围绕生成式AI使用新闻内容的争议，正从美国的头部媒体向地方新闻机构蔓延。2026年10月，以埃默里奇报业集团、《今日美国》为代表的多家地方媒体接连将OpenAI告上法庭，指控后者未经授权将受版权保护的原创报道用于模型训练，并通过生成式AI提供可能替代原始新闻内容的回答。

这场诉讼的核心不仅涉及版权这一法律问题，也折射出的一个更具普遍性的产业难题：当AI从信息检索工具转变为信息消费入口，内容产业原有的价值实现机制正受到冲击。AI在放大媒体内容生产能力的同时，也在改写媒体的价值实现方式。

皮尤研究中心的一项调查显示：当搜索引擎中出现AI摘要时，用户点击外部链接的概率从 15%降至8%，点击摘要内部引用链接的比例只有1%，而看到摘要后直接结束浏览会话的比例，从原来的16%升至26%。

AI摘要对用户注意力的截流，只是AI改写媒体价值实现方式的最直观呈现。从整个行业的价值链视角来看，新一轮AI的加速发展和普及，对媒体的内容形态、组织结构、商业模式，甚至媒体的价值定位都会带来全新的冲击与挑战。

过去十年，媒体融合解决的是如何向互联网迁移的形态与通路问题；而当下的系统性变革则面临更为全局性影响。当AI逐渐成为发现、理解、组织与分发信息的枢纽时，媒体的内容如何被看见、价值如何被计量、商业模式如何同步创新？

本文尝试从生产、流通、价值三个层面，梳理AI影响媒体系统性变革过程中的七个关键议题，探讨AI在赋能媒体转型的过程中，如何重构内容、商业与价值的实现方式。

生产层：能力放大与组织转型

目前关于AI对媒体的影响的讨论中，生产层是最容易被感知、也被关注最多的领域。从选题发现、资料搜集、采访辅助，到写作、编辑、审核、翻译，再到图片、视频和音频生成，AI正在快速进入新闻生产的各个环节。过去需要多人协作数小时甚至数天完成的工作，如今可能在几分钟内完成。

但如果把AI仅仅理解为一种提效工具，可能低估了它对媒体生产体系的影响。在新闻内容生产提速的背后，媒体原有的能力结构正在发生变化。一些过去高度依赖人力的环节，正在被AI加速；一些过去被隐性化的能力，在AI时代变得更加稀缺和重要。由此，生产层至少面临三个值得关注的议题。

议题1、新闻发现从人工搜索转向机器挖掘

传统媒体时代，媒体获取线索的重要渠道是新闻热线；互联网出现之后，线索来源更加多样，社交媒体、政府网站成为重要的新闻线索来源地。但这些方式有一个共同点，都带有相当程度的被动性，需要有人爆料、披露，在一些重大线索的捕获过程中甚至还需要几分运气。

AI带来的一项重要改变是让线索获取具备了更多主动性，把发现的时间节点进一步前移。以《华尔街日报》2025 年报道德克萨斯州克尔县洪灾为例，报道团队除了到灾区一线实地采访外，还同步使用自主研发的人工智能工具，对该县近十年的会议记录和档案进行系统挖掘和分析。

最终从海量信息中找到一条关键线索，当地前警长曾在2016年极力推动安装户外防灾警报器，但因资金与民意阻力而被搁置。正是这条线索，让整个报道从对灾情的关注转向对当地灾害预警系统和公共决策体系的追问。如果依靠人工翻阅近十年的文本资料，不仅要耗费数周甚至数月的时间，也会让对真相的追问错过新闻报道的黄金期。

在过往的新闻采写过程中，类似线索的获得高度依赖记者个人的经验、人脉和新闻敏感度。一个优秀记者可能因为长期追踪某个地区、熟悉某个领域，从而能在新闻发生后，快速找到新闻事件背后的关键人物和重点议题；包括在一些重大、长期议题的追踪上，也能从一些细微变化中察觉政策和趋势转变的信号。

只是在传统的新闻线索发现过程中，不管是新闻敏感度、人脉经验和资源积累，本身都属于个人特征很强的默会性能力。一位成熟记者的培养往往需要多年的积累，而一家媒体机构所能长期深耕的领域，也会受人力因素限制而存在明显的边界。AI的引入可以把新闻线索的挖掘能力自动化，特别是从海量信息中发现异常、变化与关联的能力，转化为一种长期、稳定的固定运行机制。

议题2、采写能力规模化与内容同质化挑战

如果说选题挖掘受限于外部新闻事件的客观条件，那么进入采写环节后，AI带来的效率跃升则赋予了媒体接近“工业化”的内容生产能力。

一个可以参照的例子是《纽约时报》关于爱泼斯坦案的报道。围绕该案，美国司法部公开了300多万页文件、110多万封邮件、20万张图片和视频，在这数百万计的材料中，哪些能够形成环环相扣的证据链？哪些具有独特价值和关联？单靠人力分析可能需要几周甚至几个月。

《纽约时报》搭建了专门的AI工具组合，一方面把海量语料批量抽取、归类为可审阅的结构化信息；另一方面搭建可以直接问答的 Agent，让记者通过对话的方式快速获取带有引证的材料，再结合对已有报道的参照与去重，形成可用的素材库与证据链。

当AI可以把过去需要数周乃至数月的人力筛查，在非常短时间内完成第一轮信息压缩，也就意味着过去相当耗费人力的采访、挖掘环节开始出现技术杠杆。而记者和编辑也可以把节省下来的时间聚焦到更为关键的环节：实地核查、访谈博弈、叙事组织与追问验证，整个内容采写的循环流程也会大幅提升。

进入后续的编辑、审核、多媒体形态发布等生产环节，AI的放大效应更为显著。以不同内容版本的改写和适配为例，过去为应对不同场景的内容需求，编辑需要在文本选择、素材搭配、呈现形式上进行反复斟酌。而在AI的辅助下，一篇稿件可以根据不同受众生成不同的表达方式与叙事逻辑，再由编辑选出最契合的版本。

当然，规模化能力也很可能会带来一定程度的同质化风险。传统媒体时代虽然也有同质化，比如同一个突发事件、采访相似的人、引用相似的材料，最后形成内容相近的同题报道，但这种同质化存在一定的物理限制：记者的个人经验、内容生产的周期、采访对象的配合度，每家媒体都需要根据自己的定位和资源禀赋进行取舍。

但在AI驱动下的规模化生产过程中，这种物理上的限制会在一定程度上被打破。特别是当所有媒体面对相似的流量压力、采购相似的模型能力、使用相似的提示词时，很容易被带向一个风格相似的“信息组合最优解”。

议题3、科层制组织与 AI Native的兼容难题

媒体的生产流程通常具有明显的科层制结构：采、写、编、评、审、校，每个岗位承担相对明确的职责。在过往的新闻流程中，科层制是新闻效率与价值判断的重要保障，它以稳定的职责划分、层级化的审核链条和可追溯的责任归属，换取大规模内容生产的可靠性。

到了移动互联网时代，科层制已显现出某种滞后性，不少媒体开始探索工作室模式、基于IP的扁平化协作。AI时代的挑战更进一步，组织变化不再局限于工具和流程层面，而要回答一个更底层的问题：当AI可以承担大量标准化的脑力劳动时，组织的分工与协作方式应该如何调整？

当记者可以借助AI完成资料检索、信息整理、数据分析、标题生成和多版本改写；编辑也可以借助AI完成线索挖掘、补充采访、视觉设计、多模态输出时，媒体内部的分工正从原来基于岗位职责的科层制逐渐走向基于任务的项目制。

在新的组织模式下，记者不一定只负责“采”，编辑也不只负责“编”，而是逐渐转向按照任务组织的人机协作模式。当一个新的选题和任务出现时，可以快速地由少数核心人员调度多个AI能力模块，完成从线索发现、调查研究、内容生产到多平台分发的完整链路。内部边界的融合既放大了原有的生产能力，也在重塑职业身份。

未来的媒体组织可能会从稳定的部门制，走向更加动态的项目制。不过这一转变并不是简单地去层级化，而是需要重新定义不同层级的价值和角色。新技术形态的下媒体组织，可能会形成一种新的结构：底层是高度自动化的AI生产能力，中间是围绕具体问题灵活组合的人机协作单元，上层则承担新闻价值判断、公共责任守护和最终的决策权衡。

生产层的三个关口，核心变化还在媒体内部。无论是借助AI发现线索、通过Agent筛选材料，还是重新设计组织的分工与协作，掌控权依然在媒体手里。但从生产层进入流通层情况开始不同，内容以什么形态流动、能不能被用户看见，开始越来越多地受媒体之外的因素影响。

流通层：入口隐蔽化与叙事生态重构

如果说生产层改变的主要是媒体内部的环节，那么流通层的改变更加偏向外部影响力的构建：内容生产出来之后，如何被用户看到，以什么形态流动？在过往的技术变革中，虽然媒体的内容分发也会受新渠道分流的影响，但新技术的普及往往也会为媒体带来更广泛的用户市场和影响力声量。但AI的兴起，正在改变过去这种技术与媒介的互动规律。

议题四、从点击内容到消费答案，信息入口隐蔽化

传统的媒体内容分发逻辑是订阅制，一次订阅、全年覆盖。互联网的出现，让用户的内容消费方式开始走向分散化、碎片化，媒体内容分发的核心阵地也开始向门户网站、搜索引擎、信息流转移，流量成为信息分发的核心枢纽。

不管是用户直接访问媒体网站，还是通过搜索引擎检索、跳转，本质上都是通过用户一次次的点击观看，为媒体带来真实的流量和曝光，媒体再通过广告展示、会员销售或者其他方式实现价值变现。

生成式AI的出现正在重构原有的信息分发路径。当用户提出问题时，AI不再去展示媒体的原始内容页面，而是经过自己的理解和概括，直接向用户展示答案。无论是搜索引擎中的AI摘要、对话式应用中的问答，还是基于Agent的代理检索，本质上都在把原本作为信息提供者的媒体隐藏到答案之后。

从皮尤研究中心的数据来看，在AI概览的影响下，用户点击外部链接的概率从15%降至8%，下降近一半，点击摘要内部引用链接的比例更是只有1%。互联网时代以流量为核心的内容分发模式正面临严峻挑战。

如果说互联网的出现推动了内容分发的中心化，那么AI时代则进一步走向了信息入口隐蔽化。在过往中心化的内容分发生态中，虽然搜索引擎、门户网站和信息流平台掌握了流量入口，但用户最终看到的仍然是一条独立内容、一篇完整的文章、一个可交互的媒体页面。平台可以改变内容的分发顺序，却没有完全代替内容和媒介本身。

但在新的信息消费循环中，AI扮演的不再是信息分发角色，而是转向信息加工。信息来源、内容生产者和分发渠道被进一步拆解，媒体负责生产事实和观点， AI负责理解、组合和表达，用户最终消费的是被重新加工过的结果。用户并不知道自己获得的答案来自哪一家媒体，也很少会进入原始页面查看。

从用户角度看，这是效率的巨大提升，过去需要打开十几个网页、阅读几十分钟才能获得的信息，现在可能只需要几秒钟。但从媒体角度看，这种信息入口的隐蔽化会带来内容价值与商业价值的严重背离。

过去，一篇报道只要能够获得足够多的点击，就可以证明它获得了用户的注意力，并进一步通过广告、会员、付费内容等方式实现商业价值。但在AI时代，一篇报道可能被AI读取、理解、引用数百万次，却未必带来一次访问。内容的影响力在被放大，内容创造者的商业回报却可能被削弱。

于是一个新的矛盾出现了，媒体的内容价值与能够获得的流量价值开始发生分离。媒体借助 AI 获得了更强的生产能力，承担了越来越多的信息生产成本与事实核查责任，却可能在信息消费端难以获得相应的回报。过去“内容—流量—广告”的商业闭环，在这里被打开了一个关键缺口。

议题五、从固定作品走向液态内容，叙事形态被重写

AI不仅改变内容如何被发现，也会改变内容本身的形态。过往的新闻产品多是一种相对固定的形态。记者完成一篇稿件或视频，编辑确定标题、结构和呈现形式，发布之后内容基本保持不变。

互联网的出现，让内容形态呈现动态化趋势，例如实时更新、图文直播和个性化推荐，让不同用户看到不同的信息组合，实现了面向用户端的千人千面。不过在这套机制下，改变的只是内容的分发方式，内容本身的生产逻辑并未改变。媒体依然是“一套内容、千人分发”。

而生成式AI则可能进一步推动内容走向“液态化”，让媒体具备了在生产环节就面向不同用户进行内容适配的能力。同一个新闻事实不仅可以有文字、视频、图解等不同形态，还可以根据用户的知识背景、兴趣偏好和信息需求，动态生成不同的叙事方式。一套叙事文本打天下的时代，或将成为过去式。

2026 年初，路透新闻研究院把“液态内容”列为年度趋势词汇，其核心特征是“非静态的内容或故事，能根据读者所处的场景、位置、时间或互动方式实时变化”。媒体生产的基本单位可能逐渐从一篇完整的稿件或作品，转向一个个可被调用、验证和重新组合的内容单元。

在新闻液态化的过程中，事实、数据、人物、现场素材、背景资料、时间线、观点解释等，不再只是文章中的组成部分，而可能成为新闻生产系统中的内容原子。AI 根据不同的用户需求和传播场景，对这些原子进行重新组合，生成不同版本的新闻作品。

比如，同一场政策发布会，面向普通用户可以生成一篇“这项政策与你有哪些关系”的通俗解读；对于行业从业者，可以突出政策变化、产业影响和关键指标；对于专业研究者，则可以进一步呈现政策背景、历史比较和数据变化；对于习惯可视化的用户，还可以通过短视频和图解的方式，直观、快速地呈现信息。

新闻的核心事实没有改变，但新闻的叙事方式、信息密度和呈现形式可以不断变化。对媒体而言，未来真正需要生产和管理的不仅仅是文章、视频这样的固定作品，还包括背后可被AI重新调用、组合、持续更新的内容池或者内容资产。作品交付是一次性的，而内容资产则可以持续产生新的作品。

当然，新闻液态化并不意味着可以无限生成，更不意味着个性化可以凌驾于新闻专业主义之上。恰恰相反，当同一事实可以被生成无数种表达方式时，事实的一致性、数据的准确性、观点的客观性、来源的可溯性，依然会是AI时代新闻流动过程中的硬约束。

价值层：从流量计价到价值重估

如果说生产层解决的是内容和机制问题，流通层解决的是用户连接和影响力问题，那么进入价值层之后，问题会变得更加根本。当用户不再点击内容，内容的价值应该如何被计算？当AI可以替代用户完成信息消费，媒体又如何获得与其投入相匹配的回报？特别是当媒体内容不断被隐身于AI之后，其作为公共服务的价值，又该如何被重估？

议题六、从流量到调用，商业模式需要重新闭环

过去媒体商业模式的基本逻辑，可以概括为“内容—注意力—商业价值”。媒体生产内容吸引用户，用户通过点击、阅读和观看贡献注意力，媒体再把这种注意力通过广告、订阅、会员等方式进行变现。

互联网时代，以注意力为核心的价值计量体系更加精细化：点击、阅读、观看、停留时长、转发等动作，既是用户消费内容的流量体现，也是广告主和平台衡量注意力价值的重要指标。

但在AI时代，这套计量体系开始受到挑战。一篇文章可能被AI调用100万次，却未必产生100万次的页面访问。在用户收到的答案中，可能参考了文章中的一个数据、一段采访或者一个观点，但却可能从头到尾没有看到原文，甚至连内容来自哪家媒体也完全无从知晓。这就产生了一个新的定价问题，如果用户没有点击、观看，媒体创造的价值应该如何计算？

2026 年 2 月，微软正式上线的出版商内容市场，试图建立一套新的授权机制：出版商自主设定授权与使用条款，AI开发者获取经过许可的专业内容，按内容被消耗的量进行结算，平台向出版商提供基于使用量的数据报告。如果这一模式的可持续性能够得到验证，媒体商业模式会从注意力经济延伸到调用经济。但作为一种新的定价方式，调用经济依然有很大的不确定性。

从计量和定价来看，AI的一条答案可能同时牵涉几十甚至上百个来源：有的提供构成结论的核心事实，有的只贡献一个数据，还有的仅仅是作为背景材料、提供交叉验证。相比点击和曝光这类可直接计数的行为，判断一篇文章对一条答案的贡献度要复杂得多，一次调用究竟值多少钱？相应的计量和定价体系还需要不断探索、完善。

流量时代的广告分成虽然也充满博弈，但至少有点击率、曝光量、用户规模这些经过市场长期检验的锚点，而调用模式还没有形成具备公信力的价格参照。此外，一条答案形成的过程中，除了模型方和内容提供方的贡献之外，还可能涉及Skill开发者等中间环节的加工。调用模式下的价值分配，会是一个比广告分成更为复杂的问题。

不过从积极的视角来看，作为一种新的内容定价方式，调用经济一旦成立，媒体的商业模式会进一步多元化，在过去把内容分发给用户、网络平台的基础上，也可以同时把内容卖给AI平台。面向人的内容分发，仍然可以通过广告、订阅、会员等方式变现；面向AI的内容，则可能通过授权费、调用费、API服务费、数据服务费等方式实现。

议题七、AI成信息枢纽，媒体不可替代的价值是什么？

和AI对媒体实务层面的影响相比，更根本性的挑战涉及到媒体价值的再定位。当AI可以在信息的发现、生产、分发、互动中承担更多任务，甚至是担任枢纽角色的时候，媒体最不可替代的价值是什么？

回顾过往的技术变迁，每一次技术变革都会把媒体原有的某些能力交给新的技术和平台，同时凸显一些此前被掩盖的能力和价值。技术变革并不会让媒体失去存在的意义，而是不断改变媒体创造价值的方式。

传统媒体时代稀缺的是信息本身，媒体的核心能力因此落在采集与发布上；互联网时代信息日渐充裕，媒体的价值更多体现为专业判断、议题设置和公共性引领；到了AI时代，信息的获取和理解成本继续下降，真正稀缺的变成了可信的事实、独特的发现和有价值的判断。媒体价值的稀缺性，会继续向上游和更深处迁移。

首先是对时代的记录。虽然自媒体的普及让记录主体更加多样化，但媒体作为专业信息生产者的记录依然有其不可替代的独特价值。无论是深入灾害现场的实地调查，还是对公共事件的长期追踪，抑或是对普通人生活境遇的持续关注，媒体都在通过采访、调查和核实，将现实世界中分散、隐蔽的信息转化为可以被社会感知和验证的公共事实。

其次是对事实的专业核查与价值判断。尤其是在突发事件、公共争议和复杂社会议题中，信息往往是不完整的，事实也可能处于不断演变之中。此时，专业媒体的价值不仅在于给出结论，更在于呈现证据、揭示不确定性，区分事实、推断与观点，让公众理解一个判断究竟是如何形成的。在近两年的一些网络争议，特别是涉及大众切身安全的产品质量争论中，专业媒体的事实核查与判断，往往会起到重要的定纷止争与舆论校准作用。

第三是对社会公共空间与共识的守护。信息传播从来不只是信息的流动，也是塑造社会如何认识彼此、理解分歧以及形成共同认知的重要手段。传统媒体时代，媒体通过相对统一的传播渠道，为不同社会群体提供共同的信息基础。互联网的发展打破了这种相对集中的传播格局，个性化推荐和社交网络让每个人都能够获得更加符合自身兴趣的信息，同时也使公共讨论日益呈现圈层化、碎片化特征。

AI会进一步加剧信息的分化，每个人都可能拥有一个充分理解自身偏好的智能助手，但却未必因此拥有更多理解其他群体的机会。在这样的背景下，媒体的公共价值将不只是向公众提供信息，更在于为不同立场、不同利益和不同生活经验的人们，提供一个能够相互理解、展开讨论的公共空间。它既需要呈现社会的多样性，也需要通过事实和理性讨论，帮助公众识别共同面对的问题，在差异中寻找可以对话的基础。

从这个意义上说，AI时代媒体的核心能力可以归结为三个相互关联的层次：记录真实世界，解决事实从哪里来；形成专业判断，解决信息如何被理解；构建公共空间，解决社会如何形成共同认知，三者共同构成媒体区别于一般信息平台和智能工具的深层价值。

这或许正是从媒体融合走向系统性变革的真正意义：过去十年，媒体主要解决的是如何适应互联网；未来，媒体需要回答的是，当AI逐渐成为连接人与信息、人与服务乃至人与世界的重要枢纽时，如何重新定义自身不可替代的价值。

AI可以帮助个体更高效地获取信息、理解问题，但一个社会仍然需要能够独立发现事实、对信息质量负责，并将不同个体连接到共同现实之中的公共机制与使命承担者。

参考内容：

（1） Pew Research Center, "Google Users Are Less Likely to Click on Links When an AI Summary Appears in the Results," 2025年7月22日。

（2）Andrew Deck：《A record-breaking eight Pulitzer awardees disclosed AI use this year》（Nieman Journalism Lab），2026年8月3日。

（3）The New York Times, "The New York Times's A.I. Toolkit for Investigative Journalism," 2025年。

（4）澎湃新闻：《AI让新闻变成"流体"：液态内容生产开始成为现实》，2026年。

（5）European Broadcasting Union & BBC, News Integrity in AI Assistants, 2025年10月。

（6）Microsoft Advertising, "Building Toward a Sustainable Content Economy for the Agentic Web," 2026年2月。

（作者刘金松系腾讯研究院资深专家）