郭全中等：大模型驱动下新媒体平台的迭代与创新

进入21世纪，人类迈入人工智能时代。2008年，IBM提出“智慧地球”概念，强调世界的物联化、互联化和智能化。自2010年起，人工智能技术取得飞速发展，在语音识别、文本识别和视频识别等感知领域取得突破，人工智能发展进入爆发式增长的新高潮。伴随大数据、云计算及物联网等信息技术的协同演进，计算平台成功弥合人工智能在科学研究与实际应用之间的技术鸿沟，实现人工智能与实体经济的融合，多方位拓展人工智能的日常应用领域。随着以Transformer为代表的新型神经网络模型的诞生，深度学习进入人工智能研究与应用的新阶段。此阶段，大模型成为人工智能的重要支撑，推动语言理解、语音识别、视觉处理和决策支持等领域持续创新，其自主性、适应性和泛化能力显著提升，为各行各业带来深远影响。人工智能的传统三要素“算法、算力、数据”正逐步演变为大模型时代的四要素“算法、算力、数据、应用场景”，进一步促进人工智能与人类智慧的深度融合，催生更多依托智能技术的新兴产业形态。对新媒体平台而言，大模型正作为其新的基础设施，推动平台加速迭代创新。大模型凭借其强大的数据处理和推理能力，不仅重塑了内容生产和分发的全流程，更推动了营销策略和管理体系的深度变革。本文将系统探讨大模型如何驱动新媒体平台，以及推动主流媒体打造的自主可控平台进行迭代与创新。

      2024年10月，新浪新闻探索大会上，微博COO王巍发表了题为《探索传媒新质生产力 微博构建大模型生态》主题演讲。他指出，AI对媒体行业的重塑出现突飞猛进的进展，在内容生产、内容分发、内容消费等领域，人工智能展现出了广泛的应用潜力。随着技术能力持续演进，大模型正逐步成为新媒体平台的重要技术底座，驱动平台机制的全面更新与升级，并推动行业向更加智能化和高质量的方向迈进。

      2.1　内容生产范式的重构

     2022年以来，大模型技术引领了一场全新的智能生产浪潮，这一新技术正全面融入内容产业，推动智能互联时代的内容变革加速演进。继专业生产内容和用户生成内容之后，生成式AI是基于人工智能技术自动生成内容的新型生产方式。目前，新媒体平台已广泛应用大模型技术，并基于此重构内容生产的范式，推动新媒体平台的内容生产走向智能化，提升质量与效率。

      2.1.1　智能化生产

在大模型的推动下，新媒体平台正在经历内容生产智能化的转型。为降低创作门槛、提升内容生产效率并增强用户体验，各大平台纷纷引入AI工具。目前，抖音、快手、小红书、哔哩哔哩和微博等新媒体平台均已接入不同的AI生成工具，通过智能视频剪辑、文本生成、动漫创作等功能，促进内容创作的多元化和高效化。

      抖音的“即梦”（Dreamina）是一款由字节跳动公司推出的AIGC视频创作工具，拥有文本生成视频、智能剪辑以及动态画面生成等功能，它可支持用户输入文本、图片或者关键词，自动生成相应的视频内容，还可以智能匹配背景音乐、字幕以及特效，以此降低短视频创作的难度。这款工具还有AI语音合成以及虚拟主播功能，可让内容的播报与解说变得更加智能。“即梦”的接入，提高了抖音短视频的生产效率，还为品牌营销、短视频带货等商业应用提供了更智能化的创意支持。快手的“可灵AI”（Kling AI）是由快手大模型团队自研打造的视频生成大模型，具备强大的视频生成能力，用户借此可以轻松高效地完成艺术视频创作。“可灵AI”主打零门槛视频创作，依托多模态大模型技术，实现语音驱动数字人生成、文字生成视频、智能剪辑等功能。不仅如此，“可灵AI”推出的“快来惹毛我”创意特效也火热出圈，其以AIGC技术实现动态绒化效果，用户上传人物或物品图片，即可生成具有反差萌效果的融合视频。低门槛的交互设计激发了全民创作热情，同时让城市地标通过数字再造焕发亲和力，更开辟了文旅IP年轻化传播的新赛道。

      大模型技术的深度运用正在重塑新媒体平台的内容生产方式，大模型赋能内容生产，降低了普通用户的创作难度，还为新媒体平台构建了丰富的内容生态，让其在短视频、直播、社交互动等领域拥有更强的竞争力。未来，随着大模型持续优化，新媒体平台的内容创作模式会朝着更智能化、多模态融合的方向演进。

      2.1.2　辅助创意

      在新媒体内容创作领域，传统的创意产出主要依靠创作者自身灵感的不断积累，然而这会受到个人过往经历、知识储备状况以及创作能力等多方面因素的制约。随着大模型技术日益迅速地发展，新媒体平台在内容策划与生产环节中引入AI辅助创意机制，通过对海量数据的学习与理解，实现对用户兴趣、社会热点与行业趋势的精准洞察，从而辅助内容生产者进行创意构思。当下，AI赋能创意生产的实践不断涌现：爱奇艺开发的AI驱动的剧本工具“剧本工坊”，能够为创作团队提供创作辅助，例如，提炼小说大纲及人物角色核心信息，提供影视创作需要的知识库，以及大量故事来源，方便创作者获取灵感；网易云音乐开发的AI作曲工具“天音”，是一款集成了AI辅助“词、曲、编、唱、混”等音乐创作全流程功能的一站式音乐创作工具，其利用先进的AI技术，为用户提供了从灵感生成到成品输出的全方位支持。

      2.2　分发模式的演变

当前，在新媒体平台中，内容的分发主要有社交分发和智能分发两种重要模式，其中智能分发的基本方式是算法分发，但大模型的出现，为分发模式的变化带来契机。大模型可以更高效地捕捉用户的喜好与个性化需求，让用户画像变得更加精确，进而更好地生成信息和精准化推送，并且能够根据不同的需求调整信息内容，从以往单一的分发方式逐渐向个性化的内容分发方式转变。

      2.2.1　个性化推荐

      新媒体时代信息过载成为用户面临的主要问题，海量内容的涌现使得用户难以筛选出真正符合个人需求的信息。因此，精准推荐技术成为新媒体平台提升用户体验、增强内容传播效果的重要手段。大模型通过对用户行为数据的深度挖掘，精准洞察用户需求，实现内容的精准推送。在此基础上，大模型能够匹配更符合用户需求的内容，并不断优化推送策略，以提升平台的内容分发效率和用户的使用体验。

以封面新闻10.0版本为例，此平台引入了自主研发的“灵知”算法，借助算法筛选和编辑推荐相结合的方式，对新闻内容开展智能筛选与推荐。用户进入封面新闻客户端后，首页的动屏会实时筛选热点新闻以及深度报道，并且以海报的形式给予个性化推送。该系统结合全网热度、内容质量、用户关注度等多维度因素来推荐信息，还凭借用户自主关注功能，实现个性化定制。腾讯新闻、今日头条等媒体平台也都采用智能算法推荐系统，依据用户的历史浏览记录提供个性化新闻推送，吸引用户点击浏览，提升用户黏性。

       2.2.2　跨平台分发

      当前，新媒体平台呈现出多平台并存的局面，不同平台的内容生态、用户群体及传播机制各不相同。大模型能较为精准识别各平台的特点，并根据不同受众的需求，自动优化内容格式、标签、发布时间等关键要素，从而提升内容的适配性和传播效果，助力内容实现跨平台智能分发，打破传播边界，扩大内容的影响力。

      当用户上传内容后，大模型首先会对内容进行解析，包括文本提取、关键词识别、语义理解、视频帧分析等。例如，NLP技术用于分析文本的主题、情感倾向、标签关键词等，而计算机视觉技术可以识别视频或图片中的主要元素（如人物、场景、字幕）。原始视频素材可被拆解为关键帧、音频流、文字脚本等元素。不同平台对内容的格式、时长、标题风格、标签、封面等要求各异，大模型会根据各平台的算法推荐机制与内容规范，对上传的内容进行智能适配。AI能够自动将横屏或竖屏视频转换为适合目标平台的比例，还会根据不同平台的内容风格调整文案。内容生成后，AI通过与各大平台的API对接，实现内容的自动分发。

      目前，已有多个由AI驱动的跨平台分发工具被广泛应用。例如，字节跳动旗下的“巨量引擎”能够帮助创作者将内容一键分发至抖音、今日头条、西瓜视频等多个平台，并针对不同平台进行优化调整。快手的“快影”工具不仅提供视频剪辑功能，还支持智能分发，让创作者可以将投稿内容轻松同步发布至多个内容平台。微信公众号与视频号的联动机制也借助AI实现了文本内容与视频内容的互通，提高了传播效率。

       2.3　营销流程的重塑

      在营销领域，随着大模型的快速发展，有望更全面地分析、预测用户行为，从而进行精准推送，并依靠自动化服务进一步降本增效，推动广告营销业务流程重塑和产品价值创新。目前，平台营销正在从“大数据+营销”的模式向“AI+营销”的模式转变。大模型重塑了平台营销的全流程，对数据洞察、内容创造以及内容投放都产生了影响。

       2.3.1　数据洞察环节

      传统营销的数据分析存在着数据量不够、质量差、标准化程度低、只有数据没有洞察等问题。随着AI融入平台的营销数据的洞察，平台对数据洞察的效能显著提高，有助于实现底层数据细化，进一步提升数据的处理和理解能力，深化数据的广度与深度。大模型通过用户洞察、社媒洞察、电商洞察等，驱动数据深度整合挖掘，提升数据处理效率，并且通过深度融合营销方法论，在数据分析和预测阶段提供精准洞察，为后续的营销决策打下良好基础。

例如，百度营销旗下的“百度观星盘”是一款AI营销决策平台，此平台依托海量数据资产，借助自然语言多轮对话技术，深度融合数据查询、归因分析、主动搜索、策略整合以及智能交互等功能模块，可协助企业高效获取品牌资产等核心数据，全面剖析流量、广告效果、舆情等多维度指标的变化趋向，还可以深入探寻数据波动的根本原因。该平台为企业提供了深入的用户行为洞察以及智能化的策略支撑，帮助企业在复杂的市场环境里达成科学决策与精准营销。

      2.3.2　内容创造环节

      AI与内容的结合是绝大多数平台、企业进入AI营销的起点，能够快速提升营销效果和商业价值。大模型辅助营销内容的创意、个性化内容的生成以及内容的优化，使营销内容生产进入增量市场。传统的营销内容创意制作往往依赖少数“创意大脑”的灵感闪现，效率低且易陷入固有模式，而通过大模型能力，实现了高效、多元的创意内容生成，让每一条文案、每一个视觉元素都具备高度的精准性与感染力。无论是品牌文案、海报设计还是视频脚本，生成式AI都能在极短的时间内生成数十种备选方案。通过对历史数据与热点趋势的学习，AI输出的每一份创意都可以融合消费者心理，洞察与时下不同的流行元素，真正做到量产高质量内容。

       2.3.3　营销投放环节

      从外部市场环境看，营销面临红利消失、竞争加剧等问题。传统营销投放过程中，用户与营销平台的磨合成本居高不下，随着营销手段和用户行为日益复杂多变，传统营销方式越来越难以满足用户对个性化营销的渴求。而AI融入广告营销，营销主体可通过大模型、算法优化等技术手段，实现高效投、定向投、智能投。广告系统能深入分析用户行为，将广告内容更加精准地推送给目标受众，让广告投放更具针对性，能大幅提升曝光率和转化率并提高投资回报率。

与传统广告投放不同，AI广告投放能实现实时的效果检测和优化，并根据指标进行动态调整，在投放效率高的同时确保了广告预算最大化利用。这一蓬勃发展态势背后，离不开大模型的赋能。2023年以来，随着AI应用带来的广告投放与销售转化效率提升，多家互联网平台广告营销收入增长加速。2024年全国广告业事业单位和规模以上企业的广告业务收入15464.1亿元，较上年增长17.9%。

例如，“利欧归一”作为营销领域大模型，专注于突破传统广告投放方式中效率低的瓶颈，将AI技术引入广告投放之中，以AI技术实现投放效率和效果的双重提升。依托通用L0级语言模型，“利欧归一”结合自身在营销领域的专业优势、丰富的投放实践经验及对客户需求的精准把握，打造了适用于多平台投放流程的SEMGPT专属模型，并构建了涵盖从底层模型到应用工具的一站式解决方案，为企业创造可观的商业价值。

       2.4　管理体系的优化

随着人工智能技术不断发展，新媒体平台正历经从传统人工管理朝着智能化、数据驱动型管理模式转变的深度变革。在内容审核与舆情监测领域，人工智能的引入使得效率得以提升，准确性也有所提高。

       2.4.1　智能审核

      以往传统把关人角色通常由人类承担，其职责是对媒体内容进行筛选、审核以及发布，以此保证所传播信息的真实性与客观性。然而在大模型的推动下，这一角色正逐步朝着人机协同的智能化方向转变，形成了全新的媒体内容把关机制。新媒体平台借助自然语言处理、光学字符识别、人脸识别等技术，可以从多个维度识别文本、视频、音频以及图像内容，检测出其中存在的错误或者违规信息，以此提高内容质量并保证传播的合规性。以人民日报社的“智晓助”为例，“智晓助”系统由人民日报传播内容认知全国重点实验室研发，运用了人工智能等前沿技术，实现了对文稿、图片以及视频内容的智能识别与审查，还可以提供自动化纠错建议。该系统可在一定程度上取代传统的校对环节，帮助内容创作者发现潜在问题并给予修正，提升审核效率与准确性。

       2.4.2　舆情监测与风险控制

      在当前新媒体信息环境变得日益复杂、多元化的背景下，大模型技术的运用给平台的舆情治理带来了全新的发展契机，在提高舆情监测的精确程度、分析的智能化水准以及优化舆论引导策略等多方面都发挥了重要作用。

      在舆情监测领域，大模型依靠其强大的计算以及分析能力，对舆情监测有着较强的赋能效果。借助语义分析和大数据监测等技术手段，人工智能系统可达成对新闻媒体、社交平台以及网络论坛等多种信息源展开深度的信息挖掘工作。此技术体系融合了关键词匹配、情感倾向识别以及语义关联分析等核心模块，实现文本信息的自动化采集以及结构化解析，突破了传统人工监测在时空方面的限制。依靠大数据监测技术，AI可迅速识别舆论热点以及潜在的舆情风险，助力相关部门及时了解舆情发展趋势，并凭借精确的数据支持，辅助优化舆情应对策略，大幅提高监测的效率与准确性。

      在舆情分析方面，大模型可对舆情信息进行深度剖析并研判其发展趋势，帮助相关主体全面了解舆情演变规律以及其深层驱动因素。自然语言处理技术让大模型拥有更强的文本解析能力，可精准提取舆情中的关键信息与核心观点；情感分析技术则可识别公众情绪的变化及倾向性，进而更精准地判断舆情发展态势。

      在舆论引导层面，大模型技术凭借对舆情信息的深度解析和数据挖掘，可揭示舆论发展的内在逻辑以及演变趋势，为精准引导提供科学支撑与技术保障。依托人工智能技术，可全面追踪和分析公众的言论以及互动行为，从海量数据中提取关键信息，深入了解社会群体的兴趣倾向、价值取向以及情绪特征。通过对这些关键信息的高效分析，舆论引导者可及时把握舆情态势，灵活调整引导措施，实现更具针对性和精准度的舆论调控，提升舆论治理的科学性与有效性。

      对主流媒体而言，打造以内容建设为根本、先进技术为支撑、创新管理为保障的自主可控的媒体平台正是媒体深度融合发展的根本目标。2024年，党的二十届三中全会通过了《中共中央关于进一步全面深化改革、推进中国式现代化的决定》，指出要完善生成式人工智能发展和管理机制，这为主流媒体下一步融合和转型指明了方向。随着生成式人工智能、多模态交互技术的突破性进展，主流媒体积极应用大模型技术赋能自主可控平台的建设。

      3.1　主流媒体打造的自主可控平台正在积极内嵌大模型

在数字化、网络化、智能化浪潮的推动下，媒体生态正在发生深刻变革，“平台+媒体”模式成为主流媒体整合资源、提升竞争力的关键策略。面对社交媒体、短视频平台和自媒体的冲击，主流媒体不断寻求创新突破，借助打造自主可控的新媒体平台，增强主流新闻舆论传播力、引导力、影响力、公信力。随着新一轮科技革命和产业变革的到来，主流媒体也积极推进技术革新，探索将人工智能、云计算、大数据、大模型等前沿技术应用在新媒体平台中，重构媒体融合发展技术底座。

      自2023年起，上海报业集团着力打造AI数字人融媒创作平台。经过1年多的发展，该平台为文汇报、澎湃新闻、新民晚报、解放日报、界面财联社等媒体提供了探索内容供给侧结构性改革的强大技术支撑。平台已打造首批由70个AI数字人组成的IP矩阵，面向时政民生、文体科技、国际传播等不同领域开展热点播报，在不同媒体的网络辟谣、气象播报、财经快讯、体坛速览等栏目中成为人气主播，助力新闻内容生产的智能化升级。

      人民日报社新媒体中心持续推进用户覆盖全面扩展、传播渠道全天候延伸以及服务领域多元升级，依靠法人微博、微信公众号等平台，积极构建以人民日报自建客户端为核心的移动传播体系，以此提升人民日报社的传播力与影响力。在大模型应用领域，新媒体中心与领先技术企业展开深度合作，借助大模型赋能，打造高质量的融媒体内容。在全国两会等重大报道节点，推出贴合主题、传播力佳、互动性强且广受网民喜爱的AI融媒体产品。同时，将大模型技术深度融入“人民日报创作大脑AI+”平台，升级AIGC工具箱，契合视频生产领域不断增长的需求与挑战。

      新华社的媒体融合生产技术与系统国家重点实验室2019年12月揭牌运行。作为媒体行业的战略性科技创新平台，其立足推动媒体深度融合和重构新闻舆论生态的需求，重点关注人工智能等前沿技术在新闻生产全流程中的应用，重点方向主要涵盖两个方面：一是跨媒体环境下的大规模信息感知、认知分析与推理；二是基于人机协同的复杂问题分析、响应及评估。通过深化基础研究，该平台旨在提升媒体融合生产技术的创新能力，为新时代新闻传播体系的发展提供有力支撑。2023年7月，该实验室与博特智能联合推出国内技术领先的公文写作AIGC平台“新华妙笔”。

2024年8月，大众报业集团旗下的“大众新媒体大平台”正式推出9.0版本客户端，将“AI立端”确立为核心战略方向。该平台采用全新技术架构，涵盖底层数据湖、中层智媒大脑和上层客户端，实现了从数据存储、智能分析到用户交互的全链路布局。其研发路径并未依赖现有的任何媒体技术平台进行升级改造，而是基于AI原生思维和大模型技术进行自主研发，确保技术体系的完整性与前瞻性。目前，大众党媒大模型已深度融入大众新闻客户端、大众数据湖、大众智媒大脑等核心业务系统，成为该新媒体大平台真正意义上的智能中枢。在大模型的赋能下，该平台传统的业务流程被打破，内容生产、信息分发、交互方式迎来了革新。在AI技术的深度赋能下，大众新媒体大平台构建了覆盖全生产链的智能化体系，实现了从选题策划到内容呈现的范式突破。平台依托自主研发的大众党媒大模型，形成了包含线索收集、智能采编、多模态生成的完整生产闭环。

      可见，主流媒体在自主可控平台建设中的大模型应用探索，已从技术工具的引入，迈向对生产体系、分发逻辑与组织结构的整体再造。大模型的深度内嵌，使主流媒体在内容供给、公共服务和社会治理中的功能得以延展，也为其在复杂多变的媒介环境中提供了新的战略支点。

       3.2　不足与未来

      当前，主流媒体在生成式人工智能内嵌应用层面，相较于互联网企业稍显落后，主要原因如下：第一，主流媒体的现状维持观念根深蒂固。多数媒体从业者因安于现状，担心外部技术破坏现有工作秩序、节奏和流程，对技术带来的不确定性天然产生抵触情绪。第二，从业者面临“撞墙”期。“撞墙”一词源于NBA比赛中的“新秀墙”，指新秀球员在进入联盟后的特定阶段有发展瓶颈，如投篮命中率下降、失误增多等。类比到传媒领域，部分从业者认为使用生成式人工智能效率更低、操作更复杂、工作起来愈加烦琐，甚至不如依靠原有经验创作更省时省力，这正是所谓的“撞墙”期表现。第三，主流媒体在人工智能技术应用方面仍有较大提升空间。受多种因素制约，新闻行业对AI的应用仍处于较为初级的阶段，专业化程度不足，创新运用能力有限，对智能化转型的适应能力也较弱。另外，拥有前沿技术素养且能熟练操作AI工具的专业人才比较稀缺，导致媒体在借助人工智能优化新闻生产、提高传播力与影响力方面存在较大欠缺。举例来说，不少媒体尚未构建完备的智能推荐算法以及精准分发机制，很难依据用户兴趣和需求给予个性化内容推送，对内容的传播广度与深度产生了影响。第四，数据资源存在不足的情况。互联网平台积淀了数量庞大的用户数据，涉及用户行为、兴趣偏好等多个层面，为平台的人工智能系统提供了丰富的训练材料，支撑其可精确地剖析用户需求并提供个性化服务。与之相比，主流媒体的数据资源相对稀少，数据收集和分析能力欠佳，限制了人工智能技术在内容生产和分发中的有效应用。

      基于此，传媒业亟需多方协同突破大模型未能充分内嵌的瓶颈，避免出现“撞墙”期。第一，高层领导者要大力推动。领导者需积极发挥引领作用，通过制定相关制度促使生成式人工智能融入传媒业各个环节，例如，举办“AIGC+传媒”竞赛活动，凭借绩效激励传媒从业者积极运用大模型，打破维持现状的局面。第二，一线从业者应走出舒适区，主动学习并掌握人工智能技术，提升自身技能，避免在技术迭代浪潮中被淘汰。第三，技术人员要持续简化使用流程。技术开发者需从用户角度着手简化操作步骤，借助设置“一键创作”等方式降低使用门槛，提升用户对智能化平台的接受程度。第四，政府、媒体以及技术方应共同研讨并制定详尽的生成式人工智能操作指南，为从业者提供应用指导与规范。指南应涉及大模型的基本原理、操作流程、注意事项等内容，帮助从业者理解与应用大模型技术。指南还应依据实际情况不断更新完善，以契合不断变化的技术和业务需求。

      大模型正对新媒体平台的运行方式产生深刻变革，促使其步入全新的结构性转型时期。从内容创作到内容传播，从营销流程到管理架构，大模型已不再仅仅是辅助手段，而是渐渐演变成支撑平台运作的核心能力。它所引发的并非局限于某个环节的效率提升，而是一整套生产逻辑、传播机制以及组织结构的重新构建。大模型推动的新媒体平台创新，已从功能层面的迭代迈向结构层面的重塑，对平台生态产生深远影响。主流媒体的自主可控平台建设也在积极把大模型融入其中，各主流媒体在维持专业内容优势的基础上，推动大模型与新闻生产深度融合，使其成为提升传播能力以及公共服务能力的新型基础设施。尽管主流媒体在技术能力、数据资源以及人才结构等方面仍存在短板，但这一轮创新实践已然说明，主流媒体正主动朝着以智能化为核心的融合发展阶段迈进。未来，随着大模型的持续发展，新媒体平台将据此实现进一步迭代创新，构建出更契合AI时代的平台生态。

注：原文刊载于《西部广播电视》2025年12月刊，参考文献详见原文

    投稿邮箱｜

    zmyj@sctv.com

    订阅电话｜

    028-62023381

    *本刊不以任何形式向作者及单位收取版面费、审稿费、中介费等费用。

    望学界业界垂青，让我们共同见证《西部广播电视》成长。