大模型驱动下的传媒再造

郭全中?苏刘润薇

【摘要】从大模型技术的本质及其可供逻辑出发，深入剖析大模型对传媒业底层逻辑的颠覆，集中体现为以用户为中心的思维转变，驱动传媒业在生产、传播和营销领域实现再造。未来，传媒业应主动拥抱新技术，探索大模型的应用潜力与边界，积极寻求解决技术局限性的创新方案，以确保传媒行业可持续发展。

【关  键  词】大模型；新闻生产；智能传播；全链路智能营销

【作者单位】郭全中，中央民族大学新闻与传播学院；苏刘润薇，中央民族大学新闻与传播学院。

【基金项目】北京市社会科学基金规划重点项目“首都互联网平台企业社会责任与协同治理体系研究”的阶段性成果（22XCA002）。

【中图分类号】G206【文献标识码】A【DOI】10.16491/j.cnki.cn45-1216/g2.2024.03.001

2022年底，OpenAI发布的基于GPT-3.5的ChatGPT

人机对话应用程序掀起了全球性的热潮，上线短短几天内就获得了百万用户，两个月实现了月活跃用户数破亿的惊人增长。与此同时，全球互联网巨头纷纷加入大模型的研发竞赛，推动该领域的投资和相关概念股快速增长。截至2024年1月，国内市场已经涌现超过40款获得备案审批的大模型产品，这一趋势表明了大模型技术的广泛前景。在传媒行业，以人民网-百度·文心、央视听媒体大模型为代表的大模型相继推出，推动媒体行业能力的全面升级。传媒大模型应用范围广泛，涵盖新闻生产、新闻传播和广告营销等多个领域，为此，站在技术革新的风口上，我们亟须从大模型底层技术原理出发，深入剖析其应用于传媒业的可供逻辑以及对生产、传播和营销的再造，并探索传媒业的未来逻辑，以期把握大模型时代的重大机遇。

一、大模型的涌现：技术本质与可供逻辑

1．大模型的技术原理及其本质

ChatGPT背后的核心技术是建立在一个超大规模语料库基础上的预训练大语言模型（Large Language Model， LLM），这是一种采用自回归机制从左至右进行填字概率预测的语言模型，并基于提示（prompting）来适应不同领域的任务，而不需要针对具体任务进行再训练和微调。大模型之“大”体现在其海量的参数规模、庞大的训练数据集和对高性能计算资源的高度需求等多个维度。目前，大模型已经成为人工智能领域的基础设施，为解决各种复杂问题提供强大的计算、学习和求解功能［1］。

基于大语言模型演进出了两个主流的模型方向（具体见表1）。一是由谷歌推出的BERT模型。作为2018年末以来最流行的方向，其几乎统治了整个自然语言处理（Natural Language Processing， NLP）领域，并在自然语言理解类任务中（如文本分类、情感倾向判断、机器翻译等）表现出色。二是由OpenAI发布的GPT模型，如今已迭代更新至GPT-4并展现出极为惊艳的效果。其本质是大型多模态模型，支持文本、音频、视频等多模态信息的输入和生成，并且能读懂梗图、创作歌曲、编写剧本，甚至在各大考试中取得几乎满分的成绩，展现出无所不知、无所不能的“涌现能力”（Emergent Abilities）［2］。

大语言模型与人类的认知模式具有高度相似性，其本质是通过一个“大一统”模型来认识世界。例如，GPT-3是在拥有3000亿单词的语料库基础上预训练出的拥有1750亿参数的模型，GPT-4的参数量增加至约1.76万亿。这些巨量参数都是沉淀下来的AI对世界认知的微小单元集合，涵盖AI对各类语法、句法的学习及对事实的认知。经过预训练的大语言模型不仅能理解人类的语言使用技巧和各种知识，甚至还懂得代碼编写，表现出对特定领域的强大适应能力，并最终带着训练后的认知直接作用于垂直领域的应用，如闲聊对话、代码生成、文章撰写等，实现对这些领域的“降维打击”。

2．大模型技术的关键性突破：AGI的可能性

大模型技术作为人工智能发展史上的一次根本性突破，有力推动了人工智能通用性和复杂性处理能力的提升，预示着通用人工智能（Artificial General Intelligence， AGI）发展的可能性。

自1956年达特茅斯会议上首次提出“人工智能”概念以来，如何利用机器来更好地服务人类成为人们长期以来的愿景。AGI就是构建一种能胜任人类所有任务甚至超越人类能力限制的智能系统，以实现全方位、无界限的智能辅助为目标，开创一个由终极智能塑造的全新世界［3］。AGI的颠覆性创新在于其重塑了人机交互的方式，从人与技术之间的单向辅助升级为人与模型之间的深度交互。这意味着人类与AGI将形成一种新型的合作关系，即“人类+AGI=知识生产”。换言之，AGI不仅能生成内容来辅助人类的沟通，而且其本身也具备对整个世界的认知和理解能力，在与人类的交互过程中共同推进知识的生产和对世界的建构以及价值的创造。

如果说ChatGPT让人们看到了AGI的曙光，那么2024年2月16日OpenAI发布的首个文本生成视频模型Sora则意味着AGI将在不久的将来实现。根据OpenAI官方发布的48个文生视频Demo，基于DALL-E 3和GPT模型的Sora展现出强大的功能：一是能够根据文本提示生成长达60秒的视频，且视频主体连贯稳定；二是能够利用多角度镜头构建三维空间，如流畅自然地从街景全景切换至脸部特写，且保持逻辑的连贯性和一致性。除表象突破外，Sora的核心亮点在于技术思路的转变，即其所涌现的“世界模型”特性能够模拟真实的物理世界，并形成对世界的全面、准确的认知与理解，从而使AI生成的视频更加流畅和符合逻辑。例如，Sora在还原越野车在山路上行驶的片段时，能够理解不同路况下车辆的行驶状态和可能出现的场景，并在视频中呈现接近现实的倾斜度和颠簸感。因此，Sora的横空出世不只是AI视频制作能力的突破，更重要的是体现了大模型技术在认识和理解世界的基础上所带来的新成就，更进一步接近AGI的实现愿景。

3．大模型技术的可供逻辑

技术可供性指一项新技术在使用过程中可能实现某种功能或达到某种效果的可能性，并通过使用主体及其感知行为实现技术效能的发挥［4］。大模型技术的可供性体现为其卓越的生成能力、高度的交互性和日益增强的拟人特征，可在多个维度上为用户提供前所未有的功能体验和创新空间。

一是大模型的生成可供性凸显了其深度学习的强大能力，可自主学习非结构化及半结构化数据，理解并最终生成符合人类自然语言习惯的结构性文本。二是大模型的对话可供性体现了人机交互的新高度。与传统基于规则的交互系统（如Siri）相比，大模型应用下的新型人机交互系统利用上下文学习和自注意力机制，可实现更加流畅和连贯的多轮对话，满足用户的信息需求，展现出质的飞跃。三是大模型的拟人可供性涵盖两个方面：一方面，融合文本、图像、音频、视频等的多模态信息处理能力，构建出更为立体、生动的交互体验，增强用户感知上的真实感和亲近度；另一方面，基于人类反馈的强化学习（RLHF）嵌入人类偏好，有效校正自我学习过程中可能出现的内在偏差，从而提升生成内容的准确性、合理性与人性化水平。

二、生产、传播与营销：大模型引领数智化传媒再造

人类历史演进就是技术不断平权的过程，技术的快速发展使人类的能力边界不断扩展，效率不断提高。大模型技术作为人工智能领域的突破性飞跃，是对人类能力的又一次革命性释放与赋权深化，由此颠覆了传媒业的底层逻辑，集中体现为以用户为中心、“以人为本”的思维转变（具体见图1）。

图1 大模型驱动下传媒业的底层逻辑革新

1．多维度范式革新：大模型重构新闻生产底层逻辑

（1）主体维度：AIGC提升传媒内容生产力

继专业生成内容（PGC）、用户生成内容（UGC）、机器生成内容（MGC）之后，大模型引发了人工智能生成内容（Artificial Intelligence Generate Content，

AIGC）技术能力的质变，其作为Web 3.0时代以AI

大模型为技术支撑实现生产力跃升的内容生产模式［5］，代表了内容生产主体的根本转变，即AI自主内容创作。

在生产效率方面，AIGC能实现全天候、实时的内容产出，极大缩短了新闻的生产周期，提升了新闻报道的时效性，更快满足了公众的信息需求。例如，南方都市报社的写稿机器人“南都·湾财AI快报”每日能自主生成超过300篇新闻稿件，处理能力相较传统方式提高了10倍，且生成的语句流畅性和语法正确性也符合自然语言标准。这种高效率的内容生产方式在应对体育和财经类报道、重大事件报道、突发新闻处理等方面展现出无可比拟的优势。

在业务操作方面，AIGC简化了媒体从业者的工作流程和負担。借助大模型对海量数据的智能化处理能力，AIGC能精准抓取和梳理关键新闻要素，并应用于新闻导语、采访提纲等生成，以及转换文件格式、内容模态等方面，从而使从业者将精力从基础性工作中抽离出来，更多聚焦于深度报道、观点阐释、价值判断等更具挑战性和创造性的领域。

（2）内容维度：多模态内容掀起视觉化浪潮

多模态和跨模态大模型（如GPT-4、文心一言、Midjourney等）是在单模态模型基础上融合其他模态技术形成的。多模态大模型可以生成多模态内容，包括文本、图片、图表、视频、语音、表情包等融合性内容和直播［6］。具体而言，多模态大模型推动了传媒内容形式的多样化与视觉化转型，以更加丰富立体的形式呈现信息，如生产图文并茂的新闻报道、直观生动的数据可视化图表和配以解说的短视频新闻等，极大地提升了信息传递的有效性和用户的接受度。此外，随着直播行业的发展，多模态大模型正逐步渗透至实时流媒体内容创作，如根据主播的话语调整背景、插入动画效果、生成实时字幕或进行新闻稿的实时转写等，为用户带来前所未有的视听体验。

如2023年杭州亚运会期间，有记者利用AI技术实时识别直播流中的语音和文字信息，结合预设模板仅需数秒便可生成赛事集锦短视频。在媒体大模型领域，中央广播电视总台与上海人工智能实验室合作推出了首个专注于视听媒体内容生产的央视听大模型（CMG Media GPT）。该模型结合总台庞大的视听数据资源及上海AI实验室的算法和大模型训练基础设施，可为视听节目的创作和剪辑提供技术支持，从AI换脸到超写实数字人、AIGC动画等应用，由此掀起了传媒视听转向的浪潮。

（3）叙事维度：非线性化叙事重塑叙事文化

传统依靠印刷媒介的新闻文本叙事具有线性化、单向性、封闭性的特征［7］，能帮助受众建立线性的思维逻辑，是一种更具逻辑性、系统性和思考性的叙事话语，而电子媒介的出现使得叙事模式呈现碎片化、感性化和娱乐化的倾向［8］。以ChatGPT为代表的大模型开拓了一种新型人机交互界面，不仅颠覆了传统新闻的表达方式和呈现形态，也形成了一种基于“界面连接”的全新超文本的非线性新闻叙事文化［9］。

第一，大模型应用下的人机对话交互模式融合了用户、界面和背后算法程序于叙事架构中，成为新闻叙事的底层机制。这种对话式的新闻叙事话语改变了新闻的生成和阅读逻辑，使用户从新闻的接受者转变为对话的参与者，在某种程度上可视为“对话新闻学”转向的一种实践平台［10］。用户在聊天框中输入问题，生成式AI可基于大模型智能算法即时提供个性化的新闻回答或定制化的新闻故事，实现了新闻叙事的动态建构与深度参与。

第二，多模态大模型驱动的新闻生产环境拓展了新闻生产的边界，深化了以情感体验为核心的情感化叙事。一是传媒角色从“信息的提供者”向“体验的培育者”转变［11］，注重捕捉用户的情感体验并融入新闻生产流程之中，从而提升新闻文本的用户满意度和内容共鸣度。二是凭借大模型强大的数据处理和跨模态转换能力，复杂、抽象的数据得以转化为自然语言，甚至转变为生动的图表、图像或视频。在数据转译尤其是可视化呈现过程中，情感元素被巧妙地融入其中，所生成的内容超越了原始客观数据关系的机械式再现，转化为富有温度与感知力的叙事载体，在增强新闻叙事情感维度的同时激活了用户特定的情感反应［7］。

（4）关系维度：生产社会化与集体智慧连接

集体智慧（collective intelligence）指一群拥有不同态度或观点的个体［12］共同协作并执行各种任务的能力［13］。虽然目前大模型技术的产出未能完全体现真正意义上的集体智慧，但其基于深度学习的海量数据，结合与用户的实时互动学习和反馈机制［14］，可在新闻实践中的应用上构建一种新型的社会化生产模式，未来将为新闻生产社会化赋予更多可能。

第一，大模型技术的优势之一在于其对用户指令和行为数据的深度理解和利用，可将用户直接纳入新闻内容迭代生产的过程。这种“虚拟集体智慧”的形成为新闻内容的生成、编辑和定制提供了新的可能性，不仅促进了新闻内容的多样化和个性化，还在新闻选择、报道角度和叙事方式上反映出更广泛、更深层次的集体智慧和社会意识。

第二，集体智慧的主体呈现异质化延展趋势，不再局限于人类成员间的协作，而是逐步涵盖人机协作以及机器间（如AI系统之间）的集体智慧集成［15］。这也意味着新闻生产的社会化过程不再单纯依靠人力驱动，而是借助大模型技术手段实现更高层次的社会化融合。机器智能与人类智慧相互补充，共同捕捉和反映社会变迁与公共意识的脉动，由此奠定了更为开放、包容与高效的新闻生产基础。

2．传媒生态新变局：大模型开启了智能传播革命篇章

（1）点对点互动：新闻分发精细化真正实现了“千人千面”

在传统算法推荐框架下，新闻分发机制面临多重局限性。一是算法模型主要依赖于已有的用户行为数据进行推荐，往往难以充分理解长尾群体和新用户的兴趣；二是出于隐私保护的考虑，现有数据集中的用户画像由高度浓缩的信息构成，由此限制了算法推荐的效能；三是新闻数据本身可能存在诸如标题与内容不符等问题，导致模型难以捕获新闻更深层次的语义内涵［16］。

大模型的应用使得新闻分发不再停留于满足“一对多”的大规模用户需求，而是追求极致化的个体适应性，构建精细化、个性化的“点对点互动”模式，真正实现了“千人千面”的定制体验。例如，有学者提出一种基于大语言模型的生成式新闻推荐框架GENRE，利用大型语言模型中预先训练的语义知识来丰富新闻数据（如每篇新闻文章的标题、摘要和类别），再将其输入大语言模型中生成丰富的新闻信息，然后重新整合至原始数据集进行下一轮迭代生成或用于训练下游新闻推荐模型［17］，这种模式颠覆了传统的算法推荐逻辑。

大模型引导的新闻分发体系具有高度的迭代性和交互性，用户能够在与生成式AI应用程序的连续对话过程中不断细化需求、深化理解，使其持续优化内容并就特定话题或细节提供详尽深入的回答。这种“一问一答”的循环过程实质上构成了一个实时的新闻生产和精准传播闭环，极大地提升了传播效率和用户体验。

（2）网络状连接：人机共生网络塑造新传播权力中心

在数字智能时代，人工智能等新媒介技术打破了传统金字塔式的信息传播秩序，取而代之的是一个高度原子化的传播网络［18］，用户不再是信息的被动接受者，而是成为网络中具有能动性的节点。与此同时，技术也不再仅被视为工具，根据计算机是社会行动者（Computers Are Social Actors， CASA）范式，计算机、机器人等新兴技术并非单纯的工具，其在融入社会的进程当中被视为“社会行动者”，并遵循人们对于特定“社会行动者”的期待［19］。换言之，信息传播从传统媒体主导的单向、封闭及传者与受者界限分明的传播关系，转变为数智媒体生态中人类与非人类行动者所构成的去中心化、块茎状、动态的网络状传播结构［20］。随着大模型时代的开启，人机关系进一步深化为耦合共生的交互形式，人工智能已由外部辅助工具演变为与人类互补共生的存在，共同构建人机生态系统。

然而，网络化关系仅仅消解了传统的传播权力运作机制，权力的产生既取决于行动者本身的属性，也取决于其在网络结构中的相对位置以及与其他行动者的关系互动［21］。当大模型及其相关应用直接与用户建立一对一的深度连接，在这个过程中就逐渐成为信息流通的关键枢纽，在引导信息流动的同时成为新的权力中心。

（3）场景化融合：大模型深化元宇宙新闻的实景交互

作为复杂技术集合体的元宇宙，其在发展进程中面临的一个核心技术瓶颈是人工智能技术何以实现从智能到智慧的质变。ChatGPT的出现预示着大模型有望赋予元宇宙更强的智慧内核，作为元宇宙落地过程中的基础性技术，ChatGPT的发展演进将会为元宇宙提供更强大的技术支持。而Sora模型作为一种“世界模拟器”，其可生成近乎逼真的虚拟视频的能力揭示了构建元宇宙场景的巨大潜力，进一步推动元宇宙成为现实。在传媒领域，大模型将从场景传播和虚拟数字人两个层面赋能元宇宙新闻的实景交互。

第一，大模型技術的深度应用显著提升了传媒业的数智化水平，降低了元宇宙的技术接入门槛，昭示着新闻体验的“再部落化”场景回归。一方面，用户可以数字替身打破传统界面的限制，潜入新闻现场获得亲历性感知；另一方面，大模型可通过优化交流机制为元宇宙提供多感官协同的沉浸式新闻环境，增强用户的全面参与感。以“齐鲁壹点”自主研发的元宇宙产品“天元发布厅”为例，用户在其中可以选择自己喜爱的人物形象，打造专属的“数字分身”；2024年该产品还创新升级了元宇宙场景互动方式，以“端上春晚”打造首个国风元宇宙互动场景，引入数字虚拟主持人，让用户能够在特定场景下进行跨域交互的沉浸式体验。

第二，大模型技术为虚拟数字人的开发提供了关键的技术动力，极大提升了虚拟主播在传媒领域的智能化水平。例如，第十二届中国苏州文博会上，魔珐科技的虚拟数字人Amanda成为苏州广电传媒集团的导览主持人。AIGC视频生成工具可以高效且精确地生成包含丰富表情和动作在内的高质量数字人讲解内容，显示了大模型技术在虚拟数字人制作方面的巨大潜力。

（4）国际化场域：创新跨文化新闻内容的共享与接受

技术创新是形塑国际传播格局的重要力量。历史上，从电报的诞生到广播和卫星通信技术的发展，西方国家由于技术资源的垄断性优势，构筑了以西方为中心向发展中国家辐射的国际信息单向流通体系。进入数字时代，我国积极占领5G关键基础设施的技术高地，以提升在全球传播中的地位和影响力。人工智能的发展和大模型技术的兴起，为推动全球新闻内容的多元共享和接受开辟了新途径。

大模型因其强大的通用性和跨语际传播的适用性克服了语言障碍，实现了新闻内容的多语种交互和高效精准翻译，从而解决了长期以来由于语言差异造成的跨国新闻传播难题。而且，大模型通过与用户进行深度交互，模拟创建了一种近似真实的国际交往社会情境，使用户在接收国际新闻的过程中获得更为丰富立体的感知体验［22］。这种互动模式增强了用户对国际新闻内容的理解力和接受度，有利于跨越文化鸿沟，增进国际社会间的信息交流与共享。例如，《中国日报》为了提升国际传播力和竞争力，自2023年1月底便开始积极布局大模型应用，在全社范围内推广、鼓励采编人员使用ChatGPT等人工智能工具，并以“双重内嵌式”的形态将ChatGPT整合进自身业务流程中。这不仅提升了新闻生产的效率和质量，也为国际新闻传播和跨文化交流提供了新的路径［23］。

3．全链路智能营销：大模型颠覆了传媒营销的传统路径

大众传播时代，传媒机构遵循“二次售卖”机制，将受众的注意力出售给广告商，广告收入成为其主要的经济来源。随着新媒体的发展，整合营销传播具有更强的适用性，即将各种营销活动视为一个整体，强调消费者导向、横向的跨媒体整合、关系的建立和长期效果积累。然而，随着大数据和数字智能技术的发展，以及电子商务和直播带货等新营销模式的出现，营销活动的即时转化成为可能，整合营销的成本也因此逐渐增加，其效果逐渐式微。如今，大模型从内容智能化创作、创意个性化生成、优化执行效率、深化互动体验和科学化营销决策等各方面给传媒的营销生态带来了颠覆性变革。为了提高营销的质量和效果，全链路智能营销的优势进一步凸显。

全链路营销指在消费者从初次接触品牌并建立认知开始，到最终完成转化的全过程中，通过广告等营销手段不断引导消费者进入下一阶段，从而达成营销目标的营销方法，强调关注消费者行为和心理路径的每一个环节，引导消费者转化和传播［24］。大模型驱动的全链路智能营销（具体见图2）在行为和心理路径上，通过与消费者的对话交互精准挖掘其深层次需求，并通过优质内容的生成传递价值理念，与消费者建立强连接关系，提升其情感体验，促使其进行UGC或PGC的内容产出，最终完成消费行为或进一步分享和传播。

（1）营销手段：对话交流挖掘消费者深层需求

大模型应用本质上也是搜索引擎的一种，其不同之处在于能够提供一整套基于知识而不是基于数据库的定制化方案，因此，大模型应用下的营销方式不再是基于消费者内在需求的商品推送，而是一种基于内容生成式的电商平台［25］。内容生成体系是最好的营销话术，促成传统面对面营销方式的再回归。对话交流除预测消费者的表层需求外，更重要的是挖掘其深层需求，引发消费者的深层兴趣，突破当下营销的最大难点。例如，百度营销正在基于大模型和生成式AI建设“更懂用户的用户理解模型”，利用文心大模型为每一个企业打造在百度的专属智能分身，使其能够以最佳的方式与用户进行自主交流，从而激发用户深层需求，提供精准服务。

（2）营销内容：智能化创意生成成为新兴潮流

传统的营销创意通常来源于个人的创意灵感迸发或团队协作的“头脑风暴”，创意生产的效率较低。大模型技术能够根据不同消费者群体、多样化的媒体介质和各种营销诉求，持续且快速地产出“千人千面”的个性化创意内容。例如，谷歌已经能根据用户的搜索关键词（如“干燥敏感肌护理”）实时生成个性化、针对性的广告文案（如“舒缓你的干燥敏感肌”），且响应速度可缩至毫秒级别，实现了对每个用户需求的精准响应，而不是仅限于广告主现有的创意集合。

（3）营销模式：实现跨模态、跨终端场景转化

在大模型技术的推动下，营销模式得以实现从现实世界到虚拟领域的无缝跨越。一是依托大模型的跨领域理解能力和生成能力，在不同的媒介平台和多元化的情境中灵活运用多模态表达形式，如小红书营销文案、短视频带货脚本、公众号软文等多终端文本形态。此外，大模型与虚拟数字人的融合可在塑造人格化载体和人形沟通界面的基础上更高效地吸引粉丝，在品牌代言、内容营销、直播带货等场景中发挥重要作用。二是通过与虚拟现实（VR）、增强现实（AR）技术的结合，实时生成与用户互动场景相匹配的虚拟内容。例如，在虚拟试衣间中，消费者可以在虚拟环境中试穿服装，大模型技术能够根据用户的体型、偏好及反馈等，实时生成个性化的服装推荐和搭配建议，极大地丰富了用户的购物体验。

（4）营销效果：“共创+玩法”升级实现品效合一

随着广告与内容边界的日漸模糊，营销策略旨在同时满足品牌建设与效果转化的双重目标。一方面，传统品牌单向灌输式传播的营销方式已经无法有效吸引消费者，借助大模型技术让消费者参与到内容共创中，不仅会加深消费者对品牌的印象，还会激发其对品牌的归属感和忠诚度，主动分享和推广品牌。另一方面，大模型助力数字藏品玩法升级，共创品牌资产。基于大语言模型的具身智能数字藏品设计，能敏锐捕捉如动作、表情乃至情绪变化等多模态信息，并基于这些输入数据实时生成高度个性化且沉浸式的内容体验［26］。这种智能化的互动模式不仅拓展了传统数字藏品的功能边界，还赋予其情感共鸣的新维度，使用户在深度参与的过程中与品牌建立更为紧密的情感联结，从而为品牌资产的增值与共享开辟新的路径。

三、未来已来：大模型时代传媒业是悲观还是拥抱新技术？

在大模型技术推动传媒业革新再造的同时，亦不容忽视其内在的技术局限性及其对行业从业者潜在的职业冲击。技术大变革时代，传媒业不仅要适应技术变革，还应主动拥抱新技术，探索大模型的应用潜力与边界，同时积极寻求解决技术局限性的创新方案，这是确保传媒业可持续发展的关键。

1．风险隐忧：技术局限性与传媒从业者的主场争夺

（1）大模型本身的缺陷

人工智能依靠概率进行计算，大模型技术尽管在信息处理和内容生成方面显示了前所未有的能力，但其在处理自然语言处理（NLP）任务时的核心逻辑是一个“猜概率”的游戏，即预测结果基本上是对现有数据内容的重复，并伴随着由模型限制所引入的噪声或随机性，机器学习算法并不了解它所学习的问题［27］。因此，大语言模型就好比“随机鹦鹉”（Stochastic Parrot），可能会导致观点霸权、偏见歧视［28］、虚假信息等问题，这也是为什么其能“一本正经地胡说八道”。

对于传媒业来说，这些问题直接关系到新闻的真实性和客观性原则，尤其是Sora的出现将导致视频生产的门槛大大降低，由此引发新闻质量问题、广告欺骗、版权纠纷和职业道德伦理等隐忧。除此之外，大模型之所以能实现对用户的精准触达，关键在于其在与用户交互过程中所收集的用户信息。当个人数据被大模型背后的企业或平台私有化，大模型便在这种“数据圈地”中不断进化发展，由此可能出现侵犯隐私等伦理问题。

（2）传媒业的新“卢德运动”危机？

“卢德运动”是工业革命时期，由于机器取代了大量劳动力而导致大面积失业，英国失业工人以破坏机器为手段掀起的自发工人运动。在大模型时代，传媒业似乎也面临一场潜在的新“卢德运动”危机。不同于历史上的机器破坏行为，当前的危机主要体现在两个层面。一是大模型技术在内容生产中的应用，如新闻采编、文章撰写、视频创作等，挑战了传统新闻记者、编辑以及内容创作者的职业定位。二是大模型技术的发展可能导致传媒行业的部分岗位被取代，尤其是那些涉及重复性劳动、数据分析处理以及初级内容生产的相关人员，可能面临被“淘汰”的风险。这不仅会导致大量从业人员面临职业转型的压力甚至失业，还会削弱由专业素养和人文关怀所赋予传媒行业的独特价值内涵。

随着Sora模型的推出，其对短视频、直播、影视等行业可能产生的冲击已成为学界和业界关注的焦点。在传媒领域，不仅文字记者，视频记者同样也面临前所未有的职业挑战。尽管从长远的角度来看，人工智能、大模型等新技术的全面应用将孕育大量新兴岗位，但在过渡转型阶段，新岗位的创造往往滞后于因技术替代而带来的岗位消失，这带来阶段性的结构性失业。随着大模型已经融入人们生活的诸多方面，我们不能简单地将其视为传媒从业者职业危机的“元凶”，因为背后还存在政策、资本等因素的影响，但这种抗争可能会以“技术化”的方式发生［29］，未来还需从政策、经济、教育等多方面进行适应和调整。

2．未来逻辑：站在未来看现在

面对大模型时代带来的深刻变革与机遇，传媒业转型的关键在于超越传统的认知框架，应用创新性的解决方案构建与大模型技术共生的新逻辑体系。

第一，在逻辑层面，要以未来的视角审视当下，即“站在未来看现在”，将未来的可能性和趋势作为审视当下现实的透镜，积极拥抱新事物。这种前瞻性的思维方式超越了简单的未来预测，更侧重在预期的未来技术和社会环境中对今天的决策和行动进行适应性调整。例如，人民网积极应用新技术并重视对数据库的优化训练。在Sora发布后，其旗下的数据管理平台“人民数据”公众号就发布文章《人民数据打造全球最大中文语义语料库助力Sora新场景》，指出将为促进AI大模型发展，积极打造新闻数据、问答数据等语义语料库。

第二，在实践层面，拥抱大模型技术并不仅仅是技术层面的接纳，还需要从根本上改变现有的执行逻辑。这要求传媒从业者要做到知行合一，即在充分理解大模型技术能力和局限性的基础上，学习和掌握提问的艺术，以及调教和使用大模型的能力，引导大模型生成更具价值的内容与服务，并将其融入传媒业务的各个环节。

未来已至，面对新技术浪潮的机遇与挑战，传媒业需展现出更高的适应性与创新力，以实现与大模型技術的和谐共生。

｜参考文献｜

［1］刘学博，户保田，陈科海等. 大模型关键技术与未来发展方向：从ChatGPT谈起［J］. 中国科学基金，2023（5）：758-766.

［2］WEI J，TAY Y，BOMMASANI R，et al. Em-

egrent abilities of large language models［EB/OL］. （2022-

06-15）［2024-02-03］. https：//doi.org/10.48550/arXiv.2206.07682.

［3］郭全中，袁柏林. 从GPT看AGI的本质突破：传媒业新挑战与未来［J］. 新闻爱好者，2023（4）：30-35.

［4］杨奇光. 技术可供性视域下的数字新闻实践及其边界重思［J］. 西北师大学报（社会科学版），2023（4）：83-91.

［5］郭全中，袁柏林. AIGC与WEB3. 0有机融合：元宇宙内容生产的新范式［J］. 南方传媒研究，2023（1）：36-47.

［6］陆小华. 多模态传播与多维度竞争：智能传播新阶段［J］. 青年记者，2023（17）：60-63.

［7］刘涛，薛雅心. 技术何以“赋情”：融合新闻的情感叙事语言及修辞实践［J］. 新闻与写作，2024（1）：14-25.

［8］尼尔·波兹曼. 娱乐至死［M］. 章艳，译. 北京：中信出版社，2015.

［9］何天平. 从文本构造到界面连接：生成式人工智能对数字新闻叙事的重塑［J］. 新闻界，2023（6）：13-21.

［10］毛湛文，郑昱彤. “人机对话”的理想与现实：新闻聊天机器人应用的创新、困境及反思［J］. 青年记者，2020（22）：34-37.

［11］田浩，常江. 情感化叙事与数字新闻生产转型［J］. 青年记者，2023（12）：19-21.

［12］LEIMEISTER J M.  Collective intelligence［J］.  Business & Information Systems Engineering， 2010（2）： 245-248.

［13］WOOLLEY A W，AGGARWALL，MALO-

NE T W. Collective intelligence and group performance［J］. Current Directions in Psychological Science， 201（6）： 420-424.

［14］韓晓宁，周恩泽. 能力跃升与战略重构：生成式人工智能驱动媒体深度融合的路径探析［J/OL］. 中国编辑，1-9［2024-02-05］. http：//kns.cnki.net/kcms/detail/11.4795.G2.20240110.1332.004.html.

［15］黄阳坤，陈昌凤. “众智连接”的愿景与“硅基寡头”的隐忧：ChatGPT的知识功能与人类的知识危机［J/OL］. 现代出版，1-10［2024-02-05］. http：//kns.cnki.net/kcms/detail/11.5979.G2.20231218.0935.002.html.

［16］LIU Q，CHEN N，SAKAI T，et al. A First Look

at LLM-Powered Generative News Recommendation［DB/OL］. （2023-05-11）［2024-02-06］. https：//doi.org/10.48550/arXiv.2305.06566v1.

［17］LIU Q，CHEN N，SAKAI T，et al. ONCE： Boosting Content-based Recommendation with Both Open-and Closed-source Large Language Models［DB/OL］. （2023-08-31）［2024-02-06］. https：//doi.org/10.48550/arXiv.2305.06566v4.

［18］郝雨，文希. AI嵌入新闻生产的强势与限度：人机关系视域下ChatGPT与记者的新闻职业主场争夺［J］. 编辑之友，2023（11）：52-58.

［19］NASS C，STEUER J，TAUBER E R. Computers are social actors［C］. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems，1994.

［20］郭全中. 技术迭代与深度媒介化：数智媒体生态的演进、实践与未来［J］. 编辑之友，2024（2）：60-67.

［21］刘可文. “传播即权力”：曼纽尔·卡斯特的网络社会权力理论与实践［J］. 传媒观察，2024（1）：68-76.

［22］何天平，蒋贤成. 国际传播视野下的Chat

GPT：应用场景、风险隐忧与走向省思［J］. 对外传播，2023（3）：64-67.

［23］方师师，邓章瑜. 对外传播的“ChatGPT时刻”：以《中国日报》双重内嵌式人工智能新闻生产为例［J］. 对外传播，2023（5）：72-75.

［24］ CTR：《2020年短视频全链路营销白皮书》（PPT）［EB/OL］. （2020-10-29）［2024-02-07］.  http：//www.100ec.cn/detail--6575090.html.

［25］谭晓影. 王小毅：ChatGPT，颠覆数字营销新“利器”［J］. 经理人，2023（4）：42-44.

［26］邹开元，范军. 智能传播时代文化数字藏品的发展导向、生产逻辑与传播战略［J］. 出版广角，2023（23）：57-62.

［27］胡泳. 超越ChatGPT：大型语言模型的力量与人类交流的困境［J］. 新闻记者，2023（8）：13-29.

［28］BENDER E M，GEBRU T，MCMILLAN-MAJOR A，et al. On the dangers of stochastic parrots：Can

language models be too big？［C］. Proceedings of the 2021 ACM Conference on Fairness，Accountability，and Transparency，2021.

［29］姚建华，徐偲骕. 新“卢德运动”会出现吗？：人工智能与工作/后工作世界的未来［J］. 现代传播（中国传媒大学学报），2020（5）：45-50.