· 瀚钦(丹东)智能科技有限公司

11 月 7 日,第七届世界媒体峰会在北京开幕,新华社国家高端智库发布《「人工智能 + 媒体」全球发展年度蓝皮书(2026)》。报告里有一句判断,比任何模型参数都更值得企业管理者读:人工智能在新闻业的应用,已经从「单个环节的效率提升」转向「系统性的流程再造」。
这句话翻译成办公室语言就是:AI 的第一年,大家用它写文案、做摘要、翻译字幕;第二年,真正拉开差距的公司开始问另一个问题——哪些流程本来就该重做,只是因为过去做不到而勉强维持着。传媒业比大多数行业早半步走到这一步,它的经验因此有参考价值。
报告给出的证据是量的:新闻业人工智能指数(J·Index)已收录 150 多个国家、3800 余个公开案例,全球媒体 AI 应用经历了「算法化 → 自动化 → 生成式 → 智能体化」的演进。2025 年以来,多智能体协作、智能助手、模型上下文协议(MCP)等新技术加速落地,人工智能开始参与任务编排和业务协同。
在大语言模型和智能体嵌入之后,采集、核验、生产、分发各环节都被改写,并向组织管理、运营服务、内容资源开发延伸。清华大学新闻与传播学院副院长张铮提到,已经出现了「全智能体、零编辑」的所谓新闻社与 AI 漫剧新闻这类新形态;同济大学国家创新发展研究院研究员宫超则列举了更具体的替代:自动撰写快讯、剪辑视频、翻译字幕、整理素材,把记者从重复性基础工作里解放出来。
请注意这两个层次的差别。「工具」替代的是一个动作,「智能体」重组的是一段流程——前者让你快 30%,后者让你可以不再需要那 30% 的环节。这是蓝皮书最核心的一句判断,也是很多企业 AI 项目卡住的地方:他们买的是工具,期待的是流程再造。
蓝皮书没有一味唱好,它指出 AI 在重塑信息生态和传播权力结构的同时,带来四组「既……也……」的矛盾。这四组张力,换个主语就完全适用于企业:
这篇报道里最有分量的一段,是张铮对「人的作用」的拆解。他的判断是:尽管 AI 加速渗透,但选题要由人来定、地方性由人来把握、创新表达由人来探索、大模型生成内容的阐释与查证要由人来完成、稿件的判断与评价由人作出。
把主语从「记者」换成「员工」,这五条几乎不用改:
宫超还提醒了另一半风险:内容同质化、虚假信息、版权争议,以及过度依赖 AI 可能导致从业者能力下降——他的建议是持续提升基础素养,尤其在写作打磨上。这话对企业同样成立:把判断力也外包给 AI 的团队,会在某一天发现自己失去了验收 AI 的能力。
把上面几条串起来,会得到一个对企业很实用的结论。
蓝皮书说 AI 让内容供给极大丰富,宫超说这带来同质化。原因很朴素:大家喂给模型的是同一批公共语料,输出自然趋同。模型的写作能力正在变成和水电一样的基础设施——人人都有,就不再是优势。真正的差异只剩一处:你独有的那部分数据,以及围绕它建立起来的流程和口径。
这对媒体是独家采访、地方新闻网络、历史稿件库;对企业就是合同条款库、往期报价与成交记录、票据与质检记录、客户沟通历史、老师傅的经验沉淀。这些东西模型本身没有,公共语料里也搜不到,而它们恰好决定了 AI 的输出是「像那么回事」还是「能用」。
所以顺序应该反过来:不是先选模型,而是先盘清自己有什么数据、哪些流程最值得重做。模型是可以随时换的——这一点在之前几篇里我们已经反复说过;而知识库、权限体系、验收口径这些「模型周围的资产」,换模型换不掉,只会越攒越厚。
蓝皮书最后呼吁全球媒体做技术普惠的「赋能者」、数字伦理的「先行者」、应用规则的「共建者」、数字权益的「守护者」、交流互鉴的「架桥者」。这五个角色对企业同样成立,只是更朴素一些:先把数据和规则握在自己手里,再谈用得多聪明。
瀚钦(丹东)智能科技做的就是这件事的下半段:把企业自己的合同、票据、制度、客户记录整理进内网知识库,模型和数据都留在企业内网,用标准 POC(1 台服务器 + 5 个客户端)先在一个最重复、最费人的流程上跑通,再决定往哪儿扩。如果你的企业正在评估从哪个流程开始重构,欢迎通过官网 www.u7si.com 的「免费诊断」预约一次现场评估。
《「人工智能+媒体」全球发展年度蓝皮书(2026)》由新华社国家高端智库在 11 月 7 日第七届世界媒体峰会上发布。核心判断:人工智能在新闻业的应用已由少数机构的局部试验发展为行业广泛实践,前沿从「单个环节的效率提升」转向「系统性的流程再造」;其依据是新闻业人工智能指数(J·Index)收录的 150 多个国家、3800 余个公开案例,全球应用经历了算法化→自动化→生成式→智能体化的演进,2025 年以来多智能体协作、智能助手、MCP 等新技术开始参与任务编排和业务协同。
据同济大学国家创新发展研究院研究员宫超的归纳:自动撰写快讯、剪辑视频、翻译字幕、整理新闻素材,大幅缩短内容制作周期、降低运营成本,让记者从重复性基础工作中解放出来专注深度报道;分发端则由智能算法按用户阅读习惯实现个性化精准推送,数字人主播、智能解说等新形式丰富了呈现形态。清华大学张铮还提到已出现「全智能体、零编辑」的新闻社与 AI 漫剧新闻等新形态——即从「工具替代一个动作」走到「智能体重组一段流程」。
四组张力:① 生成能力跃升丰富内容供给,也让伪造变得轻而易举;② 智能入口带来新触达渠道,也削弱了媒体与用户之间的直接联系;③ 智能工具提升效率,也对组织能力和专业规范提出新要求;④ 技术扩散惠及更多民众,也在拉大区域间的智能鸿沟。此外还有内容同质化、虚假信息、版权争议,以及「过于依赖 AI 可能导致从业者能力下降」的隐忧。
清华大学新闻与传播学院副院长张铮给出五个不可替代的动作:选题依然要由人来定,新闻的地方性由人来把握,创新表达由人来探索,大模型生成内容的阐释与查证由人来完成,稿件的判断与评价由人作出。换成企业语言就是:定方向、现场经验、对外口径、验收查证、签字担责——这五件事是判断与责任,不是生成,外包不出去。
三条:① 分清「工具」与「流程再造」——写文案、做摘要是工具级提速,真正拉开差距的是重问「哪些流程本来就该重做」;② 入口可以借、数据不能借——媒体把内容交给算法平台后读者成了平台的读者,企业把 AI 客服建在别人平台上,客户数据和服务口径也留在别人那里;③ 当生成变便宜,差异只剩自有数据——大家喂的是同一批公共语料,输出自然同质化,模型能力正变成水电式基础设施,真正独特的是你的合同库、报价记录、票据质检、客户沟通历史和老师傅经验。瀚钦的私有化部署正是围绕这些「模型周围的资产」落地:先盘数据、再重流程、模型可换、资产留下。