AIGC赋能主流媒体转型发展的创新路径

王 虎 蔺佳心

作为一项颠覆性的技术应用，ChatGPT（Generative Pre-Trained Transformer）凭借强大的语言理解和文本生成能力，问世两个月便收获过亿用户，可谓“出道即巅峰”。相比之前的AIGC（AI-Generated Content）工具，ChatGPT 显得更加“多才多艺”：它可以作为互联网的信息和流量入口，丰富搜索引擎应用；可以与各类场景结合，提升用户体验和工作效率；可以通过API 接口以SaaS 服务的方式输出给千行百业，在各种垂直类应用中大显神通，全面提升人类社会的智能化水平。因此，ChatGPT 被认为是通用人工智能发展的奇点和强人工智能的拐点[1]，它正通过各种赋能手段成为协同化信息生产的引导者，成为媒介化社会复杂网络中的“穿针引线”者。

在ChatGPT 的加持下，AIGC 正在传媒业掀起一场新的技术革命，主流媒体必须正面这场时代洪流，敏锐审视媒体运行逻辑的变化，做好顶层设计，在新的传播体系中找准自身定位，以AIGC 赋能自身生产流程再造、用户体验、生态融合方面的创新发展。

一、AIGC 催生媒体运行的逻辑变革

（一）纵横升维：AIGC 的技术演进

刘慈欣在《三体》中描述面对外太空文明利用先进科技进行的降维打击，人类文明会显得不堪一击。人工智能技术推动科技革命不断迭代的步伐越发紧密，ChatGPT 创造性生成文本的能力，让使用者真正体验到与机器交流的畅快，使得AIGC 不再只是单纯的升级，而是一次“升维”式的革命性进化，它在纵向上加深了人工智能水平，在横向上拓展了应用边界。

AIGC 技术由三个基础设施构成，分别是硬件、算法和数据[2]。如果将硬件和数据比作其骨架，那么算法就像是肌肉和皮肤。算法的质量决定了人工智能的智能程度，也决定了生成内容的质量。从纵向升维看，ChatGPT 的革命性提升主要源于算法的不断精进。早期聊天机器人的底层算法是模式匹配（Pattern Matching），即通过调取之前生成好的预案对问题进行回答，它虽然减少了大量机械性的人力劳动，但其模式匹配算法的局限在于需要人工干预和规则限制，不能穷尽所有问题和答案，更不可能创造新的答案。后来发展出不需要人工干预的新模式，即机器学习（Machine Learning），通过训练数据自动构建算法模型，使机器能够完成预测、分类、聚类等操作，被广泛应用于自然语言处理领域。2018 年OpenAI 基于谷歌团队Transformer 机器学习框架提出了新的语言学习模型GPT（Generative Pre-Trained Transformer），具备很强的文本生成能力，能够通过对大规模语料库的训练生成与原始文本相似的、符合语法规则和语境的新文本，在文本自动生成、文本摘要、机器翻译等方面有着广泛的应用前景。

ChatGPT 的横向升维则体现在它极大地拓展了媒介的边界。在交互应用上，ChatGPT 彻底突破了之前聊天机器人的匹配模式，能够理解上下文并进行合理回答，并且向多模态交互快速更迭，使得跨媒介、跨领域的人机对话更加深入、更富意义。在语言应用上，ChatGPT 的生成文本质量非常高，不仅可以生成准确的语法结构和语义意义，还可以模拟人类的表达方式，使得人机交流更加顺畅自然；在行业应用上，ChatGPT正在通过与不同行业和垂直领域的交叉，消融既有的媒介边界，创造出许多新的应用场景，并且通过大量的社会需求、社会文本、社会表达、社会实践、逻辑关系的学习，形成智能化的知识基础，在社会复杂系统中的关系匹配能力和资源配置协同能力不断提升。

总之，ChatGPT 通过数据和算法的加持实现了对内容生产、传播方式和互动形态的革命性演进，从单一化、线性化转向多样化、立体化发展，从而推动媒介升维的进程。有两条逻辑清晰的线索贯穿其中，一是将人作为衡量机器的尺度[3]，AIGC 通过学习人的情感和认知不断增强自主性，实现对人的自由的拓展，推动个体在观念表达和传播中形成新的权力；二是不断推动复杂系统中不同行业、圈层的联结，互联网的中心化加速衰减，媒介生态表现出以自组织为中心、扁平化、流动性和连接一切的结构特征[4]，这也契合了互联网的分布式计算所带来的权力弥散与让渡，复杂系统下的非线性作用机制促使媒介边界被不断释放和激活，媒介与社会的一体化进程加速，逐渐形成动态平衡与价值共创。

（二）智能互联：媒体发展的立体化重构

AIGC 的出现并没有替代先前的PGC、UGC 等生产方式，而是作为一种强大的辅助手段为媒体发展提供更多可能性。AIGC 可以辅助记者进行主题策划、信息搜集、内容布局、事实核查，从而提高媒体运营效率和影响力，与数字虚拟人、智能语音合成、多模态互动组合，可以形成人机自然交互的应用，激发用户创作热情，提高用户黏性。可以看出，AIGC 打破了保罗·莱文森技术进化三阶段论的线性桎梏，也改变了媒介进化的替代关系，媒介技术独立进程的个性特征被弱化，成为并行共生的立体结构和全新的技术样态，它主要表现在两个方面：

一是智能互联时代的媒体价值重构。喻国明指出，社交网络的兴起使得“场景”成为内容组织、关系组织和互联网构造中的关键维度，它将“人（主体）—货（价值对象）—场（场景）”当成“黑箱”来实现三者之间的外部关系的建构。到了智能互联网时代，三者之间的结构和意义被拆分重组，媒体借助AIGC技术可以实现更加精准的内容生产管理、个性化服务乃至新闻传播的全链条重构[5]，其内在价值关系被不断“白箱化”，“价值构造”成为智能互联网的关键维度[6]。从本质上说，ChatGPT 以开放性的通用智能融入和以人为本的人性化体验，满足了数字文明时代社会要素、关系规则和现实场景重构的需求[7]，并推动新闻传播业态创新。

二是媒介与社会一体化进程加速。智能互联时代，传播的算法化使得媒介的影响已不局限于自身领域，而是逐步渗透到社会的各个方面，互联网的去中心化带来的权力弥散，给人们的生活和工作带来了深刻的变化和影响，智能互联网成为整个社会的“操作系统”。正如库尔德利所言，媒介和传播的变化与文化和社会的变化之间将紧密关联[8]，智能时代媒介与社会一体化发展已经成为一个不可避免的趋势。AIGC 强大的连接和资源整合能力，将一系列散落的社会要素和微小单元按照新的逻辑和法则重新整合起来，也成为复杂网络中自组织形态的典型特征，智能媒体以其与社会生活的高度嵌入、信息与关系的深度融合、促进行业之间的渗透融合等方面的独特价值，为智能社会生态的构建起到关键作用，媒体在社会治理中的主体性不断增强[9]。

二、AIGC 赋能下的主流媒体转型发展

ChatGPT 的出现为AIGC 打了一剂强心针，越来越多的主流媒体开始深化AIGC 布局，目前已有澎湃新闻、封面新闻、大象新闻等100 多家媒体机构接入百度“文心一言”生态，将AIGC 赋能自身的转型发展。这里的“赋能”指的是媒体主动离心发展，即利用人工智能技术打破垂直管理的局限，通过技术、市场、资金、管理、渠道等手段改变既有的生产格局，重新锚定媒体发展定位，优化用户体验，驱动媒体的形态创新、传播创新和商业创新，最终形成以价值共创为目标的融合生态。

（一）发展定位：算法逻辑下信息生产的组织者、引导者和协调者

智能互联时代，传播的去中心化过程加速，传统的传播权力格局不断被打破，主流媒体既有的传播力、引导力、影响力、公信力不断遭遇挑战。未来主流媒体无法仅凭一己之力完成整个社会的价值传播，而是要主动适应这种分布式、非线性的复杂网络结构，充分利用AIGC 的算法机制，做好信息生产和传播的组织者、引导者和协调者。

一是要以新技术、新体验不断激发UGC、PGC、AIGC 等多元主体的创作热情，激活其传播动力，做好内容生产的组织者和布局者，确保社会价值的整体“涌现”和主流舆论引导的效力；二是要将自身的专业经验、价值逻辑和话语表达，转化为面向不同内容生产者的服务支撑，形成智能互联时代社会价值创造的规则制定者和引导者；三是要建立智能时代的算法信任，维护社会价值生成和影响的公信力基础，协调好社会多元主体信息生产和传播的动态平衡。

（二）技术赋能：传媒生产的“友伴支持”

1960 年，互联网概念提出者利克莱德提出“人机共生”理念，主张通过人机耦合做出决策和控制复杂的情况，而不依赖于预先确定的程序[10]，这是人类对人工智能工具化使用的最早注脚。随后，计算机辅助新闻（CAJ）、数据驱动新闻（DDJ）、机器内容生成（MGC）相继问世，算法新闻、自动化新闻和新闻机器人不断参与到新闻生产之中[11]。但是，这一时期的人工智能技术还停留在工具化使用阶段，机器新闻写作多是对于体育、财经等新闻的程式化写作，千人一面的“快餐”产品使得新闻报道的品质大打折扣。职业记者所具备的调查能力、评论风格、创造力和驾驭复杂语言的能力是新闻业的重要技能，而聊天机器人所擅长的则是新闻报道的程式化和高速度[12]，这一结构性矛盾成为阻碍人工智能进入传媒生产的主要障碍。

解决记者的主体性与人工智能价值之间的矛盾，需要将人工智能技术的工具化支持转化为友伴型支持。记者一方面要锚定自身的独特性，坚持新闻报道的深度、视角的独特性和深厚的人文关怀；另一方面要充分利用AIGC 将自身从烦冗的数据和资料的搜集、分析中解放出来，将生产要素自动化并作为自身认知、决策和行为的“友伴”，从而改变主流媒体新闻生成的流程和方式。友伴支持将人的主体性与机器的智能化深度融合，以人机和谐共生关系提升新闻报道的品质和工作效率，实现了人的赛博格化[13]。从这一点来说，AIGC 可以产生强大的媒体协同生产能力，形成一个完整的、系统的、高效的新型媒体支持系统。

目前AIGC 多是基于通用型大语言模型的应用，适用于多个领域和任务，但是在特定领域应用时专业度不够，训练行业专属的大语言模型将成为AIGC 的发展趋势。彭博社训练的金融领域语言模型BloombergGPT[14]不仅在金融相关的任务上表现出色，还能反向提升通用模型的效果。这种成功经验也应推广到传媒领域，可以将以往的报道内容、视频画面、传播效果等作为训练集，开发出专用的大语言模型，更好地理解和处理传媒行业的特定术语、语境和叙事习惯，提升自然语言处理的精度和质量。

AIGC 的应用还能降低传媒工作者的业务门槛，快速提升制作水平和传播效力，尤其对于县级融媒体中心和基层业务部门，效果非常显著。2023 年，东方网基于大模型技术在自然语言处理领域的应用，在“融媒上海”平台推出大语言模型AIGC 产品“融小胖”，适用于县级融媒体中心采编人员辅助采访创作等各类场景。该产品不仅具有智能问答功能，还拥有强大的文本生成能力，可以通过学习大量的语料库自动生成公文、新闻、对话、纪要、方案等格式文本，并提供语言矫正、风格优化、内容分类、观点提炼等功能。通过学习大量的文本数据，“融小胖”可以判断文本的情感色彩，帮助了解评论者的情感倾向，辅助舆情分析和舆论引导。

（三）用户赋能：“阅读即服务”的用户中心转向

人是媒介发展的尺度，AIGC 可以极大地提升用户的自由度，赋能主流媒体对用户进行精准分析，真正做到根据个人喜好和需求进行个性化内容推荐，增强用户互动体验。这里提出的“阅读即服务”旨在丰富用户的信息消费体验，支撑主流媒体的各类媒体前端产品灵活快速聚合，智能匹配内容与应用服务，实现“信息即服务、搜索即服务、位置即服务”的应用场景创新，推动传媒产品丰富功能、聚拢用户、协同联动，构建信息资讯与高频应用的深度融合服务体系。

“阅读即服务”的本质是增强主流媒体的“智能可供性”，即构建智能时代人与媒介的平等互动关系，对加快主流媒体智能化转型具有重要意义。它包括以下三点：一是“技术可供性”，以AIGC 技术为内核，为各类媒体单位提供开放的开发接口及标准化资源，用“信息+ 精准推荐”服务模式提升用户体验和口碑，间接提升主流媒体的影响力和引导力；二是“关系可供性”，借助媒体的数据中台，基于AIGC 技术发掘信息与服务、用户的关系，推进三者的深度融合，推动“新闻+ 服务”创新融合模式；三是“服务可供性”，对接各类政务及公共服务，提供“信息即服务、搜索即服务、位置即服务”，为用户带来智能、高效、便捷的服务体验。

数字鸿沟主要用来形容信息富有者与信息匮乏者之间的信息差距，进而导致知识分割、贫富分化等问题。我国不断完善的信息基础设施显著弥合了接入沟问题，但是在能力沟和认知沟方面问题依然突出，老年人等弱势用户群体面临传播权力的差距，圈层区隔、数字沉溺、虚假信息等问题突出，常常处于数字社会的边缘。AIGC 在赋能该类群体突破专业能力和信息素养缺陷方面具有低门槛、高普适性的优势，不同文化、知识、能力背景的群体通过人—机对话、人—机—人沟通等方式进行自由交流，背后的人工智能在信息获取、关系建立、行动促成等方面给予赋能，将推动新的数字交往革命，以独特的“智能反哺”重塑人的价值尺度，加速数字社会中不同信息阶层的融合。

（四）生态赋能：“媒体+”的跨行业创新融合

AIGC 极大地拓展了媒介边界，以“媒体+”模式催生整个网络社会向复杂媒介系统演化，形成独特的媒介融合生态，它具有以下特征：一是主体多元、复杂互动，每个主体都是复杂网络的重要传播节点、社会关系节点和服务网络节点，在AIGC 的赋能下，单一节点的价值都有可能通过互动参与整体价值的涌现，融合生态具有典型的动态适应性；二是开放系统、边界消融，通过AIGC 技术，传媒业与智慧交通、智慧医疗、智慧城市等实现信息共享和价值流通，媒介与社会一体化进程加速，融合生态具有良好的价值流通特性；三是价值共创，主流媒体通过“媒体+”与其他行业之间、媒体价值链的各环节之间成为广泛而紧密的利益相关者[15]，主体间通过多渠道、多内容、多元价值之间的交叉重叠，形成不同层次的互动和价值共生关系，以价值形成模式创新实现媒体生产和分发的配置最优化。

以县级融媒体中心参与基层社会治理为例，目前多数县级融媒体在街镇社区层面发力不足，连接群众的“最后一百米”不够顺畅，可以通过AIGC 激活“媒体+”的价值连接通道，打造社区民生信息服务平台，作为基层治理现代化新的载体，有效构建街道社区民生领域的“微粒化”治理体系。在前台，前端产品以SaaS 服务的方式与各垂直领域连接建立新的应用场景，面向社区居民用户提供基层民生相关信息和服务；中台则面向街镇等机构用户提供相关智能化的应用开发和管理服务，不断进行媒体交互和数据处理，通过运营管理、数字应用归集、大数据分析等手段提供开放的开发接口及标准化资源；在后台，深入推进“媒体+政务”水平，以AIGC 技术为内核推动融媒体中心的运营能力与数字政府的智慧服务能力的有机结合，与一网通办、一网统管形成联动，通过关系和资源的精准化匹配支撑媒体与基层社会治理的协同体系。