2025年1月20日，一家来自中国杭州的初创企业深度求索（DeepSeek）发布的最新推理大模型DeepSeek-R1迅速席卷全球人工智能市场，引发了全球媒体现象级的关注。DeepSeek通过成本、效率、开源等系统性工程创新，推动人工智能技术成功跨越主流化鸿沟，全面迈向技术创新扩散周期中最为关键的早期大众阶段，标志着人工智能全民普及浪潮的全面开启 。作为智能时代中国互联网企业引领的人工智能技术的主流化浪潮，DeepSeek-R1发布当天下午，国务院总理李强主持召开总理座谈会，DeepSeek创始人梁文锋参会并发言
11 DeepSeek梁文锋成总理“座上宾”，预示着什么？[EB/OL].（2025-02-06）[2025-03-15].https://user.guancha.cn/main/content?id=1376137.
。这场座谈会为中国各大互联网平台自上而下地接入DeepSeek打下了一针“强心剂”。如果说OpenAI公司的ChatGPT以及Sora等生成式人工智能通过数据和算法实现了信息传播的指数化增长，推动人类传播进入“谷登堡时刻2.0”
［1］，那么DeepSeek系列开源大模型的发布就是让高深莫测的人工智能技术“飞入寻常百姓家”，在显著降低人工智能技术的应用门槛、提升大众创作力和生产力的同时，深度融入人类社会的日常生活。在可以预见的未来，DeepSeek等推理大模型将依托光纤、服务器、显卡等物理层面的硬件基础设施，不断推动人工智能生成内容从互联网空间的边缘地位走向核心地位，加速数字内容生产范式的重构，并最终引导生成式人工智能成为智能时代的新型“基础设施型媒介”
［2］。与此同时，随着作为数字生存空间的各大互联网平台相继接入DeepSeek等推理大模型，人类社会与人工智能技术、大数据及大算法的深度融合呈现出持续加速的发展态势。一方面，日常生活的智能化程度不断提升；另一方面，人类对智能设备的依赖性也逐渐提高。二者相互交织，推动人工智能生成内容在信息传播总量中的占比不断攀升，人类信息传播生态将迎来全方位的重塑。
互联网平台接入DeepSeek等大数据模型实质性地促进了人工智能技术的民主化、多元化与社会化，代表人类传播的又一次根本性变革。同时，以色列历史学家赫拉利
［3］曾在《人类简史》中警示，科技发展并不会带来确定的结果。迪克等
［4］同时指出，当今人类社会的秩序规则不再仅仅局限于线下的机构和组织，而是越来越多地与互联网平台集群交织在一起。当DeepSeek与互联网平台深度融合，以DeepSeek为代表的生成式人工智能已从单纯的技术工具演变为智能传播时代内容生成的基础设施。哥本哈根未来研究所高级顾问舒普预计，2025—2030年，99%~99.9%的互联网内容将由人工智能生成
22 SOFIE H.What if 99% of the metaverse is made by AI?[EB/OL].（2022-02-24）[2025-02-23].https://cifs.dk/news/what-if-99-of-the-metaverse-is-made-by-ai/.
。循此趋势，人类社会或将在不久的将来进入以生成式人工智能为信息生产基础设施媒介、以“人机共谋”为主要信息生产方式、以人工智能生成内容为主流信息传播内容的智能传播新时代。届时，人类所面临的主要挑战不再是如何迭代更新大模型，而是如何理解并治理可能由作为“新常人”的生成式人工智能主导的传播生态，并在最大化汲取技术突破带来的发展红利的同时，建立完善的治理框架，以期应对可能出现的技术发展损害人类社会集体福祉的风险和问题。然而，当前学界关于DeepSeek的探讨大多囿于对技术本体的研究，缺乏前瞻性的理论建构。基于此，本文将这一智能传播新时代命名为“后DeepSeek时代”，旨在突破DeepSeek本身的概念桎梏，为人类未来复杂多变的信息传播生态构建更具前瞻性的治理范式。
一 人工智能主流化浪潮后的“新常人”危机：数据投喂与内容生成的平均化
DeepSeek本质是一场创新技术扩散的“完美风暴”。当前，DeepSeek的开源模式具有强大的技术扩散能力，引领全球的生成式人工智能沿袭弗雷特·罗杰斯的创新扩散曲线跨越主流化鸿沟，从第二阶段的“初始期”逐渐迈向第三阶段的“成长期”。与此同时，在第一、二阶段，处于弱人工智能（artificial narrow intelligence，ANI）状态的人工智能技术，将在后DeepSeek时代被拥有人类水平甚至超越人类水平，具备在多种环境完成多项任务、处理未预期问题、知识泛化等能力的通用人工智能（artificial general intelligence，AGI）逐渐替代
［5］。尽管目前AGI仍处于早期阶段，但DeepSeek的横空出世正式开启了第三阶段30亿早期主流大众的AGI用户争夺赛，同时在生成式人工智能全面主流化和大众化的后DeepSeek时代重塑人类的知识学习范式。DeepSeek技术扩散的基本框架如
图1所示
33 方兴东，王奔，钟祥铭.DeepSeek时刻：技术—传播—社会（TCS）框架与主流化鸿沟的跨越[EB/OL].（2025-02-18）[2025-02-20].https://doi.org/10.14100/j.cnki.65-1039/g4.20250218.001.
。
人工智能主流化浪潮驱动的认知革命不仅产生了一种巨大的知识平权效应，同时催生出“学者大众化”的新型社会现象
［6］。作为一种指导人类实践与建构自我意义的知识媒介，数量庞大的早期大众可以通过与DeepSeek等AGI技术的持续性对话，显著降低学习门槛、拓宽知识获取渠道，并突破个体固有的认知边界与传统教育壁垒，实现跨学科的知识积累与认知跃迁。早在2023年ChatGPT风靡全球之际，英伟达首席执行官黄仁勋就极具前瞻性地提出“人人皆可为程序员”的预言
44 NVIDIA.GTC March 2025 keynote with NVIDIA CEO Jensen Huang[EB/OL].（2023-03-21）[2025-03-27].https://www.nvidia.com/gtc/keynote/?%20nvid=nvint-cwmfg-877214.
。这一预言在后DeepSeek时代逐渐展现出技术可行性，具备基础语言能力的用户通过掌握系统性的提示词，即可有效引导生成式人工智能完成代码编写任务，使得软件开发的门槛大大降低。不仅如此，这种技术变革正在重塑多元化的知识生产格局，使得文案创作、药物处方、研究设计、复杂运算等各类专业领域的知识生产活动均可以借由“人机共谋”得以实现。荀子提出的“君子性非异也，善假于物也”与后DeepSeek时代“人机共谋”的知识生产模式遥相呼应，共同阐释了善于借助外部工具是普通人拓展认知能力的重要方法论。
但是，每当技术变革的奇点来临之际，人类都不可避免地陷入“普罗米修斯困境”，即在获取技术火种的同时，又对其潜在风险怀有本能的恐惧
［7］。从15世纪谷登堡印刷机问世实现了信息传播持续线性增长的潜能，到21世纪DeepSeek开启的内容生成与知识生产的范式革命，技术的迭代革新对人类社会的影响始终遵循着辩证发展的历史规律：在推动社会生产力大幅跃升、拓展人类认知边界的同时，技术异化带来的结构性挑战必然如影随形。因此，知识平权效应只是后DeepSeek时代人类知识生产模式的理想蓝图，当人类社会诸多生活场景难以离开DeepSeek等AGI技术的支撑时，大数据模型等硬件基础设施的需求量也将急速增长，人类在一定程度上更容易遗忘自身，更加无意识地成为海德格尔指涉的“常人”状态
［8］。
海德格尔在《存在与时间》中将“常人”描述为共在世界中平均化状态的存在，他们庸庸碌碌，为维持平均状态而操劳
［9］。在海德格尔的哲学思想中，“常人”一词带有贬义色彩，是工业文明进程中丢失主体性的迷茫群体
［10］。作为推动全球人工智能生态发展的一股重要力量，DeepSeek凭借其先进技术和开源理念，促使人工智能技术从“科技奢侈品”转变为“日常用品”，加速了人工智能技术的商业化进程和应用场景的大规模崛起。但无论是ChatGPT还是DeepSeek，其本质仍未脱离生成式人工智能的技术范畴，其内容生产逻辑并非基于人脑思考创作内容，而是根据用户提供的提示词，通过整合大数据模型中现有的人类知识语料库以及用户投喂的数据，经过推理并组合答案后呈现给用户。这种内容生产模式归根结底是在用数学的方法解决语文的问题，且并未超出人类语料库提供的知识范围
［11］。
在人工智能全面主流化的后DeepSeek时代，数以亿计的“常人”将成为生成式人工智能的主要使用群体，他们大规模持续性地与大数据模型对话，投喂自己的认知。但相较于信息含量较高的“交流”（communication），海德格尔将“常人”的语言称之为“闲言”（idle talk），这种语言不存在任何个性化的表达，而是充斥着客套、应付、若有若无的只为填满空间与时间的废话
［12］。大数据模型通过学习人类社会中“常人”的语言、知识、技能、行为准则等“闲言”以适应社会环境，将大数据模型中的知识平均化，形成与当今社会“常人”大体一致的观念、价值和社会规范体系，人工智能生成内容也将呈现出“平均化”的趋势，生成式人工智能由一种机械性的科技产品成长为反映“常人”观念、具有平均知识的“新常人”。与此同时，人类社会的知识生产形成了“新常人”与“常人”共在的传播格局。一方面，“新常人”能够弥合不同阶层的人类主体之间的“能力沟”，逐渐消解社会群体间知识水平存在的差异，并对知识生产领域产生革命性颠覆
［10］；另一方面，囿于自身的认知局限性，“常人”在与“新常人”的日常人机交互中可能持续投喂低质数据，进而潜移默化地影响“新常人”的知识体系，或者出于某种动机刻意向大数据模型投放大量错误的信息内容，影响大数据模型内容输出的准确度，僭越DeepSeek等生成式人工智能的知识生产安全阈值。这种由量变到质变的数据污染和系统性“投毒”引发的内容生成风险，是广泛和毫无节制地使用人工智能技术导致的人类自我智力伤害的具体表现，也是平庸化以及同质化的“新常人”危机对人机交互生态构成的严峻挑战，更是人类社会在生成式人工智能走向主流化的后DeepSeek时代必须面对的问题。
二 内容生成风险的“涌现”：“常人”的认知失序与人类知识体系的隐患
诺贝尔物理学奖获得者菲利普·安德森认为，“涌现”是指系统中的量变导致行为的质变
［13］。具体到大数据模型中，“涌现”是人工智能生成内容输出效果超越训练数据输入的创造性生成能力。当DeepSeek等生成式人工智能在训练参数和数据量达到一定阈值后，就会出现不可预测的“涌现”能力
55 WEI J， TAY Y， BOMMASANI R， et al. Emergent abilities of large language models[J]. arXiv preprint arXiv:2206.07682,2022.
。如今，DeepSeek凭借对算法模式、知识蒸馏以及思维链技术的破局，已经实现了低成本训练与高效输出。这种技术突破催生的“涌现”能力正在重塑内容生产范式，尤其是Transformer架构在自然语言处理（NLP）和图像生成领域的应用，显著提升了生成式人工智能在处理多模态数据（如文本、图像、音频）方面的创作能力，其生成的内容在语义连贯性、逻辑自洽性和情感仿真性等维度均呈现出逼近人类创作的水平。这种“涌现”能力虽然能够显著提升生成式人工智能的内容生产效率与模型迭代速度，并为用户带来更加丰富的“人机交互”体验，但过于逼真的人工智能生成内容也让后DeepSeek时代大数据模型的内容生成风险浮出水面。
（一） 深度伪造的人工智能生成内容导致“常人”的认知失序
在人工智能主流化浪潮深入社会肌理的后DeepSeek时代，生成式人工智能的广泛应用正在悄然重塑信息传播格局。在缺乏明确人工智能标识和日常媒介素养教育的情况下，中老年群体等媒介素养相对较低的“常人”往往难以有效区分人类创作与人工智能生成内容之间的差异。这种辨识困境不仅源于技术发展以及社会经济结构和政策选择导致的智能鸿沟
［14］，同时与生成式人工智能的“涌现”能力密切相关：生成式人工智能的大模型通过学习大量“常人”投喂的数据，不断提高模仿“常人”表达风格的能力，甚至能精准适配“常人”群体的认知偏好，成为准确把握并生成“常人”群体喜好内容的“新常人”。对于“新常人”生成的适配“常人”认知图式与情感结构的多模态内容（文本、图像、视频），“常人”群体自身的信息甄别机制正在出现系统性退化。这种认知衰减过程具体表现为事实判断标准混乱以及情绪化认知泛滥的“常人”辨识困境。更为严峻的是，当作为社会中大多数的“常人”群体的认知免疫系统出现结构性失效时，这种集体性认知失序将诱导虚假信息在网络信息系统中的病毒式扩散，造成谣言的大面积传播，网络信息生态系统的稳定性将被不断侵蚀，最终对社会信任机制构成结构性威胁。尤其是在社会突发事件爆发之际，部分别有用心之人可能恶意利用DeepSeek等生成式人工智能的内容“涌现”能力，批量生产或者挪用具有情感煽动性的多模态内容，通过激发“常人”的情绪共鸣制造舆论极化现象，扰乱舆论场的生态。倘若缺乏有效的治理措施，人工智能生成内容的泛滥或将演变为一场深层次的社会认知危机，从而威胁“清朗”的互联网生态环境。
2025年1月7日，西藏自治区日喀则市定日县发生6.8级地震。地震发生后，一系列“小男孩在废墟中哭泣”的图片在社交媒体平台广泛传播，并配文日喀则地震等关键词，引发大量网民关注，获得数万转发、评论、点赞。然而，这组图片存在明显的人工智能生成痕迹。经公安机关和网络安全部门核查发现，所谓“小男孩在废墟中哭泣”的图片截取自2024年11月18日发布的人工智能短视频，该视频并未关联地震且声明是人工智能生成，但青海某网民为博取眼球，将“小男孩在废墟中哭泣”的图片与日喀则地震相关的信息进行关联拼凑、混淆视听、误导群众，致使谣言信息大面积扩散，破坏了互联网信息生态系统的平衡与稳定。这一实例揭示了生成式人工智能作为虚假信息生产与传播载体的潜在风险。深度伪造的多模态人工智能生成内容在互联网社交场域中的泛滥，不仅对网络空间生态构成了威胁，更凸显了后DeepSeek时代构建人工智能生成内容溯源标识系统的紧迫性。在此背景下，互联网空间治理者需在后DeepSeek时代正式来临之前审慎推进并建构包含法律规制、平台问责与公众教育在内的多层级技术治理框架，以应对具有高度迷惑性和情绪感染力的深度伪造人工智能生成内容对公众认知秩序的挑战。
（二） 真假难辨的“人工智能幻觉”威胁人类的知识体系
多模态人工智能生成内容的迷惑性在人工智能技术跨越主流化鸿沟的DeepSeek时刻已经初见端倪。而在后DeepSeek时代，模型参数、训练计算量等影响大数据模型规模的指数还将不断增加，DeepSeek等生成式人工智能的自然语言处理性能和采样效率也将持续提高。在此基础上，生成式人工智能的内容生产效率和传播精准度虽然在不断提升，但是在语义理解与内容创作过程中出现不可控的偏差现象的概率也将水涨船高，如果大数据模型的训练参数规模超越人类可解释的范畴，人类传统的认知范式可能被人工智能生成内容颠覆，进而导致传统的内容审查机制陷入“认知赤字”困境
［15］。其中，“人工智能幻觉”这一技术伦理难题将是后DeepSeek时代威胁人类知识体系的关键隐患。
目前，学界对于何为“人工智能幻觉”并没有一个统一的清晰定义。一般而言，“人工智能幻觉”指的是人工智能系统在处理输入、决策或执行任务时产生无意义或与输入指令不一致的内容
［16］。“人工智能幻觉”并不是生成式人工智能的新鲜问题，早在ChatGPT进入大众视野后，“人工智能幻觉”问题就引起了学界注意。国外有学者研究发现，ChatGPT自主生成的研究提案中出现了178篇参考文献，其中69篇缺少数字对象标识符（DOI），28篇无法追踪或不正确，证明ChatGPT在提供可靠的研究引用方面存在明显的局限性，并提醒研究人员应谨慎使用ChatGPT生成的引用
［17］。参考文献作为学术生产链条中的基石，其真实性不仅关乎研究结论的可验证性与可复现性，更是维系学术成果质量的关键所在。生成式人工智能高效的内容生产效率以及强大的检索能力固然为学术研究注入了前所未有的动能，但是“人工智能幻觉”问题却在全球学术界引发了一场深层次的学术信任挑战。
生成式人工智能为何会出现虚构参考文献的“人工智能幻觉”现象？科技行业分析师本尼迪克特·埃文斯认为，生成式人工智能“统计概率生成文本”的核心运作机制是“人工智能幻觉”问题的根源所在
66 HERN A. AI-assisted plagiarism? ChatGPT bot says it has an answer for that[EB/OL]. （2022-12-31）[2025-01-28].https://www.theguardian.com/technology/2022/dec/31/ai-assisted-plagiarism-chatgpt-bot-says-it-has-an-answer-for-that.
，这种基于海量数据关联而非因果推理的学术生产缺乏事实核查与逻辑验证，因此容易生成看似严谨专业实则漏洞百出的学术内容。当前，生成式人工智能已经具备批量生成高仿真学术参考文献的技术能力，不仅能够伪造权威作者姓名、国际期刊名称等关键信息，甚至能够根据国际标准规范生成参考文献的DOI编码，并运用统计学知识精准模拟自己引用的数据。而在大数据模型更加先进的后DeepSeek时代，“人工智能幻觉”的仿真程度将在循环往复的数据训练以及迭代更新的技术演进双重作用下呈现指数级提升。“人工智能幻觉”的欺骗性不仅会持续困扰“常人”，甚至具备更高媒介素养以及经过专业学术训练的学者，也可能被人工智能生成的错误内容所误导。一旦“人工智能幻觉”等深度伪造的人工智能生成内容突破人类知识审查的防御机制，渗透至学术论文、行业分析报告等专业内容生产场域，掺杂了“人工智能幻觉”的学术成果将在学术界大规模泛滥。若后续研究者在不知情的状态下引用这些虚构的学术文献，这些错误的知识将在生成式人工智能“涌现”能力的助推下呈现病毒式扩散，最终导致整个学科知识图谱出现系统性偏差，科研活动所秉持的学术诚信为本等基本原则不仅将面临前所未有的冲击，人类知识体系的权威性与可靠性也将经受历史性的严峻考验。
三 从“常人投喂”到“伦理驯化”：后DeepSeek时代的大数据模型治理路径
在人类社会逐渐步入后DeepSeek时代的社会转型过程中，人工智能技术正以前所未有的深度重构传播生态。然而，新闻传播学作为一个极具文科特性的社会科学学科，对“技术”的理解会习惯性地停留在哲学思辨层面
［18］。正如复杂性科学先驱布莱恩·阿瑟在《技术的本质》中所说：“我们了解许多关于技术的‘术’，但对其中的‘道’知之甚少。”
［19］要突破这种学科领域的认知局限，新闻传播学需要全面拥抱科技创新，同时将技术作为学科发展的内生动力，而非简单的外在工具。即使人工智能技术正在深度渗透日常生活，成为后DeepSeek时代不可或缺的生活组件，人们仍需保持批判性思维，持续追问其底层运作逻辑与技术伦理边界
［20］，从大数据模型的内容生产机制本身出发，探索大数据模型的有效治理路径。
DeepSeek等生成式人工智能的本质特征并非简单的“内容生成”，而是“数据驱动”。以大数据为生产资料、以大算法为底层架构、以大模型为技术载体的内容生产特性，构成了生成式人工智能区别于传统内容生成媒介的本质差异。大数据模型既是DeepSeek等生成式人工智能内容创作的核心驱动力，也是后DeepSeek时代“新常人”危机的风险之源。根据生成式人工智能的内容生产机制，用户向大数据模型投喂数据的质量很大程度上决定了生成式人工智能的输出效果
［21］。因此，数据优质、内容权威、符合社会伦理道德的大数据模型生成的多模态人工智能生成内容往往更加专业可信和理性客观；与之相对，接受了大量“常人”投喂的低质量、偏见性数据的大数据模型则会导致生成内容出现事实性错误、价值偏差甚至伦理风险
77 WEIDINGER L， MELLOR J， RAUH M， et al. Ethical and social risks of harm from language models[J]. arXiv preprint arXiv:2112.04359, 2021.
。随着DeepSeek等生成式人工智能技术加速向社会各阶层各领域渗透扩散，人工智能主流化浪潮已然成为重塑数字文明进程的不可逆趋势。在人工智能技术持续社会化的背景下，如何在维持大数据模型正常运转与迭代更新的基本前提下，构建与后DeepSeek时代相适配的人工智能生成内容治理规范与权责体系，成为一项涉及技术伦理、法律规制与社会治理的复杂命题，正在持续考验着全球数字治理体系的智慧与效能。
面对人工智能主流化，人类对人工智能技术的治理再一次面临如何在技术创新与风险防控之间寻求动态平衡的科林格里奇困境
［22］。如果因为担心后DeepSeek时代生成式人工智能可能引发的“新常人”危机的潜在风险而过早遏制人工智能技术接入互联网平台，或者人为压缩大数据模型的参数规模，不仅会扼杀技术创新的内生动力，更可能使人类社会错失数字化与智能化转型的历史机遇。反之，如果在生成式人工智能已深度嵌入社会经济肌理后，仍缺乏系统性的治理框架，那么人工智能技术的运用很有可能走向失控，治理成本将呈指数级增长，甚至可能陷入“牵一发而动全身”的治理困境。科林格里奇的观点为后DeepSeek时代的人工智能技术治理提供了重要的理论支撑和方法论指导。依循科林格里奇所言，治理大数据模型需要在理论探讨和治理对策方面未雨绸缪
［23］，根据DeepSeek的主流化进程寻找恰到好处的治理时机，把握人工智能主流化浪潮的发展窗口期，探索“先发展，再治理”和“边发展，边管理”两种节奏的灵活组合，在后DeepSeek时代来临之前，前瞻性地构建与之适配的人工智能技术治理体系。
此前，中国的人工智能治理进程围绕着人工智能发展与治理双管齐下。从2017年国务院印发《新一代人工智能发展规划》的通知到2023年国家互联网信息办公室联合六部门发布《生成式人工智能管理办法》，中国的人工智能治理不断升级，治理体系进一步完善，制度构建与监管落地同步进行
［24］。当前，人工智能技术的迭代演进成指数级上升，而现有治理体系仍保持线性发展节奏，导致二者间的空窗期呈现出加速扩张态势。作为技术发展的产物，后DeepSeek时代的治理策略必须突破传统监管框架的路径依赖，回归技术层面，围绕“以技术治理技术”的命题，借助技术的力量驯化符合社会道德伦理的大数据模型，进而从根源上治理生成式人工智能的内容风险问题。
第一，整合互联网平台的优质内容池，搭建专业权威的官方数据库接口。当前，DeepSeek在联网模式下爬取的内容大量来自百家号等中文互联网的低质量内容池，这些内容往往存在信息冗余、事实性错误和商业导向等问题。与此同时，生成式人工智能基于这些低质数据生成的衍生内容又在倒灌门户网站，形成“数据劣化循环”
88 现在的搜索引擎，快被AI垃圾淹成赛博粪坑了[EB/OL].（2025-01-06）[2025-01-30].https://mp.weixin.qq.com/s/egoLkyyL49Kx1zytu61x4Q.
。这种双向污染使得大数据模型的输出质量在多个迭代周期内显著下降。更严重的是，随着低质内容在训练数据中的占比提升，大数据模型的专业信息表征能力也将持续弱化。正因如此，后DeepSeek时代的生成式人工智能治理首先要从大数据模型入手，建立多维度内容质量评估体系，通过权威性、准确性、时效性等核心指标对全网内容进行分级筛选，重点收录政府机构、学术组织、专业媒体等信源可信度较高的高质量内容，同时构建动态更新机制，依托人工审核与人工智能质检相结合的方式持续优化数据池质量，对已入库数据进行周期性复核与淘汰，并通过数字水印等技术手段确保数据溯源能力，最终形成覆盖数据采集、清洗、标注、存储、调用全流程的闭环管理系统，实现优质内容的高效流转与价值最大化，为大数据模型的内容生成提供优质可靠的数据支撑。
第二，科学界定与动态管理生成式人工智能的内容生产边界，完善“内容生成防火墙”。生成式人工智能在推动内容创作与获取民主化的同时，也伴随着深度伪造、错误信息泛滥以及侵蚀数字内容信任等新型风险
99 CAPRARO V， LENTSCH A， ACEMOGLU D， et al. The impact of generative artificial intelligence on socioeconomic inequalities and policy making[EB/OL].（2024-03-29）[2024-06-11].https://academic.oup.com/pnasnexus/article/3/6/pgae191/7689236.DOI:10.1093/pnasnexus/pgae191.
。生成式人工智能引发的社会信任危机已从单纯的内容质量问题演变为影响社会认知结构的系统性挑战。构建与后DeepSeek时代相适应的人工智能生成内容治理规范与权责体系，关键在于对大数据模型进行“伦理驯化”。一方面，人工智能科技公司应在“出厂设置”阶段严格划定生成式人工智能内容生产的伦理边界，例如拒绝回答涉及个人隐私、政治、宗教、非法活动以及需要主观判断或个人意见的问题，避免产生争议性内容；另一方面，相关部门应建立动态平衡的权责分配框架，防止互联网平台内容生产主体向生成式人工智能转移后可能出现的平台内容风险责任的不明晰与无规范的责任“空心化”现象
［25］。如此方有可能在维护用户正常合理使用生成式人工智能权益的同时，防范深度伪造人工智能生成内容对“常人”群体认知秩序造成的潜在冲击，最终达成保障人类社会集体福祉的根本目标，在技术创新与社会责任之间探寻最优解。
四 从“控制逻辑”到“共生逻辑”：后DeepSeek时代的内容生成风险治理范式转型
媒介环境学派代表人物保罗·莱文森提出的“玩具—镜子—艺术”的技术演化三阶段论
［26］，为理解人工智能主流化的发展轨迹提供了重要视角。在技术扩散初期，DeepSeek作为一款具有海量参数与复杂结构的大模型
［27］，拥有强大的语言处理极速响应和推理能力，能够针对用户的提问进行高效且自然的语言对话交互，为信息交互和知识探索开启了新维度。在此阶段，DeepSeek主要扮演着“玩具”的角色，用户热衷于参与“人机交互”的生活体验，并在社交圈分享使用心得。但是，随着大数据模型的迭代更新与互联网平台的接入整合，DeepSeek等生成式人工智能深度嵌入互联网基础设施，并逐渐演变为后DeepSeek时代的互联网超级平台，其带来的内容生成风险与“新常人”危机将成为反映时代问题的一面“镜子”，替代人们对“玩具”的好奇，成为治理者需要理性思考和面对的问题。
此前，德国社会学家马克斯·韦伯从理性主义出发提出的“理想官僚制”是工业文明时代技术治理的制度延伸与基本管理范式
［28］。其核心特征体现为基于技术确定性的线性决策逻辑、通过事前规则制定实现风险控制的静态规制框架，以及依托专家系统垄断式知识话语权的中心化决策模式
［29］。然而，“理想官僚制”的技术治理范式在面对这类具有自主演化能力的DeepSeek等生成式人工智能时，往往难以凸显其治理效能。回望人类历史，技术的革新往往会带来深刻的社会变革，科学技术的发展史往往与治理体系的发展史交相呼应。后DeepSeek时代可能出现的人工智能生成内容质量下滑等“新常人”危机，本质上是人类认知局限经过技术放大后的具体表现，而作为“新常人”的生成式人工智能就是放大人类认知局限的这面“镜子”。面对势不可挡的人工智能主流化浪潮携带的社会风险和问题，人们不必重蹈19世纪英国纺织工用大锤捣毁机器的“卢德运动”，也不必陷入“一管就死”的技术治理困境，而是要在人工智能生成内容全面主流化的洪流中寻找人类与生成式人工智能共生的进路，为后DeepSeek时代的数字文明建设提供有效的治理框架。技术与用户作为后DeepSeek时代“人机共生”的两大核心主体，构建人工智能主流化背景下基于“共生逻辑”的内容生成风险治理体系，也必须从这两个维度展开系统性设计。
从技术主体出发，人工智能科技公司需要在生成式人工智能产品内部的数据治理层构建“人类价值观校准+大数据模型动态清洗”的双向净化机制，通过人类伦理专家与人工智能标注的协同数据清洗系统，有效过滤大数据模型中的极端化、歧视性内容，防止生成式人工智能向“新常人”演进。这种净化机制需要“国家力量+法律规制”共同发挥作用。一方面，应建立人工智能训练数据披露制度，国家可以要求人工智能科技公司向监管机构公开数据构成、来源及偏差控制方法，确保技术透明可控，同时在互联网平台部署嵌入式审核工具，为生成内容添加可溯源的“数据水印”，从而快速拦截暴力、虚假信息等违反伦理道德以及规章制度的多模态人工智能生成内容，并建立敏感信息的自动屏蔽机制，形成技术治理与社会责任并重的内容生成风险治理体系。另一方面，可参照欧盟《人工智能法案》的风险分级治理框架，构建基于应用场景划分的人工智能分类管理体系，将人工智能技术细分为禁止类、高风险类、有限风险类和最低风险类四个层级，并为每一类别量身定制差异化的合规标准与监管要求。同时，设计“监管沙盒”
［30］，以减轻中小企业和初创企业的合规负担，促进监管部门在动态实践中完善监管规则，实现创新激励与风险防控的平衡。这种弹性化的内容净化机制，既为后DeepSeek时代生成式人工智能的可持续发展提供了制度保障，也为多模态人工智能生成内容的监管创新提供了实践路径。
从用户视角出发，需要提高用户的人工智能素养，推动生成式人工智能从“新常人”向“认知增强伙伴”演进。人工智能素养是指通过人工智能教育以及日常使用经验培养的具备适应和驾驭各种人工智能产品的能力
［31］。在后DeepSeek时代，人工智能素养将与道德素养并列为数字公民的基本素养，同时也是人工智能主流化浪潮中支撑个体核心竞争力的关键所在。人工智能素养主要表现在两个层面。一是思维层面的人工智能素养，主要体现为对DeepSeek等生成式人工智能的立体认知能力。用户既要理解其基于大数据模型的概率生成原理，也要明晰不同领域生成式人工智能具有哪些优势和局限性，并判断生成式人工智能可以协助自己完成哪些工作。二是应用层面的人工智能素养，主要指用户学习和实践生成式人工智能的素养。在后DeepSeek时代，用户最需要培养的人工智能应用素养就是向人工智能提问的能力，尤其是熟练地将自然语言转化为生成式人工智能可以理解的提示词的能力。高质量的提示词是激活大数据模型潜能的数字密钥，也是连接碳基生命（人类）和硅基生命（生成式人工智能）的沟通工具。在应用生成式人工智能的过程中，用户构建和迭代提示词的能力极大影响了智能技术生成内容的质量和解决问题的水平
［14］，如果用户缺乏有效的提示词，生成式人工智能将无法最大限度地发挥效能。此外，高质量的提示词也是防止生成式人工智能沦为“新常人”的重要制约机制。如果用户向大数据模型投喂持续迭代的提示词，生成式人工智能将突破单纯的内容生成功能，逐步进化为帮助用户处理日常事务、提升用户认知能力的“认知增强伙伴”，这种双向赋能是后DeepSeek时代的内容生成治理从“控制逻辑”走向“共生逻辑”的关键路径。
DeepSeek等生成式人工智能之所以受到广泛关注，主要是因为人工智能技术应用的大众化拉平了人与人之间的能力差距，从而消弭了精英和普罗大众之间的“能力沟”，全面提升了用户的能力以及主体性地位
［32］。人类传播史早已证明，技术变革是深刻影响信息传播生态变革的关键因素。技术的变革永无止境，未来还会出现比DeepSeek内容生成更高效、与社会融合更紧密的新兴技术，并与人类社会的信息传播生态发生更多碰撞，产生新的问题，引发新的矛盾。治理不同于管理，其核心在于通过良性引导实现有序发展，而非依赖强制性约束手段。权力机构为保障社会有序运行实施的法律、政策以及以强制性行政手段直接介入的监管机制，有时不仅不适用于解决各类新问题，还容易引发新的冲突
［33］。正因如此，在人工智能主流化背景下的后DeepSeek时代，为实现治理内容生成风险的核心目标，除了对大数据模型进行必要的风险管控外，更需引导社会形成对人工智能生成内容的集体理性认知，辅助提升用户辨识人工智能生成内容的人工智能素养与技术向善的共识基础。构建后DeepSeek时代“人机共生”的存在特征与“人机共谋”的知识生产形式，将有助于人类社会在未来及时发现并应对技术变革引发的更多挑战，并为找寻与技术共存的进路提供宝贵的历史经验。
国家社会科学基金重大项目(21&ZD318)
京公网安备11010202008535号
PDF
(1230KB)
