从赋能到重构： 人工智能驱动主流媒体系统性变革的分层困境与应对策略

From Empowerment to Restructuring： Hierarchical Differentiated Dilemmas and Coping Strategies for AI⁃driven Systemic Transformation of Mainstream Media

摘要

人工智能正重构主流媒体的内容生产与传播逻辑， 但不同层级媒体在赋能过程中呈现显著的不均衡特征。采用分层抽样法， 选取78家中央级、 省级及市县级主流媒体作为样本， 综合运用问卷调查与案例分析， 探究人工智能赋能主流媒体系统性变革的实践现状、 差异化困境及发展路径。人工智能应用呈现“核心场景集中、 高端场景滞后”特征， 赋能成效随媒体层级降低而递减， 其中人才短缺与技术投入不足是制约基层主流媒体的主要瓶颈。需结合不同层级媒体资源禀赋实施分层施策， 重点破解人才与资金困境， 深化技术融合应用， 以推动主流媒体实现高质量智能化转型。

Abstract

To investigate the current state，core challenges， and development pathways of artificial intelligence （AI） empowerment in mainstream media reform， which exhibits significant imbalances across different organizational tiers， and to facilitate intelligent transformation， employed stratified sampling to select 78 mainstream media organizations at various levels as valid samples. Through questionnaire surveys and case analyses， we conducted quantitative and qualitative analyses to examine AI application characteristics， effectiveness disparities， and key issues. Findings reveal that AI adoption in mainstream media is characterized by“concentration in core scenarios while high-end scenarios lag behind”and that empowerment effectiveness diminishes with lower organizational tiers. Talent shortages and insufficient technological investment are identified as the primary bottlenecks constraining grassroots mainstream media organizations. While AI can provide crucial support for media reform， stratified strategies should be implemented based on the resource endowments of different tiers to overcome talent and funding constraints， deepen technological integration， and drive high-quality intelligent transformation in mainstream media.

关键词

人工智能 / 主流媒体 / 系统性变革

Key words

artificial intelligence （AI） / mainstream media / systemic transformation

新一轮人工智能技术迭代演进， 正深刻重塑舆论生态、 媒体格局与传播方式。作为意识形态传播的主阵地、 主渠道， 主流媒体正面临着传播格局变革、 用户需求升级等多重挑战， 亟需进行系统性变革。 《中华人民共和国国民经济和社会发展第十五个五年规划纲要》强调“深化主流媒体系统性变革， 推进新闻宣传和网络舆论一体化管理， 提高主流舆论引导能力”^［1］， 同时强调“加强全媒体传播体系建设， 构建适应全媒体生产传播工作机制和评价体系”^［1］。在主流媒体变革过程中， 深度融入人工智能技术已成为主流媒体打破变革瓶颈、 提升核心竞争力的重要举措。与此同时， 人工智能已不再仅是新闻生产的辅助工具， 而是从内容创作、 算法分发到体制机制、 舆论引导等维度， 对主流媒体进行整体性重构。面对智媒时代的机遇与挑战， 如何坚持主流价值引领， 以人工智能全面赋能主流媒体转型升级、 实现高质量系统性变革， 已然成为当下新闻传播领域亟待深入探究的重要时代课题。

1 文献综述

当前， 人工智能赋能主流媒体变革的相关研究聚焦于变革逻辑、 实践路径、 机遇挑战及新闻核查等核心方向， 形成了多维度研究格局。黄楚新、 张熙悦从政治、 经济、 文化等多维度解析了“人工智能+”赋能主流媒体系统性变革的基本逻辑， 指出转型中存在复合型人才短缺、 人工智能幻觉等问题， 并提出深化认知、 跨界联动等实现路径^［2］。过彤以央视网实践为案例， 探讨人工智能在主流媒体内容生产中的革新作用， 强调“思想+艺术+技术”融合对主流文化表达创新的重要意义^［3］。喻国明、 向泽映重点分析主流媒体在人工智能时代面临的发展机遇与现实挑战， 提出了针对性应对策略^［4］。聂静虹、 李肖楠在研究中指出， AI幻觉对新闻真实性与媒体公信力构成系统性威胁， 主流媒体需通过“去盲信化”把关意识、 交叉验证核验体系以及多层次系统性防范框架， 实现智能传播时代新闻安全与公信力的再生产^［5］。

近年来， 学界亦开始从多元维度拓展研究边界。杨轲、 金强基于田野调查， 探究了主流媒体建设性舆论监督的实践意涵与创新路径， 明确提出发展“人工智能+建设性舆论监督”的策略主张， 强调通过技术赋能提升舆论监督的科学性、 专业性与可读性^［6］。曹轲、 农舒婷则从情感传播视角， 分析了主流媒体在技术变革中需兼顾理性认知与情感共鸣的双重效能^［7］。陈昌凤、 武沛颍从组织制度层面切入， 揭示了生成式AI嵌入新闻生产系统后引发的五大结构性张力， 指出需要实现技术基础设施、 平台运行机制、 价值导向引领与制度反馈调节的有机耦合^［8］。

综观上述研究， 现有成果在理论逻辑与实践案例层面已有较充分的积累， 但仍存在不足： 一是多数研究停留于理论阐释与个案分析层面， 缺乏大样本数据的实证支撑； 二是对不同层级主流媒体在人工智能赋能过程中的差异化困境关注不足， 尚未形成适配不同资源禀赋的变革方案； 三是相关策略建议多呈现一般化特征， 与行业未来发展趋势的关联性有待加强。

针对上述不足， 本文提出以下研究问题： 不同层级主流媒体在人工智能赋能过程中呈现出怎样的应用特征与成效差异？制约其系统性变革的核心困境是什么？如何立足各层级资源禀赋构建差异化的变革路径？为此， 本文立足我国主流媒体系统性变革实际， 结合问卷调查与案例分析等实证数据， 着力解答上述问题， 为不同层级主流媒体的智能化转型提供可操作的实践参考。

2 研究数据与方法

2.1 研究样本

本研究采用分层抽样法， 选取我国不同层级、 不同区域中的主流媒体作为研究样本， 以保障样本的代表性和覆盖面。初始样本共选择80家主流媒体， 涵盖8家中央级主流媒体（包括新华社、 人民网、 中央广播电视总台等）、 20家省级主流媒体（覆盖东、 中、 西部地区， 如浙江日报报业集团、 山西日报社、 湖南科技传媒集团等）、 52家市县级主流媒体（包括太原日报、 晋城融媒体中心、 荆门九派通融媒体中心、 东营区融媒体中心等市县级融媒体中心， 以及部分市县级报刊和广播电视台， 样本兼顾高、 中、 低不同经济发展水平的区县， 以反映基层主流媒体在人工智能赋能中的真实状况与差异化需求）。样本涵盖报纸、 广播电视、 新媒体平台等多种媒介形态， 排除未开展人工智能应用的机构， 最终筛选出78家有效样本， 有效回收率97.5%。此外， 本文还选取了为主流媒体提供人工智能技术支持的8家科技企业， 包括华为云、 腾讯、 科大讯飞等， 以丰富数据维度。

2.2 研究方法

第一， 问卷调查法。本研究设计《人工智能赋能主流媒体变革实践调查问卷》， 问卷内容涵盖三个主要部分： 第一部分为媒体基本信息及人工智能应用场景分布（共12题）； 第二部分为变革成效评价（采用李克特五点量表， 从内容生产效率、 传播精准度、 影响力提升、 成本控制四个维度进行评分）； 第三部分为核心痛点与瓶颈调查（含多选题及开放题）。问卷通过线上平台面向78家有效样本媒体的相关工作人员发放， 发放对象为每家媒体从事采编、 技术、 管理岗位的人员， 共发放问卷260份， 回收有效问卷247份， 有效回收率为95%。问卷信度方面， Cronbach’s α系数为0.873， 表明内部一致性良好； 效度方面， KMO值为0.826， Bartlett球形检验显著性p0.001， 说明问卷结构效度良好。

本研究中变革成效数据来源于媒体内部人员的“自评”， 核心关切之一是不同层级媒体从业者对人工智能赋能效果的“主观感知差异”， 这一差异直接反映了技术落地过程中的实际体验与满意度。为保障数据的客观性， 本研究在分析中采用三角验证法： 将自评数据与公开可获取的第三方行业报告（如《中国媒体融合发展报告》）， 以及典型企业案例的公开数据进行交叉比对。结果显示， 自评数据呈现的层级差异趋势与第三方评估结论高度一致， 表明自评数据具有较好的效度， 可用于后续的差异分析与策略构建。

第二， 案例分析法。本研究选取两个具有代表性的案例， 即新华社“新闻智能体矩阵”与浙报集团“传播大脑”。新华社作为中央级主流媒体标杆， 代表了国家级媒体在人工智能赋能领域的前沿探索； 浙报集团作为省级媒体代表， 其“传播大脑”项目实现了省市县三级媒体资源贯通， 具有典型示范意义。案例分析重点考察二者人工智能赋能的核心路径和实际成效， 为后续策略构建提供实践参考。

第三， 统计分析法。本研究采用SPSS统计软件对问卷数据进行处理， 主要运用描述性统计分析（计算均值、 标准差、 百分比）、 独立样本t检验和单因素方差分析， 比较不同层级媒体在各维度上的差异显著性。数据核对采用双人交叉验证方式， 案例分析则通过三角验证法（问卷数据、 访谈记录、 公开资料相互印证）进行质量控制， 以保障研究的可靠性。

3 研究结果分析

3.1 应用特征： “核心场景集中、 高端场景滞后”

针对现有研究对层级差异关注不足的问题， 本研究通过分层比较发现， 人工智能在主流媒体已覆盖多个核心业务环节， 但不同应用场景的普及程度仍有较大差异。从应用场景分布来看， 文本内容生成和智能审核的应用比例均超过75%， 是主流媒体人工智能应用的核心场景； 而人工智能数字人播报、 多语种智能翻译等场景的应用比例较低， 主要受技术投入、 人才储备等因素限制， 且相关应用多集中在中央级、 省级主流媒体， 详见表 1。

3.2 赋能成效： 层级递减的马太效应

在变革成效方面， 本研究采用李克特五点量表， 从内容生产效率、 传播精准度、 影响力提升、 成本控制四个维度， 对不同层级主流媒体的人工智能赋能变革成效进行评分。结果显示， 各维度评分从高到低依次为中央级、 省级、 市县级， 呈现“层级越高、 成效越显著”的特征。其中， 内容生产效率维度平均分最高， 反映出人工智能赋能对内容生产效率的提升作用最为显著， 详见表 2。

从典型案例来看， 部分主流媒体已形成具有示范意义的人工智能赋能模式。新华社作为中央级主流媒体标杆， 依托媒体融合生产技术和系统国家重点实验室， 打造了涵盖策、 采、 编、 发、 传全流程的人工智能赋能变革模式^［9］， 并推出多款智能产品， 如采编助手、 新华较真、 新华妙笔等^［10］。采编助手依托权威大数据和自研大模型， 集成了20多项功能， 可自动化搜集素材、 生成多模态内容； “新华较真”构建了大模型和权威知识库的双驱动架构， 能自动检测文稿、 图片、 视频的错敏内容， 有效解决了人工智能内容质量把控难题， 荣获国家广电总局人工智能大赛一等奖； “新华妙笔”以高质量语料为基础， 构建了多场景文书模板体系， 助力主流价值观的传播。

浙报集团作为省级主流媒体代表， 以开源大模型为基础， 打造了聚焦传媒领域的垂直传播大模型， 并在模型中汇集智能对话、 创作、 检索和插件四大核心功能^［11］， 集成为媒立方3.0系统， 实现了从采编平台到智能办公全流程平台的转变。该系统深度接入人工智能视频、 人工智能生图能力， 可根据文字和图片自动生成定制化内容。该模型已开放给浙江73家媒体机构内测使用， 推动省市县三级媒体资源贯通^［12］， 成功支撑“潮新闻”客户端的智能阅读、 智能创作等功能^［13］。该案例入选了2025年中国国际智能传播论坛的“人工智能赋能媒体生产传播十大案例”。

根据郭全中、 李黎的《主流媒体系统性变革的实践模式、 问题清单与优化对策》， 2024年， 我国媒体融合进入系统性变革的新阶段， 生成式人工智能深度赋能内容生产， 但区域协同与技术迭代脱节现象依然突出， “马太效应加剧融媒发展鸿沟”成为制约行业均衡发展的关键问题^［14］。这一判断与本文的实证发现相互印证。

3.3 核心困境： 差异化困境与资源瓶颈

调查发现， 主流媒体在人工智能赋能变革过程中面临诸多问题与瓶颈。从问题分布来看， 较普遍的问题是人工智能专业人才短缺、 技术投入资金不足、 人工智能内容质量把控困难等， 详见表 3。

在成效评分中， 成本控制维度整体均值最低（3.27±0.74）， 其中市县级媒体的成本控制均值仅为2.95±0.78， 反映出技术投入不足对成本控制的制约较为突出。从层级差异来看， 市县级媒体在内容生产效率（3.28±0.75）、 传播精准度（3.15±0.69）、 影响力提升（3.02±0.71）等维度的评分均显著低于中央级和省级媒体， 说明人才短缺与资金不足已成为制约基层媒体人工智能赋能的主要瓶颈^［15］。赵平广指出， “技术缺乏和资金短缺成为其在新闻竞争中的主要劣势”^［16］， 这与本调查中市县级媒体的困境高度一致。方差分析结果显示， 不同层级媒体在内容生产效率（F=9.87， p0.01）、 传播精准度（F=10.23， p0.01）、 影响力提升（F=8.94， p0.01）和成本控制（F=11.56， p0.001）四个维度上均存在显著差异， 进一步证实了层级间的马太效应。

从案例分析来看， 新华社、 浙报集团等头部媒体的实践已取得显著成效， 但其模式具有较强的资源依赖性。新华社依托国家重点实验室和自研大模型， 浙报集团凭借省级资源优势实现全省媒体资源贯通， 这类条件对于市县级媒体而言难以复制。市县级媒体的人工智能应用多停留在单点工具层面， 难以形成系统化的赋能格局。人工智能内容质量把控困难在各级媒体中均较为突出（提及比例为66.67%）， 说明“人工智能幻觉”等技术局限性尚未得到有效解决， 这也对主流媒体的内容安全构成潜在风险^［17］。

本次调查以78家不同层级主流媒体为有效样本， 结合问卷调查与案例分析， 围绕人工智能应用特征、 赋能成效差异及核心困境展开讨论。值得注意的是， 新华社与浙报集团的成功实践高度依赖于国家重点实验室资源或省级财政与政策支持， 形成了“强者愈强”的马太效应。对于市县级媒体而言， 既缺乏自研大模型的技术实力， 也难以获得同等规模的外部技术赋能。因此， 破解差异化困境的关键不在于复制头部模式， 而在于探索“轻量化、 可复制、 低成本”的人工智能应用路径。

综上分析， 不同层级主流媒体在人工智能赋能过程中呈现出明显的“分层困境”： 中央级媒体以技术自主性和前沿探索为优势， 拥有国家重点实验室等高端平台和充足的资金支持， 同时承担着技术标准引领和舆论引导“定海神针”的核心职责， 但面临数据安全与伦理风险等治理难题； 省级媒体可依托区域资源整合能力实现协同赋能， 但传统组织机制适配性不足、 部门壁垒和考核体系滞后等问题制约其效能释放； 市县级媒体虽拥有贴近基层、 服务群众的独特优势， 但普遍受困于人才与资金“双短缺”， 人工智能应用多停留在单点工具层面， 难以为系统性变革提供重要助力， 亟需轻量化、 低成本的解决方案。未来人工智能应向多技术深度融合、 全链条渗透方向发展， 推动主流媒体实现从“赋能”到“重构”的跨越。

4 应对策略

4.1 分层应对策略框架

面对不同层级主流媒体在人工智能赋能中的分层困境， 各媒体应立足自身资源禀赋， 选择适配的变革路径。

中央级媒体拥有雄厚的研发实力与资源积淀， 其战略重心应置于技术自主与标准引领层面。一方面， 需加大自研大模型投入， 重点突破多模态生成、 事实核查与价值观对齐等核心技术， 构建自主可控的技术体系； 另一方面， 应牵头制定人工智能在新闻采集、 内容审核、 隐私保护等环节的行业规范与伦理准则。此外， 中央级媒体还应通过开放平台将成熟的智能审核、 智能写作能力向省市级媒体输出， 以弥补基层的技术短板。

省级媒体则应立足区域枢纽定位， 发挥承上启下的协同赋能作用， 打破采编、 技术、 运营等部门的传统壁垒， 建立适应人工智能工作流的项目制团队， 并配套改革关键绩效指标考核体系。借鉴浙报集团“传播大脑”模式， 省级媒体可打造覆盖省市县三级的区域智能传播平台， 实现技术共用与数据共享， 同时结合本省特色孵化差异化的人工智能产品， 形成区域竞争优势。

市县级媒体受制于人才与资金双重短缺， 走务实、 轻量化的发展道路更为可行。这类媒体应优先采用第三方智能写作插件、 云端智能剪辑平台等“开箱即用”的低成本工具， 将有限资源聚焦于自动生成新闻短视频、 政务短视频、 文旅/本土IP短视频等高频痛点场景， 并主动接入上级媒体搭建的智能传播体系， 实现“借船出海”， 大幅提升内容生产效率与传播力。在人才建设上， 应重点培训现有采编人员掌握一至两项高性价比的人工智能工具， 比盲目引进高成本专职工程师更能解决基层实际问题。

4.2 构建智能内容生产体系， 破解应用深度不均

针对智能化程度不均衡、 深度赋能不足的问题， 应从素材采集、 内容创作、 内容审核三个环节入手， 推动智能化向全流程覆盖。内容生产是主流媒体的核心竞争力， 因此需要构建智能化的内容生产体系， 并将其贯穿于内容创作的整个流程^［18］。在素材采集阶段， 可利用人工智能技术搭建智能素材库， 通过智能识别等技术自动抓取， 并分类存储音频、 图片、 文字等内容， 实现快速检索与复用。在内容创作阶段， 引入智能写作机器人、 人工智能剪辑工具等， 辅助记者撰写稿件、 自动剪辑短视频、 生成字幕， 提升内容生产效率， 使采编人员有更多时间投入深度报道与精品创作。在内容审核阶段， 构建融合图像识别与自然语言处理技术的智能审核机制， 快速甄别虚假和违规信息， 保障内容安全， 同时利用智能校准功能， 核查文字准确度。其中， 素材库搭建和智能写作为各级媒体通用策略； 智能审核环节因涉及内容安全， 建议市县级媒体优先部署轻量化审核工具， 中央级和省级媒体可同步推进自研审核模型的研发。

4.3 打造精准传播分发矩阵， 提升智能化传播效能

针对用户画像体系不完善、 跨平台分发机制不成熟的问题， 需着力构建精准用户画像和智能化分发矩阵。一方面， 通过对用户的兴趣偏好、 浏览记录、 互动行为等相关数据进行分析， 精准定位不同群体的信息需求， 使主流声音精准传递到目标受众， 提升内容的接受度与传播效果。另一方面， 整合新媒体平台与传统媒体平台资源， 利用人工智能实现内容的跨平台适配和自动分发。系统结合新闻客户端、 社交平台、 短视频平台等不同渠道的传播特点， 智能优化内容风格、 时长和格式。同时， 借助智能数据分析技术， 实时监测传播效果， 动态调整分发策略， 增强主流舆论的穿透力和覆盖面。在内容形态创新方面， 借助数字人播报、 AR新闻、 虚拟演播室等新型形式， 打破传统内容的平面化呈现模式， 提升用户的体验感和参与感。

4.4 完善智能技术应用生态， 缓解资源投入不足

针对技术自主能力弱、 数据安全管理制度不健全、 行业协作不足的问题， 需从技术布局、 数据安全、 交流合作三方面协同发力。技术布局方面， 采用引进和自研相结合的方式， 与优质人工智能技术企业进行积极对接， 引进成熟的智能采编、 分发、 数据分析等技术， 同时加大自主研发投入， 减少对外部人工智能技术的依赖。数据安全方面， 完善数据安全管理制度， 使采集、 存储、 分析与使用数据的全流程均得到有效保护， 并运用安全审计、 权限管控、 数据加密技术等， 保障媒体数据和用户的隐私安全^［19］。此外， 加强行业技术交流合作， 搭建人工智能技术共享平台， 推动整个行业朝着智能化方向转型。在治理层面， 相关部门应出台针对主流媒体领域人工智能技术应用的技术规范和标准， 健全数据安全和隐私保护制度， 逐步构建人工智能伦理约束体系， 明确主流媒体在使用人工智能技术过程中的行为边界和伦理责任^［20］。

4.5 强化专业人才队伍保障， 补齐复合型人才短板

针对复合型人才结构性短缺、 引进难、 培养慢的问题， 需从培养、 引进、 激励、 合作四个维度构建系统性人才保障体系。田丽、 誾姝言指出， 智能传播研究正从技术想象向实践导向转变^［21］， 这对人才培养提出了新的要求： 一是对在岗的编辑、 记者、 运营等人员开展人工智能专项培训， 普及技术基本原理与操作方法， 提升现有人才的技术应用能力； 二是加大复合型人才引进力度， 与技术研发、 数据挖掘、 人工智能等领域的人才精准对接， 优化队伍结构； 三是完善激励机制， 鼓励员工主动学习人工智能技术、 探索新的应用场景， 对业务创新表现突出的团队或个人给予表彰奖励； 四是搭建人才培养合作平台， 与科技企业、 科研机构、 高校等开展定向合作， 培养符合主流媒体需求的复合型人才， 为系统性变革持续注入新鲜血液^［22］。

5 结　语

本研究通过78家主流媒体的实证数据， 填补了人工智能赋能主流媒体变革研究中“大样本实证支撑不足”的空白， 并首次量化揭示了不同层级媒体在赋能成效上的显著差异（即“马太效应”）。本研究发现， 当前人工智能应用呈现“核心场景集中、 高端场景滞后”的特征， 赋能成效随媒体层级降低而递减， 人才短缺与资金不足是制约基层媒体的主要瓶颈。通过构建智能内容生产体系、 打造精准传播分发矩阵、 完善智能技术应用生态、 强化专业人才队伍保障等策略， 人工智能赋能正在从理念走向实践， 从局部探索迈向系统落地。唯有如此， 方能真正实现从“赋能”到“重构”的跨越——即人工智能不再只是提升效率的工具， 而是深度嵌入媒体组织架构、 生产流程与价值逻辑， 推动主流媒体在智能时代实现从“技术叠加”到“系统再造”的高质量转型。

参考文献

[1] 中华人民共和国国民经济和社会发展第十五个五年规划纲要［EB/OL］. 2026-03-13［2026-05-01］.

[2] 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（8）： 31-37.

[3] 过彤. 人工智能赋能主流媒体内容生产革新： 以央视网探索实践为例［J］. 电视研究， 2025（4）： 11-15.

[4] 喻为民， 向泽映. 主流媒体面向人工智能的机会、 挑战与应对［J］.新闻战线， 2024（11）： 19-21.

[5] 聂静虹， 李肖楠.抵御“智能幻象”： 主流媒体内容生产中的AI幻觉与风险防范实践［J］. 新闻与写作， 2025（11）： 97-109.

[6] 杨轲， 金强.主流媒体建设性舆论监督的实践意涵、 生成动因及创新路径［J］. 中北大学学报（社会科学版）， 2025， 41（3）： 124-131.

[7] 曹轲， 农舒婷. 突发公共事件中主流媒体的情感传播与引导策略： 以三家主流媒体的微信公众号为例［J］. 中北大学学报（社会科学版）， 2025， 41（5）： 111-122.

[8] 陈昌凤， 武沛颍. 智能化全媒体内容生产的传播机制： 生成式AI的组织嵌入与制度调适［J］. 浙江大学学报（人文社会科学版）， 2025， 55（10）： 47-62.

[9] AI赋能传媒新突破： 新华社AIGC实战解析［EB/OL］. 2025-03-01［2026-03-31］.

[10] 欧东衢， 李响， 张越. AI助力创意融合报道“突破时空”的实践与思考［J］. 中国记者， 2025（8）： 102-104.

[11] 李雪琳. “传播大脑”打造全域融合三级贯通平台［J］. 传媒， 2024（13）： 41-43.

[12] 解读“传播大脑”周年成绩单， 浙江媒体融合背后的“技术推手”［EB/OL］. 2024-01-18［2026-03-31］.

[13] 人民网研究院. 2023内容科技发展报告［EB/OL］. 2024-04-08［2026-03-31］.

[14] 郭全中， 李黎. 主流媒体系统性变革的实践模式、 问题清单与优化对策［J］. 新闻记者， 2025（4）： 10-17.

[15] 黄聪. 破局与创新： AI赋能县级融媒体中心新闻生产体系建设研究［J］. 新闻潮， 2025（11）： 44-47.

[16] 赵平广. 以数据联邦推动县级融媒体协同发展［J］. 青年记者， 2025（9）： 46-50.

[17] 肖勇， 岳琦， 王嘉琦. “幻觉”治理与个人IP构建： 智能体与知识库协同在媒体内容生产中的应用研究［J］. 中国传媒科技， 2025（5）： 15-22.

[18] 向星. 人工智能赋能新媒体互动传播效果提升的路径［J］. 记者观察， 2025（30）： 128-130.

[19] 田绍慧， 蔡津津.人工智能时代认知安全风险及主流媒体应对实践［J］. 中国记者， 2025（9）： 92-95.

[20] 张晓艳. 人工智能介入新闻报道的伦理问题探讨［J］. 中国报业， 2025（22）： 54-55.

[21] 田丽， 誾姝言. 从技术想象到实践导向： 智能传播研究的现状与趋势［J］. 青年记者， 2025（2）： 58-63.

[22] 薛子凡. 新媒体时代新闻传播人才培养创新思考： 评《融媒体时代的新闻传播创新研究》［J］. 科技管理研究， 2024， 44（2）： 226.