默认自动播放与预取是显著成本
别名: 自动播放能耗 · speculative prefetch · default data waste
概念解释
自动播放与预取的能耗问题不在技术本身，而在「默认」二字。默认自动播放指页面加载即开始视频流，不等用户表达观看意图；推测性预取（speculative prefetch）指为可能的下一步提前拉取内容（下一段视频、可能点开的链接、后台刷新）。两者都把「可能被用到」当作「应当先发生」，未使用的部分就是纯粹的能源与流量浪费——而这由默认配置而非用户选择造成。
机制
成本被三个机制放大。意图错配：预取的命中率取决于预测精度，而预测精度永远低于直觉预期——用户翻走、退出、只看首屏的场景占比稳定存在，未命中的预取是零收益的满额传输。播放量虚增：自动播放把「加载了」变成「播放了」，播完即走的短视频流因此多出成片的被动观看时长，每分钟都对应接入网的实际能耗；静音自动播放的「诱饵点击」更是把浪费做成策略。成本外化：流量的能源代价由网络与电网承担、流量费用由套餐承担（或被「不限量」套餐隐去），产品侧看到的只有加载速度收益——收益私有化、成本社会化，默认因此长期偏向开启。
怎么研究
遥测可以完整还原浪费结构：预取命中率（预取资源被实际使用的比例）、自动播放完成率（自动开始的播放被看完的比例）、以及两者在总流量中的占比。结合功率测量（终端整机耗电对播放/空闲状态的差分）可以把流量浪费折算为能源估计。实验设计上，关闭默认的 A/B 对照给出行为补偿量——关掉自动播放后用户主动点击的播放量，即真实需求与刺激需求的差。方法论注意点：命中率与完成率高度依赖内容类型与场景（短视频与长视频、移动与桌面），跨产品引用数字前先核对场景构成；能源折算系数的选择（蜂窝/固网、区域电网）主导结论量级，需声明假设。
边界
预取并非天然浪费：对高确定性的下一步（已开始播放的下一分片、已选定的相册下一张），预取的命中率接近必然，属于合理的工程优化；该收紧的是低确定性预取（猜链接、猜内容、全库后台同步）。弱网环境下适度预取还能减少重传与空转等待，净能耗可能为正收益。自动播放也有可辩护场景（监控流、健身跟练），判据是有无用户意图的表达与默认值是否尊重该意图。
怎么落地
- 视频默认点击播放或首帧暂停 + 明确播放意图；确需自动播放的场景限制在无声预览、低码率首屏，用户关闭选择被记住。
- 预取分级：已确认序列（当前播放的分片）可预取，推测性预取（猜下一步内容、后台全量同步）默认关闭并按命中率动态开启。
- 后台刷新交给用户与系统调度：提供手动刷新与低电量/低网络档位，不做无条件的定时全量刷新。
- 验证：仪表盘跟踪预取命中率与自动播放完成率，任何命中率持续低于阈值的预取规则自动降频或下线。