在以人工智能为代表的智能化技术与媒介深度融合的浪潮中，DeepSeek作为新一代人工智能技术成果，通过混合专家架构（MixtureofExperts）、知识蒸馏与模型压缩等核心技术，为我国处于转型深水区的主流媒体提供了技术跃迁的新支点。面对用户需求场景化和信息传播碎片化等多重挑战，媒体机构的数智化转型已非简单的技术叠加，而是涉及生产模式重塑、价值链条重构与治理范式迭代等根本性问题。通过解构DeepSeek驱动下主流媒体数智化转型的可行路径，能够为推进主流媒体系统性变革提供帮助，为破解技术赋能与价值引领协同，算法效率与公共属性平衡等核心命题提供理论参照，推动形成具有中国特色的智能媒体发展范式。
一、人工智能时代主流媒体数智化转型实践现状
数智化是数字化、信息化与智能化的结合，在媒介化应用中，“数”对应数字化改造及大数据技术，意味着媒体通过算法驱动的智能平台，构建内容与用户之间的关联；“智”指以人工智能为代表的智能技术[1]。数智化转型不止是对数据的整理和应用，更是将数据进行价值化转换，强调对数据的深度挖掘。
目前，主流媒体已在内容生产、传播形态、商业模式等多个方面充分应用人工智能技术。其一，智能化应用贯穿新闻内容生产全链条。从“机器人写作”到AIGC新闻，初期的自动化新闻写作只能适配特定类型的新闻内容，具有实时生产，提升效率等作用，而AIGC超越了写作机器人，以超强的计算能力和理解能力与新闻生产深度融合，解锁更多应用场景，甚至有一定风格和价值取向[2。具体而言，在采集环节，数据挖掘等智能化技术能实时抓取热点内容；在内容生产层面，自然语言生成等人工智能技术可以自动生成所需稿件；在编辑审核阶段，智能校对系统不但能实现高效筛查还可构建起立体化风控体系；在分发环节，算法推荐与用户画像使新闻内容实现精准推送，增加触达几率；在效果反馈方面，人工智能可根据影响力数据构建评估模型，进行情感分析、话题演化预测。智能化技术对新闻生产的全流程接人，不仅能够提升新闻生产效率，还以人机协同的模式，不断提升传媒机构的核心竞争力。新华社自2017年便启动“新华智媒工程”，在智能化编辑部全流程中嵌人媒体大脑、AI合成主播、现场云等智能生产技术，形成开放协作的智能化采编发机制。人民日报社推出“人民日报创作大脑 AI+ ”工具，在2024年全国两会期间以全息采录眼镜为载体，将人脸识别、实时传输等智能化技术应用其中，实现新闻与技术的全面融合，
其二，人工智能赋能用户交互体验全面升级，主流媒体场景化思维不断加深。所谓场景化思维即是结合了平台思维和用户思维，包含以平台建设为基础的场景辐射力，以链接场景、用户、服务为关键的场景连接力，和实现商业化盈利的场景服务力[3]。发挥媒体的场景化思维，不仅要搭建平台更要留住用户，智能技术在新媒体场景中不断拓展应用范围，以VR、AR、数字虚拟等技术打造全息场所，形成以用户为中心的全域信息平台。以虚拟数字人技术为例，人工智能主播基于深度学习、面部关键点检测等技术，生成AI虚拟数字形象，实现精准表达和情感交互。从2021年两会期间数字虚拟小编“小C”亮相央视网，到2025年春节杭州电视台综合频道《杭州新闻联播》首次采用数字人双播，通过AI工具，用户既能够获取个性化新闻，也能在社交平台参与互动交流，新闻消费转化为深度社交行为，使传媒机构、智能化应用、用户群体形成价值共同体，重构人工智能时代的新闻传播生态。
其三，数字化巅覆与传播生态重构的双重背景下，媒体产业模式正突破传统依赖型框架，通过智能化技术向多元方向探索。一方面，主流媒体经营模式创新升级，情感付费、知识付费等非广告收入比例显着提升，传统媒体借力智能化、平台化建构，形成“注意力－情感－消费”的营收价值链。另一方面，数字技术消解传媒产业边界，元宇宙、人工智能等技术使媒体机构向教育、旅游等垂直领域不断渗透，开发出以“新闻 + 文旅”“新闻 + 服务”等为代表的“新闻 + ”模式，内容、服务、场景成为构建复合型产业体系的关键。比如，长江云依托智能化技术搭建“长江数字文创大数据服务平台”，形成“数字文创作品+ 景区门票”“数字化非遗 + 轻奢非遗文创礼品销售”“地方博物馆馆藏数字文创 + 博物馆文创礼品销售”等形式，实现媒体与地方文旅的有机结合。人民日报社推出“人民文旅”垂直平台，深度融合文旅资源，实现媒体品牌向文旅产业的增值延伸。多元化的产业探索不仅拓宽了主流媒体的生存空间，增强其在人工智能时代的竞争力，更通过产业要素的创造性重组推动主流媒体传播范式的系统性变革。
然而，主流媒体智能化转型过程中，数据治理与算法伦理困境持续存在。其一，媒体机构的技术应用多依赖于大数据采集与分析，数据的资本化运作易使传播权归属异位，形成数据垄断和技术殖民，这不仅不利于主流价值观的传播，更易滋生隐蔽的算法偏见，消解中小型媒体的内容自主权。其二，算法系统与价值观嵌人的底层逻辑存在矛盾，机器语言常忽视复杂社会议题的话语背景，消解媒体功能的公共属性，技术理性取代专业化操作。其三，生成式人工智能的应用引发更深层的信任危机。近几年人工智能生产谣言信息、垃圾信息乱象已逐渐被关注，清华大学新闻与传播学院新媒体研究中心2024年发布的《揭秘AI谣言：传播路径与治理策略全解析》中显示：“2023年以来，网络谣言整体态势平稳，但AI谣言量近半年信息量增长 65% ”[4]，可见数据治理难题已成媒体转型和网络空间治理过程中不可忽视的部分。
同时，主流媒体对人工智能的应用仍停留在浅层化阶段，智能技术工具属性明显。其一，多数媒体机构将人工智能技术切割成孤立的生产单元，再进行功能模块的物理叠加，形成“人工 + 智能”的浅层拆解。比如，自然语言大模型对新闻内容的审校多数仅停留在基础性的文字纠错，而事实核查能力不足，未能真正提升新闻生产效能。其二，多数主流媒体将人工智能定位为“生产力工具”，内容时效性虽然有所提高，但同质化问题凸显，造成信息冗余和低质内容泛滥，不利于提升媒体影响力和公信力。其三，媒体中技术专业人才缺失，人机协作认知断层。媒体从业者往往缺乏对智能技术的专业化知识储备，采编团队存在技术使用和逻辑理解的信息割裂。
二、DeepSeek驱动下主流媒体的转 型探索
2025年初，中国公司深度求索（DeepSeek）推出大语言模型DeepSeek-R1和其底座模型DeepSeek-V3，短时间内实现对国际顶尖大模型的赶超，引发全球轰动。DeepSeek在算法架构上混合专家（MoE）架构、多头潜在注意力（MLA）机制以及知识蒸馏与模型压缩技术，同时通过开源模式构建协作生态，形成具备影响力的内容合作机制[5。以ChatGPT为代表的生成式人工智能打通了专业性与通用性的节点，而DeepSeek则是将人工智能的使用带人“效率革命”与“平价时代”[。在DeepSeek 赋能之下，我国主流媒体将人工智能技术广泛应用于更多垂直领域，实现媒体与技术深度融合。
第一，DeepSeek大模型加速接人媒体全流程生产体系，逐步实现从“辅助工具”到“决策大脑”的演进。区别于以往的人工智能大模型，DeepSeek的核心突破之一是将其本隐藏于算法“黑箱”的逻辑推演过程展现在用户面前，使智能技术从边缘化工具向中枢化决策跃迁。以DeepSeek-R1为例，其深度推理采用思维链（ChainofThought）技术，融合双系统认知理论（DualProcessTheory），构建起“快慢思维协同”的混合推理架构。具体而言，DeepSeek的深度思考通过三层递进的架构完成，首先是数据感知，根据用户指令整合社交媒体、用户行为日志等多模态数据库资源，形成动态更新的知识图谱；其次是逻辑推理，将所采集的信息进行清洗对齐，形成符合用户需求的逻辑线索；最后是决策输出，即是将结果组合成可被阅读的图文内容，构建起“采集-推理-输出”的优化机制，并通过与用户的交互，实现意见反馈与持续迭代。主流媒体应结合DeepSeek强大的逻辑思维优势，将对人工智能技术的浅层应用提升到全流程赋能。2025年2月19日，广西日报社旗下“广西云云智”智能融媒体生产板块正式接人DeepSeek-R1大模型，不仅编辑记者可以通过“AI大脑”“智能审校”等功能辅助内容产出，其客户端也可使用DeepSeek深度思考能力实现与用户的实时互动，并利用全区媒体三级贯通的数据融合优势，构建广西媒体专属数据库，打造基于人工智能应用的“广西方案”。
第二，DeepSeek成功开源（OpenSource），以技术共享机制重构了主流媒体的生产关系，实现智能化跃迁。与OpenAI的闭源策略形成鲜明对比，DeepSeek开源生态与社区支持优势显着，开发门槛极天降低。人工智能的开源生态成型时间较晚，但“开源”一词在信息技术学科已十分常见，早超出最初单纯开放源代码的狭隘概念。人工智能的开源生态多维图景应满足“自由修改 + 再分发”条件，因此其不仅要开放架构和参数，更要公开核心代码[。这种共享模式能有效帮助不同层级的媒体机构跨越智能生产门槛，推动媒体组织结构的系统化变革。比如，通过接入
DeepSeek开源天模型，各地媒体机构可通过完善本地化部署，形成独具地方特色的专属数据库，深入探索大模型与媒体智能化运作的融合路径，适配各类场景下的传播需求，弥合不同地区媒体的人才差距和技术鸿沟。同时，四级融媒体中心还可通过接入和共享数据库而形成平行协作机制，各地媒体以其特色话语内容优化大数据模型，形成多位一体、双向赋能、持续迭代的全媒体传播创新链条。目前，包括第一财经、潇湘晨报、江苏广播电视台、四川文化大数据等超过30家媒体机构已接人DeepSeek服务，如江苏广电接入大模型服务后，不仅在其客户端以语言交互的方式提供本地生活帮助，还向台内编辑记者及市县融媒体工作人员提供基于DeepSeek的智能化服务，不断提升内容生产与服务效率。
第三，DeepSeek以深度思考与开源生态的双重赋能，重塑主流媒体多模态内容生产的技术架构与操作范式。一方面，DeepSeek基于逻辑推理，将分散的图文、音视频素材转化为具有连贯性的深度报道，并通过用户画像等算法方式实现多模态内容与受众认知习惯的精准匹配，提升媒体工作效率。另一方面，DeepSeek的知识生产高度依赖与用户的交流互动，这也帮助媒体更好了解用户需求，构建人机交互的虚拟社区。浙江卫视打造的AIGC创新生态平台“智媒果”在融合DeepSeek-R1大模型后，节目素材处理效率提升 47% ，用户互动响应速度加快3倍，内容生产成本降低超 60% ，成功实现降本增效。大象新闻接人DeepSeek-R1大模型后，通过对用户开放思维链输出和本地化部署，用户智能化体验提升，其内置的AI小编也基于DeepSeek大模型开发场景化互动，人机交互形式更加多样。可见，媒体机构对DeepSeek的融合应用未只停留在简单的物理接入，而是深度融入新闻生产全流程，并推动形成内容生产高效化、用户服务场景化、内容传播精准化、舆论管控集约化等多位一体的智能传播路径。
第四，作为国产人工智能大模型，DeepSeek的全面接入也为媒体机构构建起技术自主可控、数据主权清晰、价值观主流明确的商业范式。首先，本地化部署使各级媒体能够突破数字化转型中的“数据孤岛”限制，方便在数据不出域的前提下，整合媒体、政府、企业等多方可用资源，形成横纵联合的数据网，实现媒体与其他组织部门合作的长尾效应。相较于其他通用大模型，DeepSeek的深度思考功能及对中文语义及政策语境的精准把握，能够直接转化为媒体转型发展中的竞争优势。目前，广州、深圳、北京等多地政务系统宣布接人DeepSeek，使政务新媒体实现多场景应用，全方位提质增效。其次，DeepSeek的低成本训练与高效推理能力将持续赋能主流媒体构建垂直领域智能服务生态，使媒体的业务领域从信息服务边缘位置拓展到数字经济核心。比如，地方媒体可依托其专业化采编能力和媒体资源，训练构建具备区域特色的产业分析模型，从内容生产者转型为智能方案供应商。
三、主流媒体智能化转型的未来展望
首先，多模态大模型的深度融合将重构媒体生产范式，技术底座与主流价值观协同进化。2025年3月，狮腾控股发布公告，开发推出Geene，整合全球领先的人工智能模型，包括DeepSeek、ChatGPT及Qwen，透过智能动态路由技术，匹配最佳模型，确保运算效能与精准度。这也代表了智能技术的未来走向，即从单一大模型应用进阶到多模态调用，真正形成开放融合的智能化生态。在此技术契机下，主流媒体可对既有大模型进行融合重组，形成智能体集群，实现选题策划、事实核查、多形态内容生成的闭环协同，完成媒体内容资源到社会数字资产的转化，使媒体机构从封闭的内容生产组织进化为开放的社会智能节点。在此过程中，人工智能也可为主流媒体传播主流价值观提供智能化助力。一方面，要发挥生成式人工智能的信息聚合优势，通过多模态呈现的方式，打造符合中国式现代化建设需求的新闻内容和传播场景。另一方面，要推进中文语料库建设，提升生成式人工智能内容输出中的中国式价值观构成[8。通过将意识形态安全与内容生产有机统一，主流媒体可通过人工智能深度学习顶层规划中的价值方向，自动生成兼具教育性与传播力的融媒体产品，使主流媒体在智能化转型中始终把握价值制高点，并持续输出具有价值共鸣的新闻内容。
其次，数据安全与技术依赖仍是人工智能技术应用的核心矛盾。联邦学习、隐私计算等技术虽然拓展了数据应用的边界，但媒体机构的数据资产托管趋势也使其面临主权让渡风险。一方面，媒体在使用公共数据生产内容时，第三方算法“黑箱”导致数据确权模糊。更严峻的挑战来自数据跨境流动，由于各国针对人工智能的态度和政策仍存在分歧，因此媒体在收集数据并利用人工智能进行国际传播时，需严格关注不同区域的监管条例，如欧盟执行的《通用数据保护条例》就严格限制数据跨境流动。另一方面，人工智能技术的大规模应用使部分媒体从业者产生技术依赖，媒体核心竞争力从传媒专业技能转为技术偏向，技术断供风险加大。这要求媒体机构必须构建技术治理框架，将关键数据存储在自主可控的媒体云平台，同时通过技术安全中台形成模型影响评估机制，即当技术渗透指数过高时发出预警，降低单一技术依赖。未来，主流媒体应集体构建智能化网络生态，实现大模型的去中心化共享，享受智能化红利的同时也能确保媒体自主性。
再次，DeepSeek驱动的媒体智能化进程，正在触发行业人才结构的系统性重构。《2023AIGC人才趋势洞察》显示，2023年一季度AIGC人才需求激增，存在巨大缺口[9。AIGC技术为新闻从业者提升工作效率，却引发失业担忧和职业焦虑。传媒人才结构变革不仅体现在技能要求的升级，更使传统记者角色身份发生转变，从传统媒体记者转换为程序员和记者双重身份融为一体的“人机交互架构师”，促使媒体从业者加速能力升维。一方面，主流媒体从业者应通过强化学习，理解智能化技术的底层逻辑，进行技能重构、角色进化和认知跨越。另一方面，面对媒体行业人工智能人才缺口，主流媒体应充分开展产学研协同，破解人才供给瓶颈。通过与高校合作、开展技能培训班、构建智媒人才联盟等方式做优人才生态，激活媒体融合发展新动能。比如，湖北襄阳南漳县融媒体中心就将培训常态化，建立业务学习制度，每周2次分组学习、1次“周末大讲堂”集中培训，先后选派记者编辑参加AIGC应用等课程，充分提升从业者技术实力。甘肃七里河区融媒体中心建立融媒人才库，加快推动内容生产各环节互融互通，打造全媒体技术平台，以业务提质建强融媒队伍主力军。
最后，主流媒体智能化转型的不断深化，正在倒逼行业建立与之适配的规范性体系。2024年，我国首次将“人工智能 + ”写人《政府工作报告》，标志着国家层面对人工智能产业的关注。智能化技术逐渐与新闻生产全链条紧密融合，技术双刃剑效应也愈发凸显：主流媒体既可能通过智能技术加速内容生产而放大主流声量，也可能因算法价值观偏差引发导向问题；既能依托数据挖掘提升公共服务效能，亦存在隐私泄露与信息茧房风险。因此，主流媒体必须超越对技术的简单工具化思维，构建涵盖伦理约束、法律规制、标准协同的多维治理框架。其一，规范化建设的首要任务，是构建人机协同的价值标准。以人工智能技术为代表的智能决策逻辑需与主流媒体的社会使命深度耦合，必须将意识形态安全、文化传承责任、公共服务属性等核心价值纳入可操作的算法编码当中。各级媒体机构亟需构建动态化的价值观对齐评估体系，通过设置语义防火墙、建立人工复核节点等方式，确保人工智能生产的内容符合主流价值标准。其二，智能化应用的规范化运行不能依赖单一主体，需要政府、媒体行业、技术公司等多方协同共治。政府部门需加快完善媒体智能化应用的专项法规，明确数据采集边界，形成技术应用法律红线。媒体方也应推动形成技术伦理公约，建立模型训练数据审查机制，通过软性约束引导技术创新与公共利益的平衡。技术供给方要强化自任意识，设置价值观校验模块和具备自我纠偏能力的自适应系统，从源头降低技术异化风险。其三，规范化运行还要求打开技术“黑箱”，建立透明化运作体系。比如，模型训练的数据可溯源、算法决策逻辑可视化，每个环节都可审计、可追溯、可解释。未来，主流媒体应引导建立人机共治的新型文化生态，通过建立算法伦理监管机构、开展公众技术素养教育、完善社会监督反馈渠道，使主流媒体真正实现智能化转型，完成系统化升级。
结语
数智化浪潮推动下，主流媒体转型过程中的技术逻辑已成为重点，以DeepSeek为代表的人工智能技术正以前所未有的深度与广度重塑主流媒体的发展格局，其对新闻内容生产的全链条嵌人正逐步构建出多元主体共同协作的传播新生态。对此，面对技术赋能下的深层矛盾，如算法伦理、数据隐私等问题，国产人工智能大模型DeepSeek为主流媒体提供了更多解决方案和转型可能，也使技术工具实现向“决策大脑”的跨越式演进。未来，主流媒体的数智化创新不仅可依赖技术迭代与制度创新的双向驱动，还需建构起具备技术研发、人才培养等多功能并行的系统性工程。如何实现技术逻辑与媒体专业技能的深度融合，仍是需要传媒行业持续关注的核心命题。
参考文献：
[1]韩韶君.技术、话语与叙事：数智化背景下主流媒体国际传播策略[J].中国出版，2024（6）：34-37.
[2]郑满宁.人工智能技术下的新闻业：檀变、转向与应对：基于ChatGPT带来的新思考].中国编辑，2023（4）：35-40.
[3]王军峰.场景化思维：重建场景、用户与服务连接[J].新闻与写作，2017（2）：97-99.
[4]新媒沈阳团队.揭秘AI谣言：传播路径 与治理策略全解析报告发布[EB/OL].（2024-04-
29）[2025-03-10].https：//mp.weixin.qq.com/s/ FUxoqbSEjFKusdazW7Y18w.
[5]段玉聪.抢占AI话语权：DeepSeek的技术优势、战略布局与未来生态图景[J].新疆师范大学学报（哲学社会科学版），2025（4）：1-17.
[6]喻国明，金丽萍.生成式媒介的极致优化：DeepSeek对传播生态的系统性影响[J].新疆师范大学学报（哲学社会科学版），2025（4）：1-9.
[7]苏宇，郭雨婷.人工智能开源生态的法律治 理[J].宁夏社会科学，2024（5）：119-130.
[8]方正.生成式人工智能嵌入铸牢中华民族 共同体意识的前景、风险与策略[EB/OL].（2025- 03-07）[2025-03-10].https：//doi.org/10.20183/j. cnki.szshkx.20250306.004.
[9]猎聘大数据研究院.2023AIGC人才趋势洞察发布[EB/OL].（2023-06-19）[2025-03-10].https：//mp.weixin.qq.com/s/XdkjcJXXq1ZJsTom6OYTPw.
