但无论是垂直论坛还是综合平台，内容的沉淀往往依赖于人的干预(加精华或编纂)。这决定了信息的被沉淀往往是大众向且相对滞后的：更低频、更小众的内容因为缺乏足够的专业编纂者而难以被发现;更繁杂的格式和更严格的审核需求导致有效性信息并不能第一时间成为沉淀内容。

这就是为什么很多问题不容易在百科中找到答案：要搜寻时效性的信息，我们更倾向于微博;而更小众的信息则只能通过搜索引擎，去那些少人问津的博客中挖掘。此外，现有百科类内容多为文字载体的现状，也限制了如声音、视频等富媒体内容沉淀下来的可能。

让时空汇聚，重新思考信息的有效传播与沉淀

既然算法能以统一的标准筛选出畅销内容，无论音视频内容都可以经由推荐算法分发，部分解决了信息传播的空间问题。那么，我们是否有可能通过算法去筛选出长销的知识型内容?

从这个假设出发，给业界带来了新的思考切入点：

通过算法的方式，我们可以首先分析内容的时效性、剥离出那些长时效性的内容，再通过语义分析，识别出其中更有信息量的部分，得到候选的可长期消费的内容集合。机器算法的介入，使得内容有价值与否的识别权从少数专家手中解放出来，更能够广开言路、不拘一格选用内容。在载体上，算法的介入进一步放开了文本载体的限制，可以同时容纳音、视频内容，从而构建出一个更具包容性的“多媒体百科”。

更让人兴奋的是，当时间因素和空间因素汇聚在一起，信息的流动也具有莫大的可能性。一些平台将算法分发内容与算法识别知识融合在一起，让信息的流动变得更有价值。以「Ta在」为例：

- 在长销型内容识别上，「Ta在」引入了演化群体智能算法(ECI)，通过对信息点的抽取和组合，机器化的生成知识信息，使得沉淀内容的生产门槛变得更低、载体更丰富、响应也会更加迅速。想象一下，你用手机拍摄的少数民族山歌也会被系统沉淀为一段资料，这会是一件多么美妙的事情。

- 而将价值导向的长销型内容与消费导向的算法分发融合，又有效解决了算法分发一直为人诟病的信息茧房、内容趋于低质的问题。因为系统已经获悉了内容的价值，所以可以更好的平衡用户信息流的消费性和价值性，不再片面的追求点击率指标而产生媚俗的现象;在多样性探索上，系统也可以将那些更长销的内容推送给用户，从而帮助用户发现一个个新的窄众知识领域，提升消费体验的价值。

更好的消费体验必然给平台带来更大的消费规模，而更大的消费规模使得平台有能力更好的迈向心中的那个理想国：更平等、更开放的信息创作与传播。

无论发布者背景贵贱都可以创作内容，可以是一段文字、也可以是一段音频或视频，创作门槛被降到最低。只要内容被发布，就能够得到系统一视同仁的知识性抽取和探索性分发。有消费性的内容就会得到短期广泛的曝光，有沉淀性的内容则会以结构化的形式存储、得到长期而精准的分发。

「Ta在」的工作人员道：“这种全新的内容理解和内容分发方式不仅仅是对于内容价值的尊重，更是对创作者的尊重——让每一次发声都变得更有力量，让每一个创作都找到属于自己的位置。”