从OGC到AIGC：媒体内容生产模式的变革与展望

张乐资　李雅筝　孔正毅

［摘要］文章通过对媒体内容生产模式从OGC到AIGC的演变过程进行梳理，探讨算法主导的内容生产模式（AIGC）对传统媒体生态的重塑。研究结果显示，算法应用正在深刻改变新闻采集、翻译、推荐和生成的传统模式。展望AIGC时代媒体内容生产模式的发展趋势，笔者认为AIGC将给媒体内容生产带来深刻变革，主要变现为：智能生成，提升内容生产效率；人机协同，保证媒体内容质量；智能分发，优化内容精准推荐；平台重构，创新媒体组织形态。综上所述，AIGC时代的到来将推动媒体内容生产实现全面智能化升级，媒体应该培养算法思维，创新内容生产模式，积极向智能化转型。

［关键词］媒体内容生产；OGC；AIGC；新闻生产

随着移动互联网与人工智能技术蓬勃发展，媒体行业正在经历前所未有的变革—内容生产模式正在从OGC向算法主导的AIGC演变。在新一代数字技术赋能下的互联网具有自动化、智能化和去中心化的特征，而传统的PGC和UGC模式都难以满足新时代媒体内容生产的需要［1］。在媒体深度融合背景下，媒体亟须快速产出大量的高质量内容，AIGC作为新兴的内容生产模式应运而生。AIGC（Artificial Intelligence Generated Content）指利用人工智能技术自动生成的内容，包括文本、图片、视频、音乐等。文章通过梳理媒体内容生产模式的发展脉络，进而重点分析算法应用如何深刻改变传统媒体的采编流程，并展望AIGC时代媒体内容生产模式的未来发展趋势，旨在为传统媒体的转型提供借鉴。

一、媒体内容生产模式的嬗变

（一）OGC时代：媒体主导内容生产

OGC（Occupationally Generated Content）指职业生产内容。OGC的生产主体主要是相关领域的职业人员，其创作行为属于职责义务，是履行人事契约的体现［2］。传媒业OGC的生产主体主要包括新闻工作者、编辑等媒体从业人员，他们具备专业的新闻写作、编辑、摄影等技能，通过创作内容来获取职业收入。在OGC时代，媒体主导内容生产的模式可以保证内容的专业性和权威性。然而，这种媒体主导的内容生产模式也存在一些问题。其一，信息传播呈现较强的单向性，媒体将内容输出给受众，受众只能被动地接受。这导致受众参与互动的程度较低，受众的声音和意见无法得到充分表达和反馈，限制了内容生产的多样性和全面性。其二，媒体主导内容生产存在一定的局限性。媒体对内容的选择和呈现方式可能会受到如政治立场、商业利益等因素的影响。

（二）PGC时代：专家主导内容生产

PGC（Professional Generated Content）指专业生产内容。PGC指各个领域的专家、意见领袖、专业人士等采用专业化的内容制作手段，同时遵循互联网的数字化传播特性，通过分享知识、技能和经验等方式，为受众提供有价值的信息和服务。PGC实现了内容制作的专业化和传播的互联网化。与媒体主导的生产模式相比，PGC的生产者既享有内容创作的自主权，又具备专业知识，保障了生产的内容的质量。

在PGC时代，专家们凭借丰富的专业知识和经验，为受众提供具有深度和价值的内容，满足受众对高质量信息的需求。专家们通过专业化的内容制作手段，如撰写文章、制作视频、发表演讲等，将自身的专业知识传递给受众，帮助受众解决问题、提升技能、拓宽视野。与此同时，受众基于内容进行讨论可以提升内容的传播速度，专家们也倾向于与受众进行互动和讨论，吸收不同的观点和意见。这种双向互动的信息传播模式，改变了以往媒体的单向输出模式，使受众也能够参与内容的创作和讨论，促进了知识传播的大众化和专业化，实现了知识共享和共同进步。

（三）UGC时代：用户主导内容生产

UGC（User Generated Content）即用户生成内容，泛指以任何形式在各种网络社交媒体上发表的由用户创作的文字、图片、音频、视频等内容［3］。UGC时代，内容生产权利下放给普通受众（即用户），内容制作门槛降低，受众也有机会参与内容的创作和传播。这一模式使受众由被动的内容接受者转变为主动的内容生产者和传播者。这种大众化的内容生产方式，打破了传统媒体在内容生产中的主导地位，使内容的形式和传播方式变得更加多样化，传播速度也得以加快。

然而，UGC时代的内容生产也面临一些挑战。由于参与内容创作的多为非专业人士，内容的质量参差不齐。虽然UGC时代实现了内容生产的大众化，使得更多人可以参与内容创作，但由于生產者缺乏专业的知识和技能，生产出来的内容专业性较弱，难以满足专业领域受众的需求。因此，在UGC时代，如何提升内容的质量和专业性成为内容生产者亟须解决的问题。为了促进生产内容的专业化和个性化，未来UGC和PGC的相关主体可充分利用各自优势，实现有机地结合。例如，专家们可以负责产出定位准确且高质量的核心内容，受众则主要对内容进行补充、讨论和传播。为实现这一目标，专家们需要加强对受众的培训和专业支持，提高内容的质量和专业化程度。

（四）AIGC时代：算法主导内容生产

AIGC时代，算法开始取代人工成为内容生产的主体。AIGC时代内容生产的一个重要特征是高效生成。大数据分析和机器学习技术赋予算法强大的内容处理能力，使其能够快速从海量的信息中筛选有价值的内容并进行创作，实现内容生产的智能化。媒体平台也通过算法来主导内容的生产传播。此外，算法还可以根据受众的喜好和需求进行个性化推荐，极大地提高内容的定制化程度，满足受众的个性化需求。AIGC时代的到来标志着内容生产模式迈入智能化和个性化的新阶段，极大地提高了内容生产的效率。通过先进的算法，AIGC能够在短时间内快速生成大量的信息，且成本远低于人力投入。然而，这种自动化的内容生产方式也存在一定的局限性，如其生产的内容缺乏深度分析和独到见解甚至具有生产误导性信息的风险。但是，相信随着人工智能技术的不断发展，未来AIGC生成内容的质量和价值将会不断提高。在此期间，人类内容创作者仍然扮演至关重要的角色，其能提升基于算法生产的内容的质量，判断内容是否正确。人机合作是媒体实现高质量内容生产的最佳模式，既能保证效率，又能兼顾质量。

二、智能算法在媒体内容生产领域中的应用

（一）基于大数据的智能新闻采集技术

随着互联网信息的爆炸式增长，媒体面临从海量新闻信息中快速筛选高质量内容的挑战。为了应对这一挑战，媒体开始广泛采用大数据和人工智能技术，以实现新闻采集流程的智能化升级。ChatGPT等人工智能通过网络爬虫、文本分析、机器学习等技术，获取海量网络新闻信息进行学习训练。通过学习训练，人工智能可以根据指令自动筛选新闻，解决传统新闻采集中的重复劳动问题。这种自动化的新闻采集方式大大提高了新闻采编的效率。除了自动筛选新闻，媒体还可以通过大数据技术完成内容分类、关键词提取、生成新闻摘要以及多语种翻译等工作。媒体通过大数据分析，可以更好地了解受众的需求，从而推送更加个性化的新闻报道。相较传统的人工新闻采编模式，基于大数据的智能新闻采集系统极大地提高了新闻采编的效率，使新闻工作者能够更加专注事件报道，并为新闻内容自动生成奠定基础。然而，目前算法生成的新闻摘要仅限对事实的客观描述，依然缺乏独到的见解。

（二）人工智能驱动的多语言新闻自动翻译技术

人工智能的自动化生成功能可以帮助新闻工作者快速、准确地将新闻报道翻译成多种语言，提高新闻生产的效率和准确性，减轻人工翻译的压力［4］。通过对大量新闻素材进行深度学习和分析，人工智能可以快速准确地将源语翻译成目标语，从而实现跨语言的信息传播。这种技术的应用不仅可以帮助媒体更好地满足受众拓宽全球化视野的需求，还可以提高新闻工作者多语言新闻生产的效率和准确性，减轻人工翻译的压力，降低翻译成本。相较传统的人工翻译方式，人工智能驱动的多语言新闻自动翻译技术通过深度学习算法，能够理解源语的语义和结构，并将其准确转化为目标语。然而，由于不同语言具有各自的特点和文化背景，人工智能驱动的多语言新闻自动翻译技术在某些情况下可能会出现翻译不准确的情况。因此，人工智能驱动的多语言新闻自动翻译技术仍然需要新闻工作者的监督，以确保语言表达的准确性，使翻译结果更符合目标语受众的表达习惯。

（三）面向受众的个性化智能新闻推荐技术

随着数字技术、网络技术和信息通信技术的迅猛发展，新闻推荐已经从传统的一刀切模式转变为面向海量受众进行个性化定制的模式。为了提升受众体验并满足受众的需求，媒体开始广泛采用基于大数据和人工智能的智能新闻推荐技术，实现精准推荐。该技术通过分析受众的行为数据从而构建受众兴趣画像，利用算法进行智能测算，从而为受众推送个性化新闻。媒体借助生成式人工智能工具根据实时互动描绘的受众兴趣画像来进行新闻推荐，使受众对媒体提供的内容产品体验从“让我看的”“我质疑的”转变为“我想要的”“我认可的”［5］。基于大数据和人工智能的智能新闻推荐技术打破了传统新闻推荐技术的局限，为受众提供更加主动、精准和即时的体验。因此，在移动智能时代，个性化智能新闻推荐成为媒体的重要发展方向。相较传统推荐，智能推荐的优势在于可以根据受众的兴趣和偏好实时进行动态更新，为受众提供符合其需求的新闻内容。然而，算法过滤信息也可能导致“过滤泡”效应，使受众陷入“信息茧房”，限制其获取信息的广度和开放性。因此，未来智能新闻推荐技术需要平衡受众个性化需求和信息多样性的考量，避免算法盲目迎合受众需求而丧失新闻价值，确保受众能够获取全面、多样的新闻内容。

（四）人工智能赋能的数字化新闻内容生成技术

随着人工智能技术不断发展，数字化新闻内容生成技术成为主流趋势。生成式人工智能可以生成文本、图像、音频和视频等形态的内容，在文本方面它既可以生成摘要、论文，也可以生成策划大纲、采访提纲等创意性的内容，还可以按照难易程度生成不同知识层次的文本［6］。与传统新闻写作模式相比，人工智能赋能的数字化新闻内容生成技术具有质量高、速度快、成本低和信息实时更新的优势。这不仅可以极大地提高新闻的生产效率，减轻新闻工作者的工作负担，还可以为受众提供更多的新闻内容选择，满足受众的多样化需求。此外，人工智能赋能的数字化新闻内容生成技术也推动了新闻产业的智能化升级，为媒体提供了更多的发展机会。然而，基于算法生成的新闻内容往往难以达到人工创作内容的深度和影响力。因此，新闻工作者应发挥核心作用，正确判断新闻的价值，并提供独特的视角和深入的分析，以提高基于算法生产的新闻内容的价值和影响力。与此同时，算法可以辅助新闻工作者工作，如新闻素材生成和数据分析。

三、AIGC时代媒体内容生产模式的发展趋势

（一）智能生成，提升内容生成效率

内容生产是传媒业的核心，AIGC通过自然语言处理和机器学习技术，学习和分析海量数据，对媒体内容生产模式进行“格式化”重构，从人工智能辅助逐步发展到人工智能自主内容创作，在信息采集和内容生产环节发挥技术赋能效应［7］。在AIGC时代，人工智能技术将被广泛应用于内容生产，媒体内容生产模式将更加智能化和自动化，内容生产实现了由传统手工操作向人工智能生成的转变，生产效率得到显著提升。算法驱动的内容生产系统能够自动爬取数据、分析信息、生成新闻稿件，大幅提高了内容生产的效率，极大地降低了人力成本。此外，AIGC还能够根据受众需求进行个性化内容定制，满足多样化的受众需求。总之，无论是提升新闻内容质量还是提高新闻生产效率，AIGC都将发挥重要作用。

（二）人机协同，保证媒体内容质量

ChatGPT通過大规模预训练模型、Transformer算法以及深度学习技术，实现了文本、语言、图像、视频乃至代码等多模态内容的生成，助推传媒业走向人机协同融合之路［8］。通过应用深度学习技术、Transformer算法以及预训练模型，机器能够更好地理解和处理人类语言和相关信息，促进媒体内容生产模式的变革。尽管人工智能可以提高内容生产的效率，但在专业性、创造性、判断力和价值观等方面，机器仍难以匹敌人类的独特优势。因此，人工智能赋能新闻生产须始终保证人类的主导地位。ChatGPT作为一种工具，需要新闻工作者的引导，而不是作为替代新闻工作者工作的独立产品［9］。思辨的内容、深刻的思想，是人类不被AI取代的核心竞争力［9］。因此，在媒体内容生产模式更加智能化的背景下，新闻工作者仍然发挥重要的作用，负责判断新闻价值、事实核查等工作，而ChatGPT等工具则提供技术支持。这种融合人机优势的协同工作模式既能提高新闻生产的效率和质量，还能保证人类的主导地位，确保新闻报道的准确性和客观性。

（三）智能分发，优化内容精准推荐

智能分发系统通过匹配海量信息与受众需求，极大地提高了信息传播的效率和精準度［10］。智能分发系统通过分析受众数据，建立受众画像从而进行精准推荐。同时，智能分发系统还能够依据受众反馈不断优化推荐算法，持续提升内容推荐的精准度。此外，智能分发系统还能够实时跟踪受众的兴趣变化并及时调整推荐策略，实现动态精准推荐。然而，智能分发算法对受众来说仍是不透明的黑箱操作，可能存在商业利益驱动或价值偏颇问题，也可能导致“信息茧房”［11］。

因此，为了实现智能分发的公平与健康发展，相关主体有必要提高大数据和人工智能技术算法的透明度，这可以通过外部监管和受众参与等手段来实现。外部监管机构可以对智能分发算法进行审查和监督，确保算法的公正性和客观性。同时，受众也要积极参与智能分发，及时为算法提供反馈和评价，以减少算法的歧视和偏见。

（四）平台重构，创新媒体组织形态

AIGC时代，内容生产模式将推动媒体组织形态的创新和重构。ChatGPT等基于大型语言模型的生成式人工智能可能成为未来传播的新型基础技术，大大提升内容的生产效率，推动内容生产模式智能化升级，并促使传媒业向平台化生态过渡［12］。具体来看，AIGC将通过智能写作、智能采访等方式实现新闻生产的高度智能化，革新新闻工作者的工作内容—新闻工作者的主要工作将聚焦在内容策划、审核和创意方面。此外，媒体将通过与AIGC的结合，打破内容生产边界，实现内容的多元化和个性化生产，以人为核心的传统媒体组织模式将被重构，以数据和技术为核心的新型媒体组织将成为主流。这种平台重构将为受众提供更加多样化和个性化的内容选择，推动传媒业的发展和变革。

四、结语

从OGC到AIGC，媒体内容生产模式正在经历深刻的变革，算法和技术正在逐步取代人类成为内容生产的主导力量。一方面，AIGC提高了内容产出效率，满足了受众的需求；另一方面，它也引发了算法歧视和偏见等风险。因此，传统媒体需要在开拓创新与风险防控之间找到平衡，通过人机协同实现内容生产模式的可持续发展。

［参考文献］

［1］胡正荣，李涵舒.颠覆与重构：AIGC的效用危机与媒介生态格局转化［J］.新闻与写作，2023（08）：48-55.

［2］龙家庆.面向内容质量控制的档案知识生产研究：基于OGC、PGC和UGC机制的比较［J］.档案与建设，2020（07）：28-32.

［3］李宁，姚丽，陈兵.大数据时代图书生产与UGC联姻研究［J］.科技与出版，2017（12）：101-104.

［4］党晶晶.ChatGPT在新闻生产领域中的嬗变与重构［J］.传播与版权，2023（13）：4-6.

［5］曾晓.ChatGPT新思考：AIGC模式下新闻内容生产的机遇、挑战及规制策略［J］.出版广角，2023（07）：57-61.

［6］陈昌凤.生成式人工智能与新闻传播：实务赋能、理念挑战与角色重塑［J］.新闻界，2023（06）：4-12.

［7］郭小平，段琳杉.AIGC：引领传媒业变革与人机关系的重构［J］.视听界，2023（03）：5-10.

［8］黄楚新，张迪.ChatGPT对新闻传播的机遇变革与风险隐忧［J］.视听界，2023（04）：30-35.

［9］史安斌，刘勇亮.从媒介融合到人机协同：AI赋能新闻生产的历史、现状与愿景［J］.传媒观察，2023（06）：36-43.

［10］彭兰.无边界时代的专业性重塑［J］.现代传播（中国传媒大学学报），2018（05）：1-8.

［11］郑满宁.人工智能技术下的新闻业：嬗变、转向与应对：基于ChatGPT带来的新思考［J］.中国编辑，2023（04）：35-40.

［12］张锐，刘靖晗.以ChatGPT看生成式人工智能对传媒业的影响［J］.声屏世界，2023（10）：5-8.

［基金项目］安徽省高校哲学社会科学研究重大项目“基于AIGC的新媒体内容生产：技术路径、实践策略与应用示范”（项目编号：2023AH040006）。

［作者简介］张乐资（1998—），女，山东临沂人，安徽大学新闻传播学院硕士研究生；李雅筝（1987—），男，河南周口人，安徽大学新闻传播学院讲师，安徽新华发行（集团）控股有限公司博士后科研工作站博士后；孔正毅（1964—），男，安徽合肥人，安徽大学新闻传播学院教授。