Sora沖擊波下的媒體融合

摘 要：Sora沖擊波波及諸多領域，而媒體融合處于沖擊波的中心位置。媒體融合的概念和內涵都將產生顛覆性影響，需要徹底重構。媒體形式的界限和媒體形態的邊界是我們過去理解媒體融合的關鍵所在。而Sora告訴我們，隨著AI算力提升，智能傳播下文本、圖片、語音和視頻等過去舊有的媒體形態的邊界可以消解。進入智能傳播階段，媒體融合已然變成人類信息傳播的一次顛覆性的宏大變革，一場以大模型、算法和智能體等為基礎的超級數字融合已經開啟。要適應和趕上這一次浪潮，我們必須以全新的視角和理念來重新理解媒體融合。媒體融合的根本使命，就是走出過去基于大眾傳媒的集中控制、相對封閉的大教堂模式，而走向全球開放一體化的大集市模式。我們過去媒體融合的諸多努力存在著嚴重失焦的問題，一系列重大的戰略舉措并沒有真正聚焦在正確的方向和正確的趨勢方面，而更多被新興的傳播形式和現象所牽制。我們需要重估中央廚房、兩微一端、縣級融媒體等過去一切的著眼于舊有媒體形式的努力。站在新的趨勢上，以科技為基礎，圍繞數據驅動、AI生成和人機融合，尋找新的范式和路徑，重新定位媒體融合的主戰場，搶占未來主流的信息傳播機制。

關鍵詞：媒體融合；Sora；AIGC；智能傳播；大集市模式

中圖分類號：G206.2文獻標識碼：A文章編號：2096-8418（2024）03-0002-13

一、重估媒體融合：Sora沖擊波下的概念反思

Sora展示了文本生成視頻的“世界模擬器”的全新可能性，標志著媒介生產自動化與媒體形態一體化的臨界點，開啟了人類傳播史上又一“谷登堡時刻”。［1］媒體融合的本質是技術融合，技術融合的本質是數字融合，亦即人類數字化技術的演進。［2］Sora呈現了全面打通文字、圖片、音頻和視頻等各種媒體形態的可能性，將媒體融合推到了全新的維度，也打開了媒體融合的新格局。可以說，數據驅動的人機融合，才是媒體融合的全新境界，導向了媒體融合真正的未來之路。

過去30年，媒體融合作為新聞傳播學科的基礎性概念之一，也是傳統媒體數字化轉型的核心理念，顯著地主導了整個理論和實踐方向。而隨著Sora作為文本生成視頻、世界模擬器的驚艷表現，這場沖擊波中媒體融合無疑處于中心位置，面臨根本性的重構。從傳播視角來看，Sora首先就是顛覆我們固有的媒體形式和媒體形態之間的邊界。而媒體形式的界限和媒體形態的邊界，恰恰就是媒體融合概念成立的基礎，是我們過去理解媒體融合的關鍵所在。

Keywords for Media Studies對“媒體融合”是如此界定的：在媒體和傳播的背景下，融合是指獨立的媒體技術、文化形式或社會實踐匯聚在一起以發揮類似的功能，形成新的混合媒體系統的趨勢。同時也提到了“媒體融合”這一概念最早可以追溯到Ithiel de Sola Pool（1983），他從技術的角度出發，將該定義分為兩個部分，一是單一的物理介質可能會實現許多以前被分開處理的功能；二是單一的文化功能或服務可以由幾種不同的技術來承載［3］。Pavlik（1996）也曾試圖將融合過程推測為“在計算機的驅動下，以電子、數字的形式將所有形式的中介通信結合在一起”。此后，眾多學者為研究“媒體融合”這一過程設計了大量模型進行論述，Henry Jenkins認為“媒體融合不僅僅是技術上的轉變。融合改變了現有技術、產業、市場、流派和受眾之間的關系。融合改變了媒體產業的運作邏輯，也改變了媒體消費者處理新聞和娛樂的方式。融合指的是一個過程，而不是一個終點”。而Flynn認為當設備合并時，融合就會發生；消費者是否會使用這些工具是一個挑戰。此外，如果消費者不適應這些設備（他們稱之為混合設備），融合就不會發生。［4］

Sora是一款由美國人工智能研究公司OpenAI發布的人工智能文生視頻大模型，于2024年2月15日正式對外發布。OpenAI對它的定義并非是普通的視頻生成模型，而是構建物理世界的“通用模擬器”。正如其名，源于日文“そら sora”，意為“空”，以昭示其無盡的創造潛力，其探索的是在視頻數據上對生成模型進行大規模訓練。具體來說，它可以通過簡單的自然語言描述，自行創作出長達一分鐘的視頻，可以實現詳細的場景、復雜的運鏡以及表情生動的多角色，這再一次顛覆了整個AI行業。正如其官網所說，“Sora是能夠理解和模擬現實世界的模型的基礎，我們相信這種能力將是實現AGI的一個重要里程碑?！保?］雖然，作為“物理世界模擬器”的表述可能言過其實，但是，Sora通過機器實現虛擬和現實的突破可能性，已經確鑿無疑。

重估媒體融合的基本概念需要考慮到數字化時代的發展趨勢和媒體環境的變化，Sora的出現所帶來的行業輻射是大范圍且具有轟動性的，這一股沖擊波對于“媒體融合”概念的重塑、升級同樣具有非常重要的探究意義。

二、超越媒體形態：打通文本、圖片、語音和視頻

對于媒體融合的認知，媒體形態之間的融合曾經是我們首要的方向。這一進程甚至可以追溯到整個人類歷史的起源和發展?？梢哉f，人類的一部媒體史，很大程度上就是一部不同媒體形態的發展史。

媒體形態是指在信息傳播過程中，信息所呈現的具體形式或載體，包括文字、圖片、音頻、視頻等形式。傳統的媒體融合概念主要強調不同媒體形式之間的融合，但隨著互聯網和數字化媒體的發展，跨平臺整合的重要性日益凸顯。因此，當我們重估媒體融合的基本概念時，可以更加強調不同媒體平臺之間的整合與協同，以提供更加豐富和全面的信息服務。

可控文本生成（CTG）是自然語言生成（NLG）領域的新興領域，是通過基于PLM的方法實現更自然、滿足特定限制的文本生成技術。尤其是基于轉換器的PLM，已成為自然語言生成的一種新范式，可以生成更多樣化、更流暢的文本［6］。目前較為成熟的文本生成模型——ChatGPT4是一款由OpenAI于2022年發布的人工智能聊天機器人，通過監督學習和強化學習在會話模式下開發出類似人類的文本［7］。谷歌公司同樣推出了一款名叫Bard的聊天機器人，它會根據不同指標來確保答案輸出的正確性，對信息處理也具有實時性，是一個多功能的內容生成工具［8］，且在2024年升級了圖像分析的功能。在此基礎上，擴展而來的AI Dungeon是一款基于文本，由AI生成的奇幻模擬游戲，高自由度和無限可能性讓用戶成為創建游戲世界的主導者，并產生交互［9］。諸如此類的文本生成技術，不僅在日常生活、工作中被廣泛應用，同時作為生成式人工智能的起點，為其他媒體形態的發展作了技術輸入的鋪墊。

從文本到圖像生成（TTI）是指使用可以處理文本輸入并根據文本描述生成高保真圖像的模型［12］。在這一領域中，主要基于GAN（生成對抗網絡）為重要的技術支持，在2014年由Goodfellow提出［11］。由此，也誕生了一批由AI驅動的圖像編輯工具，通過神經圖片編輯和GAN技術，不僅簡化了圖像內容創作者的工作流程，還提升了創作效率和數字藝術水平。具有突出代表性的DALL·E可以結合概念、屬性和風格，根據自然語言的描述生成原創、逼真的圖像藝術，基于后臺的龐大數據與算法，圖像生成過程中僅需要相應的文字與圖像，而用戶參與度是很低的［12］。而圖像作為藝術的標志性分支，就注定了生成式圖像只能作為創作工具或者輔助工具，而非具有主導性?？偟膩碚f，生成式圖像在各個領域都具有廣泛的應用前景，可以幫助人們創作藝術作品、改善圖像質量、輔助醫學診斷、增強虛擬現實體驗等。

Meta公司所推出的語音生成模型——Voicebox，可根據短至兩秒的音頻樣本，匹配音頻風格并將其用于文本到語音的生成，具有語音編輯和降噪、跨語言系統轉換、多樣化語音采樣等功能［13］。語音合成分為前端和后端，前端是涉及自然語音處理較多的部分，即文本處理部分，它將句子進行分詞、標音、標韻律等，生成包含了分詞結果、韻律、音素等的標注文件。后端則是聲學處理，利用標注和語音進行語音信號處理、建模，最終產生語音的過程，是語音合成關注的重點。［14］在Text-to-Speech中，生成式語音技術被廣泛應用于語音助手、語音導航、有聲讀物等領域，為用戶提供更加直觀的交互方式；作為輔助工具，能幫助視覺障礙者通過聽覺接受信息，拓寬這一群體信息輸入的渠道；在教育培訓行業中，提供語音教程、語音練習等教育資源，以及廣告營銷等行業，創作語音廣告、品牌宣傳，通過語音合成能增強用戶提供沉浸式的體驗；定制化語音助手和虛擬人物的實現也有賴于此項技術，比如深度學習模型Voice2Face，是一款可以根據錄制的語音生成面部和舌頭動畫的工具，并允許語音風格進行控制［15］，為多模態的媒體形態融合，提供了更多的可能性。

隨著AIGC技術的不斷發展，視頻制作領域也迎來創新的契機，其中文本生成視頻技術整合了文本處理、圖像生成、音頻合成等技術的進步，在各行各業都有著廣泛的應用。具有代表性的模型Sora，更是目前該技術的突出代表，該團隊也是由DALL·E的主要作者Aditya Ramesh領導的。Sora的一個重大突破是其所使用的架構，將傳統型文本生成視頻的擴散模型（Diffusion Model），與文本生成的Transformer模型進行整合，形成了Diffusion Transformer模型。Sora不是預測序列中的下一個文本，而是預測序列中的下一個“補丁”。通過使用這種架構，OpenAI在訓練Sora時，可以輸入更多的數據和計算，得到更出人意料的效果［16］。OpenAI將Sora視為“世界模擬器”的第一步，可以通過文本提示對現實的任何部分進行建模［17］，有了理解和模擬物理世界的能力，尤其是在元宇宙這一個集體虛擬共享空間里，融合了數字和增強現實的多個方面，包括社交網絡、在線游戲、AR、VR等，Sora的后代模型將會為此提供最有力的支持［18］。由此累積的技術迭代，也將推動AGI作為人工智能領域革命性前沿的發展。

綜上所述，不同的媒體形態通過互動、整合以及大融合這一發展過程［19］，多模態生成已成為傳統媒體形態破而后立的趨勢。深度學習模型所處理的不同類型的輸入數據，例如文本、圖像、語音等，打破了彼此之間的壁壘，通過組合搭配、轉換生成了更多樣化的輸出內容。傳統的媒體融合概念主要側重于內容的整合和傳播，但在數字化時代，用戶參與和互動成為信息傳播的重要特點。而借助AIGC的前沿技術，超越傳統媒體形態，數據驅動和個性化服務能夠大大增加用戶的體驗感，打破傳統媒體與受眾之間的單向傳播模式，實現雙向交流和互動。

三、超越媒體形式：貫穿傳統媒體、網絡媒體和智能媒體

迄今為止，理解技術驅動下的媒體變革，形式依然是最直觀的。傳統媒體、網絡媒體、社交媒體和新興的智能媒體，每一類媒體形式獨特，邊界清晰。而正是這種形式和邊界，成為商業模式和傳播機制建立的基礎。

Sora的出現說明了這種媒體的劃分方式面臨顛覆。傳統媒體是信息時代之前，專注于面向公眾的媒體渠道和機構，是主要用于傳播信息或推廣商品和服務的通信形式。印刷機的出現，在15世紀歐洲成為報業發展的重要標志；17世紀無線電的發明，推動了20世紀收音機的普及，廣播首次成為讓人們能即時獲取信息的方式；20世紀下半葉，電視成為大眾媒體的主導形式，解決了視覺通信的問題；雜志相比于報紙更具有視覺效果，且專注于單一主題，更具有專業性。傳統媒體因受其媒體形式的限制，雖然在信息分發上具有權威性，但在信息傳播上具有滯后性，鑒于此，也被定義為單向傳播［20］，且局限于獨立的地理區域。而傳統媒體的盈利渠道主要來源于印刷公司通過出售印刷物來賺取收益，傳統媒體公司則是通過廣告位的銷售，其商業模式的核心主要依賴于廣告商的需求［21］。

網絡媒體是所有經過編碼并可以在數字電子設備上查看、分發或存儲的媒體，是為高度針對性的在線受眾所設計。它仍然是傳統媒體的延伸，而不是替代［22］。隨著1983年互聯網的首次推出，至20世紀90年代初步形成大眾網絡傳播的Web1.0階段，其核心還是內容驅動；21世紀初的自傳播以及智能手機普及之后更強勁的移動自傳播，則重點關注社交凝聚的潛力，網絡媒體由雙向傳播逐漸走入網絡傳播的Web2.0時代［23］。在此基礎上，社交媒體是一種互聯網上的大眾媒體傳播形式［24］，被廣泛用來描述各種不同的數字平臺，是參與雙向實時溝通的重要工具。第一個社交媒體網站名為SixDegrees，于1997年發布。2004年，MySpace成為第一個月活躍用戶達到100萬的網絡。第一個流行的視頻流媒體網站是2005年推出的YouTube。全球最大的社交媒體網站Facebook，2019年已擁有24億用戶［25］。為滿足用戶需求，網絡媒體的用途被擴大化，其主要的媒體形式有社交網絡（Facebook、Instagram）、在線論壇（Quora、天涯）、博客（Blogger、Blogcn）、媒體共享網絡（YouTube、TikTok）、內容管理網絡（Pinterest）、播客（Spotify、QQ音樂）、電子郵件以及消費者評論網絡（小紅書、大眾點評）等。在多樣化的社交網站和應用程序的影響下，信息傳播能更快速度、更高效率、更大范圍、更低成本地與用戶形成互動［26］。

相比于傳統媒體受狹于廣告商的鉗制，網絡媒體更具有平等的話語權，提供了公平的競爭環境，不論平臺或是個人，生產者也是消費者，二者的關系可以進行有機轉換。比如商業公司或個體用戶可以自行創建社交賬號來宣傳、出售自己的商品，同時可以在網絡上比對原料成本進行購入，大幅度降低了運營成本，針對推廣產品的需求，也可向平臺購買相關流量服務。其次借助平臺的大數據技術，能根據用戶的特征、偏好和搜索歷史快速定位目標群體，確保該信息能傳達給最有消費潛力的客戶，并通過點擊數、購買量、以及郵件往來和致電來跟蹤營銷結果，即時通道的交流反饋能減少信息誤差，消費者也能通過品牌的網絡影響力或者其他用戶評論減少試錯成本，此模式大大拓展了網絡媒體形式的商業價值。

隨著互聯網向第三次迭代演進，我們已進入Web3.0時代。同時，媒體依托大數據技術也進入智能化時代。Web3.0的最佳解釋是其特征，即無處不在、去中心化、人工智能和語義網絡交互性。生成式人工智能通過學習大量數據的分布和模式，能夠創造出新的數據和內容，其背后的技術手段在時間域和空間域上，逐漸打破了人與人、人與物、物與物的隔閡。視頻生成模型Sora作為目前生成式人工智能的突出代表，超越了傳統媒體形態的界限，整合了文本、圖像、視頻等多數據輸入，成為AI驅動多模態大模型生成的標志性成果。從形式走向本質，基于大模型的信息和內容生產和傳播，成為未來的基礎。而形式僅僅是形式，不再重要。所以無論是任何形態、形式的媒體，僅僅只是顯性的特征，已不再是未來數字化媒體融合關注的重點，而從形式回歸本質，才應該是研究數字融合未來的主要方向。

在重估未來媒體融合的價值時，主要強調數據驅動的意義。智能媒體時代的內容生產，通過整合大規模數據集訓練模型，并深度學習數據的分布和模式來產出新的內容，根據不斷優化來改善生成質量。傳統的媒體融合主要關注不同媒體形式之間的整合和交互，但在數字化時代，需要更加注重內容生態的構建和價值鏈的優化，擴展多向的傳播模式。借助大數據技術，構建定向化的多平臺、多渠道進行內容生產和傳播，跨界整合實現資源共享和優勢互補；通過數據分析和個性化推薦等技術手段，根據數據進行內容創作和定制，提高內容的吸引力和可分享性，促進用戶參與內容的生產和傳播過程，增強了用戶粘性，可創造多種形式的內容將滿足不同受眾的需求，比如廣告收入、付費訂閱、內容授權等多元化的收益模式，也提高了智能媒體的商業價值和盈利能力，進一步實現內容生產、傳播和價值實現的良性循環。

四、跳出傳統思維：中國媒體融合舊有歷程的失焦

媒體融合是一個貫穿整個人類傳播發展的歷史進程?，F代媒體融合，主要是最近半個世紀數字技術廣泛應用于傳播之后，尤其是20世紀90年代互聯網浪潮之后。而最近20年，因為受到網絡媒體的巨大沖擊，媒體融合成為國家意志的重要方向。而隨著智能傳播走向主流化，我們“驀然回首”，就可以發現我們過去媒體融合的諸多努力存在著嚴重失焦的問題，一系列重大的戰略舉措并沒有真正聚焦在正確的方向和正確的趨勢方面。而更多被新興的傳播形式和現象所牽制。

2013年，黨中央提出媒體融合發展以來，國內以政府賦能自上而下的媒體融合行動到目前為止可分為兩個階段：一是以大傳媒集團“中央廚房”模式為主要特征；二是以“縣級融媒體中心”建設為標志［27］?！爸醒霃N房”式新型全媒體在2015年提出，用來闡釋以全媒體平臺，實施“一次采集、多種生成、多元傳播”的發展策略。其核心秘密在于“融合”，自身優勢凸顯于新聞素材的集中整合，能為合作媒體提供共享平臺；其次，更容易實現媒體形態的跨界融合以及合作媒體的跨地域、跨領域融合［28］，達到廣覆蓋、高效率的媒體傳播效果。但中央廚房的融合重點在于傳統媒體和新興媒體的“兩手抓”、體制機制的融合和生產流程的再造、不同媒體機構之間以及媒體和產業之間的融合［29］。由政府主導、多方參與的微傳播空間協作治理機制——“兩微一端”（微博、微信、客戶端）［30］，被視為傳統媒體實現“媒體融合”的關鍵，主要強調戰略融合、觀念融合、人才管理機制融合、資本融合［31］。從2019年到2021年，我國媒體融合發展進入深水區，縣級融媒體中心的建設成為媒介化治理的重要風向標。［32］其發展可分為三個階段，1.0階段重點關注技術先行物理相加的全面覆蓋，2.0階段關注生態互通內容提質實現相融，目前已進入3.0發展階段，其改革重點聚焦在人才賦能智媒加持實現融好。［33］

梳理過去30年中國媒體融合幾個階段的關鍵概念和理念，比如網絡化、中央廚房、兩微一端等每一個階段熱門概念，其融合的模式主要是媒介拓展，其所做出的融合努力只是一種拼接、相加，這種錯誤的目標和方向“誤導了”媒體融合的努力，并未真正帶入融合思維。［34］在中國特有的語境之下，媒體融合實踐本質上是一種被多種力量合力推動的傳媒變革［35］，政府、傳統媒體、新興媒體等多元行動主體與制度、技術等力量相互交織，共同作用［36］。但究其根本，技術驅動才是媒體融合的根本驅動力量，因為媒體變革的開端往往是技術變革［37］，這亦是人類社會發展的底層邏輯［38］。AI、短視頻、算法推薦等技術發展不僅提升了媒體融合在技術設備層面的支持，也改變了內容生產方式與傳播方式。這涉及媒體融合的另一個誤區，即信息和內容的生產問題，這是傳統大眾媒體賴以成立的基礎，也被視為大眾媒體這個行業和職業存在的合法性所在。生成式人工智能以其創造性的技術邏輯帶來內容生產的能力躍升，深化智能機器與從業者價值互構的生產流程，大幅提高驅動媒體深度融合的實踐潛力。［39］近期Sora的出現更是進一步表明信息和內容的生產不再是新聞媒體職業的“專長”，更不是“專利”。高質量的內容生產，隨著技術進一步演進和改進，機器顯然更擅長，必將全面接手。

隨著媒體融合的深度推進，各大媒體尤其是主流媒體的融合困境逐漸顯現，如“中央廚房”模式下價值鏈的優化問題［40］、囿于體制機制的尷尬處境［41］等，學者們紛紛試圖探尋媒體深度融合的破局之道，大致有如下幾條進路：一是尋求體制機制上面的創新。傳統媒體之間的部門壁壘已經成為融合創新的阻礙，成立融媒體工作室或可破局，因為它不僅可以實現跨部門合作，打造專業化創作團隊，還可以實現精準化傳播，提高品牌影響力。［42］二是尋求更大層面的結構上的突破。因為“基層主流媒體在理解和貫徹中國媒體融合頂層設計時的思維偏差與實踐走樣”［43］，縣級融媒體中心與鄉村連接方式的調整也未能適應鄉村社會關系結構的變化［44］，導致了媒體融合因結構性因素在創新行動上的偏差［45］。三是尋求媒體融合的數字化轉型。這一路徑得到了諸多學者的認同。主流媒體長期專注于數字技術研發與創新，手握大量數據與信息資源，更易與各大互聯網媒體后臺系統進行技術對接。［46］大數據等技術手段的引進也使得媒體提供的服務更趨多元化，從單一服務轉向多元服務。［47］

無論是哪種破局之道，不難發現，學者們都敏銳地捕捉到了媒體融合的轉變。其一是媒體融合所處大環境的變化，互聯網技術尤其是數字技術的發展使得人類社會的信息傳播范式發生了根本性的轉變：以計算、傳輸、存儲、數據和算法等核心要素組成的新型傳播基礎設施初步奠定，人類傳播范式從過去傳統大眾傳播主導的自上而下、集中控制的大教堂模式走向了數字新媒體主導的自下而上、開放分布式的大集市模式，數字傳播已成為人類社會主導性的傳播新范式。［48］這種技術變革帶來的社會信息傳播機制的范式變革引發了媒體融合第二層次的轉變，即數字傳播格局下中國媒體融合的本質、使命與道路的轉變，“在中國式現代化語境下的媒體融合具有鮮明的中國特色，包括技術融合的中國性和社會主義傳媒制度的時代化，即以人民為中心的社會主義技術路線和‘事業單位、企業化管理’‘四級辦臺’等中國特色傳媒管理制度的保障機制”。［49］面對已經開啟的智能傳播新階段，我們需要進一步認識數字社會的核心驅動力量：數據驅動。2023年以來，Chat GPT及其代表的技術方向AGI（通用人工智能）顛覆了數智媒體生態融合化的底層邏輯，通用人工智能技術將成為媒體“大融合”的技術主導方向。［50］本質上而言，媒體融合是“以數字技術為基礎的各種介質、媒介形式的整合，是以字節為基本單位的媒介類別的聚合，也正是因為數字技術可以將文字、圖片、音頻、視頻統一轉化為比特，使得媒介融合有了技術基礎”［51］。

綜上所述，過去30年的媒體融合理念和實踐的重心依然是圍繞媒體的形式和形態而展開。而今天，隨著形態和形式一夜之間的“消解”，說明了我們過去的努力，顯然沒有找準問題，把準趨勢。要走出功敗垂成的結局，媒體融合必須跳過形式而直到根本：走向大模型和智能體。媒體形式不再重要，媒體形態不再重要，甚至信息和內容的生產也不再重要，“人有人的用處”，“機器有機器的用處”。媒體融合回到“人有人的用處”，也就是回到人本身，回到人的需求，回到人的生存境況，回到人的新的主體性，才是這場媒體融合的終極目標。

五、 從開放體系到數據賦能：中國媒體融合的重新定位

在制定新的媒體融合戰略之前，我們需要清晰地認識到，互聯網自誕生至今，已經從信息和通信基礎設施演變為社會和生活基礎設施，以信息傳播為基礎的網絡空間正在重構人們的生存方式以及人類信息傳播范式。從傳統媒體到網絡媒體，再到現在的智能媒體，本質上是信息傳播范式的變革，過去基于大眾傳媒的集中控制、相對封閉的信息傳播模式正在逐漸走向全球一體化。因此，媒體融合的根源是技術變革所引發的社會信息傳播機制之范式轉變，其戰略思維必須超越傳統單純的內容思維，超越過去固有的技術—內容—機制維度，站在媒體傳播—互聯網—數字社會治理這一全新的三維結構中。［52］

如下表所示，傳統媒體時代與新媒體時代的信息傳播范式涇渭分明，傳統大眾傳播邊界相對清晰，傳播過程相對明確可控。通過技術物質條件和制度條件，形成顯著的進入門檻和保護壁壘，具有一定的壟斷性。而隨著互聯網的爆發，基于互聯網元架構形成的全球開放一體化基礎設施，將人類主流信息傳播置身于一個全面開放的傳播環境和基礎之上，逐漸形成一個開放體系。事實上，真正的現實社會亦是多種傳播機制的疊加。［53］無論是1990年代的Web 1.0時代的網絡傳播，還是2000年代的Web 2.0時代的PC社交傳播，2010年代移動互聯網時代的移動社交傳播，以及2020年代智能物聯時代基于大模型的智能傳播，都是一個環境越來越開放，規模越來越擴大，主體越來越多元的不斷拓展過程。

要想制定正確的媒體深度融合戰略，首先要洞悉智能傳播時代的傳播模式。從傳播方式上來看，物聯網數據流代替了人力、技術等傳統生產要素，智能技術成為內容生產、營銷的決定性力量；從傳播形態上來看，智能傳播是互動的、碎片化的、多屏一體化和非線性的。從根本上來說，這種開放性來自于互聯網元架構，即以TCP/IP為基礎的、奠定互聯網作為全球開放一體化系統的沙漏模型［54］。沙漏模型的強大生命力，互聯網架構的無狀態、松耦合、相對穩定的設計原理，可演進的構成模塊，不求完美卻留出足夠快速迭代空間的特性，正是互聯網長盛未衰的最大秘密。［55］

從圖中可以看出，作為互聯網統領性的結構，元架構造奠定了全球技術與信息之間的互聯互通，任何用戶都可以以任何方式接入任何設備以完成不同任務。這種技術層面奉行的簡單性原則在網絡運行和信息傳播層面形成了自上而下、分布式和開放性三大特點，這亦是智能傳播模式的根本性特征?？v觀元架構的各層機理，不難發現，數據是互聯網元架構中不可或缺的一環。已經有學者指出，繼大眾傳播機制和社交傳播機制之后，以數據和算法驅動的智能傳播機制，開始強勢崛起為主導性力量，重構社會傳播格局。［56］

一方面，數據是智能傳播機制得以形成的根本驅動理論，數據將是智能傳播的終極競爭優勢。歸根結底，智能媒體“實質上就是算力、算法和數據這三大要素使用或者作用于信息傳播中的結果”［57］。三種要素中，硬件技術決定決定算力，軟件技術決定算法，此二者都可以追溯至人類數字技術和計算機技術的發展歷史；而數據處于基礎性地位，只有它實現“全民、全域、全息、全時”，才能通過算力和算法去透析復雜事件背后的規律。正如圖2所示，智能傳播階段，算法扮演著越來越重要的角色，數據成為信息流通的關鍵要素。信息的產生和傳播機制已經發生質的變化，其生產過程已經趨向消失，而傳播速度也可以實現真正的“即想即傳”。［58］“數據驅動中的數據”，不是傳播中簡單的數據處理能力或者少數基于數據的媒體產品能力，而是驅動整體傳播業務的全局性數據，涉及傳播業務全流程的動態數據，尤其是目標受眾和用戶的數據，以及支撐業務的相應的社會和環境數據。

另一方面，數據賦能也成為媒體融合的重要課題，對于媒體的內容生產、市場預測和價值鏈重構三個方面意義重大。［59］2020年4月，《中共中央國務院關于構建更加完善的要素市場化配置體制機制的意見》（簡稱《意見》）正式公布，《意見》明確將數據列為繼土地、勞動力、技術、資本后的第五大生產要素，并強調要加快培育數據要素市場。數字時代，“數據要素作為新型生產要素，可以優化創新要素配置，變革創新組織體系，促使創新鏈、產業鏈深度融合，構建創新空間網絡，賦能創新模式演進”［60］。隨著算力和算法越來越走向均衡和開放，以海量用戶互動為基礎的實時動態數據，成為競爭優勢的新立足點。在算力、算法、數據要素的協同機制下，媒體的生產結構也在不斷重塑，媒體市場的資源配置也進一步優化，其內容生產方式也必將不斷創新。

如圖3所示，與過去長期的內容驅動的傳播相比，數據驅動下的媒體深度融合面臨著全新的權力關系與治理機制。從社會權力結構層面看，數據涉及復雜的權屬關系與利益關系，智能傳播本身固有的公共性與社會性使得大型私有性質的平臺媒體向公權力強勢擴張，個人和社會的利益根本受到了前所未有的沖擊，隱私泄露、數據獨裁、數據異化、數字鴻溝等問題層出不窮［61］。從數據流通層面來看，與傳統生產要素不同，數據要素具有的非競爭性、易復制性、部分排他性、非均質性等獨特特征使其在流通過程中面臨諸多新問題，如個人維度的數據撰取、市場維度的數據交易混亂、政府維度的數據準確性欠缺，等等［62］。從治理層面來看，智能傳播時代的社會權力機制需要重構，以實現權力的再平衡，這需要從根本上重構數據的治理與運行機制。

基于此，建構一個超越政府、企業和社會的新角色顯得至關重要，即公共數據運營商。這不僅是未來人類數字社會運行的關鍵與核心，也是智能傳播時代媒體深度融合的最佳路徑與必由之路。它為傳統主流媒體帶來了新的彎道超車的可能性：傳統媒體通過公共運營商的身份，重新成為銜接政府、企業和社會之間的“新媒介”。因此，傳統媒體成為社會公共數據的運營商，不僅擁有了數字社會治理的真正抓手，也自然地擁有主導社會信息傳播的媒體融合的抓手。

六、 總結：智能傳播下的媒體融合新格局

因此，隨著生成式人工智能的全面普及，新的主戰場呈現出幾個清晰而鮮明的特點。

第一，新的主戰場必然是以科技為基礎，起碼前期的競爭是技術的競爭。OpenAI就是成功的典型。近代以來，心理戰、信息戰、輿論戰相輔相成、相互聯動，烏克蘭危機更是將一場沒有硝煙的戰爭呈現在大眾眼前：算法認知戰（也有學者稱之為“混合戰”“全系戰爭”等）。當全球性網民數據與AI技術大規模使用相結合，媒體得以實現針對用戶畫像的精準推送，輔之以強大的情報能力和主流媒體的引導，直接影響和主導沖突和戰爭走勢的決策和行動。相較于傳統作戰方式，算法認知戰具有全球性的政治化敘事、混合式進攻、科技賦能的認知模糊化，以及國際傳播的戰略威懾與引導（或誤導）等表現方式。［63］這告訴我們，傳統主流媒體要積極轉型為科技型媒體，盡管要在科技層面競爭，傳統主流媒體顯然不具備優勢，難以有勝機。但毋庸置疑的是，在后期的競爭中，善于使用和利用科技的媒體將憑借獨特的數據優勢越來越具備競爭力，這需要提前在數據戰略上做好布局。

第二，新的主戰場是開放體系下的競爭，而不再是封閉性、壟斷性或者行政性的競爭。這一點，對于長期生活在體制下的傳統媒體，尤其重要。傳統商業模式中，主流媒體通常扮演一種中介角色，它們將受眾的注意力進行二次售賣，但新的傳播格局下，這顯然難以為繼。隨著技術的日益發展和傳媒消費市場的不斷演進，習慣立足于開放的市場競爭，是媒體融合成功的基本前提。與傳統主流媒體相比，互聯網商業平臺在不斷升級迭代中“遵從用戶需求導向，采取平臺化、生態化運營模式”［64］，占據了越老越多的市場份額，這導致傳統主流媒體在市場競爭中逐漸勢弱。面對新的市場邏輯，主流媒體亟需重塑傳媒商業模式，加強自身市場競爭力。互聯網時代，用戶即資源，增加用戶黏性、占領用戶市場、獲取用戶數據變得極為重要，各大媒體紛紛通過形態融合、平臺融合、功能融合等手段，全方位展開用戶爭奪戰，因此，“如何拓展新市場和新用戶，進而獲取可持續發展的動力也是市場邏輯下的媒體生存發展必須回應、解決的問題”。［65］

第三，新的主戰場是全球性而不再是區域性或者國家性的競爭。過去的媒體融合都是局限在一定的邊界之內，而未來智能媒體競爭，必然是全球性的。從技術層面而言，數字技術正在深入經濟社會發展的各領域全過程，而媒體深度融合同樣需要數字技術的支撐。作為數字經濟的核心組織形態，平臺經濟的多邊市場使得“傳統媒體與平臺媒體之間的競爭已經從傳統媒體子產業之間單一的價格戰演變成為一種全方位、多層次的對抗行為，二者之間從產品市場、生產活動、資源與技術和經營戰略四個層面，由表及里，全方位展開競爭”。［66］從政策層面而言，隨著數字化成為生產生活和治理方式變革的重要驅動，2023年伊始，中共中央、國務院便印發了《數字中國建設整體布局規劃》，要求到2025年基本形成橫向打通、縱向貫通、協調有力的一體化推進格局，到2035年數字化發展水平進入世界前列。這意味著媒體深度融合必須結合國際傳播與治理現代化進行下一步規劃，才符合中國式現代化的戰略需要。［67］

第四，數據是智能傳播時代構建核心競爭力的關鍵，而數據背后是海量用戶。開放競爭下的全球性海量用戶，是最終勝利的衡量指標。用戶成為度量每一家報紙、雜志、電視和新聞社的標尺，亦是各媒體對自身戰略的自我審視和評估。囿于思維與行為慣性，傳統媒體的轉型道路注定難以擺脫傳統路徑：具體而言，是走出“媒體內部的融合”和“媒體與其他機構性媒介的融合”兩種舊模式，確立用戶中心的“全員”媒體深度融合路線。［68］AIGC內容共創重視社交媒介參與，為用戶提供學習、獲利、評論和分享的開放性場域，造就受不同社交背景影響的用戶參與行為。［69］不僅如此，重視用戶需求、滿足用戶體驗，亦是媒體數字化轉型的關鍵，這需要媒體確立用戶思維，從用戶視角制定轉型策略，在轉型各個階段“以用戶為中心”去思考問題，這一戰略可以幫助媒體更好地了解用戶的需求與期望，從而生產出更優質的內容、提供更好的服務。

總之，過去的媒體融合工作，都不足以確保未來的成功。Sora雖然還將不斷演進，新的技術與應用還將層出不窮。但是，Sora沖擊波已經可以明確媒體融合的最新信號：走出舊有領域，走出舊有路徑依賴，邁向新的戰場，才有勝機。

參考文獻：

［1］方興東，鐘祥銘.谷登堡時刻：Sora背后信息傳播的范式轉變與變革邏輯［J］.現代出版，2024（3）：1-15.

［2］方興東，鐘祥銘.重估媒體融合——50年數字技術驅動下的媒體融合演進歷程與內在價值觀［J］.西北師大學報（社會科學版），2022（2）：5-19.

［3］Jean，B.（2017）.Keywords for media Studies.New York ：NYU Press.

［4］Asif， K.amp; Heeba， D.（2022）.Convergence in media： Understanding its cause and effect.Journal of Education.XXV：122-130.

［5］OpenAI.Research letter： Video generation models as world simulators.Retrieved February 15， 2024， from https：//openai.com/research/video-generation-models-as-world-simulators.

［6］Zhang，H.，Song，H.，Li，S.Zhou M.amp; Song，D.（2018）.A survey of controllable text generation using transformer-based pre-trained language models， "J.ACM，37（4）：8-16.

［7］Peters，M.，Jackson，L.，Papastephanou，M.，Jandri？倢，P.，Lazaroiu，G.，Evers，C.，Cope，B.，Kalantzis，M.，Araya，D.，Tesar，M.，Mika，C.，Chen，L.，Wang，G.，Sturm，S.，Rider，S.amp; Fuller，S.（2023）.AI and the future of humanity： ChatGPT-4， philosophy and education – Critical responses，Retrieved February 8， 2023， from http：//dx.doi.org/10.2139/ssrn.4351785.

［8］Rahaman， Md.S.，Ahsan， M.M.， Tahmid，A.， Nishath，R.，Mizanur R.amp; Md， N.， An Opinion Article： The AI Race is on！ Google’s Bard and OpenAI’s ChatGPT Head to Head.Retrieved February 8， 2023， from http：//dx.doi.org/10.2139/ssrn.4351785.

［9］AI Dungeon.Research letter： A text-based adventure-story game you direct （and star in） while the AI brings it to life.Retrieved February 1， 2024， from https：//aidungeon.com.

［10］Fengxiang， B.， Yibo， Y.， Zhongzhu， Z.， Adam， G.， Minjia， Z.， Zhewei， Y.， Xiaoxia， W.， Connor， H.， Pareesa， G.， David A.， C.， Yuxiong， H.， Dacheng， T.amp; Shuaiwen Leon， S.（2023）.RenAIssance： A Survey into AI Text-to-Image Generation in the Era of Large Model.Retrieved September 2， 2023， from https：//doi.org/10.48550/arXiv.2309.00810.

［11］Goodfellow， I.， Pouget-Abadie， J.， Mirza， M.， Xu， B.， Warde-Farley， D.amp; Ozair， S.， et al.Generative adversarial nets.Retrieved June 10， 2014， from https：//doi.org/10.48550/arXiv.1406.2661.

［12］劉佳，蕭惠丹.藝術重構與藝術復制——基于文本智能生成圖像技術的思考［J］.工業工程設計，2021（5）：60-64+100.

［13］Matthew， L.， Apoorv， V.， Bowen， S.， Brian， K.， Leda， S.， Rashel， M.， Mary， W.， Vimal， M.， Yossi， A.， Jay， M.， amp; Wei-Ning， H.Voicebox： Text-Guided Multilingual Universal Speech Generation at Scale， Conference on Neural Information Processing Systems.Retrieved October 19， 2023， from https：//doi.org/10.48550/arXiv.2306.15687

［14］張斌，全昌勤，任福繼.語音合成方法和發展綜述［J］.小型微型計算機系統，2016（1）：186-192.

［15］Monica，V.，A.， Hector，A.，L.， Mattias， T.amp; Konrad， T.（2022） Voice2face： Audio-driven facial and tongue rig animations with cVAEs.， Comput.Graph.Forum， 41（8）： 255-265.

［16］Shipper.D.Research letter： How Sora works （and what It means）.Retrieved February 16， 2024， from https：//every.to/chain-of-thought/sora-and-the-future-of-filmmaking.

［17］OpenAI.Research letter： Video generation models as world simulators.Retrieved February 15， 2024， from https：//openai.com/research/video-generation-models-as-world-simulators.

［18］Joseph， C.， Fachrina Dewi， P.， Sheng， Z.， Jingyao， Z.， Lik-Hang， L.， Tae-Ho， K.， Choong Seon， H.， amp; Chaoning， Z.（2024）.Sora as an AGI World Model？ A Complete Survey on Text-to-Video Generation.Retrieved June 7， 2024， from https：//doi.org/10.48550/arXiv.2403.05131.

［19］許穎.互動·整合·大融合——媒體融合的三個層次［J］.國際新聞界，2006（7）：32-36.

［20］Yitian， G.（2023）.Appropriate solutions for traditional media and new media to establish in contemporary society， SHS Web of Conferences， 155： 01024-01024.

［21］尹雯婷.從商業模式看紙質媒體的核心價值［J］.新聞世界，2011（9）：163-164.

［22］Ogidi， O.amp; Anthony，U.U.（2016）.Is the new media superior to the traditional media for advertising， Asian Journal of Economic Modelling， 4（1）： 57-69.

［23］方興東，嚴峰，鐘祥銘.大眾傳播的終結與數字傳播的崛起——從大教堂到大集市的傳播范式轉變歷程考察［J］.現代傳播（中國傳媒大學學報），2020（7）：132-146.

［24］Britannica， T.Editors of Encyclopaedia.social media.Encyclopedia Britannica.Retrieved May 30，2024，from https：//www.britannica.com/topic/social-media.

［25］Ortiz-Ospina，E.Research letter： The rise of social media.Retrieved September 18， 2019， from https：//ourworldindata.org/rise-of-social-media.

［26］鄭曉莉.傳統媒體與新媒體的傳播融合分析［J］.新媒體研究，2016（15）：113-114.

［27］朱春陽.縣級融媒體中心建設：經驗坐標、發展機遇與路徑創新［J］.新聞界，2018（9）：21-27.

［28］丁曉斌.“中央廚房”，烹制媒體融合大餐［J］.傳媒觀察，2016（4）：44-46.

［29］何煒，張旸.“中央廚房”烹制新聞美味——人民日報全媒體平臺創新融合發展途徑的實踐 ［J］.中國報業， 2016（7）： 16-18.DOI：10.13854/j.cnki.cni.2016.07.005.

［30］向安玲，沈陽，羅茜.媒體兩微一端融合策略研究——基于國內110家主流媒體的調查分析［J］.現代傳播（中國傳媒大學學報），2016（4）：64-69.

［31］王春盛，焦曉潔，沈陽.百花齊放 方興未艾——2015年傳統媒體“兩微一端”的梳理和分析［J］.新聞與寫作，2015（12）：9-14.

［32］羅昕，蔡雨婷.縣級融媒體創新基層社會治理的模式構建［J］.新聞與寫作，2020（3）：48-55.

［33］王姝雯，朱婧薇，張巨才.從1.0到3.0：縣級融媒體建設的進階之路［J］.記者搖籃，2023（5）：48-50.

［34］倪小帆.媒介融合的實踐路徑及反思［J］.視聽，2019（10）：156-157.

［35］張濤甫，趙靜.媒體融合的政治邏輯——基于意識形態安全的視角［J］.新聞與傳播研究，2021（11）：69-83+127-128.

［36］殷琦.創新的轉向：中國媒體融合演進的路徑與機制［J］.新聞大學，2021（1）：103-116+121.

［37］曾祥敏，劉思琦.媒體融合十年考：傳播體系、社會治理與自主知識體系現代化的實踐路徑［J］.現代出版，2024（1）：47-60.

［38］方興東，顧燁燁，鐘祥銘.中國媒體融合30年研究［J］.新聞大學，2023（1）：87-100+122.

［39］韓曉寧，周恩澤.能力躍升與戰略重構：生成式人工智能驅動媒體深度融合的路徑探析［J］.中國編輯，2024（2）：29-35.

［40］國秋華.價值鏈重構：媒體中央廚房建設路徑與模式創新［J］.現代傳播（中國傳媒大學學報），2019（9）：136-140.

［41］鄭東麗.深度媒介化背景下的傳統主流媒體融合困境與方向［J］.新聞愛好者，2024（1）：47-50.

［42］陳果.融媒體工作室：媒體融合轉型的機制創新［J］.傳媒，2024（4）：31-33.

［43］曾培倫，朱春陽.融媒十年考：中國媒體融合發展的邏輯轉換與匯流［J］.新聞界，2023（11）：12-22.

［44］孫健.鄉村社會關系結構與組織嵌入之媒體融合實踐［J］.現代傳播（中國傳媒大學學報），2023（8）：82-87+130.

［45］朱江麗，左雯榕.結構中的創新：媒體融合創新模式及其影響因素的扎根研究［J］.新聞記者，2024（3）：10-26.

［46］李嵐，孫錦銘.數字營銷傳播：主流媒體融合轉型的新突破［J］.中國廣播電視學刊，2024（3）：42-46.

［47］凌昱，蔡雯.數智驅動下新型主流媒體融合與治理功能更新——基于“中國新聞獎”新聞名專欄的觀察（2005—2023年）［J］.出版廣角，2024（3）：28-33.

［48］方興東，嚴峰，鐘祥銘.大眾傳播的終結與數字傳播的崛起——從大教堂到大集市的傳播范式轉變歷程考察［J］.現代傳播（中國傳媒大學學報），2020（7）：132-146.

［49］左燦，沙垚.中國式現代化語境下的媒體融合［J］.新聞大學，2023（11）：41-52+120.

［50］郭全中.技術迭代與深度媒介化：數智媒體生態的演進、實踐與未來［J］.編輯之友，2024（2）：60-67+94.

［51］黃建友.論媒介融合的內涵及其演進路徑［J］.當代傳播，2009（5）：50-52.

［52］ 方興東，鐘祥銘.中國媒體融合的本質、使命與道路選擇——從數字傳播理論看中國媒體融合的新思維［J］.現代出版，2020（4）：41-47.

［53］ 方興東，嚴峰，鐘祥銘.大眾傳播的終結與數字傳播的崛起——從大教堂到大集市的傳播范式轉變歷程考察［J］.現代傳播（中國傳媒大學學報），2020（7）：132-146.

［54］ 方興東，鐘祥銘，李星.互聯網元架構——解析互聯網和數字時代范式轉變的底層邏輯［J］.現代出版，2023（5）：25-39.

［55］ 王世新，李星.信息化規劃要為未來留出迭代空間［J］.中國教育網絡，2020（6）：19-21.

［56］ 方興東，顧燁燁，鐘祥銘.ChatGPT與媒體深度融合——從數字技術變革邏輯解析中國媒體融合的戰略處境和戰略誤區［J］.新傳播，2023（1）：6-14.

［57］ 方興東，鐘祥銘.智能媒體和智能傳播概念辨析——路徑依賴和技術迷思雙重困境下的傳播學范式轉變［J］.現代出版，2022（3）：42-56.

［58］ 方興東，嚴峰，鐘祥銘.大眾傳播的終結與數字傳播的崛起——從大教堂到大集市的傳播范式轉變歷程考察［J］.現代傳播（中國傳媒大學學報），2020（7）：132-146.

［59］ 徐偉.大數據賦能電視媒體深度融合的創新路徑［J］.傳媒，2023（19）：33-35.

［60］ 潘家棟，肖文，唐楠.數據要素賦能創新模式演進［J］.社會科學戰線，2024（3）：51-58.

［61］ 唐潔瓊，陳少峰.平臺數據應用的倫理與治理［J］.河南社會科學，2024（3）：68-77.

［62］ 董康.數據要素流通的困境與對策研究［J］.人文雜志，2024（2）：131-140.

［63］方興東.全球社會信息傳播變革趨勢研判——從智能傳播時代的算法認知戰談起［J］.人民論壇，2022（15）：96-99.

［64］趙茹，張旭昱.主流媒體融合發展的內在邏輯與實踐進路［J］.中國編輯，2024（3）：79-84.

［65］卞天歌，郭淑軍.媒體融合發展的三重邏輯與六維進路［J］.中國出版，2023（11）：30-34.

［66］劉翠敏.數字經濟時代傳統媒體融合發展路徑分析［J］.傳媒，2023（6）：28-31.

［67］顧燁燁，方興東.中國媒體融合30年：基于政策的視角［J］.傳媒觀察，2023（6）：13-24.

［68］劉峰，陳龍.制度理論視角下媒體深度融合的用戶中心化趨向研究［J］.傳媒觀察，2023（11）：59-65.

［69］Dongmei， C.， Maureen， M.， Donna， W.amp; Senmao， X.（2021）.Understanding consumers’ social media engagement behaviour： An examination of the moderation effect of social media context.Journal of Business Research，122（1）：835-846.

［責任編輯：高辛凡］