从"能用"到"更专业"：传媒人张强谈AI时代内容生产的五道关

——认知、质量、真实、场景、落地：当AI用户突破7亿，传媒如何跨过专业升级的分水岭

当生成式人工智能的用户规模突破7亿、普及率越过五成，"要不要用AI"对传媒行业而言，早已不再是一道选择题。

技术已经铺到了每个人手边。真正的问题随之而来：传媒机构、内容团队、创作者个人，怎样才能把AI"用得更专业"——让内容真正更高质量、更专业、更实用、更适合具体场景？

围绕这个问题，资深传媒人、全媒体传播运营专家张强给出了他的观察和判断。在他看来，传媒与AI的结合，远不是"给编辑记者配一个写稿机器人"那么简单，而是一场从认知到流程、从底线到场景的系统升级。

"AI不是来替代内容人的，它是把内容生产的门槛降下来、把专业能力的上限抬上去。"张强把这条路径，拆成了五道必须依次跨过的关口：认知关、质量关、真实关、场景关、落地关。

一、认知关：AI不是"外包写手"，而是"生产能力"的延伸

张强的第一个判断，是先把认知摆正。

中国互联网络信息中心（CNNIC）发布的最新数据显示，截至2026年上半年，我国生成式人工智能用户规模已突破7亿人，普及率超过50%。而就在一年前，这一数字还是6.02亿、普及率42.8%。短短半年，用户增量接近1亿，AI完成了从"尝鲜工具"到"日常基础设施"的关键一跃。

在张强看来，当下不少媒体人和内容团队对AI的使用，仍停留在最浅的一层——把它当成一个"外包写手"：丢一个题目进去，等一篇成品出来，复制、粘贴、发布。这种做法看似省事，实则把AI最能创造价值的部分全部浪费了。

"AI真正改变的，不是'谁来写'，而是'怎么写'。"张强认为，AI的价值在于把内容生产链条上的重复性、机械性工作承接过去——资料梳理、素材归类、初稿生成、多语种转换、格式适配，让创作者把精力腾出来，放到选题判断、价值立意、叙事结构、现场感知这些真正决定内容质量的事情上。

这与传媒行业正在发生的整体变化方向高度一致。2025年8月，国务院印发《关于深入实施"人工智能+"行动的意见》；同年10月，党的二十届四中全会审议通过"十五五"规划建议，明确提出"全面实施'人工智能+'行动""深化主流媒体系统性变革"。2026年9月，国家广播电视总局在国新办发布会上进一步明确"十五五"期间将围绕"人工智能+视听"构建"1+3+1"体系：以应用为牵引，以模型、数据、算力为支撑，以安全为保障。政策层面为传媒行业的数智化变革定下了基调，行业技术应用已经从单点工具试用，转向全链条渗透与生态重构。

张强还有一个更宏观的判断：全球AI产业正处在从"技术竞赛"转向"场景落地"的分水岭。当算力、参数的堆叠边际效益递减，行业的竞争重心会回到"谁把AI用在了真实的生产场景里"。反映到传媒领域，就是谁能把AI真正嵌进选题、采访、编辑、审核、分发、运营的每一个环节，而不是停在演示和尝鲜。

"业内已经形成一个比较清晰的共识，叫'人主机辅'。"张强援引新华社媒体融合生产技术与系统国家重点实验室牵头编制的《AI赋能正能量生产传播场景创新实践参考》（2026年3月发布）说，人承担判断、决策、管控的主体责任，掌握需求发起、任务定义、过程干预、终止执行的主导权。"把这两者搞反了，效率上去了，质量反而下来了。"

认知关的核心要义是：AI不是"代笔人"，而是"放大器"；用对它的前提，是先想清楚自己在内容链条上，究竟要让AI承接哪一段。

二、质量关：把专业编辑标准翻译成AI听得懂的工作流

如果说认知关解决的是"用不用"，质量关解决的就是"用得专不专业"。

张强把媒体用AI的成熟度分成三层：第一层是把AI当玩具，写个标题、生成一张配图；第二层是把AI当工具，用它出一版初稿；第三层才是把AI当系统，让它嵌进策、采、编、发、传的全流程。"绝大多数机构卡在第一层和第二层之间。真正的分水岭，是流程。"

他强调，AI参与内容生产，不能是"生成完就发"，而要把专业编辑标准前置到整个流程里。围绕"创作、修改、润色"三个关键动作，他给出了一套清晰的操作框架：

创作阶段，先立框架再动笔。 由人来定选题、定立意、定立场、搭结构，再把清晰的创作思路交给AI做初稿。"让AI在框子里发挥，而不是让它替你决定写什么。"如果一开始就把选题判断权交给AI，最终得到的往往是信息正确但毫无锐度的"正确废话"。

修改阶段，逐句回改。 AI生成的初稿要经过结构调整、逻辑梳理和逐句打磨，而不是直接采用。张强特别提醒，"生成得快，不等于可以省下修改的功夫。"AI的初稿在结构上往往是"平均正确"的——每个段落都有，但重点不突出、逻辑张力不足、缺乏具体的场景质感，这些都需要专业编辑逐句校准。

润色阶段，校准风格。 要用专属的语料和提示词体系，把内容调成符合自身媒体调性、栏目定位和读者习惯的表达，去掉"千篇一律的AI味"——那种面面俱到却毫无锋芒、辞藻华丽却空洞无物的写作痕迹。

这套思路，与主流媒体正在走的路径高度一致。以新华社为例，其自主研发的智能生产引擎"采编助手"，已构建起覆盖策、采、编、发、传全流程的新闻生产能力矩阵，在主要编辑部门普及率超过95%。其中"发布会内容生成助手"支持前方记者与后方编辑部共享现场音视频流，数秒内生成结构完整的新闻通稿，使发布会报道的平均发稿时效提升约40分钟。更具变革意义的是"全球雷达"与"全国雷达"系统——它们把"人找信息"变成"信息找人"，通过AI自动预警突发事件、预测传播热度，让编辑记者从信息海洋中解放出来。

中央广播电视总台同样在加速布局。总台牵头发起成立"央视听媒体大模型"研发共同体，央视网与阿里合作构建智策大模型，打造以素材智搜、选题热点挖掘、内容智能创作、传播力洞察为核心的应用矩阵。人民日报"创作大脑AI+"、芒果TV"芒果灵创"AIGC平台、人民网"初芯"智能体平台等，也都在将AI能力系统化嵌入采编全流程。

但张强特别指出一个常见误区："更好"不等于"更快"。效率红利必须落到人身上——省下来的时间，要投到AI做不了的地方：去现场、做核实、想角度、谈独家。"如果省下来的时间只是用来多发几条同质化内容，那就不叫更好，那叫更卷。"

质量关的核心要义是：AI产出的上限，取决于人给它设定的标准下限；把专业能力"翻译"成可执行的流程，才是真正的专业。

三、真实关：三条底线，一条都不能松

在张强看来，传媒用AI，"专业"二字是有具体边界的，至少包括三条不可逾越的底线。

第一条是事实底线。

大模型会"幻觉"——它会自动生成看起来逻辑通顺、表述肯定，但与客观事实严重不符的内容。2025年欧洲广播联盟（EBU）联合英国广播公司（BBC）开展的调查显示，各国AI助手普遍存在新闻内容歪曲问题：45%的AI回答存在重大漏洞，31%存在严重信源问题，20%存在明显准确性问题。AI可以虚构人物言论、法律法规、统计数据、学术文献及事件细节，迷惑性极强。

张强的做法是设一道硬闸门：凡是涉及人名、职务、时间、地点、数字、直接引语的表述，一律回查权威原始来源，AI给的"佐证"不作数。"AI可以帮我们找线索、做梳理，但它说的话，必须由人来负责。"

更深层的风险来自深度伪造技术。借助AI的换脸、拟声、文生视频、声音克隆等能力，用户仅需少量素材即可快速生成高逼真度的虚假新闻。2026年3月，一段AI生成的"重庆南岸立交桥垮塌"视频在网络传播，发布者虽标注"内容由AI生成"，仍因编造虚假信息被依法行政拘留。深度伪造不仅制造"虚假内容被相信"的风险，还带来了更棘手的"真实性通胀"——当公众知道音视频皆可伪造时，责任主体可以反过来声称真实证据是AI生成的，过去具有较高证明力的照片、录音和视频，如今需要多重佐证方可核验真伪。

第二条是标识底线。

这是有明确法规要求的硬约束。《人工智能生成合成内容标识办法》已于2025年9月1日起施行，明确人工智能生成合成内容必须添加显式标识和隐式标识。显式标识要求在文本、图片、音频、视频的适当位置添加用户可明显感知的提示；隐式标识则要求在文件元数据中添加内容来源、服务提供者信息等技术标记。2026年9月17日，国家广播电视总局副局长刘建国在国新办发布会上进一步明确：使用人工智能技术生成、制作并播出的广电视听节目必须添加相应标识；节目制作关键环节以及成片内容审核，必须坚持人工审核把关；同时严禁"AI魔改"等行为。

"标识不是负担，是信任成本的控制阀。"张强说，"受众知道这条内容哪里用了AI、用到什么程度，他才愿意继续相信你没用AI的那部分。反过来，藏着掖着，一旦被识破，赔上的是整个账号的公信力。"

第三条是责任底线。

署名与版权怎么界定、训练与生成的数据是否合规、AI产出的内容出了错谁来负责——这些都要在流程里写清楚，而不是出事后再议。张强强调一条铁律："AI不构成任何免责理由。稿子发出去，署的是人的名字，担的也是人的责任。"

传统新闻事实核查主要依靠采访对象确认、现场观察、多信源验证等方法。AI介入后，原始材料与最终报道之间增加了模型生成、自动摘要、智能改写等"黑箱"环节。媒体必须对AI输出开展二次核验，这不可避免地形成了"效率悖论"：生成速度提高了，但核查成本和责任风险也同步上升。若采编系统未记录模型版本、提示词、引用来源和人工修改痕迹，一旦发生失实，记者、编辑、平台和模型供应商之间的责任链将难以厘清。张强建议，专业媒体机构应建立AI使用日志制度，对AI参与生产的关键环节留痕可追溯。

真实关的核心要义是：真实性是新闻业的生命线，AI时代这条线不是模糊了，而是更需要用制度和流程来加粗加固。

四、场景关：给不同内容匹配不同的AI用法

"给所有内容配同一套AI用法，是最常见的浪费。"张强强调，传媒与AI的结合必须场景化。

不同类型的内容，对AI的依赖程度和介入方式截然不同。张强给出了他的场景判断框架：

快讯、通稿、会议消息——这类内容结构清晰、要素固定，AI可以承担大部分初稿工作，人的精力集中在事实核实与价值把关上。例如突发地震快讯，AI可以在数分钟内整合震中位置、震级、历史对比、应急要点等信息，但震级、震源深度等核心数据必须经人工与权威来源核对。

深度报道、调查报道——必须以人为主导，AI退到资料检索、背景梳理、数据初筛的位置。这类内容的核心价值在于记者的现场发现、信源突破和独立判断，这些是AI无法替代的。AI可以帮助记者快速完成海量资料的初筛工作——张强曾测试，用大模型加载行业数据库和政策文件，将原本需要72小时的信源锚定工作压缩到90分钟，误差率从人工的约11%降至AI辅助下的2.3%。但关键发现、核心证据链和叙事角度，必须来自人的判断。

视听内容——重在分工协作。脚本框架、分镜设计、字幕生成、语音配音、多语种译制、智能剪辑高光片段等环节可交由AI提效，但创意方向、关键镜头选择和成片审核仍须人工把关。2025年以来，微短剧成为AI应用最活跃的领域之一，今年前8个月上线微短剧共43万部，其中AI剧占比超过九成。广电总局明确要求AI剧打上内容标注，推动平台严守肖像、声音授权底线，做到全流程把关。

国际传播——是AI优势最明显的场景。多语种译制与本地化适配的效率提升是过去难以想象的。借助AI多模态工具，可以快速实现"字幕擦除→翻译→配音→后期→成片交付→海外自动分发"全链路自动化，内容生产成本可下降20倍以上。科大讯飞等企业已在重点布局AI赋能国际传播，利用文本生成、音频生成、图像生成、视频生成和跨模态生成等能力，帮助中国内容跨越语言壁垒。

数据可视化与信息图——由AI负责呈现，人负责核对每一个数字。AI可以快速将结构化数据转化为图表、地图、交互式信息图，但数据源的准确性、统计口径的一致性、图表表达的准确性，必须由专业编辑逐一确认。

这种"场景化"的思路，与监管和行业布局方向高度一致。从新华社"采编助手"分场景配置功能模块，到央视听媒体大模型针对不同节目类型定制能力，再到各媒体机构自主研发的垂类大模型，本质上都是在回答同一个问题：AI在这个具体场景里，最合适的角色是什么？

场景关的核心要义是：不存在"一招鲜"的AI用法，专业意味着精确知道在什么环节让AI出手、在什么环节必须由人拍板。

五、落地关：从"试点"到"常态"，需要组织层面的系统支撑

跨过前四道关，最后还有一道最容易被忽视、却决定成败的关——落地关。

张强观察到，很多媒体机构的AI应用停留在"领导推动、部门试点、典型演示"的阶段：搞几场培训、买几个工具账号、做几个 showcase 案例，但没有真正嵌入日常工作流，试点结束后一切回到老样子。问题出在哪里？出在没有把AI应用当成一项组织变革来推进。

他认为，AI在媒体机构的真正落地，至少需要四个层面的支撑：

一是工具层——建立适配自身业务的AI工具体系。 不是买一个通用大模型账号就完事了，而是要根据策、采、编、发、传各环节的具体需求，配置或定制对应的工具能力。新华社、人民日报等头部媒体选择自研或私有化部署行业大模型，正是出于数据安全、内容可控和场景适配的考虑。新华报业已建成880TB高质量数据集，完成810万元数据资产入表，数据业务收入年均复合增长约73%，这为AI落地提供了坚实的数据基础。

二是标准层——把编辑规范转化为AI可执行的规则。 包括提示词模板库、风格指南、事实核查清单、标识规范、审核流程等。让每一个编辑记者不需要从零摸索怎么写提示词，而是有一套经过验证的"操作手册"。张强建议，媒体机构应建立自己的"AI使用手册"，明确哪些环节鼓励使用AI、哪些环节限制使用、哪些环节禁止使用，以及各环节的操作规范和责任人。

三是人才层——培养"懂AI的内容人"和"懂内容的AI人"。 AI不会取代记者编辑，但会用AI的记者编辑会取代不会用的。培训不是教大家"怎么用ChatGPT写稿"，而是帮助内容团队建立新的工作方法论：如何拆解任务、如何精准提问、如何判断AI输出质量、如何做事实核验、如何在AI初稿基础上做专业增值。同时，媒体机构也需要引入或培养既懂AI技术又理解内容生产逻辑的复合型人才，充当技术与业务之间的"翻译官"。

四是制度层——建立AI使用的管理规范和容错机制。 包括数据安全制度、版权合规制度、内容审核制度、责任追溯制度等。特别是对于训练数据的使用、AI生成内容的版权归属、出错后的责任认定等问题，需要在制度层面给出明确答案，让一线采编人员"敢用、会用、用得放心"。

张强特别提醒一个趋势：随着AI智能体技术的发展，未来的内容生产将不再是"人操作工具"的模式，而是"人指挥智能体协作"的模式。AI智能体可以自主完成信息搜集、素材整理、多版本生成、跨平台分发等一系列连贯动作，人只需要设定目标、审核关键节点和最终成品。这要求媒体机构从现在开始就有意识地积累自己的知识库、语料库和工作流模板，为即将到来的"智能体时代"做好准备。

张强同时观察到，AI对内容产业的改变不止于生产端。CNNIC报告显示，68%的消费者会依据AI推荐完成购买决策，71%的企业已将GEO（生成式引擎优化）纳入年度营销预算。信息传播不再局限于"人传人"，而是"机器传人""人传机器""机器传机器"的智能体网络。这意味着媒体和内容机构不仅要用AI生产内容，还要让自己生产的内容能被AI理解、引用和推荐——这是"落地"在分发端的新命题。

落地关的核心要义是：AI用得好不好，最终考验的不是工具够不够先进，而是组织能力够不够成熟。

把门槛降下来，把上限抬上去

五道关依次跨过之后，传媒人终将面对一个本质问题：AI时代，内容人的核心价值究竟是什么？

张强给出的答案是清晰的：AI把内容生产的门槛降了下来——过去需要一个团队协作才能完成的多语种内容生产、数据可视化、批量多平台分发，现在一个人借助工具就能完成。但专业能力的上限反而被抬得更高了——当"写出来"不再是稀缺能力，"写什么""为什么写""写给谁""凭什么让人信"这些更本质的问题，价值就愈发凸显。

"AI负责回答'怎么写得更快'，而人必须回答'写什么才值得写'。"张强说。

从这个意义上说，AI对传媒行业最大的贡献，或许不是效率提升，而是一次彻底的"价值回归"——它逼着每一个内容人重新审视自己的专业不可替代性。当资料搜集、初稿撰写、格式转换这些"肌肉记忆型劳动"被AI承接，创作者被解放出来的认知资源，必须投向那些真正需要人的判断力、共情力、创造力和责任感的地方：去一线发现真问题，在现场捕捉真情感，用独立思考提供真判断，以专业坚守守护真实。

工具的门槛已经很低了。真正的分水岭，是内容人愿不愿意跨过这五道关，从"用AI"走向"专业地用AI"，最终抵达"让AI为专业服务"的彼岸。

这不是一道技术题，而是一道专业题。而答案，写在每一个认真对待内容的人的日常选择里。