摘要
媒体融合成为国家战略已经跨越了10个年头。回顾媒体融合的十年历程，必须承认该工程确实取得了不俗的成就，但也必须清醒地看到与之相伴随的新问题。传统媒体在拥抱新技术的问题上依然存在欠缺和主动性，而与此同时自身强项——即专业内容生产的能力正在弱化。生成式人工智能的出现带来了机遇，以传统媒体专业的视角和业务流程为引领，以生成式人工智能语言大模型的生产效率为辅助，二者的结合将达到“1+1＞2”的效果。但真正重要的是，新闻业赖以存在的前提是用专业的内容策划与生产，为社会提供优质公共文化产品。
关键词
媒体融合 公共文化产品 生成式人工智能
时至2024年8月，媒体融合成为国家战略已经跨越了10个年头；同时，距2020年年底中共中央办公厅、国务院办公厅印发《关于加快推进媒体深度融合发展的意见》[1]（以下简称《意见》）也已有4年之久。在这个历史交汇点来回顾媒体融合的十年历程，必须承认该工程确实取得了不俗的成就，但也必须清醒地看到与之相伴随的新问题。立足当下，展望未来，多变的互联网环境和不确定的舆情态势仍在不断警醒着今天的传统媒体——面对人工智能时代的媒介技术生态，传统媒体如逆水行舟，不进则退。传统媒体如何进行媒体融合，在很大程度上与新媒体技术的生成性发展息息相关。因此，媒体融合的第二个十年，其发展战略可能会具有明显的不确定性色彩，需要我们认真总结和反思过去十年并探索未来可行的路径。
一、十年媒体融合之路
自党的十八大以来，国家对于传统媒体的发展始终有着清晰的规划。笔者曾根据《意见》的主要内容指出，中共中央办公厅、国务院办公厅已经为媒体深度融合指明了四个发展方向，即以先进技术为引领、扩大优质内容生产、深化体制机制改革、大力培养全媒体人才[2]。首先，传统媒体需要格外重视先进技术的引领性作用。目前，相比于传统媒体行业，互联网技术公司往往走在新媒体技术发展的最前沿，比如：阿里、腾讯、字节跳动、快手等公司一直在人工智能领域保持着迅猛的发展势头。而传统媒体则在开展技术创新方面面临较大困难，无论是技术研发资金还是研发队伍，都是传统媒体的短板。以ChatGPT为例，作为一项能够引领生成式人工智能发展方向的语言大模型技术，它的前期投入十分惊人，而研发队伍更是由该领域顶尖的人才构成。传统媒体不得不面临一个现实的问题是，传统媒体能够投入多少资金和队伍进行人工智能互联网技术的研发？必须承认，传统媒体在人工智能系列新软件的研发方面试图达到世界一流人工智能企业的水平仍有一段路要走。
其次，传统媒体的新闻内容产能无法跟上互联网时代的发展要求。互联网的巨大产能是任何人根本无法回避的棘手问题。从有人类文明出现到2003年，所有存储下来的信息总和，仅仅相当于如今人类两天创造出的数据量。全球最大的图书馆——美国国会图书馆的所有馆藏，不足今天人类一天所产生数据量的万分之一。而专家预测，五年后全球产生的数据量将是今天的44倍①。从这个意义上看，我们无疑已经进入一个信息大爆炸的时代。即使传统媒体的从业者每天都在不停地生成各种各样的内容，相比于互联网上其他生产主体，尤其是UGC和AIGC，可以完全忽略不计。据统计，在2019年的时候，快手社区每天推出的微视频数量大概是2200万，而同期中国所有的传统媒体生产出来的内容大概一天加在一起不超过20万。当时一些国内顶级的县级融媒体一个月的最高产能也就是600多个自采自编的内容产品，折合到一天也就是20多条自采内容[3]。与快手社区相比，后者的信息产能几乎可以忽略不计。没有足够多的内容产能，传统媒体将越来越难以撬动产能巨大的互联网舆论场。
再次，传统媒体科层式的体制与互联网的发展不相适应。前者的组织架构是纵向的，而后者的结构是横向的。体制机制的矛盾将影响传统媒体在当今互联互通时代的反应速度，所以不难想象传统媒体在改革的过程中每走一步都将非常艰难。以直播工作室的建设为例，传统媒体尤其是广播电视难以真正建立起直播工作室的原因并不在于没有素质良好的员工，而是缺乏导演、场记、文案的“一条龙”服务与专业的MCN工作团队，后者需要建立在项目制而不是科层制的结构之上。顶级网红出圈的背后必然有强大专业团队的加持。所以如果要做直播，就必须走项目制改革，建立各种媒体工作室。这其中难免涉及到诸多制度设计的问题，比如工作室制度与制片人制度的关系等等。
最后，媒体融合必将对新闻传播从业者的素养提出新的要求。在媒体融合走向纵深的今天，面对媒体生产、传播、运营、管理的现实需求，“移动优先”已经成为事实，“全媒体”已成为衡量人才结构的重要标尺[4]。由于当前的新闻业务和大众传播时代有很大差别，从传统媒体人才到全媒体人才的转型并非一帆风顺。更值得警惕的是，由于产能上的缺口，新闻从业者更容易把全媒体素养理解为业务的全面，然而业务不够专精必然带来传统媒体专业性的下滑。在媒体融合即将进入关键窗口期的今天，若是传统媒体的人才队伍水平无法达到纵深发展阶段的现实需求，全媒体人才的匮乏就将直接制约融合实践推进的步伐[5]。
总体而言，面对这些挑战，传统媒体在过去的十年已经在技术、产能、体制改革和人才队伍建设等方面取得了一定的进步。一是实现了技术的跃迁。不少传统媒体已经基本掌握了5G技术、大数据分析和云计算等关键技术，并基本完成了新媒体转型。传统业务——报纸的出版印刷与电视节目的播放只占据了当下传统媒体很小一部分的工作量。二是实现了人才队伍的蝶变。人才队伍的结构不断趋于完善，从业人员技能、水准和对新媒体理解较十年前有很大的蜕变。三是经营状况的向好。以新华报业为例，2016年整个报社的利润下降到谷底的1.2亿，但到2022年这一数据已经达到6.75亿②。同时，我们对此需要保持一个清醒的认知：新闻行业本身并非一个盈利性质的行业，而是一个公益性质和公共性质很强的行业。以美国的彭博社（Bloomberg News）为例，彭博电视台和彭博通讯社几乎分文不挣，甚至还需要大量的资金投入。彭博社真正的收入在于其拥有世界上最全面的财经数据库，通过经营数据库，出售信息来获得盈利。新华日报在经营上所取得的进展也正是得益于多元化的发展和经营。
不过传统媒体不应该满足于这些进展的取得，而是应当看到，层出不穷的新挑战正在不断地挑动着传统媒体的神经。今天，这种挑战依然集中在技术与产能两个领域：
就技术而言，在ChatGPT等一众生成式人工智能语言大模型出现后，传统媒体在技术领域的差距又再度拉开。不仅在技术迭代上无法取得优势，传统媒体从业者对于人工智能技术尤其是语言大模型认知的落后更加令人担忧。通过一项对某省级卫视40岁以下编辑的调研，我们发现这些从业者对新媒体领域中正在发生的这项巨大技术变革几乎并不比普通市民知道得更多，而且对此毫无紧迫感。对于传统媒体最可怕的东西，莫过于自己率先丧失了自救的决心和信心。传统媒体必须积极了解并采纳生成式人工智能技术，而不能掩耳盗铃。今天，只有在生成式人工智能技术这一赛道上锐意进取，才有可能把握业务的主动权。
就产能而言，《意见》发布了四年，传统媒体依然无法实现用小体量撬动巨大的舆论场。产能不仅仅是量的增长，还需要有优质产能的产出。现在部分传统媒体从业者已经注意到产能的重要性，纷纷开始思考如何运用流量逻辑做新闻，学习如何做新媒体标题，学习爆款报道的叙事特征和语言风格。但这并不能从根本上解决问题，反而可能导致专业性的丧失。从业人员明明具有更强的专业能力，在与UGC的流量竞争中，却反而向自媒体的公号文学习。现在的一个严峻现实是，流量的逻辑正在逐渐侵蚀新闻从业者的专业性。现在有的传统媒体的公众号做出来的文章甚至比自媒体产出的文章更具有标题党的风格，这就令公众越来越质疑传统媒体的定位和新闻从业者的专业性。
总而言之，尽管当下媒体融合已经取得了一定的成绩，但仍要正视当前顶层设计中存在的混乱与矛盾之处。面对未来十年媒体融合的再出发传统媒体应该做些什么？本文试图从技术与内容生产两个方面做一点阐释。
二、生成性人工智能的挑战与机遇
当下，人工智能软件的发展已经从程序语言的人机互动第一阶段逐渐向开放域多轮互动的语言大模型阶段过渡，人类进入生成式人工智能时代。机器的进化速度、学习能力和对话能力已经达到了令人难以想象的地步。虽然目前的人工智能就其本质依然还只是人类所设计出的数据库，但这个数据库具有不断学习和提升的能力，这就意味着人工智能其实距离拥有自主的思维体系和思维模式已经只剩一步之遥。
生成式人工智能语言大模型之所以能够实现与人的多轮自由互动，与其科学的编码结构和强大的机器学习密切关联。ChatGPT将英文字母全部转变为二进制代码，并通过各种参数的设定，使每一个词语（包括其不同用法）都具有一个独一无二的编码。有了这套科学的编码结构，ChatGPT就可以以多种方式在人类的语料库中完成海量数据的机器学习，通过这些学习，ChatGPT将获得丰富的语言经验，基于概率原则所表达出来的语言也会更加标准和规范。随着语料库建设的不断推进，ChatGPT的语言能力就变得越来越强，而它的知识水平也就变得越来越高。当然，机器的学习速度以及算力取决于其信息参数的大小，而当下所有语言大模型的信息参数和处理信息的能力都在不断提高。如果将人类的智商换算为信息参数并与人工智能进行对比的话，我们就能感受到这种成长速度：以ChatGPT为例，它的1.0版本信息处理参数不到人的1/10，处理信息的能力远不如常人，但到了4.0版本其信息处理能力就远超常人。
除了这种超乎常人的学习成长能力之外，ChatGPT的强大之处还在于：
一方面，它的文字表达能力已经达到了媲美人类的水平，优美、严谨而规范，尤其是在英文写作上，而且以后会越来越强。美国某位重要小说奖二等奖获得者曾公开其作品是与ChatGPT合作完成的。她先将自己写作的思路与ChatGPT“交流”，然后得到一部分文字，好的部分被保留，而差强人意的部分就进一步地“说明”修改意见。通过不断地进行人机交互，最终完成了小说的写作。而比赛的所有评委都没有看出这部小说出自机器之手。而且作者承认，这篇小说中最精彩震撼的部分基本都是ChatGPT所为。
另一方面，它拥有跨媒体的叙事能力。它开始组建独属的视频数据库。最新版本ChatGPT的AI主播已经可以满足多领域的直播需求，从足球比赛到电竞活动，都能够从容应对。而文生视频软件SORA更是震惊了全世界。怎么设想生成式人工智能的无限应用能力都不为过。正如喻国明教授所言，ChatGPT作为一项划时代的智能互联技术其突破点在于它正以无界的方式全面融入人类实践领域[6]。无论是理性的计算，抑或是感性的情感等等人类特有的精神活动，生成式人工智能都能够通过自身的方式呈现出来。
可以说，生成式人工智能未来的发展具有无限的可能，这也是我们目前所能想象到的最类人的先进技术，所以似乎它进一步拉开了传统媒体与新媒体的技术落差。笔者认为，生成式人工智能技术也是如此，需要以一分为二的态度来科学看待。固然其带来了巨大的挑战与不确定性，但其同样不失为专业新闻队伍的重要机遇。
如前所述，按照传统媒体常规生产信息的效率，其每天所能生产的信息体量相对于整个平台的体量而言微乎其微，难以有效引导舆论场。而如果传统媒体能够辅之以成熟的AI工具，充分利用生成式人工智能强大的写作能力和跨媒体叙事的能力，将自身的选题通过AI工具付诸于实施，那就有可能在一定程度上缓解产能的困局。传统媒体历来有策划选题、团队合作的传统，传统媒体有很好的新闻策划能力，而这通常是自媒体和UGC不具备的，但传统媒体却常常受制于执行能力有限。生成式人工智能虽不可能无中生有，但却可能将好的策划和选题转化为大量产品。所以，如果传统媒体能够充分发挥生成式人工智能的技术潜能，就能够做到取长补短。
因此，传统媒体的从业者需要拥抱生成式人工智能这一新质生产力。传统媒体需要通过创建多支专业的队伍在AI助手的加持下提高产品的质量和产能。当人力与技术磨合良好之后，以传统媒体专业的视角和业务流程为引领，以语言大模型规范的输出和高超的效率为辅助，二者的结合将达到“1+1＞2”的效果。可以说，人工智能再次为传统媒体在产能上的超越提供了机会，但前提是传统媒体学会利用自身的专业优势。
当然，AI助手并不是现成的，它需要与人的磨合，它生成的内容需要新闻从业队伍的不断纠错和训练。所以传统媒体只有尽早采用AI助手，围绕其特点形成新的新闻生产流程，才能较快地提升自身的生产效率。正确的做法应当是，专门针对生成式人工智能的使用进行培养，围绕AI助手形成成熟的新闻策划团队，通过各种调试生产出符合媒体需要的数字产品。要让新闻从业者理解训练和提高AI助手的能力和适用度是自己专业工作的重要组成部分，要让他们发挥创造性思维和主体性去引导AI做出好的新闻产品。
三、提供公共文化产品的紧迫要求
针对专业优势到底为何的问题，传统媒体其实走过了许多的弯路。笔者认为，媒体的顶层设计是否成功就体现在能否为大众提供一定数量的高质量公共文化产品，这也即是传统媒体的专业优势所在。公共文化产品涵盖各种社会领域：习近平总书记所提出的“人类命运共同体”和“一带一路”都被视作中国向世界提供的重要公共产品。“九年制义务教育”和“市民广场建设”等也可以视作成功的公共产品。从广义上说，公共产品就指能为绝大多数人共同消费或享用的产品或服务，而公共文化产品就指能为绝大多数人共享的文化产品、服务和观念。任何公共文化机构的存在意义就在于能够提供公共文化产品。从这个角度而言，传统媒体近年来在公共舆论场上略显疲态的关键，就在于公众对于今天的媒体还在持续地为他们提供公共文化产品的感受正在减弱。
历史学的研究表明，在唐宋时期，中日韩（高丽）是地缘政治意义上的东亚共同体。而之所以在唐代时能够形成这样的共同体，就是因为这些国家之间共享着大量的公共文化产品。国家的人民不仅在政治制度上能够达成共识，还在人才选拔制度、文化艺术、服饰文化和审美观念等方面形成共识。比如科举制度就是唐朝所提供的一项重要的公共产品。而如今，整个东亚地区都被卷入全球化的浪潮下，以美国为首的西方国家所提供的公共产品逐渐取代了唐代以来东亚形成的文化共识，由此国际关系就呈现出截然不同的局势。具体来说就是全球性公共文化产品的普世价值开始显化，而区域性公共文化产品的普世价值在走向隐化。在这种情况下，中日韩三国的关系就变得越来越微妙。公共产品的视角给历史研究带来了新的角度，同样可以给今天的传统媒体提供一个新的思考方向。
媒体曾经得益于成为全国性的公共文化产品的提供者或地方性公共文化产品的提供者。以《南京零距离》为例，作为江苏省广播电视总台城市频道一档着名的民生新闻节目，鼎盛时期其收视率曾经一度超过7%③。可以说当时的南京人甚至将观看《南京零距离》作为一种日常生活习惯。这就可以称得上地方性公共文化产品。如果从公共产品的角度对媒体的发展进行思考，关键就不在于市场最大化，而在于是否能为公共文化产品的建设（比如法制建设，社会体制机制创新，新公共道德原则的确立等）做出贡献，得到人们的认同。因此，从公共文化产品的视角来理解媒体，要想存活在当下，传统媒体的观点和导向必须经常有助于公众的生活，并得到公众的认同。
而这一点近年来在媒体融合的大潮中常常被忽略。传统媒体当前总是把流量和市场放在第一位，并只用这些相关指标考核员工。如果一直采用这种饮鸩止渴和急功近利的做法，用不了多久，其员工的专业素质就会退化贻尽。因此，未来十年媒体融合的主要问题就在于如何重建传统媒体在公共文化产品生产方面的能力。有人认为，人们可能不需要传统媒体，但人们永远都会需要新闻。这句话实际上并非真理，多少有些体现出新闻业界学界对行业的过高评估，有陷入信息茧房的嫌疑。事实上，如果新闻不再是重要的公共文化产品，人们完全可以不需要新闻。今天发生在各种社交媒体上的信息消费就是明证。是抖音、小红书和快手等社交媒体提供的公共文化产品数量远超过新闻媒体。所以，如何重建公共文化产品生产对于传统媒体是一件生死攸关的大事。那么今天的传统媒体究竟该如何生产公共文化产品，并且让自身的专业性得以发挥呢？
谈到公共文化产品，首先就需要厘清一个概念——文化。雷蒙·威廉斯（Raymond Williams）在《漫长的革命》中提到了文化的三种定义：“理想的”定义，“文献的”定义和“社会的”定义。“文献的”文化定义指的是：“思想性作品和想象性作品的实体，其中，人们的思想和经验以各种方式被详细地记载下来。”而“社会的”文化定义指的是：“对一种特殊的生活方式的描述，它表现了不仅包含在艺术和学识中而且也包含在各种制度和日常行为中的某意义和价值”[7]。现在关于文化的研究多顺着后面两个定义的思路展开：一方面，将五千年的中华文化视为一种文化自信；另一方面，则是将文化产品理解为当代人的日常生活方式。所以，传统媒体生产公共文化产品主要有两个抓手：其一是怎么在历史和文明的层面进行拓展，其二是怎么在日常生活层面进行拓展。
所以对于传统媒体而言，文化产品的开发需要围绕两个层面展开：一方面，围绕中国优秀传统文化进行公共文化产品的开发，制造能够形成民族认同的、基于物质性与非物质性传统文化的公共文化产品。另一方面，则是围绕日常生活与地方性知识进行公共文化产品的开发。前者目前很多媒体都在做，尽管存在这样那样的问题，总算是有一些进展，也有一些叫好卖座的案例。但后者则一直是当今的地方性传统媒体普遍缺乏的意识。
深耕地方文化主要基于各种对公众有价值的地方性公共文化产品。细分下去，包括三个层次。最核心的层次就是围绕刚性的公共数据来进行产品生产。其中包括各种服务性政府信息、便民数据（如公积金、纳税、交通违章等市民关心的数据）以及网上政务等等。次核心内容将涵盖各类所在城市的商业和社会服务信息。外围内容则以市民生产的各种信息和相对专业的地方性新闻报道。而这些数据在不同的场景下，经过排列组合和合理规划，就有可能成为受人关注的公共文化产品。
除了利用好公共数据以外，传统媒体还需要具备以下意识，即地方居民的一切行动都基于该地各种物质性和非物质性的结构。可以说，人就是一个各种地图之上漂浮的文化动物。传统媒体的当务之急就是无限地深挖这张地图所具有的文化，包括美食地图、商业地图、艺术地图、会展地图和旅游地图等等。围绕各种地图就能够生产一系列具有持久价值的文化产品。其中，媒体从业者还要利用好时间维度和空间维度，挖掘熟悉中的陌生感，并通过这种陌生感来唤起受众对公共文化产品的认同。目前的一些网红城市，比如成都、西安、哈尔滨、淄博、天水和泉州，都擅长于发掘城市空间和城市历史元素中的陌生感，从而形成公共文化产品的再生产。
好的公共产品同样能够保证传统媒体的收益。以各种地方市场化媒体的“小记者版”实践为例，他们推出“小记者培训”这样的公共产品，围绕其开展一系列训练营、采风和暑期班活动等等。并且通过和本地学校进行紧密的合作，比如与推优等机制实现关联等，最终形成了一项完善的公共产品。这一产品不仅能够帮助媒体盈利，同时还能提升媒体在本地公众中的影响力。目前的问题是，类似服务于市民生活的公共产品实在是太少了。
结语
媒体融合十年向我们展现了传统媒体目前正面临着一种较为棘手的局面，即传统媒体在拥抱新技术的问题上依然存在欠缺和主动性，而与此同时自身曾经的强项——即专业内容生产的能力正在弱化。在当前的技术环境中，生成式人工智能已经成为一项绕不开的议题，并有日益焦点化的趋势。这固然会对“以人为本”的传统媒体造成一定程度的动摇。如果能够及时转变态度，积极地拥抱前沿的技术，传统媒体未尝不能获得新的发展空间。但真正重要的是，新闻业赖以存在的前提，即用专业的内容策划与生产，为社会提供重要公共文化产品。如果不具备后面这种能力，那么无论传统媒体应用技术的能力有多强，专业新闻业仍将会失去存在的合理性。
注释：
①数据参见央视2014年播出的纪录片《互联网时代》，第10集。
②数据由新华日报社提供。
③数据由江苏省广播电视总台提供。
参考文献：
[1]关于加快推进广播电视媒体深度融合发展的意见[EB/OL].（2020-11-13）[2024-9-8].https：//www.gov.cn/gongbao/content/2021/content_5582647.htm.
[2]胡翼青，谌知翼.媒体融合再出发：解读《关于加快推进媒体深度融合发展的意见》[J].中国编辑，2021（1）：67-71.
[3]胡翼青，马新瑶.应对产能危机：传统媒体的生存困局与角色转型[J].上海大学学报（社会科学版），2021（3）：120-130.
[4]王婧雯，邹佳丽.全媒体人才的结构转型与培养框架研究：基于31家媒体机构的人才需求分析[J].当代传播，2022（5）：59-66.
[5]胡正荣，李荃.发力全媒体人才培养推动深融发展[J].青年记者，2020（31）：9-10.
[6]喻国明.勇于直面生成式AI这一时代发展的最大变数[J].媒体融合新观察，2024（1）：4-5.
[7]雷蒙·威廉斯.漫长的革命[M].倪伟，译. 上海：上海人民出版社，2013：50.
作者信息：胡翼青，南京大学人文社会科学高级研究院副院长、南京大学新闻传播学院教授；黄悠然，南京大学新闻传播学院硕士研究生。
