AI重塑新闻业，我们该如何应对？

作者：刘银娣 江婉仪

来源：《全媒体探索》2025年9月号

导读

AIGC正深度渗透传媒业，重塑编辑部工作模式，为新闻生产与传播带来深刻变革。

然而，其应用也伴随挑战：行业主体性弱化、新闻人技能退化以及公众信任风险。如何在拥抱技术效率的同时规避潜在危机，成为传媒人必须直面的课题。

本期“一线聚焦”围绕“当AIGC走进编辑部”这一主题，深入探讨AI给编辑部带来的深刻变革，既总结成功经验，也探讨应对策略，以期为行业智能化转型提供有益参考。

技术对于新闻业的冲击自数字媒体兴起以来从未停下脚步。

从搜索引擎改变了大众的信息获取方式开始，各大新闻媒体便追随着技术发展的脚步逐步建立起门户网站与官方社交媒体。紧接而来的人工智能技术又为数字内容带来了算法推荐机制与注意力经济的博弈。

近三年以来，AIGC（人工智能生成内容）的浪潮毫无疑问又一次向新闻业发起冲击，其基于神经网络深度学习而成的各类预训练大模型为文字、图片乃至视频的便捷生成提供了可能，数字内容生产的门槛进一步降低。

新闻媒体如何在AIGC的浪潮中掌握优势并在人工智能生态中立足成为亟待回答的关键问题。

在这一时代背景下，国内外部分媒体已开始着手开展“AIGC+新闻”的相关应用研发与布局。

得益于经过庞大语料库训练而成的通用大模型，新闻业可利用其行业语料对大模型进行微调优化并作本地部署，构建专精于特定任务类型的新闻领域模型，以智能技术重塑并整合新闻生产的全流程。

01

重塑新闻业的生产流程与传播模式：人工智能生成内容在新闻业的应用

从新闻选题到新闻素材的收集处理，再到制作、审核与分发，AIGC的加入重塑了传统新闻生产的多个流程，也进一步拓展了新闻内容的呈现形态与传播边界。

（一）新闻选题：从“人找信息”转变为“信息找人”

新闻生产的第一步是确定选题。既往新闻从业者往往需要具备多渠道搜集信息、发现热点并识别选题价值的能力以确定新闻选题。

而AIGC的应用使多数时候需要“人找信息”的局面转变为“信息找人”。

利用生成式人工智能强大的语言理解能力搭建实时监测全网热点的任务模型，并自动对海量实时数据进行向量化与筛选、分类处理，再转化为聚合式素材库，方便快速检索和使用。

如北京广播电视台联合华栖云打造的全媒体创作中心，不仅实现了互联网数据的聚合、提炼与升华，对要闻事件进行实时呈现与脉络梳理，还根据新闻从业者日常工作中的不同选题场景配置低代码、半自动的策划表单，以高效调度素材、管控选题。

（二）新闻素材处理：实现基于数据挖掘的新闻生产

在确定选题后，面对海量素材应如何处理则是新闻生产的关键所在。

AIGC能够通过对海量素材的关联、匹配与总结协助记者挖掘新闻线索，尤其在数据驱动型的新闻生产中，运用AIGC从数据中发现核心问题、凝练新闻亮点，成为辅助缺少专业数据处理能力的新闻从业者开展新闻制作的有效工具。

目前国外已有不少媒体与个人记者利用AIGC实现了基于数据挖掘的新闻生产，如非营利新闻机构“马歇尔项目”（The Marshall Project）利用生成式人工智能解读了美国各州监狱禁书的相关政策文件及详细清单，将繁琐的文件逐一凝练为摘要后制作成为可交互的数据新闻；

菲律宾记者杰马克·托德西拉（Jaemark Tordecilla）创建了处理政府审计报告的自定义GPT，以帮助调查记者迅速在冗长的报告中发现涉及公共资金使用的异常情况，揭露政府机构中的潜在贪污行为。

（三）新闻写作：适配场景生成个性化的融媒体新闻稿件

自动化内容生产在新闻行业中并不罕见。

早在十年前，美联社的“wordsmith”平台就开创了自动化撰写新闻稿的先河，此后国内外各大媒体先后推出一系列写作机器人，如法国《世界报》的“Sllyabs”、腾讯财经的“Dreamwriter”、新华社的“快笔小新”等。

然而早期此类自动写作机器人只能处理结构化的信息，生成模式化的新闻稿件，也因此仅在财经、体育、天气等特定领域有较好的表现。

而如今大规模语言模型（LLM）时代的到来不仅使得人工智能生成内容更加灵活、流畅，还能够根据不同场景、不同受众生成个性化的新闻稿件。多模态大模型的发展也让自动化新闻不再局限于文字，而在图片、视频、交互式图表等融媒体生产中为多样化的新闻形式呈现提供了可能。

江苏广电近期在“苏超”赛事中利用视频理解模型自动识别精彩赛事瞬间，自动剪辑生成比赛高光集锦视频；通过视觉算法实时捕捉并分析足球运动路径，并以可视化方式呈现给观众，为观众收看体育赛事带来了全新体验。

（四）新闻核查：智慧媒体审校与风控系统提升内容审核效率与精确度

在新闻核查阶段，一方面，AI可对新闻内容进行溯源以进一步确认信源的准确性与权威性；另一方面，利用分析图片或视频元数据的能力，AI能够检测篡改痕迹，判断多媒体内容的可靠性。

除此之外，AI作为机器理性还可以识别新闻中可能带有的强烈情绪化、煽动性或偏见性的语言模式，以帮助新闻从业者规避内容生产主观化的问题。

例如，光明网推出了AI驱动的智慧媒体审校与风控系统，支持对音视频、图片、文本等多种媒体类型进行审查，并生成违规点标记以及可视化报告，帮助媒体以及政企单位降低内容安全风险，提升内容审核效率与精确度。

（五）新闻分发：多元化信息分发方式满足用户个性化新闻阅读需求

AIGC帮助新闻机构在用户触达环节优化内容传播效果，以高品质信息服务满足用户多元需求。

在新闻分发环节，AI算法通过解析用户过往行为并预判即时喜好实现新闻内容有效匹配，同时配合面向用户的生成式AI助手进行精准触达，有效缓解用户信息过载问题，推动用户从被动接收转为主动获取高价值信息。

在新闻浏览环节，受众碎片化、快节奏的阅读需求也促使新闻形式不断革新，而AIGC为这一需求提供了新的多元化的实现路径。基于已发布的新闻稿件，AIGC可通过音频化、摘要化、交互化等方式改变新闻触达用户端时的形态，以提高用户满意度和留存率。

02

人工智能生成内容应用于新闻业的影响

（一）提高新闻工作效率

AIGC技术与新闻工作者构成人机协作的媒体生产格局，深入渗透到新闻的采写编各个流程中，最大的优势无疑是显著提高新闻工作的效率。

将重复性、机械性较高的工作交由AIGC负责，如音频转写、数据处理等，将结构化、标准化的新闻稿件交由AIGC快速生成并直接使用，如财报、体育新闻、天气预报等，不仅能够大幅缩短处理新闻素材的时间，也能让新闻工作者更专注于具有创造性的需要人类判断、情感共鸣和调查能力的深度报道。

高效人机协作在新闻工作流程中切实可行的关键在于提示词的规范化。在应用传媒领域专业大模型时使用规范化的提示词，能够更好地激活模型中与该领域相关的知识库，以明确任务范围、降低不确定性并提高可复现性。

（二）发挥个体新闻工作者生产效能

对于新闻从业者个人而言，AIGC能够拓展其能力边界，使其创造力更符合数字时代新闻专业人员的要求。

在数据驱动型新闻兴起以后，有关数据的一系列能力成为多数人文背景出身的新闻从业者面临的一大技术壁垒，而利用AIGC的自然语言处理能力，采编者只需上传数据，通过提示词即可借助大模型完成数据的清洗、分析乃至自动可视化的工作。

对于数据挖掘等较为复杂的工作，现有大模型所具备的编程能力也足以向采编者提供可以有效执行的代码程序，为获取互联网特定数据提供便捷而低成本的途径。

与此同时，多模态大模型的出现将新闻工作中常涉及的图片、音频、视频生产能力合而为一，在AIGC的赋能下，以往通常需要团队协作才能完成的融媒体新闻内容，如今个体新闻工作者也具备独立制作的可能。

前文所提及的菲律宾记者杰马克·托德西拉在2025年年初就整合利用了Midjourney、Hugging Face、Eleven Labs、Speedpaint、Suno等数个多模态大模型的内容生成能力，成功将一篇关于菲律宾毒品杀戮历史的长篇调查性文章转化为长达34分钟的有声动画视频。

（三）增强新闻用户黏性，扩大竞争优势

如今，“短平快”早已成为互联网用户接收信息的主要偏好，AIGC通过个性化推荐、高效信息获取、多元化内容形式等手段优化用户体验并满足用户的信息接收需求，这有助于媒体平台提高用户留存率、延长其停留时间并增强其付费意愿，进而实现提升媒体用户忠诚度的长远目标，促进现代新闻业的可持续发展。

国外有新闻媒体通过AI分析用户行为数据对其付费专区开展动态优化调整，建立了更稳固的用户收入模式。

从竞争关系的角度看，率先布局并有效应用AIGC的新闻机构能够抢先触达用户心智，尤其是对AI已有一定认知和使用经验的广大数字原住民。

媒体通过技术革新在受众心中建立起创新、高效、以用户为中心的领先形象，有助于其在激烈的信息行业竞争中吸引并留住用户，在风起云涌的互联网信息格局中重新占领属于新闻媒体的一席之地，扩大信息传播的主动权。

03

人工智能生成内容应用于新闻业的挑战

（一）新闻业主体性迷失风险

目前，国内外新闻媒体机构引入AIGC技术辅助内容生产已成为不可抵挡的发展趋势。然而就现阶段已落地的应用来看，媒体更倾向于与科技巨头平台合作，将后者研发的通用大模型作为基础，进一步利用新闻领域数据进行训练以形成专业级的媒体行业模型。

造成这一局面的原因一方面在于自建AI团队需要投入巨额的资金、人才和算力成本，而普通的媒体机构并无承担这一系列成本的能力；另一方面，新闻机构也缺乏训练AI所需的大规模数据集，这些数据集更多地被掌握在网络平台巨头手中，因此各类平台提供的“开箱即用”式低技术门槛AIGC工具就成为媒体机构的最佳选择。

然而，这一做法无疑将平台与媒体机构绑定在了一起，导致科技巨头公司可通过AI产品的供给对媒体实行一定程度的控制，造成新闻业内容生产的自主权面临被制约的风险。

另外，由于神经网络的深度学习存在“算法黑箱”机制，平台大模型的使用也在某种程度上违反了新闻透明性原则，专业新闻工作者的把关是否有效成为一个无法确定的问题，职业媒体的信息权威性亦有可能被进一步削弱。

（二）新闻工作者认知技能退化危机

个体新闻工作者利用AIGC拓展自身能力边界的同时，也存在着过度依赖人工智能带来的危机。

就传统新闻实践而言，记者往往需要通过自主调查、信源验证并进行多角度事实核查来完成报道，然而如今AIGC工具快速整合信息、生成初稿乃至自动提炼关键点的能力导致部分从业者逐渐丧失了自主信息处理以及深度思考的机会。

长此以往，从业者的核心技能如深度调查、信源验证等能力可能因缺少实践经验而逐渐弱化。

更值得注意的是，技术依赖易造成“认知外包”现象，使从业者处于被动接受而非主动建构知识的状态。这一趋势若持续发展，不仅影响个体专业能力的完整性，也可能削弱新闻行业整体的人文关怀与批判性根基。

另外，既往个体记者基于不同认知视角与价值取向所呈现出立体的、多角度的新闻事实亦有可能被淹没在公式化、同质化的机器写作中，弱化新闻自身的社会环境监测能力。

（三）公众态度两极分化，易危及舆论生态

AIGC产品的普及速度之快让广大用户对人工智能的态度陷入两极分化。

一方面，部分公众表现出对人工智能生成内容的不信任，尤其在选题策划、写作和事实核查三个核心环节中，其更愿意信任人类记者而非AIGC。造成不信任的原因主要是在未注明或不明显注明为AI生成的情况下，用户难以自行区分AIGC与人类内容，而即便有所注明，“算法黑箱”亦会导致新闻透明度降低。

另一方面，一些公众在体验AIGC产品的便捷性后，逐渐将AI搜索作为搜集资料、深入探究内容或核实信息真伪的重要途径。

这类使用者通常表现出对AIGC的过度信赖，然而，当前AIGC的幻觉问题相当突出，仅由人工智能直接生成而未经审核的内容极有可能夹杂虚假信息，由此影响公众对公共事件的判断。而此类用户与前述低信任度公众所形成的态度极化现象，有可能进一步加剧社会信息生态的割裂与共识形成的困难。

04

人工智能生成内容应用于新闻业的策略

（一）规范人工智能技术使用边界，维护新闻机构的自主权

伴随着AIGC对于新闻工作流程的重塑与整合，建立起一套行业通用的AI应用准则成为有效利用其优势并避免相关风险的首要措施。

各媒体机构也应进行自我约束，在组织内部明确具体的可借助AIGC进行生产的流程如事实初步梳理、采访语音转录等，以及必须由专业工作者进行把关的流程如最终事实核查、价值取向确定等，在利用AIGC提高机构内部生产效率的同时确保新闻内容的真实性与公正性。

此外，就现有媒体机构多与外部大型科技公司合作并利用后者现成的大模型进行新闻领域数据的微调即投入使用的情况，新闻业须注重同合作者达成权力关系的平衡以避免生产自主权受到干扰。

对于已有能力组建技术团队开发独立模型的大型新闻机构而言，应鼓励其通过开源模型、共享语料库、与其他新闻机构合作共建等手段打破新闻业技术不平衡的现状，以摆脱对巨头平台的依赖，避免新闻业陷入权力向外部倾斜的局面。

（二）坚持人类主导原则，强化新闻专业角色的指导作用

目前人机协作在社会诸多领域内均已成为大势所趋，然而对于在客观、真实、效率之外亦注重人文关怀与思想深度的新闻领域而言，需明确AIGC始终只能作为内容生产与分发流程中的一种辅助工具而非主导角色。

具体而言，可通过建立人机协同工作流程来实现这一目标。

例如在新闻采访与写作阶段，需由记者通过实地采访等手段获取可靠的一手材料，再利用AIGC将采访录音快速转写成文字或根据采访笔记生成初稿，最终的稿件则必须交由记者进行深度加工和改写；

而在内容审核阶段，则规定AIGC可进行简单的语法勘误以及初步事实核查，但最终的审核与发布权限必须由人类编辑掌握。

对于个体新闻工作者而言，在人机协作时代不断巩固其作为专业人士的核心技能并有意识地提高自身AI素养成为关键的新闻职业要求。

（三）推行人机内容标识机制，增强新闻透明度与可信度

AIGC与人类生成内容（HGC）在性质、过程与责任主体上存在本质差异，因此对二者进行明确区分和标识是遵守新闻透明性原则、维护受众知情权的基本要求。

媒体机构应建立统一的内容标注准则，在新闻发布时明确告知受众哪些部分由AI生成或辅助生成，例如通过在文末标注“本文使用AI辅助生成”，在AI生成图片、视频或音频处添加水印或语音声明等方式实现透明披露。

此举不仅有助于塑造负责任的媒体形象，也能有效管理公众预期，避免因AI生成内容可能存在的误差或局限性引发信任危机或扰乱公众判断。

长远来看，清晰的AIGC/HGC标识机制也将为新闻存档与内容溯源提供结构化基础，为健康的、可持续发展的人机协同新闻生态建设贡献力量。

只有在技术手段与行业自律的平衡下保障新闻生产的透明度，AIGC才能真正融入新闻业并被公众所接受。

05

结 语

在新闻行业的市场压力、以创新为重点的竞争动态以及对人工智能重振行业辉煌的期待等多重因素影响下，国内外新闻机构纷纷追随智能技术的革新脚步将AIGC作为其当前及未来发展规划的一枚重要棋子。

即使就目前来看，AIGC仍然只是新闻业在工具层面的一次革新，后者信息采集、内容生产、受众触达与盈利的核心需求并未改变，但不可否认的是，AIGC已然重塑并整合了传统的新闻工作流程。

AIGC在提高新闻工作效率、拓宽个体从业者能力边界并优化用户端效果的同时，也相应地带来了主体性迷失、认知技能退化、公众信任危机等一系列挑战。

为此，新闻媒体机构以及从业者需要在坚守专业责任的基础上合理使用AIGC技术，同时在技术平台的介入与受众的期待之间证明自身于信息洪流中的存在价值，如此才能在人工智能时代重建更加透明、负责而富有生命力的新闻生态。

（刘银娣：华南理工大学新闻与传播学院副教授；江婉仪：华南理工大学新闻与传播学院硕士研究生）

本文刊于《全媒体探索》2025年9月号，原标题为《重塑与整合：人工智能生成内容应用于新闻业的机遇、挑战与应对策略》。