摘要：数智技术的快速发展正驱动主流媒体进行深度变革。本文分析了主流媒体从“数字化”向以系统变革与生态建构为特征的“数智化”架构的演进逻辑，剖析了其在组织协同、价值导向、信息分发与生态治理等方面所面临的现实挑战，并从组织重塑、内容创新、算法优化和制度构建等维度提出了系统性变革的实践路径。

关键词：数智技术；主流媒体；系统性变革；生态建构

2024年7月，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》明确提出，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”，标志着主流媒体的融合转型升级已被提升至新的高度。在国家治理现代化的宏大框架中，主流媒体的系统性变革不再是单一、单个的局部变化，而是整体性的变革创新。这表明，主流媒体亟待在新的技术条件与政策环境下，从体制机制到运行模式进行全面重塑，以占领主阵地主战场。

从生态建构的视角来看，数字化与数智化的演进逻辑体现了媒介系统在社会各要素中协同进化的必然趋势。数字化作为初步阶段，为媒体打下了数据化生存的基础，推动了流程优化与资源整合。数智化则通过算法与大数据赋能，实现了内容生产、分发机制与用户互动的深度变革，进一步在系统融合与生态建构中完成跨越，将技术、组织与价值多维度协同联动，形成开放、互嵌、动态平衡的传播格局。这一演进过程不仅重塑了主流媒体的运作逻辑与生态环境，更凸显了其在社会认同和公共价值等方面的独特功能，也为新时代主流媒体的可持续发展提供了系统性支撑与长期动力。
一、由“数字化”到“数智化”的技术架构演进路径

从数字化到数智化的技术架构演进，展现了主流媒体在信息基础设施完善与智能技术加速渗透下的整体转型逻辑。数字化奠定了数据化生存的基础，智能化推动了模式与功能的深度重塑，而数智化则通过全域智能生态建构实现全局跃升。这一演进不仅关乎传播方式的效率优化与形态革新，更意味着主流媒体在社会认知、公共价值与生态治理等层面完成了结构性的重塑，为系统性变革奠定了坚实的技术底座。

（一）数字化传播：以释放数据要素价值为核心的初步赋能

数字化传播的兴起与全球信息基础设施建设密切相关。20世纪90年代“信息高速公路”概念的提出，为新闻传播领域的数字化转型奠定了物理基础[1]。进入21世纪，传统媒体开始将模拟信号内容转化为数字格式，实现了新闻内容的生产、存储和传输的初步数字化改造。就像尼葛洛庞帝在《数字化生存》中提出的：数字化引发媒体世界的彻底改变，这种改变不仅体现在“现有的东西能以更好和更有效率的方式传播”[2]，更重要的是推动了媒体形态乃至传播逻辑的改革重构。在此背景下，主流媒体纷纷建设数字采编系统与内容管理系统，对原有的新闻生产流程进行结构性重塑。这一转向不仅显著提升了新闻生产效率，更为数据要素的价值释放奠定了坚实基础——新闻内容首次以结构化数据的形式存在，为后续的数据分析、价值挖掘与智能应用创造了现实条件。

在此基础上，数字化传播逐渐从“流程重构”迈向“数据驱动”。这一阶段的核心突破在于将新闻业务数据转化为可运营资产，并依托数据分析推动生产模式革新。2010年前后，随着移动互联网的兴起，主流媒体纷纷布局“两微一端”（微博、微信、移动客户端），开启移动化转型。人民日报客户端、新华社客户端、央视新闻客户端均在此期间上线并迭代升级，通过用户注册、内容分发与互动社区的建设，首次实现大规模用户数据的系统化采集与沉淀。这些平台不仅记录阅读偏好、停留时长、转发评论等显性行为，还借助用户画像系统初步建立受众数据库，为数据分析与精准传播奠定基础。尽管这一阶段尚未进入生产环节的智能化，但渠道数字化和用户连接已积累了宝贵的数据资产，为数据要素的市场化配置创造了前提条件。
随着数据积累与渠道成熟，数字化逐步渗透至新闻生产与价值创造的全链条，推动新闻生产进入系统性革新阶段，主要表现为三方面。其一，大数据平台的构建。如中央广播电视总台的新闻融合生产平台整合多源数据，实现对选题、分发与反馈的高效处理，提升传播精准度。其二，云计算的深度应用既保障突发新闻直播的稳定，也显著提高日常采编效率。例如，江苏广电集团的“荔枝云”平台使记者可实时上传素材，编辑即时处理，缩短生产周期。其三，新闻数据服务化转型。媒体依托OpenAPI平台推动数据的封装与流通，构建数据生态[3]。如重庆日报报业集团的“新闻内容生产及运营监管服务平台”集中多年新闻数据并对外开放监测、确权、舆情分析等服务，凸显数据要素的核心资产价值。由此可见，数据不仅提升了生产效率，更重塑了新闻价值创造方式，为数智化演进奠定了坚实基础。

（二）智能化升级：以算法驱动与模式重构为导向的演进逻辑
依托数字化阶段积累的数据底座，智能化升级逐步成为主流媒体演进的核心驱动力，而算法则是其中的关键引擎。算法的引入不仅改变了信息分发的逻辑，更深刻地重塑了生产机制与价值体系。作为数据与传播的中介，算法通过建模学习，实现了对用户行为、内容特征和舆情趋势的多维度刻画，使信息分发具备更高的精准性与差异化。新华社“媒体大脑”系统即借助大数据算法实现舆情监测与风险预测，为公共议题治理提供科学依据。这表明，算法已超越单纯的工具属性，成为嵌入传播体系的结构性力量，将“数据—认知—行动”的逻辑链条转化为制度化流程，推动媒体由经验驱动走向模型驱动[4]。

进一步看，算法驱动的影响不仅体现在分发环节，还渗透至选题策划、内容采编与审核等生产链条，带来组织模式的系统性重构。传统模式下的新闻依赖记者与编辑的专业判断，而在智能化背景下，“人机协同”成为常态：在选题阶段，算法分析网络热点与用户需求，为编辑部提供议题线索；在采编阶段，智能写作工具基于自然语言处理生成数据新闻或初稿；在审核阶段，算法模型识别风险词汇与敏感议题，提升把关能力。央视网“AI编辑部”便是典型实践，自2020年两会首度应用以来持续迭代，至2022年已具备事实核查、移动生产与AI视频生成等功能，全面支持前后方协同与一线智能化报道，凸显智能技术在重大报道中的深度融合。可见，智能化升级并非技术叠加，而是引发了生产方式与组织运行的深层次变革。
更为关键的是，算法驱动与模式重构的结合，推动了主流媒体功能的再定位。媒体不再是单向的信息发布者，而逐渐成为社会信息流的枢纽与公共价值的塑造者。智能算法使用户从被动接受者转变为积极参与者，UGC（用户生产内容）、PUGC（专业用户生产内容）与AIGC（人工智能生成内容）的融合构建了动态互动的传播生态[5]。这意味着，主流媒体在利用算法提升效率和拓展覆盖面的同时，更需建立制度规范以确保导向正确与价值实现。可以说，智能化升级的根本意义在于推动主流媒体与社会形成新的互动关系，并在这一过程中重塑功能定位与价值导向。

（三）数智化架构：以系统融合与生态建构为特征的整体新格局
进入数智化阶段，主流媒体的传播体系已不再是孤立的单元集合，而是由多层级、跨领域要素耦合而成的复杂系统。在系统论看来，真正意义上的系统并非单个要素的简单机械累加，而是通过要素间的重组与互动生成新的构成特征。在此逻辑下，数智化架构的首要特征便是系统融合，即通过技术平台、组织流程与数据资源的深度整合，推动不同子系统之间形成协同效应：数据流、内容流、技术流与人才流相互作用、深度耦合，构建起高度互联的整体。如江西省的“江西融媒大脑”平台以“一朵云、一张网、一体化”为架构，纵向贯通省市县三级融媒体中心，横向联动政务与公共服务机构，实现了选题策划、内容生产、智能审核、多端分发等核心环节的系统协同。凭借“省级统筹、市县联动”的融合机制，江西在重大主题宣传和突发事件报道中形成了多级协同、高效响应的系统性合力。

在系统融合基础上，数智化架构的第二个核心特征是生态建构。媒介生态学强调，媒介系统并非封闭运作，而是嵌入社会、技术、文化等多元要素的开放环境中，并通过互动、平衡与循环维系整体稳定。[6]因此，数智化架构不仅是技术平台的堆叠，而在于赋能多元主体，在广阔网络中共同塑造一个共生的传播生态。这一生态具有去中心化、协同性和动态平衡的特征：一方面，主流媒体通过开放平台与标准接口，将政务部门、商业机构、社会用户等多元主体纳入同一传播链条，实现多层次的资源共享与价值共创；另一方面，媒体系统在保持价值引导力的同时，通过平衡机制避免资源和话语权的过度集中，从而增强了系统的韧性与可持续性。这种生态格局正是系统论中的“结构—功能相关律”[7]与媒介生态平衡观的结合[8]：只有在多要素的互动中保持结构与功能的动态稳定，主流媒体才能在快速变动的外部环境中实现长期适应与良性发展。

归根结底，支撑系统融合与生态建构的核心在于技术突破。数智化架构不仅需要强大的数据底座，更依赖于人工智能、多模态模型与认知计算的持续迭代。首先，人工智能技术的落地为新闻生产、内容分发和舆情研判提供了智能化工具，使媒体能够实现7×24小时内容供给与实时风险预测。其次，多模态模型的发展使媒体能够在文字、图像、音视频及虚拟现实内容之间实现跨模态理解与生成，极大拓展了新闻叙事的表现力与沉浸感。最后，认知计算框架的构建，使系统能够模拟人的感知与推理过程，从而实现用户需求预测、个性化服务以及公共价值导向的协同优化。这些技术突破共同推动主流媒体由信息处理型系统迈向智能认知型系统，为数智化架构注入了持续演进的内在动力。
二、数智技术驱动下主流媒体系统性变革的现实挑战

伴随数智技术的持续渗透与扩展，主流媒体的系统性变革虽势在必行，但现实转型中仍面临诸多挑战。数智技术的深度嵌入，一方面带来效率与模式的革新，另一方面也暴露出协同不足、价值失衡、分发偏差及伦理风险等系统性问题。这些困境的存在，意味着主流媒体在转型过程中必须在技术突破与制度建构之间寻求平衡，在公共责任与市场逻辑之间保持张力，从而为后续的实践路径奠定现实语境与问题导向的基调。
（一）组织协同困境：跨部门融合不足与流程转型的阻滞

在数智技术深刻影响下，主流媒体的组织架构正经历系统性调整，但跨部门协同不足仍然构成突出瓶颈。从组织理论视角来看，长期以来，主流媒体依托科层制与职能化分工模式运作，各部门之间形成了稳固的边界与资源壁垒。数智化转型要求实现数据、技术与内容的深度耦合，但现实中部门间的信息与资源流动并不顺畅。技术部门、内容部门与运营部门在目标设定、绩效评估及资源分配上的差异，导致认知框架与行动逻辑难以匹配，直接抑制了组织的协同效能。数据团队强调算法逻辑与运算效率，而内容团队则更注重新闻价值与社会影响，这种深层认知框架与目标导向的差异不仅容易造成执行层面的摩擦，也加剧了跨部门协作中的惰性与内耗。此外，路径依赖与制度惯性使得既有的流程规范和权力分布难以被轻易打破，削弱了组织在数智化背景下的灵活性与应变力，导致数据驱动决策、智能化生产和跨渠道分发等创新机制难以实现系统性整合，主流媒体在动态竞争中表现出的创新能力和适应性均受到制约。

进一步而言，流程转型的阻滞亦成为系统性变革中的核心挑战。主流媒体的新闻生产长期以来建立于线性模式之上，策、采、编、发、评等环节分工明确且依次推进，而数智技术则要求代之以非线性、迭代化、协同化的新型流程框架。然而，在实际转型过程中，原有流程体系表现出显著的刚性特征：一方面，传统策采编发流程与实时数据反馈、用户行为分析等数智化操作之间存在显著脱节，编辑决策往往仍依赖经验判断而非数据洞察；另一方面，数智化所要求的敏捷响应机制与多重反馈回路难以在既定流程中有效嵌入，算法智能分发等新型能力亦会因流程割裂而无法实现闭环优化。此外，人力资源结构与技能储备的滞后进一步加剧流程转型的难度——现有人员往往缺乏数据素养与跨领域协作能力，而组织内部培训与人才引进机制尚未完全适应数智化要求。流程转型的阻滞不仅削弱了内容生产的效率与精准性，更从系统层面限制了媒体组织在多元传播生态中的功能调适与价值重构。
（二）价值张力受束缚：内容导向弱化与流量逻辑的挤压

随着主流媒体向数智化转型，其面临的一大核心挑战是内容导向与流量逻辑之间的内在张力。这一难题根植于数字平台所特有的运行机制，即通过算法对用户行为数据进行深度分析，以实现信息分发的精准化和个性化。然而，这种基于用户兴趣和偏好的分发模式，在追求传播效率最大化的同时，也可能导致新闻价值的扭曲和新闻专业性原则的弱化。传统新闻业的核心使命在于提供公共信息、履行社会监督职能，其内容生产遵循的是议程设置和价值引导的逻辑。但在数智化环境中，算法的流量至上原则使得媒体内容生产者不得不迎合大众化、碎片化乃至娱乐化的内容消费趋势，以获取更高的点击率和互动量。这种对流量的过度依赖，使得内容生产的出发点从“应该报道什么”转向“什么能吸引眼球”，从而导致严肃议题的传播空间被挤压，而猎奇、煽动性或娱乐性内容则被放大，最终消解了媒体作为公共信息守门人的角色。
其次，流量逻辑的挤压还体现在对新闻生产专业性和深度性的挑战上。在传统采编模式下，深度调查、复杂议题报道需要投入大量的人力、物力与时间成本，其价值在于内容的稀缺性、权威性和影响力。然而，在数智化流量考核体系下，此类深度内容在传播效能上常不敌短视频、即时热点等快餐信息，投入产出效益较低。算法推送更青睐易于引发互动和传播的轻量化内容，致使媒体资源向“短、平、快”生产倾斜，而非深度耕耘。这种现象不仅使得有价值的公共信息难以有效抵达用户，也进一步削弱了主流媒体的内容供给能力和公信力。当流量成为衡量一切的标准时，新闻工作的专业性、独家性和深度性便被边缘化，媒体的长期价值构建让位于短期的数据增长。在媒介生态学的框架下，二者的张力表现为系统中“信息价值”与“注意力价值”的失衡，这不仅威胁到主流媒体的认同基础，也动摇了其在公共领域中的权威性与合法性[9]。在这一过程中，主流媒体如何在数智化传播生态中重新确立自身的价值坐标，调和公共使命与流量现实之间的张力，已成为关乎其生存与身份认同的关键命题。

（三）分发偏差挑战：精准推荐加剧信息茧房与用户风险
智能算法作为一种技术范式，以其个性化推荐能力主导着信息传播的新兴权力，深刻影响着人们的认知观念、价值信仰、思维逻辑和行为模式。然而，这种技术赋能下的信息分发模式也带来了严峻的分发偏差挑战，其核心在于精准推荐机制在提升效率的同时，可能加剧信息茧房效应并引发潜在的用户风险。算法的本质是通过对用户行为数据进行深度分析，构建个性化用户画像，并据此推送符合其兴趣偏好的内容。尽管这种“信息找人”的模式极大优化了信息分发效率，但其负面效应在于，当用户持续接触与其既有观念相符的信息时，其信息视野将不可避免地收窄，从而被困于由算法编织的信息茧房中。这种封闭的信息环境限制了用户接触多元化观点和不同立场信息的可能性，不仅可能导致其对公共议题的理解片面化，也削弱了他们独立思考与批判性思维的能力。对于肩负社会责任的主流媒体而言，过度依赖精准推荐所形成的信息茧房，无疑与其议程设置和价值引导的公共职能相悖，使得媒体难以有效履行其传播主流价值、凝聚社会共识的使命。

此外，分发偏差所带来的用户风险还延伸至舆论极化与虚假信息的传播。算法的内在逻辑在于最大化用户互动，而情感强烈、立场鲜明甚至带有煽动性的内容往往更能激发用户的点击和评论，从而在算法机制中获得更高的分发权重。这种机制无意中放大了社会中的对立与分歧，可能将用户推向各自的立场极端，加剧舆论极化。在极端情况下，不同社群可能因观点分歧和认知偏见而产生激烈的冲突与对立。更重要的是，当算法被恶意利用时，其隐匿的权力属性和“算法黑箱”特性，使得不实信息、偏激思想甚至带有政治倾向性的内容能够迅速且精准地触达特定用户[10]。这不仅破坏了信息的真实性与公正性，也可能引发信息泛滥和认知失调的风险。算法的这一技术缺陷，使信息筛选、排序与推荐的透明度大幅降低，用户难以理解算法决策背后的逻辑与依据。这种不透明性不仅削弱了用户对算法的信任，也为恶意操控信息流向、误导用户认知提供了机会。为此，如何通过技术优化与协同治理，在个性化分发与公共价值传播之间寻求平衡，成为主流媒体在数智化进程中亟待解决的关键难题。
（四）生态治理困境：智能生成引发伦理争议与安全隐患

随着人工智能技术深度嵌入新闻传播领域，智能生成业已成为主流媒体生态中的一个新兴且具争议性的力量，由此引发了深刻的伦理困境与治理难题。其一，作为一种全新的技术范式，智能算法在内容生产中的深度参与，正在模糊传统新闻专业性中的核心主体性边界。当AIGC（人工智能生成内容）逐渐成为常态，诸如新闻报道、视频制作乃至虚拟主播等内容不再完全依赖人类的创作与判断，便引发了关于创作归属、事实责任与伦理边界的系列争议。其二，智能生成内容的非人类主体性，使得在出现虚假信息或偏见内容时，难以有效追溯其责任主体，从而对新闻业的公信力构成挑战。其三，智能算法的双刃剑效应使其在赋能内容创新的同时，也带来了权力僭越与身份解构的风险[11]。算法的运行机理与价值偏向不透明，这种不透明性使得技术权力可能凌驾于人类判断与新闻价值观之上，从而引发价值失序的风险。
更进一步，智能生成技术在快速迭代中，也带来了严峻的安全隐患，对主流媒体的生态治理构成了系统性挑战。首先，随着深度伪造（Deepfake）等技术的日益成熟，智能算法能够高度仿真地生成虚假音视频内容，极大地降低了虚假信息与谣言的制作与传播门槛。这些逼真的生成内容能迅速且广泛地传播，对公共议题的真实性基础造成根本性冲击，使主流媒体面临前所未有的辨别真伪的压力。其次，这些技术被滥用时，不仅能够制造针对个体或组织的舆论危机，更可能通过操纵舆论、激化社会矛盾等手段，对社会信任与稳定构成威胁。究其根源，是信息传播范式发生了结构性变革，传统的内容审核模式在智能生成内容的规模性与隐蔽性面前已显得力不从心。最后，这种对算法工具的过度依赖，可能导致主流媒体在内容生产和信息传播中陷入单一的“技术合理性”思维模式，使其逐渐丧失对宣传内容深度与广度的深刻理解，从而削弱其作为主流话语权威的地位[12]。这种生态治理困境，深刻揭示了在数智化转型过程中，如何平衡技术发展与伦理规范、效率提升与价值坚守，是主流媒体必须正视并系统性解决的核心难题。

三、数智技术驱动下主流媒体系统性变革的实践进路
在应对数智化带来的多重挑战与机遇中，主流媒体的实践进路既体现了组织、内容、分发与治理的系统性回应，也展现了在技术迭代与价值坚守之间寻求平衡的努力。实践路径的核心设计在于通过跨层级协同、智能化创新、多元化分发与制度化保障，将技术效能与公共价值有机结合，推动新闻生产与传播体系的深度重构。这一进路不仅回应了数智化语境下的现实困境，更为主流媒体在复杂生态中确立长远发展优势奠定了坚实基础。

（一）突破组织藩篱，重塑跨层级协同机制

在数智技术深度赋能的背景下，主流媒体组织面临的跨部门融合不足与流程转型阻滞的挑战，需要通过重塑跨层级协同机制加以突破。因此，构建一个扁平化、柔性化的组织架构，是提升整体协同效能的首要任务。这要求媒体机构打破既有的部门壁垒，将技术研发、新闻采编、用户运营等部门进行有机整合，形成以项目为导向、以数据为驱动的跨职能团队。例如，上海广播电视台在推进“BesTV+”流媒体战略过程中，重组了内容、技术、运营等部门，成立融合产品项目部，实现了从内容生产到用户服务的全链条协同，显著提升了响应速度与资源利用效率。此举旨在消除信息孤岛，促进资源与知识的无障碍流动，确保从选题策划、内容生产到分发运营的全流程能够实现无缝对接和高效协同。同时，还需建立与其相匹配的激励评估机制，将跨部门协作的成效纳入绩效考核体系，从而引导员工从单一职能视角转向系统性协同思维，从根本上解决认知框架与行动逻辑的差异问题。
流程转型的核心在于将线性、刚性的生产模式向非线性、迭代化的敏捷模式转变。这要求媒体机构重新设计业务流程，将数据反馈、算法洞察和用户行为分析等数智化能力内嵌于采、编、发各环节。在选题阶段，可运用大数据平台对海量网络数据进行实时分析，以驱动精准议题线索的生成，为编辑部提供科学的决策支持；在采编过程中，可借助智能写作与审核工具，实现内容生产的自动化辅助与质量控制，从而显著提升生产效率。例如，浙江日报报业集团推出的“天目蓝云”，通过整合AI写作、智能校对、多模态内容生成等技术，重构了新闻生产流程，实现了从线索发现到内容生产的全链路智能化与敏捷化运营，尤其在重大突发事件报道中展现出高效协同与快速响应的优势。此外，人力资源结构的优化与人才储备的提升是实现流程转型的关键[13]。组织应通过内部培训和外部引进，培养具备数据素养、技术理解和跨界协作能力的新型媒体人才，构建一支能够驾驭数智化工具、适应敏捷化流程的专业团队，从而有效弥补现有人员技能的滞后，为数智化转型提供坚实的人才支撑。

（二）坚守价值导向，推动内容生产智能化创新转型

在推进系统性深化进程中，主流媒体面临着内容导向与流量逻辑的内在张力，这亟须通过坚守价值导向、推动内容生产智能化创新转型来应对。这一实践进路的理论逻辑根植于媒介生态学与新闻专业性的交汇点。媒介生态学强调媒介系统应维持多元要素之间的动态平衡，在内容生产中，价值导向正是实现技术效能与公共利益协调的关键支点。因此，必须将新闻专业性与数智化技术进行深度融合，在利用技术提升传播效率的同时，确保内容始终服务于主流价值的传播和公共议程的设置[14]。这一转型并非简单地将技术叠加到传统生产流程中，而是要求在内容生产的各个环节，都系统性地植入价值导向的考量，从而实现人机协同下的内容价值重构。
为了实现这一目标，内容生产智能化创新转型可以从以下几个方面着手。首先，在内容策划层面，主流媒体应利用数智技术进行“价值挖掘”，而非单纯的“流量追逐”。具体而言，主流媒体应充分利用数智化工具，借助大数据分析，系统性地识别社会热点背后的深层议题、社会情绪的演变规律，以及公众关注的焦点领域，从而精准策划具有社会价值和舆论引导力的选题。湖北卫视在《湖北新闻》中推出的“长江指数”AI数据新闻板块，便是利用大数据分析解读区域发展战略，将硬核政策转化为可感可知的生活图景，实现了价值导向与用户关注的有机统一。这种以数据为支撑的“选题策动”，能够确保内容生产的起点就与主流价值同频共振，从源头上保障了媒体的公共责任与社会担当。其次，在内容生产与呈现环节，应深度探索“AIGC+PUGC+UGC”的融合创新模式。例如，珠海传媒集团旗下“医我看”大健康工作室，由专业记者主导，依托集团AIGC技术辅助生成每日健康科普短视频，既保证了内容的专业性和准确性，又借助智能化工具提升了生产效率和传播力。在此过程中，团队始终坚守新闻专业性，由专业编辑和记者主导核心内容生产、事实核查与价值判断，从而真正形成了“人机协同、价值为先”的成熟生产范式。这种模式既提升了新闻生产的效率，也确保了内容价值的有效传递，实现了技术赋能与价值坚守的良性互动。

（三）校正算法偏差，构建分发体系多元化格局
在数智传播范式转向的背景下，校正算法价值理性、构建多元均衡的分发格局，已成为主流媒体履行社会责任的关键实践路径。其核心逻辑在于，将价值判断和公共利益内嵌于算法分发机制，以实现“算法+人工”的混合模式。这并非否定算法作用，而是通过技术优化与制度设计，赋予算法“价值自觉”[15]，使其在个性化推荐的同时，兼顾内容公共价值与社会责任。例如，重庆广电集团（总台）打造的“第1眼TV”平台，在自主研发的“芯问”大模型赋能下，建立了价值导向的智能推荐机制，该机制在研判热度时，不仅分析用户兴趣，更内置正能量权重系数，确保时政、民生、文化等公共价值内容优先分发，有效平衡个性化与公共性。通过这种方式，主流媒体突破单纯流量逻辑的束缚，确保重要新闻和严肃议题的有效触达，在维护传播生态健康、凝聚社会共识方面发挥作用。

为实现分发体系的多元化与均衡化，主流媒体可从技术与制度两个层面展开实践。在技术层面，可探索构建“双轨制”分发模型。一轨是基于用户画像的个性化推荐算法，提升体验与消费效率；另一轨是基于公共价值权重的算法，对涉及国家大事、政策、科学、文化等公共议题的内容赋予更高权重。这两种算法并行，辅以智能化的算法黑箱解构工具，提升分发过程的透明度，从而让用户能够了解推荐背后的逻辑。例如，南方+客户端通过引入“主流价值算法校准”机制，在个性化推荐基础上，建立内容公共价值评估体系，对时政要闻、民生政策等高质量内容进行加权推荐，并设置“视野开拓”板块主动推送跨领域内容，有效打破了单一兴趣导向的信息茧房。同时，可引入“随机性”和“广谱性”设计，在个性化推荐流中适度插入不同类型、不同立场的内容，引导用户走出舒适区，接触多元化的信息，以实现信息的广度与深度的平衡[16]。在制度层面，主流媒体还需建立健全的算法分发监管与评估机制，形成常态化的校正反馈闭环。这要求媒体机构组建专门的“算法伦理委员会”或“价值审查小组”，定期对算法推荐结果进行人工审核与效果评估，确保分发结果符合主流价值导向。可以预见，在技术与制度双重保障下，主流媒体才能真正走向科学、理性与价值兼顾的分发新格局。
（四）健全制度体系，夯实内容生产传播安全基石

随着人工智能技术的深度嵌入，新闻传播领域正面临智能生成内容引发的伦理争议与安全隐患。健全制度体系、夯实生态治理的伦理与安全基石，已成为主流媒体数智化转型中的紧迫任务。从生态视角而言，媒介不是封闭的技术实体，而是与社会外部环境耦合共生的复杂系统，因而伦理与安全治理不仅是技术问题，更是维系传播生态稳定与平衡的重要环节。这一路径的核心在于，通过技术治理与制度约束的双重赋能，在发挥数智技术效能的同时，有效防范和化解潜在风险，确保新闻传播的真实性与权威性。例如，人民日报社依托传播内容认知全国重点实验室，发布并实施了一套面向媒体人工智能应用的伦理规范，同时成立科技伦理委员会进行常态化审查，为行业提供了“源头治理”的实践范式。
构建健全的制度体系，是系统应对人工智能为新闻传播领域带来的伦理失范与安全风险的核心路径。具体而言，该体系的构建可从以下两个关键层面推进：首先，应建立常态化的伦理审查与安全风控机制。主流媒体机构应在内部设立跨部门、多维度的风险评估系统，对拟引入的人工智能技术实施前置伦理审查。同时，可组建专门的“AI伦理委员会”，由该委员会明确智能写作、虚拟主播等应用场景的伦理边界，确保其具备新闻专业性。此外，主流媒体还应构建内容安全风控机制，借助人工智能技术实现对海量内容的实时监测，以精准识别并拦截虚假信息与深度伪造内容，从而形成智能化的内容防火墙。其次，构建以人为本的责任追溯与纠偏机制。尽管智能算法在内容生产中扮演日益重要的角色，但其本质仍是工具，责任主体最终仍应归于“人”。主流媒体需建立清晰的责任归属框架，确保在出现内容差错或伦理争议时能够迅速追溯来源、启动纠偏程序。这不仅是对新闻专业精神的坚守，也是维护媒体公信力的必然要求。唯有通过制度规范与人文价值的双重引导，才能在技术赋能与伦理约束之间实现可持续的平衡，进而推动数智化传播生态朝着规范、可信、健康的方向发展。

四、结语
纵观主流媒体在数智技术驱动下的系统性变革，其核心逻辑在于应对技术赋能与现实挑战之间的动态张力。可以预见，随着人工智能、大数据等技术的不断迭代，主流媒体将更加深度地嵌入社会运行的复杂网络之中，承担起信息枢纽与价值引领的双重使命。因此，如何在技术赋能与价值坚守之间求取精妙的动态平衡，将是决定主流媒体能否在数智时代保持公信力与权威性、推动公共传播体系良性演化，并最终在新的媒介生态中赢得长远发展动力的关键所在。

【本文为国家社科基金重大课题“构建适应全媒体内容生产的传播机制和评价体系研究”（25&ZD290）的阶段性研究成果】

参考文献  

[1] 胡泳,陈秋心.中国新媒体25周年——从“信息高速公路”到“未来媒体”的认知跃迁[J].汕头大学学报(人文社会科学版), 2019, 35(12): 25-32.

[2] 尼葛洛庞帝.数字化生存[M]. 胡泳,范海燕,译.海口:海南出版社,1997:66.

[3] 张志安,冉桢. 技术、平台与数据：基于业界感知的主流媒体系统性变革路径[J].新闻与写作, 2025 (04): 26-36.

[4] 李小波,翟岩.“算法政治推送”：运行机理、意识形态风险及其治理[J].现代传播(中国传媒大学学报), 2025, 47(06): 149-160.

[5] 曹月娟,黄楚新,郭安然.主流媒体系统性变革的理论意义、实践价值与现实路径[J].中国编辑, 2025 (05): 75-80+100.

[6] 邵培仁.媒介生态学新论[M].杭州:浙江大学出版社,2022:78.

[7] 克内尔, 纳塞希. 卢曼社会系统理论导引[M].鲁贵显,译.高雄:巨流图书公司, 1998:42.

[8] 邵培仁.媒介生态学：媒介作为绿色生态的研究[M].北京：中国传媒大学出版社,2008:20-23.

[9] 强月新, 胡青山.公共性、多元主体与技术生态：媒介生态学视角下的媒体内容共创[J].青年记者, 2023 (15): 9-13.

[10] 赵锋,万光侠.智能算法赋能铸牢中华民族共同体意识的技术可能、现实挑战与应对策略[J].民族学刊, 2025, 16(01): 1-11+150.

[11] 沈雪,李欣.人工智能时代算法权力的隐忧与反思[J].未来传播, 2022, 29(04): 19-25.

[12] 黄楚新.全方位融合与系统化布局：中国媒体融合发展进路[J].现代传播(中国传媒大学学报), 2023, 45(07): 1-7.

[13] 黄楚新,张熙悦.“人工智能+”赋能主流媒体系统性变革的基本逻辑与实现路径[J].青年记者, 2025 (08): 31-37.

[14] 余梦珑,沈阳.生成式人工智能驱动数据新闻的新专业主义建构[J].出版广角, 2025 (02): 9-17.

[15] 万欣荣.用主流价值导向驾驭算法的内在动因、本质透视与实践路径[J].马克思主义研究, 2024 (05): 135-144.

[16] 胡正荣. 我国主流媒体系统性变革破题的几个关键点[J]. 新闻与写作, 2025 (04): 1.