我院院长方兴东教授和研究员顾烨烨等人的论文《Sora冲击波下的媒体融合》发表于《未来传播》2024年第3期。

现刊出全文，以飨读者。

作者简介

方兴东：浙江大学传媒与国际文化学院常务副院长、乌镇数字文明研究院院长

顾烨烨：浙江大学传媒与国际文化学院博士后，乌镇数字文明研究团队成员

吴可儿：武汉音乐学院讲师，乌镇数字文明研究团队成员

摘要：Sora冲击波波及诸多领域，而媒体融合处于冲击波的中心位置。媒体融合的概念和内涵都将产生颠覆性影响，需要彻底重构。媒体形式的界限和媒体形态的边界是我们过去理解媒体融合的关键所在。而Sora告诉我们，随着AI算力提升，智能传播下文本、图片、语音和视频等过去旧有的媒体形态的边界可以消解。进入智能传播阶段，媒体融合已然变成人类信息传播的一次颠覆性的宏大变革，一场以大模型、算法和智能体等为基础的超级数字融合已经开启。要适应和赶上这一次浪潮，我们必须以全新的视角和理念来重新理解媒体融合。媒体融合的根本使命，就是走出过去基于大众传媒的集中控制、相对封闭的大教堂模式，而走向全球开放一体化的大集市模式。我们过去媒体融合的诸多努力存在着严重失焦的问题，一系列重大的战略举措并没有真正聚焦在正确的方向和正确的趋势方面，而更多被新兴的传播形式和现象所牵制。我们需要重估中央厨房、两微一端、县级融媒体等过去一切的着眼于旧有媒体形式的努力。站在新的趋势上，以科技为基础，围绕数据驱动、AI生成和人机融合，寻找新的范式和路径，重新定位媒体融合的主战场，抢占未来主流的信息传播机制。

关键词：媒体融合；Sora；AIGC；智能传播；大集市模式

01 重估媒体融合：Sora冲击波下的概念反思

Sora展示了文本生成视频的“世界模拟器”的全新可能性，标志着媒介生产自动化与媒体形态一体化的临界点，开启了人类传播史上又一“谷登堡时刻”。^［1］媒体融合的本质是技术融合，技术融合的本质是数字融合，亦即人类数字化技术的演进。^［2］Sora呈现了全面打通文字、图片、音频和视频等各种媒体形态的可能性，将媒体融合推到了全新的维度，也打开了媒体融合的新格局。可以说，数据驱动的人机融合，才是媒体融合的全新境界，导向了媒体融合真正的未来之路。

过去30年，媒体融合作为新闻传播学科的基础性概念之一，也是传统媒体数字化转型的核心理念，显著地主导了整个理论和实践方向。而随着Sora作为文本生成视频、世界模拟器的惊艳表现，这场冲击波中媒体融合无疑处于中心位置，面临根本性的重构。从传播视角来看，Sora首先就是颠覆我们固有的媒体形式和媒体形态之间的边界。而媒体形式的界限和媒体形态的边界，恰恰就是媒体融合概念成立的基础，是我们过去理解媒体融合的关键所在。

Keywords for Media Studies对“媒体融合”是如此界定的：在媒体和传播的背景下，融合是指独立的媒体技术、文化形式或社会实践汇聚在一起以发挥类似的功能，形成新的混合媒体系统的趋势。同时也提到了“媒体融合”这一概念最早可以追溯到Ithiel de Sola Pool（1983），他从技术的角度出发，将该定义分为两个部分，一是单一的物理介质可能会实现许多以前被分开处理的功能；二是单一的文化功能或服务可以由几种不同的技术来承载^［3］。Pavlik（1996）也曾试图将融合过程推测为“在计算机的驱动下，以电子、数字的形式将所有形式的中介通信结合在一起”。此后，众多学者为研究“媒体融合”这一过程设计了大量模型进行论述，Henry Jenkins认为“媒体融合不仅仅是技术上的转变。融合改变了现有技术、产业、市场、流派和受众之间的关系。融合改变了媒体产业的运作逻辑，也改变了媒体消费者处理新闻和娱乐的方式。融合指的是一个过程，而不是一个终点”。而Flynn认为当设备合并时，融合就会发生；消费者是否会使用这些工具是一个挑战。此外，如果消费者不适应这些设备（他们称之为混合设备），融合就不会发生。^［4］

Sora是一款由美国人工智能研究公司OpenAI发布的人工智能文生视频大模型，于2024年2月15日正式对外发布。OpenAI对它的定义并非是普通的视频生成模型，而是构建物理世界的“通用模拟器”。正如其名，源于日文“そら sora”，意为“空”，以昭示其无尽的创造潜力，其探索的是在视频数据上对生成模型进行大规模训练。具体来说，它可以通过简单的自然语言描述，自行创作出长达一分钟的视频，可以实现详细的场景、复杂的运镜以及表情生动的多角色，这再一次颠覆了整个AI行业。正如其官网所说，“Sora是能够理解和模拟现实世界的模型的基础，我们相信这种能力将是实现AGI的一个重要里程碑。”^［5］虽然，作为“物理世界模拟器”的表述可能言过其实，但是，Sora通过机器实现虚拟和现实的突破可能性，已经确凿无疑。

重估媒体融合的基本概念需要考虑到数字化时代的发展趋势和媒体环境的变化，Sora的出现所带来的行业辐射是大范围且具有轰动性的，这一股冲击波对于“媒体融合”概念的重塑、升级同样具有非常重要的探究意义。

02 超越媒体形态：打通文本、图片、语音和视频

对于媒体融合的认知，媒体形态之间的融合曾经是我们首要的方向。这一进程甚至可以追溯到整个人类历史的起源和发展。可以说，人类的一部媒体史，很大程度上就是一部不同媒体形态的发展史。

媒体形态是指在信息传播过程中，信息所呈现的具体形式或载体，包括文字、图片、音频、视频等形式。传统的媒体融合概念主要强调不同媒体形式之间的融合，但随着互联网和数字化媒体的发展，跨平台整合的重要性日益凸显。因此，当我们重估媒体融合的基本概念时，可以更加强调不同媒体平台之间的整合与协同，以提供更加丰富和全面的信息服务。

可控文本生成（CTG）是自然语言生成（NLG）领域的新兴领域，是通过基于PLM的方法实现更自然、满足特定限制的文本生成技术。尤其是基于转换器的PLM，已成为自然语言生成的一种新范式，可以生成更多样化、更流畅的文本^［6］。目前较为成熟的文本生成模型——ChatGPT4是一款由OpenAI于2022年发布的人工智能聊天机器人，通过监督学习和强化学习在会话模式下开发出类似人类的文本^［7］。谷歌公司同样推出了一款名叫Bard的聊天机器人，它会根据不同指标来确保答案输出的正确性，对信息处理也具有实时性，是一个多功能的内容生成工具^［8］，且在2024年升级了图像分析的功能。在此基础上，扩展而来的AI Dungeon是一款基于文本，由AI生成的奇幻模拟游戏，高自由度和无限可能性让用户成为创建游戏世界的主导者，并产生交互^［9］。诸如此类的文本生成技术，不仅在日常生活、工作中被广泛应用，同时作为生成式人工智能的起点，为其他媒体形态的发展作了技术输入的铺垫。

从文本到图像生成（TTI）是指使用可以处理文本输入并根据文本描述生成高保真图像的模型^［12］。在这一领域中，主要基于GAN（生成对抗网络）为重要的技术支持，在2014年由Goodfellow提出^［11］。由此，也诞生了一批由AI驱动的图像编辑工具，通过神经图片编辑和GAN技术，不仅简化了图像内容创作者的工作流程，还提升了创作效率和数字艺术水平。具有突出代表性的DALL·E可以结合概念、属性和风格，根据自然语言的描述生成原创、逼真的图像艺术，基于后台的庞大数据与算法，图像生成过程中仅需要相应的文字与图像，而用户参与度是很低的^［12］。而图像作为艺术的标志性分支，就注定了生成式图像只能作为创作工具或者辅助工具，而非具有主导性。总的来说，生成式图像在各个领域都具有广泛的应用前景，可以帮助人们创作艺术作品、改善图像质量、辅助医学诊断、增强虚拟现实体验等。

Meta公司所推出的语音生成模型——Voicebox，可根据短至两秒的音频样本，匹配音频风格并将其用于文本到语音的生成，具有语音编辑和降噪、跨语言系统转换、多样化语音采样等功能^［13］。语音合成分为前端和后端，前端是涉及自然语音处理较多的部分，即文本处理部分，它将句子进行分词、标音、标韵律等，生成包含了分词结果、韵律、音素等的标注文件。后端则是声学处理，利用标注和语音进行语音信号处理、建模，最终产生语音的过程，是语音合成关注的重点。^［14］在Text-to-Speech中，生成式语音技术被广泛应用于语音助手、语音导航、有声读物等领域，为用户提供更加直观的交互方式；作为辅助工具，能帮助视觉障碍者通过听觉接受信息，拓宽这一群体信息输入的渠道；在教育培训行业中，提供语音教程、语音练习等教育资源，以及广告营销等行业，创作语音广告、品牌宣传，通过语音合成能增强用户提供沉浸式的体验；定制化语音助手和虚拟人物的实现也有赖于此项技术，比如深度学习模型Voice2Face，是一款可以根据录制的语音生成面部和舌头动画的工具，并允许语音风格进行控制^［15］，为多模态的媒体形态融合，提供了更多的可能性。

随着AIGC技术的不断发展，视频制作领域也迎来创新的契机，其中文本生成视频技术整合了文本处理、图像生成、音频合成等技术的进步，在各行各业都有着广泛的应用。具有代表性的模型Sora，更是目前该技术的突出代表，该团队也是由DALL·E的主要作者Aditya Ramesh领导的。Sora的一个重大突破是其所使用的架构，将传统型文本生成视频的扩散模型（Diffusion Model），与文本生成的Transformer模型进行整合，形成了Diffusion Transformer模型。Sora不是预测序列中的下一个文本，而是预测序列中的下一个“补丁”。通过使用这种架构，OpenAI在训练Sora时，可以输入更多的数据和计算，得到更出人意料的效果^［16］。OpenAI将Sora视为“世界模拟器”的第一步，可以通过文本提示对现实的任何部分进行建模^［17］，有了理解和模拟物理世界的能力，尤其是在元宇宙这一个集体虚拟共享空间里，融合了数字和增强现实的多个方面，包括社交网络、在线游戏、AR、VR等，Sora的后代模型将会为此提供最有力的支持^［18］。由此累积的技术迭代，也将推动AGI作为人工智能领域革命性前沿的发展。

综上所述，不同的媒体形态通过互动、整合以及大融合这一发展过程^［19］，多模态生成已成为传统媒体形态破而后立的趋势。深度学习模型所处理的不同类型的输入数据，例如文本、图像、语音等，打破了彼此之间的壁垒，通过组合搭配、转换生成了更多样化的输出内容。传统的媒体融合概念主要侧重于内容的整合和传播，但在数字化时代，用户参与和互动成为信息传播的重要特点。而借助AIGC的前沿技术，超越传统媒体形态，数据驱动和个性化服务能够大大增加用户的体验感，打破传统媒体与受众之间的单向传播模式，实现双向交流和互动。

03 超越媒体形式：贯穿传统媒体、网络媒体和智能媒体

迄今为止，理解技术驱动下的媒体变革，形式依然是最直观的。传统媒体、网络媒体、社交媒体和新兴的智能媒体，每一类媒体形式独特，边界清晰。而正是这种形式和边界，成为商业模式和传播机制建立的基础。

Sora的出现说明了这种媒体的划分方式面临颠覆。传统媒体是信息时代之前，专注于面向公众的媒体渠道和机构，是主要用于传播信息或推广商品和服务的通信形式。印刷机的出现，在15世纪欧洲成为报业发展的重要标志；17世纪无线电的发明，推动了20世纪收音机的普及，广播首次成为让人们能即时获取信息的方式；20世纪下半叶，电视成为大众媒体的主导形式，解决了视觉通信的问题；杂志相比于报纸更具有视觉效果，且专注于单一主题，更具有专业性。传统媒体因受其媒体形式的限制，虽然在信息分发上具有权威性，但在信息传播上具有滞后性，鉴于此，也被定义为单向传播^［20］，且局限于独立的地理区域。而传统媒体的盈利渠道主要来源于印刷公司通过出售印刷物来赚取收益，传统媒体公司则是通过广告位的销售，其商业模式的核心主要依赖于广告商的需求^［21］。

网络媒体是所有经过编码并可以在数字电子设备上查看、分发或存储的媒体，是为高度针对性的在线受众所设计。它仍然是传统媒体的延伸，而不是替代^［22］。随着1983年互联网的首次推出，至20世纪90年代初步形成大众网络传播的Web1.0阶段，其核心还是内容驱动；21世纪初的自传播以及智能手机普及之后更强劲的移动自传播，则重点关注社交凝聚的潜力，网络媒体由双向传播逐渐走入网络传播的Web2.0时代^［23］。在此基础上，社交媒体是一种互联网上的大众媒体传播形式^［24］，被广泛用来描述各种不同的数字平台，是参与双向实时沟通的重要工具。第一个社交媒体网站名为SixDegrees，于1997年发布。2004年，MySpace成为第一个月活跃用户达到100万的网络。第一个流行的视频流媒体网站是2005年推出的YouTube。全球最大的社交媒体网站Facebook，2019年已拥有24亿用户^［25］。为满足用户需求，网络媒体的用途被扩大化，其主要的媒体形式有社交网络（Facebook、Instagram）、在线论坛（Quora、天涯）、博客（Blogger、Blogcn）、媒体共享网络（YouTube、TikTok）、内容管理网络（Pinterest）、播客（Spotify、QQ音乐）、电子邮件以及消费者评论网络（小红书、大众点评）等。在多样化的社交网站和应用程序的影响下，信息传播能更快速度、更高效率、更大范围、更低成本地与用户形成互动^［26］。

相比于传统媒体受狭于广告商的钳制，网络媒体更具有平等的话语权，提供了公平的竞争环境，不论平台或是个人，生产者也是消费者，二者的关系可以进行有机转换。比如商业公司或个体用户可以自行创建社交账号来宣传、出售自己的商品，同时可以在网络上比对原料成本进行购入，大幅度降低了运营成本，针对推广产品的需求，也可向平台购买相关流量服务。其次借助平台的大数据技术，能根据用户的特征、偏好和搜索历史快速定位目标群体，确保该信息能传达给最有消费潜力的客户，并通过点击数、购买量、以及邮件往来和致电来跟踪营销结果，即时通道的交流反馈能减少信息误差，消费者也能通过品牌的网络影响力或者其他用户评论减少试错成本，此模式大大拓展了网络媒体形式的商业价值。

随着互联网向第三次迭代演进，我们已进入Web3.0时代。同时，媒体依托大数据技术也进入智能化时代。Web3.0的最佳解释是其特征，即无处不在、去中心化、人工智能和语义网络交互性。生成式人工智能通过学习大量数据的分布和模式，能够创造出新的数据和内容，其背后的技术手段在时间域和空间域上，逐渐打破了人与人、人与物、物与物的隔阂。视频生成模型Sora作为目前生成式人工智能的突出代表，超越了传统媒体形态的界限，整合了文本、图像、视频等多数据输入，成为AI驱动多模态大模型生成的标志性成果。从形式走向本质，基于大模型的信息和内容生产和传播，成为未来的基础。而形式仅仅是形式，不再重要。所以无论是任何形态、形式的媒体，仅仅只是显性的特征，已不再是未来数字化媒体融合关注的重点，而从形式回归本质，才应该是研究数字融合未来的主要方向。

在重估未来媒体融合的价值时，主要强调数据驱动的意义。智能媒体时代的内容生产，通过整合大规模数据集训练模型，并深度学习数据的分布和模式来产出新的内容，根据不断优化来改善生成质量。传统的媒体融合主要关注不同媒体形式之间的整合和交互，但在数字化时代，需要更加注重内容生态的构建和价值链的优化，扩展多向的传播模式。借助大数据技术，构建定向化的多平台、多渠道进行内容生产和传播，跨界整合实现资源共享和优势互补；通过数据分析和个性化推荐等技术手段，根据数据进行内容创作和定制，提高内容的吸引力和可分享性，促进用户参与内容的生产和传播过程，增强了用户粘性，可创造多种形式的内容将满足不同受众的需求，比如广告收入、付费订阅、内容授权等多元化的收益模式，也提高了智能媒体的商业价值和盈利能力，进一步实现内容生产、传播和价值实现的良性循环。

04 跳出传统思维：中国媒体融合旧有历程的失焦

媒体融合是一个贯穿整个人类传播发展的历史进程。现代媒体融合，主要是最近半个世纪数字技术广泛应用于传播之后，尤其是20世纪90年代互联网浪潮之后。而最近20年，因为受到网络媒体的巨大冲击，媒体融合成为国家意志的重要方向。而随着智能传播走向主流化，我们“蓦然回首”，就可以发现我们过去媒体融合的诸多努力存在着严重失焦的问题，一系列重大的战略举措并没有真正聚焦在正确的方向和正确的趋势方面。而更多被新兴的传播形式和现象所牵制。

2013年，党中央提出媒体融合发展以来，国内以政府赋能自上而下的媒体融合行动到目前为止可分为两个阶段：一是以大传媒集团“中央厨房”模式为主要特征；二是以“县级融媒体中心”建设为标志^［27］。“中央厨房”式新型全媒体在2015年提出，用来阐释以全媒体平台，实施“一次采集、多种生成、多元传播”的发展策略。其核心秘密在于“融合”，自身优势凸显于新闻素材的集中整合，能为合作媒体提供共享平台；其次，更容易实现媒体形态的跨界融合以及合作媒体的跨地域、跨领域融合^［28］，达到广覆盖、高效率的媒体传播效果。但中央厨房的融合重点在于传统媒体和新兴媒体的“两手抓”、体制机制的融合和生产流程的再造、不同媒体机构之间以及媒体和产业之间的融合^［29］。由政府主导、多方参与的微传播空间协作治理机制——“两微一端”（微博、微信、客户端）^［30］，被视为传统媒体实现“媒体融合”的关键，主要强调战略融合、观念融合、人才管理机制融合、资本融合^［31］。从2019年到2021年，我国媒体融合发展进入深水区，县级融媒体中心的建设成为媒介化治理的重要风向标。^［32］其发展可分为三个阶段，1.0阶段重点关注技术先行物理相加的全面覆盖，2.0阶段关注生态互通内容提质实现相融，目前已进入3.0发展阶段，其改革重点聚焦在人才赋能智媒加持实现融好。^［33］

梳理过去30年中国媒体融合几个阶段的关键概念和理念，比如网络化、中央厨房、两微一端等每一个阶段热门概念，其融合的模式主要是媒介拓展，其所做出的融合努力只是一种拼接、相加，这种错误的目标和方向“误导了”媒体融合的努力，并未真正带入融合思维。^［34］在中国特有的语境之下，媒体融合实践本质上是一种被多种力量合力推动的传媒变革^［35］，政府、传统媒体、新兴媒体等多元行动主体与制度、技术等力量相互交织，共同作用^［36］。但究其根本，技术驱动才是媒体融合的根本驱动力量，因为媒体变革的开端往往是技术变革^［37］，这亦是人类社会发展的底层逻辑^［38］。AI、短视频、算法推荐等技术发展不仅提升了媒体融合在技术设备层面的支持，也改变了内容生产方式与传播方式。这涉及媒体融合的另一个误区，即信息和内容的生产问题，这是传统大众媒体赖以成立的基础，也被视为大众媒体这个行业和职业存在的合法性所在。生成式人工智能以其创造性的技术逻辑带来内容生产的能力跃升，深化智能机器与从业者价值互构的生产流程，大幅提高驱动媒体深度融合的实践潜力。^［39］近期Sora的出现更是进一步表明信息和内容的生产不再是新闻媒体职业的“专长”，更不是“专利”。高质量的内容生产，随着技术进一步演进和改进，机器显然更擅长，必将全面接手。

随着媒体融合的深度推进，各大媒体尤其是主流媒体的融合困境逐渐显现，如“中央厨房”模式下价值链的优化问题^［40］、囿于体制机制的尴尬处境^［41］等，学者们纷纷试图探寻媒体深度融合的破局之道，大致有如下几条进路：一是寻求体制机制上面的创新。传统媒体之间的部门壁垒已经成为融合创新的阻碍，成立融媒体工作室或可破局，因为它不仅可以实现跨部门合作，打造专业化创作团队，还可以实现精准化传播，提高品牌影响力。^［42］二是寻求更大层面的结构上的突破。因为“基层主流媒体在理解和贯彻中国媒体融合顶层设计时的思维偏差与实践走样”^［43］，县级融媒体中心与乡村连接方式的调整也未能适应乡村社会关系结构的变化^［44］，导致了媒体融合因结构性因素在创新行动上的偏差^［45］。三是寻求媒体融合的数字化转型。这一路径得到了诸多学者的认同。主流媒体长期专注于数字技术研发与创新，手握大量数据与信息资源，更易与各大互联网媒体后台系统进行技术对接。^［46］大数据等技术手段的引进也使得媒体提供的服务更趋多元化，从单一服务转向多元服务。^［47］

无论是哪种破局之道，不难发现，学者们都敏锐地捕捉到了媒体融合的转变。其一是媒体融合所处大环境的变化，互联网技术尤其是数字技术的发展使得人类社会的信息传播范式发生了根本性的转变：以计算、传输、存储、数据和算法等核心要素组成的新型传播基础设施初步奠定，人类传播范式从过去传统大众传播主导的自上而下、集中控制的大教堂模式走向了数字新媒体主导的自下而上、开放分布式的大集市模式，数字传播已成为人类社会主导性的传播新范式。^［48］这种技术变革带来的社会信息传播机制的范式变革引发了媒体融合第二层次的转变，即数字传播格局下中国媒体融合的本质、使命与道路的转变，“在中国式现代化语境下的媒体融合具有鲜明的中国特色，包括技术融合的中国性和社会主义传媒制度的时代化，即以人民为中心的社会主义技术路线和‘事业单位、企业化管理’‘四级办台’等中国特色传媒管理制度的保障机制”。^［49］面对已经开启的智能传播新阶段，我们需要进一步认识数字社会的核心驱动力量：数据驱动。2023年以来，Chat GPT及其代表的技术方向AGI（通用人工智能）颠覆了数智媒体生态融合化的底层逻辑，通用人工智能技术将成为媒体“大融合”的技术主导方向。^［50］本质上而言，媒体融合是“以数字技术为基础的各种介质、媒介形式的整合，是以字节为基本单位的媒介类别的聚合，也正是因为数字技术可以将文字、图片、音频、视频统一转化为比特，使得媒介融合有了技术基础”^［51］。

综上所述，过去30年的媒体融合理念和实践的重心依然是围绕媒体的形式和形态而展开。而今天，随着形态和形式一夜之间的“消解”，说明了我们过去的努力，显然没有找准问题，把准趋势。要走出功败垂成的结局，媒体融合必须跳过形式而直到根本：走向大模型和智能体。媒体形式不再重要，媒体形态不再重要，甚至信息和内容的生产也不再重要，“人有人的用处”，“机器有机器的用处”。媒体融合回到“人有人的用处”，也就是回到人本身，回到人的需求，回到人的生存境况，回到人的新的主体性，才是这场媒体融合的终极目标。

05 从开放体系到数据赋能：中国媒体融合的重新定位

在制定新的媒体融合战略之前，我们需要清晰地认识到，互联网自诞生至今，已经从信息和通信基础设施演变为社会和生活基础设施，以信息传播为基础的网络空间正在重构人们的生存方式以及人类信息传播范式。从传统媒体到网络媒体，再到现在的智能媒体，本质上是信息传播范式的变革，过去基于大众传媒的集中控制、相对封闭的信息传播模式正在逐渐走向全球一体化。因此，媒体融合的根源是技术变革所引发的社会信息传播机制之范式转变，其战略思维必须超越传统单纯的内容思维，超越过去固有的技术—内容—机制维度，站在媒体传播—互联网—数字社会治理这一全新的三维结构中。^［52］

如下表所示，传统媒体时代与新媒体时代的信息传播范式泾渭分明，传统大众传播边界相对清晰，传播过程相对明确可控。通过技术物质条件和制度条件，形成显著的进入门槛和保护壁垒，具有一定的垄断性。而随着互联网的爆发，基于互联网元架构形成的全球开放一体化基础设施，将人类主流信息传播置身于一个全面开放的传播环境和基础之上，逐渐形成一个开放体系。事实上，真正的现实社会亦是多种传播机制的叠加。^［53］无论是1990年代的Web 1.0时代的网络传播，还是2000年代的Web 2.0时代的PC社交传播，2010年代移动互联网时代的移动社交传播，以及2020年代智能物联时代基于大模型的智能传播，都是一个环境越来越开放，规模越来越扩大，主体越来越多元的不断拓展过程。

表1  传播机制演进历程及各阶段不同属性特征对比

要想制定正确的媒体深度融合战略，首先要洞悉智能传播时代的传播模式。从传播方式上来看，物联网数据流代替了人力、技术等传统生产要素，智能技术成为内容生产、营销的决定性力量；从传播形态上来看，智能传播是互动的、碎片化的、多屏一体化和非线性的。从根本上来说，这种开放性来自于互联网元架构，即以TCP/IP为基础的、奠定互联网作为全球开放一体化系统的沙漏模型^［54］。沙漏模型的强大生命力，互联网架构的无状态、松耦合、相对稳定的设计原理，可演进的构成模块，不求完美却留出足够快速迭代空间的特性，正是互联网长盛未衰的最大秘密。^［55］

图1  互联网元架构的逻辑与机理

从图中可以看出，作为互联网统领性的结构，元架构造奠定了全球技术与信息之间的互联互通，任何用户都可以以任何方式接入任何设备以完成不同任务。这种技术层面奉行的简单性原则在网络运行和信息传播层面形成了自上而下、分布式和开放性三大特点，这亦是智能传播模式的根本性特征。纵观元架构的各层机理，不难发现，数据是互联网元架构中不可或缺的一环。已经有学者指出，继大众传播机制和社交传播机制之后，以数据和算法驱动的智能传播机制，开始强势崛起为主导性力量，重构社会传播格局。^［56］

一方面，数据是智能传播机制得以形成的根本驱动理论，数据将是智能传播的终极竞争优势。归根结底，智能媒体“实质上就是算力、算法和数据这三大要素使用或者作用于信息传播中的结果”^［57］。三种要素中，硬件技术决定决定算力，软件技术决定算法，此二者都可以追溯至人类数字技术和计算机技术的发展历史；而数据处于基础性地位，只有它实现“全民、全域、全息、全时”，才能通过算力和算法去透析复杂事件背后的规律。正如图2所示，智能传播阶段，算法扮演着越来越重要的角色，数据成为信息流通的关键要素。信息的产生和传播机制已经发生质的变化，其生产过程已经趋向消失，而传播速度也可以实现真正的“即想即传”。^［58］“数据驱动中的数据”，不是传播中简单的数据处理能力或者少数基于数据的媒体产品能力，而是驱动整体传播业务的全局性数据，涉及传播业务全流程的动态数据，尤其是目标受众和用户的数据，以及支撑业务的相应的社会和环境数据。

图2  智能传播范式示意图

另一方面，数据赋能也成为媒体融合的重要课题，对于媒体的内容生产、市场预测和价值链重构三个方面意义重大。^［59］2020年4月，《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》（简称《意见》）正式公布，《意见》明确将数据列为继土地、劳动力、技术、资本后的第五大生产要素，并强调要加快培育数据要素市场。数字时代，“数据要素作为新型生产要素，可以优化创新要素配置，变革创新组织体系，促使创新链、产业链深度融合，构建创新空间网络，赋能创新模式演进”^［60］。随着算力和算法越来越走向均衡和开放，以海量用户互动为基础的实时动态数据，成为竞争优势的新立足点。在算力、算法、数据要素的协同机制下，媒体的生产结构也在不断重塑，媒体市场的资源配置也进一步优化，其内容生产方式也必将不断创新。

图3  数据驱动媒体深度融合业务逻辑架构

如图3所示，与过去长期的内容驱动的传播相比，数据驱动下的媒体深度融合面临着全新的权力关系与治理机制。从社会权力结构层面看，数据涉及复杂的权属关系与利益关系，智能传播本身固有的公共性与社会性使得大型私有性质的平台媒体向公权力强势扩张，个人和社会的利益根本受到了前所未有的冲击，隐私泄露、数据独裁、数据异化、数字鸿沟等问题层出不穷^［61］。从数据流通层面来看，与传统生产要素不同，数据要素具有的非竞争性、易复制性、部分排他性、非均质性等独特特征使其在流通过程中面临诸多新问题，如个人维度的数据撰取、市场维度的数据交易混乱、政府维度的数据准确性欠缺，等等^［62］。从治理层面来看，智能传播时代的社会权力机制需要重构，以实现权力的再平衡，这需要从根本上重构数据的治理与运行机制。

基于此，建构一个超越政府、企业和社会的新角色显得至关重要，即公共数据运营商。这不仅是未来人类数字社会运行的关键与核心，也是智能传播时代媒体深度融合的最佳路径与必由之路。它为传统主流媒体带来了新的弯道超车的可能性：传统媒体通过公共运营商的身份，重新成为衔接政府、企业和社会之间的“新媒介”。因此，传统媒体成为社会公共数据的运营商，不仅拥有了数字社会治理的真正抓手，也自然地拥有主导社会信息传播的媒体融合的抓手。

06 总结：智能传播下的媒体融合新格局

因此，随着生成式人工智能的全面普及，新的主战场呈现出几个清晰而鲜明的特点。

第一，新的主战场必然是以科技为基础，起码前期的竞争是技术的竞争。OpenAI就是成功的典型。近代以来，心理战、信息战、舆论战相辅相成、相互联动，乌克兰危机更是将一场没有硝烟的战争呈现在大众眼前：算法认知战（也有学者称之为“混合战”“全系战争”等）。当全球性网民数据与AI技术大规模使用相结合，媒体得以实现针对用户画像的精准推送，辅之以强大的情报能力和主流媒体的引导，直接影响和主导冲突和战争走势的决策和行动。相较于传统作战方式，算法认知战具有全球性的政治化叙事、混合式进攻、科技赋能的认知模糊化，以及国际传播的战略威慑与引导（或误导）等表现方式。^［63］这告诉我们，传统主流媒体要积极转型为科技型媒体，尽管要在科技层面竞争，传统主流媒体显然不具备优势，难以有胜机。但毋庸置疑的是，在后期的竞争中，善于使用和利用科技的媒体将凭借独特的数据优势越来越具备竞争力，这需要提前在数据战略上做好布局。

第二，新的主战场是开放体系下的竞争，而不再是封闭性、垄断性或者行政性的竞争。这一点，对于长期生活在体制下的传统媒体，尤其重要。传统商业模式中，主流媒体通常扮演一种中介角色，它们将受众的注意力进行二次售卖，但新的传播格局下，这显然难以为继。随着技术的日益发展和传媒消费市场的不断演进，习惯立足于开放的市场竞争，是媒体融合成功的基本前提。与传统主流媒体相比，互联网商业平台在不断升级迭代中“遵从用户需求导向，采取平台化、生态化运营模式”^［64］，占据了越老越多的市场份额，这导致传统主流媒体在市场竞争中逐渐势弱。面对新的市场逻辑，主流媒体亟需重塑传媒商业模式，加强自身市场竞争力。互联网时代，用户即资源，增加用户黏性、占领用户市场、获取用户数据变得极为重要，各大媒体纷纷通过形态融合、平台融合、功能融合等手段，全方位展开用户争夺战，因此，“如何拓展新市场和新用户，进而获取可持续发展的动力也是市场逻辑下的媒体生存发展必须回应、解决的问题”。^［65］

第三，新的主战场是全球性而不再是区域性或者国家性的竞争。过去的媒体融合都是局限在一定的边界之内，而未来智能媒体竞争，必然是全球性的。从技术层面而言，数字技术正在深入经济社会发展的各领域全过程，而媒体深度融合同样需要数字技术的支撑。作为数字经济的核心组织形态，平台经济的多边市场使得“传统媒体与平台媒体之间的竞争已经从传统媒体子产业之间单一的价格战演变成为一种全方位、多层次的对抗行为，二者之间从产品市场、生产活动、资源与技术和经营战略四个层面，由表及里，全方位展开竞争”。^［66］从政策层面而言，随着数字化成为生产生活和治理方式变革的重要驱动，2023年伊始，中共中央、国务院便印发了《数字中国建设整体布局规划》，要求到2025年基本形成横向打通、纵向贯通、协调有力的一体化推进格局，到2035年数字化发展水平进入世界前列。这意味着媒体深度融合必须结合国际传播与治理现代化进行下一步规划，才符合中国式现代化的战略需要。^［67］

第四，数据是智能传播时代构建核心竞争力的关键，而数据背后是海量用户。开放竞争下的全球性海量用户，是最终胜利的衡量指标。用户成为度量每一家报纸、杂志、电视和新闻社的标尺，亦是各媒体对自身战略的自我审视和评估。囿于思维与行为惯性，传统媒体的转型道路注定难以摆脱传统路径：具体而言，是走出“媒体内部的融合”和“媒体与其他机构性媒介的融合”两种旧模式，确立用户中心的“全员”媒体深度融合路线。^［68］AIGC内容共创重视社交媒介参与，为用户提供学习、获利、评论和分享的开放性场域，造就受不同社交背景影响的用户参与行为。^［69］不仅如此，重视用户需求、满足用户体验，亦是媒体数字化转型的关键，这需要媒体确立用户思维，从用户视角制定转型策略，在转型各个阶段“以用户为中心”去思考问题，这一战略可以帮助媒体更好地了解用户的需求与期望，从而生产出更优质的内容、提供更好的服务。

总之，过去的媒体融合工作，都不足以确保未来的成功。Sora虽然还将不断演进，新的技术与应用还将层出不穷。但是，Sora冲击波已经可以明确媒体融合的最新信号：走出旧有领域，走出旧有路径依赖，迈向新的战场，才有胜机。

［1］方兴东，钟祥铭.谷登堡时刻：Sora背后信息传播的范式转变与变革逻辑［J］.现代出版，2024（3）：1-15.

［2］方兴东，钟祥铭.重估媒体融合——50年数字技术驱动下的媒体融合演进历程与内在价值观［J］.西北师大学报（社会科学版），2022（2）：5-19.

［3］Jean，B.（2017）.Keywords for media Studies.New York ：NYU Press.

［4］Asif， K.& Heeba， D.（2022）.Convergence in media：Understanding its cause and effect.Journal of Education.XXV：122-130.

［5］OpenAI.Research letter：Video generation models as world simulators.Retrieved February 15， 2024， from https：//openai.com/research/video-generation-models-as-world-simulators.

［6］Zhang，H.，Song，H.，Li，S.Zhou M.& Song，D.（2018）.A survey of controllable text generation using transformer-based pre-trained language models，  J.ACM，37（4）：8-16.

［7］Peters，M.，Jackson，L.，Papastephanou，M.，Jandri ić，P.，Lazaroiu，G.，Evers，C.，Cope，B.，Kalantzis，M.，Araya，D.，Tesar，M.，Mika，C.，Chen，L.，Wang，G.，Sturm，S.，Rider，S.& Fuller，S.（2023）.AI and the future of humanity：ChatGPT-4， philosophy and education – Critical responses，Retrieved February 8， 2023， from http：//dx.doi.org/10.2139/ssrn.4351785.

［8］Rahaman， Md.S.，Ahsan， M.M.， Tahmid，A.， Nishath，R.，Mizanur R.& Md， N.， An Opinion Article：The AI Race is on! Google’s Bard and OpenAI’s ChatGPT Head to Head.Retrieved February 8， 2023， from http：//dx.doi.org/10.2139/ssrn.4351785.

［9］AI Dungeon.Research letter：A text-based adventure-story game you direct （and star in） while the AI brings it to life.Retrieved February 1， 2024， from https：//aidungeon.com.

［10］Fengxiang， B.， Yibo， Y.， Zhongzhu， Z.， Adam， G.， Minjia， Z.， Zhewei， Y.， Xiaoxia， W.， Connor， H.， Pareesa， G.， David A.， C.， Yuxiong， H.， Dacheng， T.& Shuaiwen Leon， S.（2023）.RenAIssance：A Survey into AI Text-to-Image Generation in the Era of Large Model.Retrieved September 2， 2023， from https：//doi.org/10.48550/arXiv.2309.00810.

［11］Goodfellow， I.， Pouget-Abadie， J.， Mirza， M.， Xu， B.， Warde-Farley， D.& Ozair， S.， et al.Generative adversarial nets.Retrieved June 10， 2014， from https：//doi.org/10.48550/arXiv.1406.2661.

［12］刘佳，萧惠丹.艺术重构与艺术复制——基于文本智能生成图像技术的思考［J］.工业工程设计，2021（5）：60-64+100.

［13］Matthew， L.， Apoorv， V.， Bowen， S.， Brian， K.， Leda， S.， Rashel， M.， Mary， W.， Vimal， M.， Yossi， A.， Jay， M.， & Wei-Ning， H.Voicebox：Text-Guided Multilingual Universal Speech Generation at Scale， Conference on Neural Information Processing Systems.Retrieved October 19， 2023， from https：//doi.org/10.48550/arXiv.2306.15687

［14］张斌，全昌勤，任福继.语音合成方法和发展综述［J］.小型微型计算机系统，2016（1）：186-192.

［15］Monica，V.，A.， Hector，A.，L.， Mattias， T.& Konrad， T.（2022） Voice2face：Audio-driven facial and tongue rig animations with cVAEs.， Comput.Graph.Forum， 41（8）：255-265.

［16］Shipper.D.Research letter：How Sora works （and what It means）.Retrieved February 16， 2024， from https：//every.to/chain-of-thought/sora-and-the-future-of-filmmaking.

［17］OpenAI.Research letter：Video generation models as world simulators.Retrieved February 15， 2024， from https：//openai.com/research/video-generation-models-as-world-simulators.

［18］Joseph， C.， Fachrina Dewi， P.， Sheng， Z.， Jingyao， Z.， Lik-Hang， L.， Tae-Ho， K.， Choong Seon， H.， & Chaoning， Z.（2024）.Sora as an AGI World Model? A Complete Survey on Text-to-Video Generation.Retrieved June 7， 2024， from https：//doi.org/10.48550/arXiv.2403.05131.

［19］许颖.互动·整合·大融合——媒体融合的三个层次［J］.国际新闻界，2006（7）：32-36.

［20］Yitian， G.（2023）.Appropriate solutions for traditional media and new media to establish in contemporary society， SHS Web of Conferences， 155：01024-01024.

［21］尹雯婷.从商业模式看纸质媒体的核心价值［J］.新闻世界，2011（9）：163-164.

［22］Ogidi， O.& Anthony，U.U.（2016）.Is the new media superior to the traditional media for advertising， Asian Journal of Economic Modelling， 4（1）：57-69.

［23］方兴东，严峰，钟祥铭.大众传播的终结与数字传播的崛起——从大教堂到大集市的传播范式转变历程考察［J］.现代传播（中国传媒大学学报），2020（7）：132-146.

［24］Britannica， T.Editors of Encyclopaedia.social media.Encyclopedia Britannica.Retrieved May 30，2024，from https：//www.britannica.com/topic/social-media.

［25］Ortiz-Ospina，E.Research letter：The rise of social media.Retrieved September 18， 2019， from https：//ourworldindata.org/rise-of-social-media.

［26］郑晓莉.传统媒体与新媒体的传播融合分析［J］.新媒体研究，2016（15）：113-114.

［27］朱春阳.县级融媒体中心建设：经验坐标、发展机遇与路径创新［J］.新闻界，2018（9）：21-27.

［28］丁晓斌.“中央厨房”，烹制媒体融合大餐［J］.传媒观察，2016（4）：44-46.

［29］何炜，张旸.“中央厨房”烹制新闻美味——人民日报全媒体平台创新融合发展途径的实践 ［J］.中国报业， 2016（7）：16-18.DOI：10.13854/j.cnki.cni.2016.07.005.

［30］向安玲，沈阳，罗茜.媒体两微一端融合策略研究——基于国内110家主流媒体的调查分析［J］.现代传播（中国传媒大学学报），2016（4）：64-69.

［31］王春盛，焦晓洁，沈阳.百花齐放 方兴未艾——2015年传统媒体“两微一端”的梳理和分析［J］.新闻与写作，2015（12）：9-14.

［32］罗昕，蔡雨婷.县级融媒体创新基层社会治理的模式构建［J］.新闻与写作，2020（3）：48-55.

［33］王姝雯，朱婧薇，张巨才.从1.0到3.0：县级融媒体建设的进阶之路［J］.记者摇篮，2023（5）：48-50.

［34］倪小帆.媒介融合的实践路径及反思［J］.视听，2019（10）：156-157.

［35］张涛甫，赵静.媒体融合的政治逻辑——基于意识形态安全的视角［J］.新闻与传播研究，2021（11）：69-83+127-128.

［36］殷琦.创新的转向：中国媒体融合演进的路径与机制［J］.新闻大学，2021（1）：103-116+121.

［37］曾祥敏，刘思琦.媒体融合十年考：传播体系、社会治理与自主知识体系现代化的实践路径［J］.现代出版，2024（1）：47-60.

［38］方兴东，顾烨烨，钟祥铭.中国媒体融合30年研究［J］.新闻大学，2023（1）：87-100+122.

［39］韩晓宁，周恩泽.能力跃升与战略重构：生成式人工智能驱动媒体深度融合的路径探析［J］.中国编辑，2024（2）：29-35.

［40］国秋华.价值链重构：媒体中央厨房建设路径与模式创新［J］.现代传播（中国传媒大学学报），2019（9）：136-140.

［41］郑东丽.深度媒介化背景下的传统主流媒体融合困境与方向［J］.新闻爱好者，2024（1）：47-50.

［42］陈果.融媒体工作室：媒体融合转型的机制创新［J］.传媒，2024（4）：31-33.

［43］曾培伦，朱春阳.融媒十年考：中国媒体融合发展的逻辑转换与汇流［J］.新闻界，2023（11）：12-22.

［44］孙健.乡村社会关系结构与组织嵌入之媒体融合实践［J］.现代传播（中国传媒大学学报），2023（8）：82-87+130.

［45］朱江丽，左雯榕.结构中的创新：媒体融合创新模式及其影响因素的扎根研究［J］.新闻记者，2024（3）：10-26.

［46］李岚，孙锦铭.数字营销传播：主流媒体融合转型的新突破［J］.中国广播电视学刊，2024（3）：42-46.

［47］凌昱，蔡雯.数智驱动下新型主流媒体融合与治理功能更新——基于“中国新闻奖”新闻名专栏的观察（2005—2023年）［J］.出版广角，2024（3）：28-33.

［48］方兴东，严峰，钟祥铭.大众传播的终结与数字传播的崛起——从大教堂到大集市的传播范式转变历程考察［J］.现代传播（中国传媒大学学报），2020（7）：132-146.

［49］左灿，沙垚.中国式现代化语境下的媒体融合［J］.新闻大学，2023（11）：41-52+120.

［50］郭全中.技术迭代与深度媒介化：数智媒体生态的演进、实践与未来［J］.编辑之友，2024（2）：60-67+94.

［51］黄建友.论媒介融合的内涵及其演进路径［J］.当代传播，2009（5）：50-52.

［52］ 方兴东，钟祥铭.中国媒体融合的本质、使命与道路选择——从数字传播理论看中国媒体融合的新思维［J］.现代出版，2020（4）：41-47.

［53］ 方兴东，严峰，钟祥铭.大众传播的终结与数字传播的崛起——从大教堂到大集市的传播范式转变历程考察［J］.现代传播（中国传媒大学学报），2020（7）：132-146.

［54］ 方兴东，钟祥铭，李星.互联网元架构——解析互联网和数字时代范式转变的底层逻辑［J］.现代出版，2023（5）：25-39.

［55］ 王世新，李星.信息化规划要为未来留出迭代空间［J］.中国教育网络，2020（6）：19-21.

［56］ 方兴东，顾烨烨，钟祥铭.ChatGPT与媒体深度融合——从数字技术变革逻辑解析中国媒体融合的战略处境和战略误区［J］.新传播，2023（1）：6-14.

［57］ 方兴东，钟祥铭.智能媒体和智能传播概念辨析——路径依赖和技术迷思双重困境下的传播学范式转变［J］.现代出版，2022（3）：42-56.

［58］ 方兴东，严峰，钟祥铭.大众传播的终结与数字传播的崛起——从大教堂到大集市的传播范式转变历程考察［J］.现代传播（中国传媒大学学报），2020（7）：132-146.

［59］ 徐伟.大数据赋能电视媒体深度融合的创新路径［J］.传媒，2023（19）：33-35.

［60］ 潘家栋，肖文，唐楠.数据要素赋能创新模式演进［J］.社会科学战线，2024（3）：51-58.

［61］ 唐洁琼，陈少峰.平台数据应用的伦理与治理［J］.河南社会科学，2024（3）：68-77.

［62］ 董康.数据要素流通的困境与对策研究［J］.人文杂志，2024（2）：131-140.

［63］方兴东.全球社会信息传播变革趋势研判——从智能传播时代的算法认知战谈起［J］.人民论坛，2022（15）：96-99.

［64］赵茹，张旭昱.主流媒体融合发展的内在逻辑与实践进路［J］.中国编辑，2024（3）：79-84.

［65］卞天歌，郭淑军.媒体融合发展的三重逻辑与六维进路［J］.中国出版，2023（11）：30-34.

［66］刘翠敏.数字经济时代传统媒体融合发展路径分析［J］.传媒，2023（6）：28-31.

［67］顾烨烨，方兴东.中国媒体融合30年：基于政策的视角［J］.传媒观察，2023（6）：13-24.

［68］刘峰，陈龙.制度理论视角下媒体深度融合的用户中心化趋向研究［J］.传媒观察，2023（11）：59-65.

［69］Dongmei， C.， Maureen， M.， Donna， W.& Senmao， X.（2021）.Understanding consumers’ social media engagement behaviour：An examination of the moderation effect of social media context.Journal of Business Research，122（1）：835-846.

文章来源于未来传播期刊