生成式人工智能時代新聞生產的主體性重構

隨著生成式人工智能技術（GenerativeArtificialIntelligence）的迅猛發展，新聞生產領域正經歷前所未有的變革。生成式人工智能正在重塑新聞行業格局，其應用已從初期的自動化新聞寫作發展到能夠根據需求創作復雜的新聞報道、視覺圖像及動態視頻內容。這一技術演進正促使新聞生產模式實現從專業生產（PGC）、用戶生產（UGC）到人工智能生產（AIGC）的范式躍遷，進而引發新聞生產體系結構與產業關系的根本性重構。在生成式人工智能時代，新聞從業者的職能范疇已從單純的內容創作擴展至語料標注、模型優化等技術領域，其職業角色正由傳統的內容生產者向具備技術素養的復合型人才轉型。這種變化使得新聞生產面臨主體性消解的問題，新聞從業者的話語權、認知勞動、職業認同和專業價值都面臨不同程度的挑戰。

一、主體性消解：新聞生產關系的結構性異變

（一）把關權力的讓渡

越來越多的新聞機構正在將事實性報道的生產任務委托給AI。2023年初，隨著ChatGPT的興起，新聞行業作為最早響應的領域之一，快速引入并應用AIGC技術。2023年2月，美國新聞聚合網站BuzzFeed推出AI作答的測試欄目Quizzes；同年5月，《華盛頓郵報》宣布成立跨部門AI協同機制，英國《金融時報》也首次任命AI編輯[1]。截至2025年1月，隨著以DeepSeek為代表的國產大模型強勢崛起，將AIGC融入新聞生產流程更是媒體新一輪革新的焦點。2025年2月，大眾報業集團大眾新聞客戶端、河北日報報業集團縱覽新聞客戶端、四川日報報業集團川觀新聞客戶端、成都傳媒集團每日經濟新聞客戶端等第一批接入DeepSeek的主流新聞客戶端成為大模型落地的典型場景[2]。

在新聞生產領域，尤其是在那些具有較強數據性、規律性和突發性的新聞報道中，AI正逐漸成為重要的生產者。提升效率是驅動新聞機構采用人工智能技術的核心動因。AI新聞寫作的速度遠超人工，這使得部分新聞從業者的工作重心被迫發生轉移，從傳統的新聞撰寫轉向語料標注與模型調整優化。這些新聞從業者需要將時間投入收集、整理和標注財經、體育等領域的專業語料，以提高AI的語言理解和生成能力。同時，他們還要對模型進行優化，調整提示詞和算法參數，以確保生成的內容能夠更好地滿足讀者的需求。

在部分從業者將AI當作效率工具的同時，另一些人更關注其對新聞行業生態和職業定位的潛在影響[3]。在傳統的新聞生產模式中，作為專業的知識生產者，新聞從業者掌握著新聞話語的主導權，他們通過新聞選題策劃、采訪執行、文本撰寫及編輯加工等環節，將媒體價值取向滲透于新聞報道中，進而引導公眾認知并塑造社會輿論。然而，在算法時代，這種權力結構發生了顯著變化。隨著人工智能逐步承擔起新聞內容生產的關鍵任務，部分新聞從業者的角色正從內容創作者轉變為數據標注專業人員。這種趨勢帶來了新聞從業者把關權力讓渡的問題。人工智能在新聞領域的應用具有顯著的情境依賴性，其新聞生產主要基于算法邏輯和數據驅動，通常遵循固定模板生成內容。這種模式缺乏專業新聞從業者的主觀判斷和情感融入，導致新聞作品往往欠缺人文溫度[4]。

（二）認知勞動的異化

隨著生成式人工智能的應用，新聞從業者的認知勞動發生了顯著變化，其中一個突出表現是他們用于AI訓練的時間在逐步增多。在算法普遍應用的環境下，新聞從業者感知的職業自主性與實際工作中的算法依賴形成了某種微妙的張力[5]。由于工作模式的改變，部分新聞從業者可能會減少實地采訪活動，降低與受訪者的直接互動頻率。這一現象不利于新聞從業者挖掘新聞事件背后更深層次的原因和人物的真實情感，使得新聞報道缺乏感染力和說服力。同時，另一個令人擔憂的悖論也逐漸顯現：人類越致力于訓練AI，AI越反向塑造人類的思維模式。這種反向塑造體現在多個方面，以“標題黨”語料為例，在當前的新聞環境中，為了吸引受眾的注意力，一些媒體常常使用夸張、故弄玄虛的標題。當這些標題數據被整合進人工智能的訓練集后，AI在學習過程中會逐漸形成一種以流量為導向的內容生成邏輯。例如，AI會生成一些具有“吸睛力”但可能缺乏實質內容的標題，像“震驚！”“突發！\"“驚人內幕！”等。這種趨勢可能引發新聞選題的功利化傾向，促使從業者為追求點擊量而過度聚焦爭議性話題，相對弱化對深度報道和社會價值新聞的關注。人工智能對人類認知的反向塑造效應還體現在人工智能生成內容完全依賴數據驅動和算法模型，這可能導致新聞從業者在采用這類內容時不自覺地接受其預設觀點和結論推斷，而忽略了對事物的多維度分析和批判性思維。當新聞從業者習慣性地依賴AI提供的信息，缺乏創新和獨立思考，其自身的專業敏感性將變得鈍化。

（三）專業價值的消解

新聞從業者的專業角色正經歷從“事實核查者”向“算法優化者”的轉變，這一演進過程使新聞專業主義面臨全新的倫理挑戰。在傳統新聞理念中，新聞專業主義強調新聞從業者對事實的堅守和客觀呈現，要求新聞從業者通過深入采訪、調查核實等方式，為公眾提供真實、準確、全面的新聞信息，成為事實的守護者。當前，新聞從業者的角色向“算法馴化師”轉變，他們的工作重心從傳統的新聞采寫轉向了對算法的理解和把控，他們需要不斷探索如何讓AI更好地模擬人類的新聞思維和寫作方式。當AI按照新聞從業者的意愿開始生產“符合新聞價值標準”的內容時，人們不禁要問：新聞從業者的價值和意義又將何在？

事實上，優秀的新聞生產除了追求速度，還關乎情感和道德內容。新聞從業者在內容生產中承擔著至關重要的社會責任，必須恪守真實、客觀、公正的職業準則。面對復雜社會議題和利益沖突時，他們需要運用專業判斷維護公共利益，這一倫理使命是人工智能無法替代的。AI基于預設的算法和數據生成內容，容易受到數據偏差、信息污染和算法偏見的影響。如果AI生成的新聞內容存在虛假信息或誤導性言論，可能會對社會造成負面影響，而AI自身卻無法承擔相應的責任。由此可見，新聞從業者仍然是新聞真實性、公正性的最終責任人。在生成式人工智能時代，新聞從業者更需要凸顯自身在新聞生產中的核心作用，以此捍衛職業認同和專業地位[6]。面對新聞專業主義的倫理困境，如何在利用AI技術提高新聞生產效率的同時保持新聞從業者的主體性和專業價值，是當前新聞行業需要深入思考的問題。

二、主體性重構：新聞生產人機協作關系調適

（一）構建“AI作業 + 人類作業”耦合工作流

新聞生產流程的再造成為行業發展的必然趨勢，構建“AI作業 + 人類作業”耦合工作流是實現流程再造的關鍵路徑。這一模型基于人機優勢互補的理念構建，旨在充分發揮AI和新聞從業者在新聞生產中各自的優勢，以實現新聞生產效率和質量的雙重提升。

第一，AI作業流主要依托人工智能技術的數據處理能力和內容快速生成能力。AI可以實時監測社交媒體、新聞網站等多個數據源，快速篩選有價值的新聞線索。一旦發現熱點事件，它還能夠根據預設的算法和模板快速生成新聞內容。人類作業流則側重于發揮人類的專業素養和創造力。憑借敏銳的新聞洞察力、深入的采訪能力和批判性思維，新聞從業者可深度挖掘和分析新聞事件，并為新聞報道賦予人文的思想和溫度。第二，“AI作業 + 人類作業”耦合工作流的運行方式基于兩者間的有效協作。在新聞生產的初始階段，AI能夠快速整合新聞要素，并生成初步的新聞稿件。新聞從業者必須對AI生成內容實施專業審核，并結合行業認知與實地調研，彌補算法在情感理解和價值判斷上的不足，從而確保報道的準確性、表現力和思想性。在新聞生產的后期階段，AI可對新聞稿件進行語言潤色、格式調整。在新聞的分發階段，AI可根據不同平臺的特點和受眾的興趣偏好，將新聞內容精準地推送給目標受眾，提高新聞的傳播效果。媒體通過建立人機協同機制，能夠更有效地兼顧新聞報道的時效性與內容質量。

（二）明確“事實層”與“解釋層”的責任邊界

在“AI作業 + 人類作業”耦合工作流中，明確“事實層”與“解釋層”的責任邊界是實現人機協同高效新聞生產的關鍵。第一，在“事實層”，AI承擔著信息抓取、數據驗證、趨勢預測等職責。在信息抓取方面，AI憑借強大的網絡爬蟲技術和數據挖掘算法，能夠實時監測全球范圍內的數據源，并快速獲取海量的新聞信息。在數據驗證方面，AI利用大數據分析和機器學習算法，可驗證所抓取的信息真實性和準確性。其可以通過對比多個數據源、分析數據的一致性和邏輯性來識別數據偏差和錯誤。在預測經濟和社會的變化趨勢時，AI可以分析歷史數據、市場動態以及相關政策等因素，為新聞從業者提供有價值的參考。第二，在“解釋層”，新聞從業者專注于價值判斷、關系挖掘和意義建構等工作。新聞價值判斷是新聞從業者的核心專業能力，主要體現在根據新聞事件的性質、公共價值和傳播意義，對報道內容進行專業篩選和重要性排序。關系挖掘要求新聞從業者深入分析新聞事件中各方的關系，包括人物關系、利益關系、因果關系等，從而揭示新聞事件的深層次原因和影響。意義建構則指新聞從業者通過對新聞事件的深入解讀和分析，為公眾提供有深度、有內涵的新聞報道，幫助公眾理解新聞事件的背景和意義。

（三）AI訓練權與主體性再嵌入機制

在生成式人工智能新聞生產模式下，掌握AI訓練權成為主流媒體重建話語主導權的重要路徑。主流媒體積累了海量的新聞數據，包括國內外政治、經濟、文化、社會等各個領域的信息，這些數據為AI訓練提供了堅實的基礎。通過對這些數據的深入挖掘和利用，主流媒體能夠訓練出更契合自身定位和傳播需求的AI模型。在AI訓練過程中，主流媒體還可以篩選適當的新聞素材構建語料庫，并對語料開展全面且規范的標注處理，使AI通過機器學習能夠遵循主流媒體的價值導向。在算法設計中，在Transformer等自然語言處理架構的基礎上，主流媒體可通過引入價值觀強化學習模塊（Value-BasedRL），對模型的訓練過程進行優化。強化學習模塊通過調整語言模型的注意力權重，使新聞內容生成過程更聚焦價值觀約束條件。同時，主流媒體有必要為人機協作進行相應的組織管理創新，將人工智能協作效能納入績效考核體系。在傳統新聞媒體績效考核中，主流媒體主要以新聞從業者的新聞采寫數量、稿件質量、獲獎情況等作為評價指標。在生成式人工智能時代，新聞生產的模式和流程經歷了顯著變革，新聞從業者的工作內容不再局限于傳統的采寫編發，他們需要投入大量時間與精力完成人工智能語料標注、模型訓練及參數優化等工作。因此，主流媒體將“AI訓練貢獻度”納入績效考核及職稱評審指標，能夠更全面、客觀地評價新聞從業者的工作表現和專業能力。此外，“人機協作”崗位的設立也將是現階段主流媒體組織架構變革的重要體現。這一崗位的主要職責是協調新聞內容的價值導向與技術應用的匹配關系，確保人機協作的高效進行。在價值校準方面，“人機協作”崗位的工作人員需要對AI生成的內容進行審核和把關，確保其符合新聞的真實性、客觀性和公正性原則。在技術適配方面，他們需要與技術團隊密切合作，調整和優化AI模型，確保AI技術與新聞生產流程有效融合。“人機協作”崗位將發揮重要的橋梁和紐帶作用，促進新聞從業者與技術人員之間的溝通與協作，打破傳統新聞生產中部門間的壁壘。

三、直面變革：主體性重構下新聞從業者的角色轉型

（一）從“新聞敏感”到“數據敏感”的能力遷移

在數據驅動的新聞生產時代，具備數據敏感能力的新聞從業者更能適應人機協作的新聞生產模式。在大數據時代，新聞線索已不再局限于傳統的消息來源，而是廣泛分布于各種數據中。新聞從業者可通過對數據的智能化監測和分析，及時發現潛在的新聞線索；通過追蹤熱搜以及輿情數據的變化趨勢，精準把握公眾關注焦點，及時捕捉社會熱點事件。同時，具備數據素養的新聞從業者能夠精準分析和解讀數據，有效預防AI新聞生產中因數據偏差或誤讀引發的報道失實問題。此外，數據敏感能力還可幫助新聞從業者發現數據之間的關聯和趨勢，從而為新聞報道提供更深入的分析和解讀，增強新聞報道的可信度和說服力。因此，新聞從業者需要從多個方面入手，通過學習數據分析技術、關注數據技術動態、積極參與數據驅動的新聞實踐等方式，不斷提升自身的數據素養。

（二）從“內容生產者”到“認知架構師”的角色升華

在生成式人工智能時代，新聞從業者需要完成從內容創作者向認知架構師的角色躍升。認知架構師這一角色在新聞生產中承擔著構建新聞認知框架、洞察受眾需求和特點的重要職責，具有豐富的內涵和多元的功能。

在信息過載的環境中，新聞事件紛繁復雜，受眾往往難以從海量的信息中快速、準確地把握新聞的核心內容和深層意義。對此，認知架構師可以運用自己的專業知識和敏銳的洞察力，從眾多的信息源中篩選有價值的信息，并將信息進行結構化處理，進而構建清晰、合理的認知框架。借助這個框架，受眾能夠更好地理解新聞事件的背景和影響，把握新聞事件的本質。同時，認知架構師需要依據受眾特征與需求，采用適配的表達形式及傳播渠道，熟練運用故事化敘事、可視化呈現等手法，提升新聞內容的傳播效果與受眾理解度。此外，他們還善于挖掘新聞事件背后的隱性信息，將這些隱性信息與顯性信息相結合，為受眾提供更深入、更全面的新聞解讀。

（三）從“社會守望”到“算法治理”的功能拓展

在提升新聞生產力的同時，AI算法的應用也帶來了一系列不容忽視的問題，使得算法治理在新聞領域變得極為必要。首先，算法可能帶來算法偏見、數據遮蔽或虛假信息的傳播。算法運作依賴海量數據輸入和預設模型參數，然而，訓練數據可能存在系統性偏差，模型架構也難免存在設計局限。虛假或具有誤導性的信息傳播將影響公眾的認知和判斷。其次，算法的應用還可能引發信息繭房和回聲室效應。當用戶長期處于一個相對封閉的信息環境中，客觀上會走向視野窄化、思維固化。這種現象不僅會影響公眾的認知能力，還可能導致社會的分裂和對立。此外，“算法黑箱”與透明性缺失也給新聞生產帶來了潛在風險[7]。算法運行機制具有較高的技術復雜度，其決策規則與內在邏輯通常超出公眾的理解范圍。這種技術黑箱特性導致算法運行過程缺乏透明性，進而造成有效監督機制的缺失。面對上述挑戰，新聞從業者的社會職責不可缺位，他們依托自身的專業素養與實踐經驗，能夠深度參與算法規則設計，及時識別并修正算法偏見，有效提升算法透明度，從而成為新聞行業算法治理的中堅力量。

四、結語

在生成式人工智能時代，新聞生產關系正在發生結構性異變。隨著新聞從業者的角色從內容創作者轉向AI訓練師，新聞把關權正在發生轉移，新聞生產的主體性面臨被弱化的風險。主流媒體需要積極探索主體性的再嵌入機制，通過掌握AI訓練權，將自身價值觀念融入AI模型，重建話語主導權，實現AI新聞生產的價值校準與技術適配。這既是技術倒逼的被動調整，更是新聞業適時的主動進化。隨著新聞生產邁入智能技術與人本價值融合發展的新階段，人工智能將突破輔助工具的角色，深度重構新聞生產模式。主流媒體唯有將人的主體性嵌入算法世界，方能在人機共生的新聞生態中守護新聞倫理的永恒價值。

[參考文獻]

[1］王煥超，胡曉萌.拐點時刻？AIGC時代的新聞業 [EB/OL].（2023-08-30）[2025-05-22].https：//cloud. tencent.com/developer/article/2319843.

[2]朱子鈺.關注！首批接入DeepSeek的5家主流媒體 講嘗鮮感受[EB/OL].（2025-02-26）[2025-05-22]. https：//mp.weixin.qq.com/s？__biz L= MzI1MDU4OTA0Mg == amp;mid ? 2247910190amp;idx Ψ= 2amp;sn aa3f453109e23b07ce9eb3 075383343damp;chksm e89ab2104b1cbec32b4a84d9b76aef8 75f892729223e648a07ce7e8a674cb23ae12be73a3125amp;sce ne=27.

[3] MORAN R E，SHAIKH S J.Robots in the News and Newsrooms：Unpacking Meta-Journalistic Discourse on the Use of Artificial Intelligence in Journalism [J]. Digital Journalism，2022（10）： 1756-1774.

[4］沈悅.人工智能時代記者面臨的挑戰與應對策略 [J].中國報業，2025（03）：154-155.

[5］HAANYD，BERGEVD，GOUTIERN，et al.Invisible Friend or Foe？How Journalists Use and Perceive Algorithmic-Driven Tools in Their Research Process[J]. Digital Journalism，2022（10）：1775-1793.

[6]DALEN A V.Revisiting the Algorithms Behind the Headlines.How Journalists Respond to Professional Competition of Generative AI ［J] .Journalism Practice， 2024.

[7]董青嶺.人工智能時代的算法黑箱與信任重建［J]. 人民論壇·學術前沿，2024（16）：76-82.