大模型驅動下的傳媒再造

郭全中?蘇劉潤薇

【摘要】從大模型技術的本質及其可供邏輯出發，深入剖析大模型對傳媒業底層邏輯的顛覆，集中體現為以用戶為中心的思維轉變，驅動傳媒業在生產、傳播和營銷領域實現再造。未來，傳媒業應主動擁抱新技術，探索大模型的應用潛力與邊界，積極尋求解決技術局限性的創新方案，以確保傳媒行業可持續發展。

【關? 鍵? 詞】大模型；新聞生產；智能傳播；全鏈路智能營銷

【作者單位】郭全中，中央民族大學新聞與傳播學院；蘇劉潤薇，中央民族大學新聞與傳播學院。

【基金項目】北京市社會科學基金規劃重點項目“首都互聯網平臺企業社會責任與協同治理體系研究”的階段性成果（22XCA002）。

【中圖分類號】G206【文獻標識碼】A【DOI】10.16491/j.cnki.cn45-1216/g2.2024.03.001

2022年底，OpenAI發布的基于GPT-3.5的ChatGPT

人機對話應用程序掀起了全球性的熱潮，上線短短幾天內就獲得了百萬用戶，兩個月實現了月活躍用戶數破億的驚人增長。與此同時，全球互聯網巨頭紛紛加入大模型的研發競賽，推動該領域的投資和相關概念股快速增長。截至2024年1月，國內市場已經涌現超過40款獲得備案審批的大模型產品，這一趨勢表明了大模型技術的廣泛前景。在傳媒行業，以人民網-百度·文心、央視聽媒體大模型為代表的大模型相繼推出，推動媒體行業能力的全面升級。傳媒大模型應用范圍廣泛，涵蓋新聞生產、新聞傳播和廣告營銷等多個領域，為此，站在技術革新的風口上，我們亟須從大模型底層技術原理出發，深入剖析其應用于傳媒業的可供邏輯以及對生產、傳播和營銷的再造，并探索傳媒業的未來邏輯，以期把握大模型時代的重大機遇。

一、大模型的涌現：技術本質與可供邏輯

1．大模型的技術原理及其本質

ChatGPT背后的核心技術是建立在一個超大規模語料庫基礎上的預訓練大語言模型（Large Language Model， LLM），這是一種采用自回歸機制從左至右進行填字概率預測的語言模型，并基于提示（prompting）來適應不同領域的任務，而不需要針對具體任務進行再訓練和微調。大模型之“大”體現在其海量的參數規模、龐大的訓練數據集和對高性能計算資源的高度需求等多個維度。目前，大模型已經成為人工智能領域的基礎設施，為解決各種復雜問題提供強大的計算、學習和求解功能［1］。

基于大語言模型演進出了兩個主流的模型方向（具體見表1）。一是由谷歌推出的BERT模型。作為2018年末以來最流行的方向，其幾乎統治了整個自然語言處理（Natural Language Processing， NLP）領域，并在自然語言理解類任務中（如文本分類、情感傾向判斷、機器翻譯等）表現出色。二是由OpenAI發布的GPT模型，如今已迭代更新至GPT-4并展現出極為驚艷的效果。其本質是大型多模態模型，支持文本、音頻、視頻等多模態信息的輸入和生成，并且能讀懂梗圖、創作歌曲、編寫劇本，甚至在各大考試中取得幾乎滿分的成績，展現出無所不知、無所不能的“涌現能力”（Emergent Abilities）［2］。

大語言模型與人類的認知模式具有高度相似性，其本質是通過一個“大一統”模型來認識世界。例如，GPT-3是在擁有3000億單詞的語料庫基礎上預訓練出的擁有1750億參數的模型，GPT-4的參數量增加至約1.76萬億。這些巨量參數都是沉淀下來的AI對世界認知的微小單元集合，涵蓋AI對各類語法、句法的學習及對事實的認知。經過預訓練的大語言模型不僅能理解人類的語言使用技巧和各種知識，甚至還懂得代碼編寫，表現出對特定領域的強大適應能力，并最終帶著訓練后的認知直接作用于垂直領域的應用，如閑聊對話、代碼生成、文章撰寫等，實現對這些領域的“降維打擊”。

2．大模型技術的關鍵性突破：AGI的可能性

大模型技術作為人工智能發展史上的一次根本性突破，有力推動了人工智能通用性和復雜性處理能力的提升，預示著通用人工智能（Artificial General Intelligence， AGI）發展的可能性。

自1956年達特茅斯會議上首次提出“人工智能”概念以來，如何利用機器來更好地服務人類成為人們長期以來的愿景。AGI就是構建一種能勝任人類所有任務甚至超越人類能力限制的智能系統，以實現全方位、無界限的智能輔助為目標，開創一個由終極智能塑造的全新世界［3］。AGI的顛覆性創新在于其重塑了人機交互的方式，從人與技術之間的單向輔助升級為人與模型之間的深度交互。這意味著人類與AGI將形成一種新型的合作關系，即“人類+AGI=知識生產”。換言之，AGI不僅能生成內容來輔助人類的溝通，而且其本身也具備對整個世界的認知和理解能力，在與人類的交互過程中共同推進知識的生產和對世界的建構以及價值的創造。

如果說ChatGPT讓人們看到了AGI的曙光，那么2024年2月16日OpenAI發布的首個文本生成視頻模型Sora則意味著AGI將在不久的將來實現。根據OpenAI官方發布的48個文生視頻Demo，基于DALL-E 3和GPT模型的Sora展現出強大的功能：一是能夠根據文本提示生成長達60秒的視頻，且視頻主體連貫穩定；二是能夠利用多角度鏡頭構建三維空間，如流暢自然地從街景全景切換至臉部特寫，且保持邏輯的連貫性和一致性。除表象突破外，Sora的核心亮點在于技術思路的轉變，即其所涌現的“世界模型”特性能夠模擬真實的物理世界，并形成對世界的全面、準確的認知與理解，從而使AI生成的視頻更加流暢和符合邏輯。例如，Sora在還原越野車在山路上行駛的片段時，能夠理解不同路況下車輛的行駛狀態和可能出現的場景，并在視頻中呈現接近現實的傾斜度和顛簸感。因此，Sora的橫空出世不只是AI視頻制作能力的突破，更重要的是體現了大模型技術在認識和理解世界的基礎上所帶來的新成就，更進一步接近AGI的實現愿景。

3．大模型技術的可供邏輯

技術可供性指一項新技術在使用過程中可能實現某種功能或達到某種效果的可能性，并通過使用主體及其感知行為實現技術效能的發揮［4］。大模型技術的可供性體現為其卓越的生成能力、高度的交互性和日益增強的擬人特征，可在多個維度上為用戶提供前所未有的功能體驗和創新空間。

一是大模型的生成可供性凸顯了其深度學習的強大能力，可自主學習非結構化及半結構化數據，理解并最終生成符合人類自然語言習慣的結構性文本。二是大模型的對話可供性體現了人機交互的新高度。與傳統基于規則的交互系統（如Siri）相比，大模型應用下的新型人機交互系統利用上下文學習和自注意力機制，可實現更加流暢和連貫的多輪對話，滿足用戶的信息需求，展現出質的飛躍。三是大模型的擬人可供性涵蓋兩個方面：一方面，融合文本、圖像、音頻、視頻等的多模態信息處理能力，構建出更為立體、生動的交互體驗，增強用戶感知上的真實感和親近度；另一方面，基于人類反饋的強化學習（RLHF）嵌入人類偏好，有效校正自我學習過程中可能出現的內在偏差，從而提升生成內容的準確性、合理性與人性化水平。

二、生產、傳播與營銷：大模型引領數智化傳媒再造

人類歷史演進就是技術不斷平權的過程，技術的快速發展使人類的能力邊界不斷擴展，效率不斷提高。大模型技術作為人工智能領域的突破性飛躍，是對人類能力的又一次革命性釋放與賦權深化，由此顛覆了傳媒業的底層邏輯，集中體現為以用戶為中心、“以人為本”的思維轉變（具體見圖1）。

圖1 大模型驅動下傳媒業的底層邏輯革新

1．多維度范式革新：大模型重構新聞生產底層邏輯

（1）主體維度：AIGC提升傳媒內容生產力

繼專業生成內容（PGC）、用戶生成內容（UGC）、機器生成內容（MGC）之后，大模型引發了人工智能生成內容（Artificial Intelligence Generate Content，

AIGC）技術能力的質變，其作為Web 3.0時代以AI

大模型為技術支撐實現生產力躍升的內容生產模式［5］，代表了內容生產主體的根本轉變，即AI自主內容創作。

在生產效率方面，AIGC能實現全天候、實時的內容產出，極大縮短了新聞的生產周期，提升了新聞報道的時效性，更快滿足了公眾的信息需求。例如，南方都市報社的寫稿機器人“南都·灣財AI快報”每日能自主生成超過300篇新聞稿件，處理能力相較傳統方式提高了10倍，且生成的語句流暢性和語法正確性也符合自然語言標準。這種高效率的內容生產方式在應對體育和財經類報道、重大事件報道、突發新聞處理等方面展現出無可比擬的優勢。

在業務操作方面，AIGC簡化了媒體從業者的工作流程和負擔。借助大模型對海量數據的智能化處理能力，AIGC能精準抓取和梳理關鍵新聞要素，并應用于新聞導語、采訪提綱等生成，以及轉換文件格式、內容模態等方面，從而使從業者將精力從基礎性工作中抽離出來，更多聚焦于深度報道、觀點闡釋、價值判斷等更具挑戰性和創造性的領域。

（2）內容維度：多模態內容掀起視覺化浪潮

多模態和跨模態大模型（如GPT-4、文心一言、Midjourney等）是在單模態模型基礎上融合其他模態技術形成的。多模態大模型可以生成多模態內容，包括文本、圖片、圖表、視頻、語音、表情包等融合性內容和直播［6］。具體而言，多模態大模型推動了傳媒內容形式的多樣化與視覺化轉型，以更加豐富立體的形式呈現信息，如生產圖文并茂的新聞報道、直觀生動的數據可視化圖表和配以解說的短視頻新聞等，極大地提升了信息傳遞的有效性和用戶的接受度。此外，隨著直播行業的發展，多模態大模型正逐步滲透至實時流媒體內容創作，如根據主播的話語調整背景、插入動畫效果、生成實時字幕或進行新聞稿的實時轉寫等，為用戶帶來前所未有的視聽體驗。

如2023年杭州亞運會期間，有記者利用AI技術實時識別直播流中的語音和文字信息，結合預設模板僅需數秒便可生成賽事集錦短視頻。在媒體大模型領域，中央廣播電視總臺與上海人工智能實驗室合作推出了首個專注于視聽媒體內容生產的央視聽大模型（CMG Media GPT）。該模型結合總臺龐大的視聽數據資源及上海AI實驗室的算法和大模型訓練基礎設施，可為視聽節目的創作和剪輯提供技術支持，從AI換臉到超寫實數字人、AIGC動畫等應用，由此掀起了傳媒視聽轉向的浪潮。

（3）敘事維度：非線性化敘事重塑敘事文化

傳統依靠印刷媒介的新聞文本敘事具有線性化、單向性、封閉性的特征［7］，能幫助受眾建立線性的思維邏輯，是一種更具邏輯性、系統性和思考性的敘事話語，而電子媒介的出現使得敘事模式呈現碎片化、感性化和娛樂化的傾向［8］。以ChatGPT為代表的大模型開拓了一種新型人機交互界面，不僅顛覆了傳統新聞的表達方式和呈現形態，也形成了一種基于“界面連接”的全新超文本的非線性新聞敘事文化［9］。

第一，大模型應用下的人機對話交互模式融合了用戶、界面和背后算法程序于敘事架構中，成為新聞敘事的底層機制。這種對話式的新聞敘事話語改變了新聞的生成和閱讀邏輯，使用戶從新聞的接受者轉變為對話的參與者，在某種程度上可視為“對話新聞學”轉向的一種實踐平臺［10］。用戶在聊天框中輸入問題，生成式AI可基于大模型智能算法即時提供個性化的新聞回答或定制化的新聞故事，實現了新聞敘事的動態建構與深度參與。

第二，多模態大模型驅動的新聞生產環境拓展了新聞生產的邊界，深化了以情感體驗為核心的情感化敘事。一是傳媒角色從“信息的提供者”向“體驗的培育者”轉變［11］，注重捕捉用戶的情感體驗并融入新聞生產流程之中，從而提升新聞文本的用戶滿意度和內容共鳴度。二是憑借大模型強大的數據處理和跨模態轉換能力，復雜、抽象的數據得以轉化為自然語言，甚至轉變為生動的圖表、圖像或視頻。在數據轉譯尤其是可視化呈現過程中，情感元素被巧妙地融入其中，所生成的內容超越了原始客觀數據關系的機械式再現，轉化為富有溫度與感知力的敘事載體，在增強新聞敘事情感維度的同時激活了用戶特定的情感反應［7］。

（4）關系維度：生產社會化與集體智慧連接

集體智慧（collective intelligence）指一群擁有不同態度或觀點的個體［12］共同協作并執行各種任務的能力［13］。雖然目前大模型技術的產出未能完全體現真正意義上的集體智慧，但其基于深度學習的海量數據，結合與用戶的實時互動學習和反饋機制［14］，可在新聞實踐中的應用上構建一種新型的社會化生產模式，未來將為新聞生產社會化賦予更多可能。

第一，大模型技術的優勢之一在于其對用戶指令和行為數據的深度理解和利用，可將用戶直接納入新聞內容迭代生產的過程。這種“虛擬集體智慧”的形成為新聞內容的生成、編輯和定制提供了新的可能性，不僅促進了新聞內容的多樣化和個性化，還在新聞選擇、報道角度和敘事方式上反映出更廣泛、更深層次的集體智慧和社會意識。

第二，集體智慧的主體呈現異質化延展趨勢，不再局限于人類成員間的協作，而是逐步涵蓋人機協作以及機器間（如AI系統之間）的集體智慧集成［15］。這也意味著新聞生產的社會化過程不再單純依靠人力驅動，而是借助大模型技術手段實現更高層次的社會化融合。機器智能與人類智慧相互補充，共同捕捉和反映社會變遷與公共意識的脈動，由此奠定了更為開放、包容與高效的新聞生產基礎。

2．傳媒生態新變局：大模型開啟了智能傳播革命篇章

（1）點對點互動：新聞分發精細化真正實現了“千人千面”

在傳統算法推薦框架下，新聞分發機制面臨多重局限性。一是算法模型主要依賴于已有的用戶行為數據進行推薦，往往難以充分理解長尾群體和新用戶的興趣；二是出于隱私保護的考慮，現有數據集中的用戶畫像由高度濃縮的信息構成，由此限制了算法推薦的效能；三是新聞數據本身可能存在諸如標題與內容不符等問題，導致模型難以捕獲新聞更深層次的語義內涵［16］。

大模型的應用使得新聞分發不再停留于滿足“一對多”的大規模用戶需求，而是追求極致化的個體適應性，構建精細化、個性化的“點對點互動”模式，真正實現了“千人千面”的定制體驗。例如，有學者提出一種基于大語言模型的生成式新聞推薦框架GENRE，利用大型語言模型中預先訓練的語義知識來豐富新聞數據（如每篇新聞文章的標題、摘要和類別），再將其輸入大語言模型中生成豐富的新聞信息，然后重新整合至原始數據集進行下一輪迭代生成或用于訓練下游新聞推薦模型［17］，這種模式顛覆了傳統的算法推薦邏輯。

大模型引導的新聞分發體系具有高度的迭代性和交互性，用戶能夠在與生成式AI應用程序的連續對話過程中不斷細化需求、深化理解，使其持續優化內容并就特定話題或細節提供詳盡深入的回答。這種“一問一答”的循環過程實質上構成了一個實時的新聞生產和精準傳播閉環，極大地提升了傳播效率和用戶體驗。

（2）網絡狀連接：人機共生網絡塑造新傳播權力中心

在數字智能時代，人工智能等新媒介技術打破了傳統金字塔式的信息傳播秩序，取而代之的是一個高度原子化的傳播網絡［18］，用戶不再是信息的被動接受者，而是成為網絡中具有能動性的節點。與此同時，技術也不再僅被視為工具，根據計算機是社會行動者（Computers Are Social Actors， CASA）范式，計算機、機器人等新興技術并非單純的工具，其在融入社會的進程當中被視為“社會行動者”，并遵循人們對于特定“社會行動者”的期待［19］。換言之，信息傳播從傳統媒體主導的單向、封閉及傳者與受者界限分明的傳播關系，轉變為數智媒體生態中人類與非人類行動者所構成的去中心化、塊莖狀、動態的網絡狀傳播結構［20］。隨著大模型時代的開啟，人機關系進一步深化為耦合共生的交互形式，人工智能已由外部輔助工具演變為與人類互補共生的存在，共同構建人機生態系統。

然而，網絡化關系僅僅消解了傳統的傳播權力運作機制，權力的產生既取決于行動者本身的屬性，也取決于其在網絡結構中的相對位置以及與其他行動者的關系互動［21］。當大模型及其相關應用直接與用戶建立一對一的深度連接，在這個過程中就逐漸成為信息流通的關鍵樞紐，在引導信息流動的同時成為新的權力中心。

（3）場景化融合：大模型深化元宇宙新聞的實景交互

作為復雜技術集合體的元宇宙，其在發展進程中面臨的一個核心技術瓶頸是人工智能技術何以實現從智能到智慧的質變。ChatGPT的出現預示著大模型有望賦予元宇宙更強的智慧內核，作為元宇宙落地過程中的基礎性技術，ChatGPT的發展演進將會為元宇宙提供更強大的技術支持。而Sora模型作為一種“世界模擬器”，其可生成近乎逼真的虛擬視頻的能力揭示了構建元宇宙場景的巨大潛力，進一步推動元宇宙成為現實。在傳媒領域，大模型將從場景傳播和虛擬數字人兩個層面賦能元宇宙新聞的實景交互。

第一，大模型技術的深度應用顯著提升了傳媒業的數智化水平，降低了元宇宙的技術接入門檻，昭示著新聞體驗的“再部落化”場景回歸。一方面，用戶可以數字替身打破傳統界面的限制，潛入新聞現場獲得親歷性感知；另一方面，大模型可通過優化交流機制為元宇宙提供多感官協同的沉浸式新聞環境，增強用戶的全面參與感。以“齊魯壹點”自主研發的元宇宙產品“天元發布廳”為例，用戶在其中可以選擇自己喜愛的人物形象，打造專屬的“數字分身”；2024年該產品還創新升級了元宇宙場景互動方式，以“端上春晚”打造首個國風元宇宙互動場景，引入數字虛擬主持人，讓用戶能夠在特定場景下進行跨域交互的沉浸式體驗。

第二，大模型技術為虛擬數字人的開發提供了關鍵的技術動力，極大提升了虛擬主播在傳媒領域的智能化水平。例如，第十二屆中國蘇州文博會上，魔琺科技的虛擬數字人Amanda成為蘇州廣電傳媒集團的導覽主持人。AIGC視頻生成工具可以高效且精確地生成包含豐富表情和動作在內的高質量數字人講解內容，顯示了大模型技術在虛擬數字人制作方面的巨大潛力。

（4）國際化場域：創新跨文化新聞內容的共享與接受

技術創新是形塑國際傳播格局的重要力量。歷史上，從電報的誕生到廣播和衛星通信技術的發展，西方國家由于技術資源的壟斷性優勢，構筑了以西方為中心向發展中國家輻射的國際信息單向流通體系。進入數字時代，我國積極占領5G關鍵基礎設施的技術高地，以提升在全球傳播中的地位和影響力。人工智能的發展和大模型技術的興起，為推動全球新聞內容的多元共享和接受開辟了新途徑。

大模型因其強大的通用性和跨語際傳播的適用性克服了語言障礙，實現了新聞內容的多語種交互和高效精準翻譯，從而解決了長期以來由于語言差異造成的跨國新聞傳播難題。而且，大模型通過與用戶進行深度交互，模擬創建了一種近似真實的國際交往社會情境，使用戶在接收國際新聞的過程中獲得更為豐富立體的感知體驗［22］。這種互動模式增強了用戶對國際新聞內容的理解力和接受度，有利于跨越文化鴻溝，增進國際社會間的信息交流與共享。例如，《中國日報》為了提升國際傳播力和競爭力，自2023年1月底便開始積極布局大模型應用，在全社范圍內推廣、鼓勵采編人員使用ChatGPT等人工智能工具，并以“雙重內嵌式”的形態將ChatGPT整合進自身業務流程中。這不僅提升了新聞生產的效率和質量，也為國際新聞傳播和跨文化交流提供了新的路徑［23］。

3．全鏈路智能營銷：大模型顛覆了傳媒營銷的傳統路徑

大眾傳播時代，傳媒機構遵循“二次售賣”機制，將受眾的注意力出售給廣告商，廣告收入成為其主要的經濟來源。隨著新媒體的發展，整合營銷傳播具有更強的適用性，即將各種營銷活動視為一個整體，強調消費者導向、橫向的跨媒體整合、關系的建立和長期效果積累。然而，隨著大數據和數字智能技術的發展，以及電子商務和直播帶貨等新營銷模式的出現，營銷活動的即時轉化成為可能，整合營銷的成本也因此逐漸增加，其效果逐漸式微。如今，大模型從內容智能化創作、創意個性化生成、優化執行效率、深化互動體驗和科學化營銷決策等各方面給傳媒的營銷生態帶來了顛覆性變革。為了提高營銷的質量和效果，全鏈路智能營銷的優勢進一步凸顯。

全鏈路營銷指在消費者從初次接觸品牌并建立認知開始，到最終完成轉化的全過程中，通過廣告等營銷手段不斷引導消費者進入下一階段，從而達成營銷目標的營銷方法，強調關注消費者行為和心理路徑的每一個環節，引導消費者轉化和傳播［24］。大模型驅動的全鏈路智能營銷（具體見圖2）在行為和心理路徑上，通過與消費者的對話交互精準挖掘其深層次需求，并通過優質內容的生成傳遞價值理念，與消費者建立強連接關系，提升其情感體驗，促使其進行UGC或PGC的內容產出，最終完成消費行為或進一步分享和傳播。

（1）營銷手段：對話交流挖掘消費者深層需求

大模型應用本質上也是搜索引擎的一種，其不同之處在于能夠提供一整套基于知識而不是基于數據庫的定制化方案，因此，大模型應用下的營銷方式不再是基于消費者內在需求的商品推送，而是一種基于內容生成式的電商平臺［25］。內容生成體系是最好的營銷話術，促成傳統面對面營銷方式的再回歸。對話交流除預測消費者的表層需求外，更重要的是挖掘其深層需求，引發消費者的深層興趣，突破當下營銷的最大難點。例如，百度營銷正在基于大模型和生成式AI建設“更懂用戶的用戶理解模型”，利用文心大模型為每一個企業打造在百度的專屬智能分身，使其能夠以最佳的方式與用戶進行自主交流，從而激發用戶深層需求，提供精準服務。

（2）營銷內容：智能化創意生成成為新興潮流

傳統的營銷創意通常來源于個人的創意靈感迸發或團隊協作的“頭腦風暴”，創意生產的效率較低。大模型技術能夠根據不同消費者群體、多樣化的媒體介質和各種營銷訴求，持續且快速地產出“千人千面”的個性化創意內容。例如，谷歌已經能根據用戶的搜索關鍵詞（如“干燥敏感肌護理”）實時生成個性化、針對性的廣告文案（如“舒緩你的干燥敏感肌”），且響應速度可縮至毫秒級別，實現了對每個用戶需求的精準響應，而不是僅限于廣告主現有的創意集合。

（3）營銷模式：實現跨模態、跨終端場景轉化

在大模型技術的推動下，營銷模式得以實現從現實世界到虛擬領域的無縫跨越。一是依托大模型的跨領域理解能力和生成能力，在不同的媒介平臺和多元化的情境中靈活運用多模態表達形式，如小紅書營銷文案、短視頻帶貨腳本、公眾號軟文等多終端文本形態。此外，大模型與虛擬數字人的融合可在塑造人格化載體和人形溝通界面的基礎上更高效地吸引粉絲，在品牌代言、內容營銷、直播帶貨等場景中發揮重要作用。二是通過與虛擬現實（VR）、增強現實（AR）技術的結合，實時生成與用戶互動場景相匹配的虛擬內容。例如，在虛擬試衣間中，消費者可以在虛擬環境中試穿服裝，大模型技術能夠根據用戶的體型、偏好及反饋等，實時生成個性化的服裝推薦和搭配建議，極大地豐富了用戶的購物體驗。

（4）營銷效果：“共創+玩法”升級實現品效合一

隨著廣告與內容邊界的日漸模糊，營銷策略旨在同時滿足品牌建設與效果轉化的雙重目標。一方面，傳統品牌單向灌輸式傳播的營銷方式已經無法有效吸引消費者，借助大模型技術讓消費者參與到內容共創中，不僅會加深消費者對品牌的印象，還會激發其對品牌的歸屬感和忠誠度，主動分享和推廣品牌。另一方面，大模型助力數字藏品玩法升級，共創品牌資產。基于大語言模型的具身智能數字藏品設計，能敏銳捕捉如動作、表情乃至情緒變化等多模態信息，并基于這些輸入數據實時生成高度個性化且沉浸式的內容體驗［26］。這種智能化的互動模式不僅拓展了傳統數字藏品的功能邊界，還賦予其情感共鳴的新維度，使用戶在深度參與的過程中與品牌建立更為緊密的情感聯結，從而為品牌資產的增值與共享開辟新的路徑。

三、未來已來：大模型時代傳媒業是悲觀還是擁抱新技術？

在大模型技術推動傳媒業革新再造的同時，亦不容忽視其內在的技術局限性及其對行業從業者潛在的職業沖擊。技術大變革時代，傳媒業不僅要適應技術變革，還應主動擁抱新技術，探索大模型的應用潛力與邊界，同時積極尋求解決技術局限性的創新方案，這是確保傳媒業可持續發展的關鍵。

1．風險隱憂：技術局限性與傳媒從業者的主場爭奪

（1）大模型本身的缺陷

人工智能依靠概率進行計算，大模型技術盡管在信息處理和內容生成方面顯示了前所未有的能力，但其在處理自然語言處理（NLP）任務時的核心邏輯是一個“猜概率”的游戲，即預測結果基本上是對現有數據內容的重復，并伴隨著由模型限制所引入的噪聲或隨機性，機器學習算法并不了解它所學習的問題［27］。因此，大語言模型就好比“隨機鸚鵡”（Stochastic Parrot），可能會導致觀點霸權、偏見歧視［28］、虛假信息等問題，這也是為什么其能“一本正經地胡說八道”。

對于傳媒業來說，這些問題直接關系到新聞的真實性和客觀性原則，尤其是Sora的出現將導致視頻生產的門檻大大降低，由此引發新聞質量問題、廣告欺騙、版權糾紛和職業道德倫理等隱憂。除此之外，大模型之所以能實現對用戶的精準觸達，關鍵在于其在與用戶交互過程中所收集的用戶信息。當個人數據被大模型背后的企業或平臺私有化，大模型便在這種“數據圈地”中不斷進化發展，由此可能出現侵犯隱私等倫理問題。

（2）傳媒業的新“盧德運動”危機？

“盧德運動”是工業革命時期，由于機器取代了大量勞動力而導致大面積失業，英國失業工人以破壞機器為手段掀起的自發工人運動。在大模型時代，傳媒業似乎也面臨一場潛在的新“盧德運動”危機。不同于歷史上的機器破壞行為，當前的危機主要體現在兩個層面。一是大模型技術在內容生產中的應用，如新聞采編、文章撰寫、視頻創作等，挑戰了傳統新聞記者、編輯以及內容創作者的職業定位。二是大模型技術的發展可能導致傳媒行業的部分崗位被取代，尤其是那些涉及重復性勞動、數據分析處理以及初級內容生產的相關人員，可能面臨被“淘汰”的風險。這不僅會導致大量從業人員面臨職業轉型的壓力甚至失業，還會削弱由專業素養和人文關懷所賦予傳媒行業的獨特價值內涵。

隨著Sora模型的推出，其對短視頻、直播、影視等行業可能產生的沖擊已成為學界和業界關注的焦點。在傳媒領域，不僅文字記者，視頻記者同樣也面臨前所未有的職業挑戰。盡管從長遠的角度來看，人工智能、大模型等新技術的全面應用將孕育大量新興崗位，但在過渡轉型階段，新崗位的創造往往滯后于因技術替代而帶來的崗位消失，這帶來階段性的結構性失業。隨著大模型已經融入人們生活的諸多方面，我們不能簡單地將其視為傳媒從業者職業危機的“元兇”，因為背后還存在政策、資本等因素的影響，但這種抗爭可能會以“技術化”的方式發生［29］，未來還需從政策、經濟、教育等多方面進行適應和調整。

2．未來邏輯：站在未來看現在

面對大模型時代帶來的深刻變革與機遇，傳媒業轉型的關鍵在于超越傳統的認知框架，應用創新性的解決方案構建與大模型技術共生的新邏輯體系。

第一，在邏輯層面，要以未來的視角審視當下，即“站在未來看現在”，將未來的可能性和趨勢作為審視當下現實的透鏡，積極擁抱新事物。這種前瞻性的思維方式超越了簡單的未來預測，更側重在預期的未來技術和社會環境中對今天的決策和行動進行適應性調整。例如，人民網積極應用新技術并重視對數據庫的優化訓練。在Sora發布后，其旗下的數據管理平臺“人民數據”公眾號就發布文章《人民數據打造全球最大中文語義語料庫助力Sora新場景》，指出將為促進AI大模型發展，積極打造新聞數據、問答數據等語義語料庫。

第二，在實踐層面，擁抱大模型技術并不僅僅是技術層面的接納，還需要從根本上改變現有的執行邏輯。這要求傳媒從業者要做到知行合一，即在充分理解大模型技術能力和局限性的基礎上，學習和掌握提問的藝術，以及調教和使用大模型的能力，引導大模型生成更具價值的內容與服務，并將其融入傳媒業務的各個環節。

未來已至，面對新技術浪潮的機遇與挑戰，傳媒業需展現出更高的適應性與創新力，以實現與大模型技術的和諧共生。

｜參考文獻｜

［1］劉學博，戶保田，陳科海等. 大模型關鍵技術與未來發展方向：從ChatGPT談起［J］. 中國科學基金，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. 從GPT看AGI的本質突破：傳媒業新挑戰與未來［J］. 新聞愛好者，2023（4）：30-35.

［4］楊奇光. 技術可供性視域下的數字新聞實踐及其邊界重思［J］. 西北師大學報（社會科學版），2023（4）：83-91.

［5］郭全中，袁柏林. AIGC與WEB3. 0有機融合：元宇宙內容生產的新范式［J］. 南方傳媒研究，2023（1）：36-47.

［6］陸小華. 多模態傳播與多維度競爭：智能傳播新階段［J］. 青年記者，2023（17）：60-63.

［7］劉濤，薛雅心. 技術何以“賦情”：融合新聞的情感敘事語言及修辭實踐［J］. 新聞與寫作，2024（1）：14-25.

［8］尼爾·波茲曼. 娛樂至死［M］. 章艷，譯. 北京：中信出版社，2015.

［9］何天平. 從文本構造到界面連接：生成式人工智能對數字新聞敘事的重塑［J］. 新聞界，2023（6）：13-21.

［10］毛湛文，鄭昱彤. “人機對話”的理想與現實：新聞聊天機器人應用的創新、困境及反思［J］. 青年記者，2020（22）：34-37.

［11］田浩，常江. 情感化敘事與數字新聞生產轉型［J］. 青年記者，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/OL］. 中國編輯，1-9［2024-02-05］. http：//kns.cnki.net/kcms/detail/11.4795.G2.20240110.1332.004.html.

［15］黃陽坤，陳昌鳳. “眾智連接”的愿景與“硅基寡頭”的隱憂：ChatGPT的知識功能與人類的知識危機［J/OL］. 現代出版，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嵌入新聞生產的強勢與限度：人機關系視域下ChatGPT與記者的新聞職業主場爭奪［J］. 編輯之友，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.

［21］劉可文. “傳播即權力”：曼紐爾·卡斯特的網絡社會權力理論與實踐［J］. 傳媒觀察，2024（1）：68-76.

［22］何天平，蔣賢成. 國際傳播視野下的Chat

GPT：應用場景、風險隱憂與走向省思［J］. 對外傳播，2023（3）：64-67.

［23］方師師，鄧章瑜. 對外傳播的“ChatGPT時刻”：以《中國日報》雙重內嵌式人工智能新聞生產為例［J］. 對外傳播，2023（5）：72-75.

［24］ CTR：《2020年短視頻全鏈路營銷白皮書》（PPT）［EB/OL］. （2020-10-29）［2024-02-07］.? http：//www.100ec.cn/detail--6575090.html.

［25］譚曉影. 王小毅：ChatGPT，顛覆數字營銷新“利器”［J］. 經理人，2023（4）：42-44.

［26］鄒開元，范軍. 智能傳播時代文化數字藏品的發展導向、生產邏輯與傳播戰略［J］. 出版廣角，2023（23）：57-62.

［27］胡泳. 超越ChatGPT：大型語言模型的力量與人類交流的困境［J］. 新聞記者，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］姚建華，徐偲骕. 新“盧德運動”會出現嗎？：人工智能與工作/后工作世界的未來［J］. 現代傳播（中國傳媒大學學報），2020（5）：45-50.