大语言模型（Large Language Models，以下简称大模型）是一种人工智能技术系统，是基于深度学习的自然语言处理模型。近年来，不断涌现的ChatGPT、DeepSeek、文心一言、Sora等大模型工具驱动的信息传播模式、内容生产方式及人机交流范式在传媒业掀起变革。在数智时代，传统的新闻分发与信息传播架构已难以有效对接新媒体环境下用户日新月异的需求、行为模式及习惯偏好，取而代之的是信息获取与传播日益趋向即时化、便捷化。主流媒体面临用户参与度低、数据处理能力弱、产品与服务创新研发滞后及商业模式低效等问题，迫切需要在管理机制、工作模式、出版流程、传播链条等多个维度进行调整完善，从而进一步充分整合新媒体与传统媒体的优势资源，强化自身的传播力、引导力、影响力、公信力，探索多元化的媒体融合发展路径。[1]

党和国家对大模型等技术在媒体融合领域的运用给予了高度重视，相继颁布了一系列相关政策助推其发展。《关于加快推进媒体深度融合发展的意见》从战略意义、核心目标、指导原则三个维度，系统性地阐述了媒体深度融合的总体要求，明确要求推动主力军全面挺进主战场，标志着媒体融合已被提升至国家战略层面。党的二十届三中全会审议通过的《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》明确指出要“构建适应全媒体生产传播工作机制和评价体系，推进主流媒体系统性变革”。这一系列政策导向表明，主流媒体需从内容创作、传播渠道、技术应用等多个维度，开展全面而深刻的系统性变革，以适应全媒体时代的全新挑战。因此，运用大模型这一前沿技术为主流媒体赋能，不仅符合数字时代发展的迫切需求，而且也契合了国家发展的战略部署。

本文立足大模型技术发展现状和主流媒体系统性变革的时代要求，深入探讨大模型赋能主流媒体在技术、组织和生态层面的价值禀赋，深入剖析大模型为主流媒体带来的多元现实挑战，科学探寻以大模型助推主流媒体系统性变革的实践路径，不断以技术进步推动媒体融合纵深发展。

一、大模型助推主流媒体系统性变革的价值意蕴

作为一种新型技术载体，大模型在技术层、组织层和生态层为主流媒体带来系统性变革，展现出赋能新闻生产创新、推动体制机制变革、重构传媒产业格局的全新应用前景。

1.技术层：新质载体赋能新闻生产创新

大模型作为一种新质内容生产力实现了技术和内容领域的关键性突破，为传媒业带来了全新“质态”。[2]在个体维度，媒体记者角色发生了根本性转变，大模型逐渐成为内容生产的重要参与者，重构了传播逻辑，使媒体记者的核心素养转向认知层面的能力构建。在技术层面，多模态交互技术的创新为主流媒体呈现了全新的传播方式，通过跨模态的信息融合和语义理解，为用户带来了多元、立体、交互的媒介体验，极大地丰富了主流媒体的表现形式。

一是自动化生成促逼生产主体转变。在AIGC时代，大模型逐渐演变为与人类地位平等的行动者，重构了人与机器主客体二元对立的传播逻辑，形成深度联结的人机统一体。[3]在主流媒体层面，大模型促使内容生产主体角色发生转变，原先由媒体记者主导的传播话语权力逐渐让渡给机器智能体。在此基础上，数智时代主流媒体记者的核心要求发生颠覆性转变，以往媒体记者必备的新闻撰写、图像编辑及视频剪辑技能逐渐被大模型所承担，媒体记者的核心素养更多转向认知层面的能力构建，通过化身“提示工程师”与“新闻策展人”，调动并激发大模型的内容生产潜力。机器代理人作为“智能写手”，通过提供内容生成、续写扩写、改写润色等可供性，与媒体从业者建立了深度勾连，扩大了其内容生产的自由度与实践半径，实现新闻生产效率与内容质量的双重升维。

二是多模态交互丰富内容呈现方式。大模型的对话集成搜索功能包括文生图、文生视频、图搜图、图搜视频等形式，通过跨模态的信息融合和语义理解，使内容生产从传统单一感官的媒体形式向多模态、智能化方向发展，深度塑造了用户所处的媒介环境，为其带来了多元、立体、交互的可供性体验，并用智能机器的生成逻辑调节了其认知带宽。因此，主流媒体得以借助大模型这一载体、平台及渠道进行融合型、多层次、全方位的新闻生产、传播及分发，使内容突破了时空尺度，实现零时差传播，进一步建立健全“四全媒体”传播矩阵，在方法论层面丰富自身的“武器库”。

三是个性化分发增强用户黏性。大模型通过深度学习算法对用户行为数据的分析，能够精准捕捉用户偏好，实现媒体内容分发的智能化与个性化，符合现代社会用户的信息获取逻辑，极大提升了用户的信息获取效率，将传播场景从公域转向私域。基于此，主流媒体得以借助大模型与用户建立紧密连接，促进用户活跃度的显著提升。此外，通过整合社交媒体平台的数据，大模型还能实现跨平台的内容分发，进一步提升内容的传播效能。在微粒化社会，信息的分众化、个性化、智能化趋势更加凸显，主流媒体需兼顾优质内容与技术自主、渠道拓展与用户策略，利用大模型平台进一步挖掘并整合“微内容”和“微资源”，真正触达并服务用户。

2.组织层：人机协作推动体制机制变革

在组织层面，大模型主导的人机协作范式正逐步重塑主流媒体的组织架构，成为推动主流媒体体制机制变革的重要驱动力。此外，智能平台作为数智时代的新型组织模式，有利于推动主流媒体打通与人工智能企业跨界融合的渠道，促使发展战略从集团化向融合化转型。

一是系统思维变革组织架构。当前，诸如大模型一类的数智技术驱动主流媒体组织架构向系统化数智生态转型。[4]大模型集成式编辑平台的引入标志着一种革新性的组织转型策略，媒介经营不再是“单打独斗”，而是需要结合大模型平台属性进行全要素、全链条的系统优化。其核心在于利用先进的大模型技术进行深度整合，彻底打破了传统编辑部中部门与职能的界限，优化了媒体运营的内部流程，推动媒体机构组织架构转变。具体而言，大模型集成式平台以集成式、分布式的内容生产流程为核心，通过构建平台化管理体系，赋予了编辑团队更大的实践半径与自由度，实现新闻舆论工作系统的自适应和自优化。

二是智能平台推动跨界融合。大模型是一种新兴起的新型智能平台，以其强大的数据处理、分析与生成能力，为主流媒体提供了高效协同的工作空间。[5]大模型这一智能传播时代的基础设施，能将主流媒体的政治叙事框架转化为大模型的语义理解规则，既保留价值坐标系的稳定性，又赋予技术应用的方向性。秉承人机协同、价值共享的发展理念，充分发挥主流媒体的专业深度与科技产业的技术广度，形成数据资产化、场景智能化、服务生态化的跨界合作机制。

3.生态层：智能平台重构传媒产业格局

大模型在传媒业的落地推动了行业版图的重构与生态系统的演变。这一变革不仅体现在传媒内容生产、分发与消费模式的革新上，更深刻地影响着传媒产业的组织结构、市场竞争态势以及价值再造的逻辑，促成传播权力话语体系的深度变迁。从技术驱动的角度来看，主流媒体通过大模型、人工智能、云计算等先进技术的集成应用，不仅极大地提升了内容生产的效率与质量，而且更精准地把握了社会民生需求，在生态系统层面赋能主流媒体的舆论声量。在此基础上，大模型进一步打破了传统传媒产业的边界，促进了跨媒体、跨行业的智能融合，推动了传媒产业向多元化、纵深化、智能化方向发展。

一是垂类模型贴合社会民生需求。在Web3.0时代，媒体生态正经历着结构性转型，其中平台型媒体依托用户中心化策略，通过强化互动性、实施个性化内容推荐以及高效商业化运营，迅速占据市场主导地位。同时，主流媒体虽在内容生产的专业深度、权威性及严谨性方面具备优势，却因受限于体制僵化、决策流程烦琐、人才结构保守等问题，逐渐显现出市场竞争力下降、宣传效果不佳的态势。鉴于此，主流媒体亟须在智能互联时代深耕“大模型+”的发展模式，构建基于大模型的全链条技术布局，赋能主流媒体内容传播从“大水漫灌”到“精准滴灌”，将政务传播、文化传播等垂直场景转化为数据训练集，使主流叙事深度嵌入基层治理与日常生活，在技术与价值理性的辩证统一中打通舆论引导的“最后一公里”。

二是人机协同重塑内容生产范式。在生成主体层面，智能体间的互补协作颠覆传统线性生产流程，形成创意涌现、算法优化与价值校准的内容生产机制；在生产关系层面，从业者角色从内容生产者转向“提示工程师+算法训导师”，将机器学习的模式识别优势与人类的情景化决策优势有机结合；在生产效能层面，通过建立人机认知对齐机制，将机器算力转化为传播势能，实现数据支撑、情感共振与价值引导相结合的传播模式。

三是智能生成壮大舆论引导声量。主流媒体承担着舆论引导、凝聚共识的价值引领功能。在新型媒介形态不断崛起的当下，多元的传播渠道对原先大众传播时代传统媒体主导的舆论生态系统造成冲击，主流媒体面临声量式微的挑战。大模型高效迅捷的智能生成将主流价值的传播效能转化为可量化、可优化的智能传播参数体系，通过构建技术理性与人本价值的对话机制，让主流媒体既保持对技术开发的敏感度，又坚守意识形态主阵地的价值引领作用。

二、大模型助推主流媒体系统性变革的现实挑战

大模型虽然带来的技术红利助推主流媒体系统性变革走向纵深化、智能化，但同样也带来诸多现实挑战，主要体现在内容伦理安全、新闻生产链条、人员专业素养等方面。

1.价值挑战：大模型对内容伦理安全的冲击

大模型的生成能力尽管显著提高了信息传播的效率与便捷性，但技术本体内在的“幻觉”问题、算法偏倚及对资本的过度依赖，构成对信息生态、舆论公正性及社会价值观的潜在威胁。

一是虚假信息扰乱传播内容生态。大模型具有一定的“幻觉”倾向，即“产生与某些来源有关的荒谬或不真实的内容”，包括事实性错误、技术误差、违反物理规律和因果关系等问题。[6]“幻觉”引发的一大问题是生成信息的“真假难辨”，在传播与分发时会对内容生态造成干扰，加剧“后真相”社会的形成，影响受众对主流媒体的信任度，从而导致受众的“新闻回避”行为。因此，主流媒体要做到对大模型平台的实时监测，确保内容生成过程具备高度的透明性，发展可解释的人工智能大模型，保证主流媒体内容的专业性、权威性，维护风清气正的内容生态。

二是算法偏倚增加意识形态风险。大模型在技术演进中存在“文化滞后”问题。大模型的算法并非完全中立，在生成内容时会体现出一定的“价值偏倚”，具体包括以下两方面：一方面，数据的殖民化风险。训练数据的文化表征失衡导致算法继承并放大既有社会权力结构中的偏见，如ChatGPT在涉及发展中国家议题时频繁显现的西方中心主义叙事倾向。另一方面，是价值解码的异化风险，自然语言处理技术对语义场的降维解析，消解了主流意识形态话语语境的丰富性。为破解这一困局，主流媒体需构建“价值对齐”的技术治理范式，优化大模型语料库的价值空间，实现技术应用与意识形态安全的动态平衡。

三是资本逻辑侵蚀主流话语体系。在传播政治经济学视阈下，主流媒体与大模型技术的供给方正形成“技术赋权悖论”，催生出数字寡头与媒体附庸。互联网平台凭借在资本、数据与算法上的技术霸权，通过接口协议控制、算力资源垄断和生态闭环构建，逐步将主流媒体纳入其技术殖民体系。具体而言，平台算法对传播流量的价值锚定，倒逼媒体内容生产逻辑从公共性向商品性偏移，媒体机构在技术黑箱中被迫沦为算法的“执行终端”，丧失了对传播链路的自主控制权。

2.技术挑战：大模型对新闻生产链条的重构

生成式人工智能的“嵌入”为新闻业的工作机制带来了颠覆性的再造与重构。[7]生成式人工智能技术下的知识生产和信息传递打破了传统新闻生产的链条，推动各环节自动化、智能化，带来前所未有的结构性风险。

一是人机协同造成新闻生产异化。首先，大模型算法的海量内容生成会导致“信息熵增”引发用户认知超载，即信息供给速率突破受众的认知带宽阈值时，导致用户新闻消费的中辍行为。其次，大型语言模型所生成的内容往往植根于既有的数据集与预设程序之中，其语言构造呈现出较为同质化的特征，生产维度上，大模型基于语料库的“文本趋同化”生产逻辑，消弭了新闻采集中“身体在场”的实践理性，记者独有的场景感知力、情境洞察力与人文温度被技术理性所规训。

二是分发传播加剧信息茧房效应。大模型引领下的算法推荐呈现出精准性、及时性等特点。[8]与此同时，这种算法驱动的分发模式也存在不少弊端：个性化推送引发信息结构失衡，很大程度上降低了受众对于重大新闻的关注度；平台在抓取数据的过程中可能引发个人隐私泄露问题；算法的不透明性和潜在偏见可能影响新闻分发的公平性和公正性，加剧“信息茧房”效应，不利于多元观点的交流。因此，主流媒体在使用大模型进行精准传播的同时，也要思考如何规避技术对社会舆论生态造成的不良影响。

三是智能审查存在系统性风险。传统内容审查过程对人力、物力消耗较大，效率不高的同时还存在着主观判断偏差。大模型能够对海量新闻内容进行快速筛查，包括多模态内容的复杂处理、多语种信息的精准识别、情感倾向的准确判断，以及伪造内容的有效甄别等。但是，大模型审核缺乏人类的主观判断和道德考量，暴露出诸多伦理风险，在大模型技术完全成熟之前，建设新型把关体系、组建专业审查团队，新闻从业人员的审查把关仍然不可替代。

3.人员挑战：大模型对专业素养需求的变革

在数智化浪潮下，新闻生产主体的地位被颠覆，以技术为主导的新闻生产，其客观真实性也由质性转变为量化标准。[9]大模型技术正深刻地改变着新闻传播行业的生态与格局，对从业人员的专业素养提出全新的要求与挑战，来自主流媒体的编辑、记者“本领恐慌”的现象亟待解决。对此，主流媒体记者具体可从以下三个维度进行升级。

一是要驾驭数智化浪潮冲击。大模型技术的引入为传媒业赋予新的内涵，在此背景下，主流媒体从业者更需具备扎实的新闻理论基础、敏锐的新闻嗅觉以及对新闻价值的准确判断。大模型在主流媒体中的落地应用还处于早期阶段，技术风险、伦理问题和安全挑战始终是悬在头顶上的“达摩克利斯之剑”[10]，这些失范问题本质上在于人主体性的缺失。正如保罗·莱文森（Paul Levinson）所指出的，媒介进化符合一种人性化趋势。[11]大模型在内容生成的过程中可能会出现信息失真、偏见放大等问题，主流媒体从业者应坚守“以人为本”的价值尺度，将新闻学的基本理论与大模型技术有机结合，做到人文关怀与数智机理并重。

二是要警惕“生成式思维”缺失。大模型技术的不断演进对主流媒体从业者的技术认知、情感态度和使用能力提出更为严苛的要求。传播主体如果缺乏对大模型的技术想象力可能会导致提示词设置不当，进而引发新闻内容的事实性错误或逻辑混乱等问题。因此，主流媒体从业者不仅应熟悉传统的新媒体工具，还需具备“生成式思维”，包括对模型训练、调整、优化过程的基本理解，熟练掌握大模型等新兴技术原理与方法论，积极运用大模型进行新闻内容的策划、编辑和分发。

三是要弥合智能化人才鸿沟。传媒业在与大模型技术深度融合发展的过程中，面临认知升级、生态维护、技术革新和人才培育等方面的困境，需加速培养技能复合、知识复合、媒介复合的全能型人才队伍。随着大模型技术的快速迭代，主流媒体工作者与技术从业者之间的“数字鸿沟”愈加明显。媒体工作者可能缺乏技术操作的基本经验与算法逻辑的初步认知，而技术从业者则可能缺乏对传媒产业的深入观察与传播规律的必要理解，这种“双向鸿沟”使新闻生产的协同和创新受到根本性制约。

三、大模型助推主流媒体系统性变革的实践转向

在大模型时代，主流媒体系统性变革存在三种实践面向：一是以“人机共融”技术为核心，主流媒体能够通过大模型提升信息传播的精准度与效率，从而在复杂的舆论场中占据有利位置；二是以科学评估标准为导向，秉承“智能化”思维构建大模型时代主流媒体系统性变革的评价体系；三是以人才团队建设为使命，培养一支跨界融合的智能媒体宣传队伍，助力媒体融合纵深发展，在大模型时代保持主流媒体的权威性与专业度。

1.价值引领：打造人机共融的主流媒体宣传阵地

习近平总书记指出：“新闻舆论工作各个方面、各个环节都要坚持正确舆论导向。”主流舆论不仅是社会价值观的集中表达，更是凝聚共识、引领方向的重要工具。在传播形式与内容多样化发展的背景下，舆论生态愈加复杂，信息传播的速度与广度空前扩大，主流媒体面临着新兴媒介平台的挑战，传统的新闻采编模式已无法满足数字时代的需求。作为意识形态传播的主阵地，主流媒体亟须在技术赋能与价值引领的双重维度下，构建人机共融的传播生态。

大模型主导的“人机共融”作为一种全新的技术范式，不仅是技术层面的颠覆性变革，更是“硅基”智能与人类智慧的深度融合。第一，大模型嵌入主流媒体能够通过深度学习、语义分析与情感识别，精确把握受众需求、预测舆情走向，助力主流媒体积极参与舆论引导、塑造社会共识。第二，大模型通过多模态技术与跨平台分发策略进一步拓展主流媒体的传播手段与路径，打破传统单一传播渠道的局限，通过多模态的传播技术，更加生动、直观地呈现信息，构建更加开放、多元的舆论生态。不仅助推主流媒体扩大传播辐射半径，而且还显著增强其议题设置的影响力与公众互动的参与度，为主流媒体打造具有强大传播力和公信力的舆论阵地奠定技术基础，有助于主流媒体迅速调整其传播策略，精准占领舆论高地，及时回应社会关切。第三，大模型可以助推主流媒体根据不同受众群体的习惯与偏好，在不同的平台上进行个性化的内容推送，形成跨平台的传播合力，使信息覆盖面更广，也为用户深度参与和交互提供多元渠道。

2.科学评估:构建主流媒体系统性变革的评价体系

在大模型主导的智能范式下，构建主流媒体系统性变革的评价体系要秉承“智能化”思维，本文从优势、劣势、机会和威胁四大维度为科学评价大模型时代主流媒体系统性变革建构理论坐标系。

在核心优势层面，主流媒体聚焦政治引领力、资源整合力与传播辐射力三个维度。主流媒体依托政治建设能力构建价值认同中枢，通过组织机制革新实现管理效能跃升，借助“新闻+服务”模式强化社会治理嵌入。其文化IP开发能力正转化为跨文化传播势能，以传统文化资源活化助推国际话语体系重构，主流媒体承担着文化传承的时代使命，要深入挖掘丰富的优秀传统文化资源，打造创新性的文化IP，服务国家跨文化国际传播战略。在现存劣势层面，主流媒体在技术、市场与用户层面的衔接存在失衡。分众化传播能力滞后难以适配圈层化信息消费趋势，智能技术融合深度不足制约了内容生产范式创新，市场运营闭环缺失导致商业价值转化低效，折射出传统媒体机制与智能传播规律的结构性错位。在战略机遇层面，主流媒体要实现技术、文化与政策的“同频共振”。例如，AIGC技术重构内容生产可供性，使个性化内容生成与精准传播成为可能；文化消费升级催生精神产品供给侧改革窗口；政策扶持为媒体深度融合提供制度性保障。在潜在威胁层面，源于用户主权崛起带来的范式颠覆。受众流失揭示传播权力结构变迁，用户习惯变革倒逼传播关系重构，技术平台短板暴露生态位竞争危机。突破关键在于建立基于用户需求与价值导向动态平衡的主流媒体平台，将传播效能量化评估体系与大模型深度耦合。

3.团队建设：培养跨界融合的智能媒体人才队伍

习近平总书记曾强调：“媒体竞争关键是人才竞争，媒体优势核心是人才优势。”主流媒体在实现融合发展与系统性变革的过程中，人才队伍的结构与质量也发生了新的变化。如何通过科学的战略规划培养一批跨界融合的智能媒体人才，是当前主流媒体系统性变革面临的关键议题。

主流媒体要创新人才培养体制，推动梯队高效发展。在推动主流媒体系统性变革的进程中，强化重点岗位的建设与精准匹配变革需求是至关重要的战略举措。在价值导向层面，人才培养需突破传统新闻传播学的单一学科框架，应构建政治素养、专业能力、数智思维“三位一体”的素养坐标，具备多模态叙事、跨场景应用的新闻舆论工作素养。[12]在专业能力层面，建立AI素养评估体系，精准识别人才短板，培育掌握提示工程、数据挖掘与人机协作的“赛博格型”从业者。其核心能力需实现三大跃迁：从单向传播到智能交互的对话能力，从内容生产到生态运营的转化能力，从经验驱动到数据驱动的决策能力。在制度创新层面，将薪酬体系转向数智化驱动模式，建立项目复杂度与市场价值的动态关联模型。高端人才引进聚焦算法工程师与提示工程师等关键岗位，通过“技术骨干+传播专家”的跨学科团队组建，破解智能传播的“懂技术不懂传播”困境。

[基金项目：国家社会科学基金项目“生成式人工智能背景下数字不平等的评测指标体系及其价值效用研究”（24BXW041）]

参考文献：

[1]郭全中，张金熠.一体化、智能化、服务化：主流媒体平台建设的回顾与展望[J].青年记者，2024（1）：5-9.

[2]喻国明，刘彧晗.理解作为新质内容生产力的生成式AI[J].媒体融合新观察，2024（4）：30-33.

[3]喻国明，苏芳，蒋宇楼.解析生成式AI下的“涌现”现象：“新常人”传播格局下的知识生产逻辑[J].新闻界，2023（10）：4-11+63.

[4]李彪，陈智睿.组织架构重构：数智生态赋能主流媒体系统性变革的关键维度[J].中国编辑，2025（1）：72-79.

[5]陈昌凤.智能平台兴起与智能体涌现：大模型将变革社会与文明[J].新闻界，2024（2）：15-24+48.

[6]Maynez J，Narayan S，Bohnet B，et al.On Faithfulness and Factuality in Abstractive Summarization[C]//Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics.2020.

[7]郭全中，佟雨欣.技术如何内嵌？技术驱动主流媒体系统性变革的路径与实践：基于DeepSeek应用的思考[J/OL].新闻爱好者，1-18[2025-04-29].

[8]张洪忠，徐鸿晟.智能传播时代的范式转变：媒介技术研究十大观点（2023）[J].编辑之友，2024（1）：38-44.

[9]齐秀娟，于超宁.元宇宙时代新闻业的隐忧与变革[J].文艺争鸣，2024（8）：172-176.

[10]徐琦.人工智能大模型赋能全媒体传播基础设施升级与应用生态创新[J].出版广角，2024（3）：13-20.

[11]陈功.保罗·莱文森的人性化趋势媒介进化理论[J].湖南科技大学学报（社会科学版)，2016（1）：178-184.

[12]韩晓宁，王浩丞.生成式人工智能背景下传媒人才培养的时代要求与实践创新[J].中国高等教育，2024（Z2）：57-61.

作者简介：元英，北京师范大学新闻传播学院讲师、硕士生导师（北京 100875）；蒋宇楼，北京师范大学新闻传播学院硕士生、研究助理（北京 100875）；禹建强（通讯作者），北京师范大学新闻传播学院教授、博士生导师（北京 100875）。

编校：张红玲