5G 和高铁的预算争夺——因为后者有政治红利,它没有。唯一的出路是让它的维持不走拨款那条路,而是走"强制标准 → 市场自动运转"这条路。

算法之外的那层

最后说一个更大的问题。

今天一个中国人打开手机看到的信息,是推荐算法根据他过去的行为决定的。算法的目标函数是"让这个用户多花时间、多点广告、多买东西"。这个目标函数里没有一项叫"让全社会共享一组基准事实"。

这不是平台的错——商业公司的目标函数本来就应该是商业的。但结果是:一个国家公共信息层的节奏,事实上正在被几家平台的推荐算法定义

广播是目前仅存的一层不被算法定义其节奏的主流公共信息通道。它的排播是由社会的广播机构根据公共议程确定的,不是根据 CTR。这一层的存在,让一个国家保留了一种能力——在需要的时候让所有人同时听到同一句话

这种能力在平时看起来没有用。但它和电网备用发电能力、自来水备用水源、高速公路备用出口一样——它的价值在你需要它的那一刻才会显现,而那一刻你已经来不及去建设它了

一个社会的信息韧性,不取决于它有多少 5G 基站和多少智能手机——那些决定的是峰值连接能力。它取决于它还有多少层"算法之外"的公共信息通道——那些决定的是最低连接底线。前者越来越不稀缺,后者越来越稀缺。

前四篇到这里。我们从产业讲到了国家,从一张百亿门票讲到了一层正在被削薄的沉默基础设施。

最后一篇回到最具体的问题上来:那份正在编制的强制国标,应该写成什么样?为什么一个"强承诺"比一个"弱承诺"反而对所有人都便宜?1689 年英国议会给国王戴枷锁之后发生了什么?

下篇预告:《强承诺比弱承诺便宜——我们需要的是一份可信的时间表》

本文是《窗口期》系列·第 4 篇 / 共 5 篇

http://www.jsqmd.com/news/649888/

相关文章:

  • 基于Python的旅游出行指南毕业设计源码
  • MounRiver Studio V1.40深度体验:从RISC-V到ARM,一款IDE如何实现双核开发的无缝融合
  • 连续三年的加州伯克利数学竞赛(Berkeley Math Tournament, BMT)微积分试题的分析
  • **量化模型实战:用Python构建高精度股票收益预测模型**在金融工程领域,**量化投资**正成
  • 【架构实战】前端性能优化:SSR/懒加载/代码分割
  • FigmaToCode:如何通过三维编译引擎将设计损耗率从35%降至0.1%
  • ROFL播放器终极指南:轻松管理英雄联盟回放文件
  • EtherCAT模块化实战:从XLS配置到TC3集成的插槽与模块设计
  • 分期乐购物额度回收避坑指南:合规盘活,别让应急变踩坑 - 团团收购物卡回收
  • GameFramework资源管理避坑指南:如何优化AB包冗余依赖?
  • ComfyUI-Manager终极部署指南:快速搭建高效AI工作流管理平台
  • Windows风扇控制神器:用FanControl打造你的专属静音散热系统
  • 全网最全的AI测试面试题(含答案+文档)
  • Windows HEIC缩略图完整指南:3分钟解决iPhone照片预览难题
  • 家用路由器PHY芯片怎么选?瑞昱RTL8211E vs 裕太微YT8511实测对比
  • PCIe系统阻抗一致性验证:从85到100的实战仿真与优化
  • Hutool数字工具进阶玩法:用NumberUtil生成抽奖号码+进制转换黑科技
  • 从物联网到汽车电子:手把手教你根据项目需求选对RTOS(Zephyr vs. ThreadX实战指南)
  • OpenAI 计划 IPO 前聚焦核心业务:Sora 停摆,发力超级应用与企业业务
  • 终极指南:如何使用OpenCore Configurator轻松配置黑苹果引导程序
  • RexUniNLU实操手册:server.py接口压测报告(QPS/延迟/并发连接数)
  • 如何彻底解决ComfyUI-SUPIR内存访问冲突:3个关键步骤与优化指南
  • 光伏逆变器倍速链生产线厂家:6家主流品牌实测对比 - 丁华林智能制造
  • Zotero-Better-Notes终极指南:三步构建你的学术知识管理系统
  • Arm 宣布自产半导体,新款 AGI CPU 下半年量产,多家科技巨头赞赏
  • 2026 年高端激光灯品牌实测报告:行业标杆凸显,激光灯选购避坑指南发布 - 资讯焦点
  • League Akari:您的英雄联盟智能助手,如何让游戏体验提升300%?
  • 从Allan方差到Kalman滤波:一个完整案例讲透IMU噪声参数如何用于组合导航状态估计
  • 破解特质波动率之谜:用Python实战Fama-French模型下的异象分析
  • 手把手教你学Simulink——基于Simulink的故障诊断:绕组短路、霍尔失效、IGBT开路