導 讀

本文試圖超越新聞泰勒主義與工具理性的雙重束縛，著力探討兩個亟待解答的關鍵問題：首先，效率理性化背后潛藏的專業去技能化與新聞價值單一化如何避免；其次，平臺依賴的技術政治學在“泰勒化”進程中如何形成并重塑公共價值與專業規范。

在人工智能技術在全球范圍內持續迭代升級之際，新聞業正經歷一場深刻的范式變革。以我國的DeepSeek等現象級應用為代表的新一波技術浪潮，不僅在公眾層面激發了“技術狂熱”，也在新聞機構內部悄然埋下了“技術解決主義”（techno-solutionism）的認知陷阱。[1]然而，學界現有研究多聚焦于人工智能工具的短期應用成效或效能評估，卻鮮少深入剖析技術在被采納過程中的結構性權力轉移，以及其對公共價值與專業規范的深層影響。

在此背景下，本文試圖超越新聞泰勒主義與工具理性的雙重束縛，著力探討兩個亟待解答的關鍵問題：首先，效率理性化背后潛藏的專業去技能化與新聞價值單一化如何避免；其次，平臺依賴的技術政治學在“泰勒化”進程中如何形成并重塑公共價值與專業規范。圍繞這兩大核心議題，本文細致梳理新聞機構在人工智能運用過程中的具體場景與運作機制，并借此揭示當代新聞業正經歷的“技術—資本—職業規范”的三重博弈。在此過程中，“新質傳播力”的概念不僅重新定義了傳播的主體性和媒介特征，還從根本上改變了信息的生產與分發模式[2]，為探索超越新聞泰勒主義的現實路徑提供了理論啟示。

一、新聞泰勒主義：

算法依賴與平臺鎖定的制度危機

AI技術對傳媒業的全面介入推動了新聞生產流程的“泰勒主義”轉型。這一概念源自美國工程師弗雷德里克·溫斯洛·泰勒（Frederick Winslow Taylor）在其著作《科學管理原理》中提出的“科學管理”（Scientific Management）理論，其核心理念在于通過精細化分工、量化考核及流程標準化來使生產效率最大化，并在此過程中將勞動者的技能與工作環節進行高度拆解與簡化。[3]傳統媒體的新聞采編機制依賴記者的社會洞察與經驗來決定選題和版面。進入人工智能時代，在新聞泰勒主義邏輯下，記者編輯被要求按照算法或數據指標執行更為標準化的內容生產任務，由數據模型決定選題方向，績效指標衡量文章的傳播效果，人工智能工具把關標題優化和發布時機等。新聞泰勒主義不僅僅體現在生產流程的標準化和自動化，更意味著新聞勞動的“去技能化”（deskilling）與內容決策的算法化。[4]傳統新聞工作者依賴經驗、直覺和社會洞察力決定選題、判斷新聞價值，如今，這一系列工作越來越多地由數據驅動的系統完成，記者被迫適應流水線般的寫作要求，生產符合算法偏好的“最優內容”。生成式人工智能的“黑箱化”本質使得技術的應用不僅是功能性工具的擴展，而且是對社會認知與生產邏輯的深刻塑造，這反映了技術如何在新聞生產中發揮深層影響，尤其是算法與新聞生產流程的互動問題。[5]

從本質上看，新聞泰勒主義實質上是對傳統新聞價值觀的隱性重塑。過去，記者編輯對新聞生產的決策主要基于公共利益、新聞倫理和多元敘事的綜合考量，而AI邏輯則更傾向于依據歷史數據預測內容的傳播效果，這不可避免導致了趨同化、迎合性的內容生產模式。正如《紐約時報》一名高級編輯所言：“在自動化選題系統下，我們被告知哪些新聞‘更可能成功’，但沒人再問什么新聞是‘值得報道’的?！盵6]由此可見，表面上的效率提升背后，潛藏著對專業判斷的弱化、對新聞價值多樣性的漠視，以及對新聞行業獨立性與公共責任的潛在侵蝕。值得注意的是，人工智能的績效在很大程度上首先取決于被輸入的數據信息質量。同時，隨著深度神經網絡的廣泛應用，決定人工智能績效的算法本身具有“技術的黑箱性”，這一現象在新聞生產領域中表現得尤為突出。[7]算法對新聞生產流程的主導作用，不僅帶來了效率上的顯著提升，同時也引發了關于技術自主性和系統不可控性的一系列深層次問題。

與傳統的媒體—平臺依存關系相比，AI時代的權力結構正在向基礎設施控制層面深入滲透：當算力、云存儲與核心算法都掌握在大型科技公司手中，新聞機構實際上已陷入對平臺的不可逆依賴。約77%的受訪機構在日常新聞生產中依賴亞馬遜云轉錄服務（AWS Transcribe）或谷歌云視覺（Google Vision）等服務。具體而言，這種技術依賴形成了三重鎖定效應：算力貧困化、數據閉環化和認知依附化。一方面，媒體機構因財政或規模限制難以自行承擔昂貴的云計算設備；另一方面，大量生產數據（包括文本、音頻、用戶交互數據等）被實時回流至平臺公司，用于進一步訓練其算法模型，而媒體自身卻僅能在API調用層面獲得有限的訪問權限。更為隱蔽的是，當《每日電訊報》采用谷歌云自動機器學習（Google AutoML）工具進行個性化推薦后，編輯方針即被嵌入難以解釋的算法參數之中，新聞職業規范逐漸讓位于系統的技術邏輯。[8]

在這一過程中，平臺公司通過“云服務—API接口—開發者生態”三位一體的商業架構，利用基礎設施層面的壟斷地位深度掌控媒體的新聞生產鏈。英國廣播公司（BBC）新建的人工智能實驗室全面依賴谷歌提供的技術框架（Google TensorFlow），其技術路線和創新空間實際上被鎖定在平臺公司預設的軌道之上。在技術中心論的邏輯下，新聞泰勒主義不僅改變了新聞機構自身的運營邏輯，也深刻重塑了信息生態的權力格局。當算法迭代發生時，媒體只能被動跟進；當平臺關閉某項服務時，媒體的深度報道或數據存儲則可能瞬間癱瘓。

針對上述隱憂與挑戰，學界現有的研究在三個方面有明顯局限。其一，工具論視角往往將AI視為中性的效率工具，忽視了技術在社會建構過程中的內在權力博弈；[9]其二，創新擴散理論過度關注技術采納的線性過程，卻難以解釋平臺依賴形成后所出現的路徑鎖定與難以逆轉的結構性問題；其三，傳媒經濟學研究多聚焦于商業模式分析[10]，卻缺乏對勞動過程轉型與專業技能退化的微觀考察。

本文采用“跨國文獻分析法”，通過整合多個國際組織、學術機構和行業調查報告（詳見表1），結合跨國比較的研究視角，揭示人工智能技術在新聞業中的深層影響。選擇這一方法的核心邏輯在于，人工智能的滲透在全球范圍內具有普遍性，同時在不同國家和地區展現出獨特的實施模式和影響機制。通過綜合分析多個具有代表性的研究報告，本文旨在全面審視AI對新聞生產、平臺依賴及公共領域功能的影響，進而提出相關的制度創新與應對策略。

表1 人工智能與新聞業轉型跨國研究報告概覽

二、壟斷根基：

基礎設施捕獲與數字封建主義

新聞泰勒主義在生產與內容決策層面已讓記者與編輯深陷標準化與去技能化的束縛，但更深層的危機是平臺公司利用云算力、數據回流及生態封閉等手段，實質性地改變了媒體在主流價值界定和引領方面的地位。[11]隨著關鍵技術基礎設施被集中控制，新聞機構在“被賦能”的同時也被納入平臺的資本邏輯與技術邏輯，從而陷入了受平臺節制卻無法獨立自主的制度性陷阱。當這一局面不斷固化時，媒體往往只能通過讓渡數據、采納既定算法來換取局部生產效率的提高，卻難以在制度層面構建自身對公共領域、社會責任和多元價值的守護機制。這意味著，若媒體無法擺脫底層架構上的依附地位，超越新聞泰勒主義的努力也只能局限于表層流程的改進，而無法真正觸及公共話語主導權與文化再生產權的根基。

（一）算力霸權與數據閉環

平臺公司通過“云—端—芯”三位一體的技術基座，正在重新定義新聞業的創新生態。Google TPU芯片、微軟Azure云計算與亞馬遜網絡服務（Amazon Web Services，以下簡稱“AWS”）構成了算力霸權的基礎設施?！缎l報》在其機器學習項目中原本計劃大規模訓練深度模型，但因無法承擔AWS彈性計算成本，不得不將訓練規?？s減至原設計的23%。這一算力分配格局導致新聞媒體陷入了技術壟斷的困境。具體而言，當新聞媒體機構83%的人工智能算力依賴第三方云服務時，其技術創新實質上受制于平臺資源配給機制。[12]

與此同時，數據閉環的形成進一步加劇了這種不對等關系。美聯社與Open AI公司的內容合作協議顯示，新聞機構不僅需向平臺提供歷史檔案數據，還要實時上傳新內容進行模型微調，換來的卻只是GPT-4 API（應用程序接口）每日5000次的調用權限。新聞機構為平臺“供養”了高價值的數據，卻難以獲得等價的技術回報。《紐約時報》向谷歌云（Google Cloud）輸入的新聞數據價值量是其獲得服務價值的3.7倍。哈佛商學院教授肖莎娜·祖博夫（Shoshana Zuboff）將此形容為“數字封建主義”（digital feudalism）下的生產關系：在這種權力結構中，科技平臺作為新的“封建領主”控制著基礎設施和技術資源，而媒體組織則如同“數字農奴”，被迫向平臺貢獻數據貢賦，卻無法換來同等程度的技術增值權。[13]這種不對等關系體現為媒體提供寶貴的內容和用戶數據，卻只能獲得有限的平臺服務和算法可見性作為回報。對于當今的新聞媒體機構而言，這種“數據—服務”交換失衡已成為人工智能時代的新常態，他們既需要實時性與海量算力來保持報道競爭力，又被迫放棄對數據與算法主權的掌控。

（二）算力分配與“認知外包”

大規模預訓練模型的崛起使平臺公司不僅掌控了基礎設施層面的算力與數據管道，更在認知框架上重塑新聞機構。《金融時報》在采用谷歌云自動機器學習（Google AutoML）構建個性化推薦系統時，將用戶興趣量化為152維特征向量，然而其中38%的維度定義權完全由平臺主導。這導致了編輯團隊對算法核心邏輯缺乏理解，只能接受系統生成的“推薦結果”。當系統將“商業報道”與“奢侈品廣告”的關聯權重設定為0.87時，財經新聞選題便悄然向消費主義傾斜，新聞議程實則被算法的“無形之手”引導。

德國電視二臺（ZDF）的案例則揭示了更為深刻的危機：其人工智能輔助剪輯系統高度依賴微軟智能云（Microsoft Azure）視頻分析API。2022年制作一部氣候主題紀錄片時，系統自動過濾掉72%的非結構化訪談素材，優先保留量化數據片段（如溫度曲線、碳排放統計），致使紀錄片敘事被限制在可視化圖表與數據邏輯中，而嚴重忽視人文層面的多元訴求。算法規訓正將復雜社會議題“壓縮”為可計算對象，背后實為平臺公司對敘事邏輯的隱性控制。[14]無論選題還是素材篩選，均在“算法黑箱”影響下漸離新聞機構既定的編輯準則。

這種“認知外包”（cognitive outsourcing）不僅使媒體在日常生產中嚴重依賴平臺模型，也使其喪失了對編輯方針和社會價值塑造的自主權。[15]若此種依賴持續深化，其影響將超越技術層面，改變記者、編輯與受眾間的互動模式，最終導致公共話語權向平臺公司集中。在此格局下，平臺承擔核心的“思考與分析”功能，而編輯團隊則淪為算法預測與建議的“修飾者”，難以維持真正的獨立判斷。

（三）創新陷阱與技術封建主義

平臺公司通過構建開發者生態進一步強化對新聞業的系統性控制。AWS推出的“新聞業人工智能解決方案套件”整合了17個預訓練模型與45個API，《華盛頓郵報》視覺識別系統深度對接該生態后，其87%的核心功能模塊已實現API直連調用。這種技術依賴形成顯著的鎖定效應：當該報試圖替換圖像分類模塊時，系統架構重構率高達68%，遷移成本巨大。盡管開源社區提供替代性方案，但實際應用效果有限。以“抱臉網”（Hugging Face）平臺提供的開源BLOOM模型為例，《衛報》技術團隊因分布式訓練基礎設施缺失導致部署失敗，平臺企業則趁此機會通過專利布局鞏固技術霸權。谷歌在自然語言處理領域持有的2143項核心專利，構建了從文本生成到語義分析的全鏈條技術壁壘。[16]對資源稟賦有限的新聞機構而言，跨越專利與算力門檻的難度顯然遠超想象。

由此觀之，依賴平臺公司構筑的技術生態不僅強化了新聞泰勒主義的運行邏輯，更使新聞業陷入算力壟斷與數據回流的多重桎梏，形成“數字封建主義”的制度化收編。倘若新聞機構無法從基礎設施與核心算法層面突破平臺的壟斷地位，不僅其獨立性與社會責任將持續受到侵蝕，想要真正超越新聞泰勒主義更將舉步維艱。

三、算法規訓與公共價值：

多元對話的斷裂與重構

在基礎設施壟斷日益強化與新聞泰勒主義不斷延伸至內容分發領域的雙重擠壓下，新聞業構建與維護公共價值的壓力顯著增加。當勞動流程被算法化、記者在生產環節淪為“流水線”式執行者的同時，算法對受眾端的話語與信息選擇也施加了深刻影響。由此形成的“算法規訓”不僅改變了新聞作品的可見性與傳播路徑，更在潛移默化中重塑公眾認知與社會議程，使多元對話空間不斷萎縮。在這種情況下，新聞機構若要捍衛公共價值，必須突破“泰勒化”的生產—分發邏輯，從制度化與多元化維度探索新的突圍路徑。

（一）信息生態的系統性風險

1.可見性剝奪：搜索優化的逆向淘汰。谷歌公司推出的搜索生成體驗（Search Generative Experience，SGE）工具引發了媒體可見度的系統性危機。根據SimilarWeb監測平臺數據，用戶檢索“氣候變化政策”時，AI生成摘要對《衛報》《紐約時報》等頭部媒體內容的引用率達92.6%，但僅16.8%的案例提供原文鏈接，致使新聞網站訪問量同比驟降37個百分點。[17]當平臺系統推行“答案優先”策略時，新聞機構實質上淪為結構化數據庫，其與受眾的直接對話通道被系統性截斷。這種“注意力收割”機制導致的媒體生態位塌縮，標志著新聞泰勒主義開始滲透到內容分發體系的“毛細血管”。原本需要多方博弈的公共議題討論，被平臺算法壓縮為標準化響應輸出，導致媒體的闡釋權與議程設置能力遭受雙重削弱?！度A盛頓郵報》的跟蹤研究顯示，其環境類報道在SGE結果中的曝光度雖提升了42%，但實際點擊轉化率僅為傳統搜索模式的23%，印證了“即時解答”范式對媒體流量池的虹吸效應。[18]

2.認知窄化：算法驅動下的議題聚焦與偏移。算法推薦機制正在誘發公共討論的系統性偏差與認知窄化陷阱。牛津大學路透新聞研究院對《經濟學人》數字平臺的追蹤研究表明，其用戶畫像系統通過谷歌分析系統（Google Analytics）構建的214個興趣維度中，78.3%屬自動化標簽生成。當用戶被劃入“商業決策者”群體時，系統以0.92的權重系數推送并購資訊，0.87權重系數分配CEO專訪，深度報道的接觸率則衰減至4.7%。這一推薦邏輯在《世界報》“養老金改革”議題中呈現更顯著的認知降維。用戶平均閱讀時長從8.7分鐘降低至2.3分鐘，折射出個性化算法對公共議程的結構化形塑。當社會成員持續暴露于此類“認知帶寬壓縮”機制，公共理性正面臨標簽化消費范式的系統性消解，社會認知能力呈現代際退化趨勢。

3.文化同質化：生成式人工智能（AIGC）導致的敘事單一化。大型語言模型的文化再生產效能伴生著敘事同質化的系統性風險。對GPT-4生成的2300篇新聞文本的文體計量分析表明，程式化“倒金字塔結構”占比達89.2%，而多元敘事框架（7.1%）與非線性敘事策略（3.7%）呈現結構性缺失。跨國媒體共享模型參數導致語料趨同，《華爾街日報》與《南華早報》商業報道的語義相似度達76%，驗證了“算法趨同效應”。生成式人工智能的普遍運用導致了更深層次的“語料殖民主義”危機進一步加劇，模型訓練數據隱含的英語中心主義使南半球議題遭遇“再現赤字”。非洲媒體聯盟測算顯示，GPT-4生成“糧食安全”的內容量僅為“加密貨幣”的三分之一，揭示技術霸權下的敘事權力失衡。

（二）從技術自主到人機協作

平臺壟斷與人工智能泛化語境下，新聞業突破“泰勒化”困局的關鍵在于建構技術主權與認知勞動的新型平衡。BBC的“國家媒體云平臺”（NMC）項目（資本支出2億英鎊）通過開源BERT改進模塊與本地私有云架構，將核心技術依賴度從91.7%降至68.4%，模型訓練邊際成本縮減37.2%。同步推進的“歐洲語言技術聯盟（ELT）”借助多語種語料庫與分布式算力池，其成員機構人工智能開發總成本出現了41.3%的降幅，證實了區域化技術聯盟的自主性增益效應。這些實踐構建起對抗平臺壟斷的制度性反壟斷架構，為媒體技術主權建設提供了可復刻路徑。

應對認知勞動的“泰勒化”危機，路透社“人機協作編輯”項目通過勝任力模型重塑實現突破。量化評估證實，該崗位將批判性思維（權重65.3%）與倫理判斷（權重22.1%）確立為核心指標，使記者數據解讀能力提升39.4%，同時維持敘事創造力基準值（μ=82.5）。這種認知增強型崗位設計通過提示工程優化與交互式敘事工具開發，形成人機認知勞動分工的再平衡機制，有效遏制了人工智能對專業判斷力的侵蝕。

（三）協同治理的制度創新

“公共領域”的范式轉換需要構建全球協同的技術治理矩陣。北歐新聞數據聯盟（NDA）通過制度經濟學創新，建立含870萬篇脫敏新聞語料的共享數據庫（參與機構貢獻度與訪問權限呈0.78正相關）。挪威和瑞典的多家媒體氣候預測模型精度提升了52.3%，驗證了“數字公地”（digital commons）對平臺依賴的替代效應。[19]這種由諾貝爾經濟學獎得主奧斯特羅姆倡導的“公地治理”框架被運用于數字空間，通過動態平衡數據主權與協同收益，為跨域合作提供了制度性保障。

全球治理層面，聯合國教科文組織《AI倫理建議書》（193國簽署，覆蓋率98.5%）構建起算法問責制框架：禁止新聞語料商用訓練（第7.2條）、設定人工干預閾值（第12.4條）、建立第三方審計機制（第15條）。先鋒媒體如《衛報》通過區塊鏈溯源系統，將AI參與度編碼為可驗證元數據，這種技術信任機制使公眾得以解構算法黑箱，辨識潛在偏見。

從新聞實踐角度觀察，“算法規訓”使記者編輯在內容選題和價值判斷上日益處于被動地位，“公共價值”正面臨前所未有的碎片化與單一化沖擊，傳統的編輯自主權與專業規范難以有效落實。因此，制度重構在當下不僅是一種自救嘗試，更是確保新聞業繼續履行社會責任與公共價值的必然選擇。在平臺化壟斷的背景下，單個機構或國家難以與掌控巨大算力和用戶入口的跨國平臺直接對抗。區域性或跨國型的“數字公地”建設、反壟斷和數據保護立法，以及對算力與API服務的監管，已成為重塑新聞業獨立地位與公共責任的關鍵路徑。只有通過集體行動與跨國合作，媒體才能在算法與技術資源上獲得更大自主權，避免陷入對平臺程式化邏輯的被動依賴。當反壟斷與版權補償、跨國倫理規范與協同治理等多元手段相互融合時，超越新聞泰勒主義才具備了現實可行的制度化路徑。這種多維制度創新正逐漸成為人工智能時代新聞業在存續與發展過程中的戰略選擇。

四、超越“泰勒主義”：

新聞業主體性的重建路徑

新聞機構通過自動化技術與推薦算法應對市場變革時，其技術基礎設施的依附性已超越工具層面，呈現出“技術封建主義”的結構性困境。這提示著數字化轉型本質上構成資本邏輯對公共領域的制度性重構，既動搖了傳統新聞規范的專業根基，更在認知維度上構成了價值篩選機制的代際風險。值得關注的是，歐盟通過《數字市場法案》（Digital Markets Act）建構的反壟斷框架，與行業先行者在人機協作模式中的突破性探索，正在解構技術決定論的認知范式。新聞業的技術自主權恢復路徑，本質上是制度約束、價值重構與技術倫理的協同演進過程。

（一）理論升維：AI效率悖論、平臺鎖定與公共領域重塑

人工智能在新聞業的深度應用正在突破傳統效率框架，呈現出邊際效用遞減規律：自動化系統的大規模引入雖在初期顯著提升生產效率，但當技術滲透至事實核查、價值敘事建構等核心環節時，新聞機構的品質指標（讀者信任度、閱讀時長等）卻呈現系統性衰減。新聞生產中至關重要的事實核查需要復雜語境判斷，而多元價值敘事則依賴人類認知整合。但上述這些本質屬性既無法被算法完全量化，更難以通過技術替代實現價值增殖。

平臺依賴在此過程中固化為結構性技術鎖定范式?？萍季揞^構建的“云服務—API—專利”商業架構形成創新壁壘，典型如《華盛頓郵報》視覺系統87%功能模塊深度嵌入AWS架構，其系統遷移凈現值測算達-230萬美元。這種成本結構迫使新聞機構以數據主權換取有限技術權限，實質構成數字時代的“技術封建主義”生產關系——與泰勒主義通過勞動分割實現控制強化的歷史邏輯形成跨時空呼應，在AI時代異化為平臺對技術棧與數據流的絕對壟斷。所謂“平臺賦能”在此語境下演變為單向度的資源汲取機制，當新聞機構喪失關鍵技術自主權，其創新空間便被壓縮為寡頭生態中的邊際調適。[20]

更嚴峻的危機在于“公共領域”的系統性解構。大型語言模型與搜索生成體驗（SGE）通過答案前置機制重構信息權力結構：SGE在攔截68%訪問流量的同時，將深度報道壓縮為極簡摘要，導致媒體網站點擊量下降。這種“數據幕后臺”效應不僅架空新聞機構的議程設置能力，更使公共討論陷入碎片化困境。簡言之，新聞泰勒主義以效率至上原則侵蝕媒體社會功能，用流量指標置換多元價值，最終消解公眾的深度思考空間。

（二）實踐啟示：從技術壟斷到協同治理的未來

破解新聞泰勒主義困局需構建“制度—技術—價值”三維治理框架。面對算力霸權與數據封建的雙重桎梏，新聞業應通過強制性反壟斷與數字公共產品供給重塑技術主權：歐盟《數字市場法案》已表明，強制開放API接口可使媒體算法自主性提升27%，并通過數據回流機制重構云端定價權。若配套推進“數字反壟斷基金”建設，中小媒體將獲得基礎算力與開源技術支撐，從而突破對科技寡頭的結構性依附。

構建算法可解釋性框架是維護媒體獨立性的關鍵機制。通過立法確立算法影響評估制度，強制披露新聞AI的訓練數據溯源與決策參數權重，可建立技術黑箱的“透明度基線”。路透社對“人機協作編輯”崗位的實踐也佐證，人工審計與自動化并非對立，而可共同發揮糾偏功能，以提升新聞的客觀性與信任度。這種協同機制有效化解了新聞泰勒主義的根本矛盾：傳統泰勒主義通過勞動分割實現效率最大化，而人工智能時代的新聞生產則面臨專業價值與平臺邏輯的范式沖突——選題策劃、內容分發等核心環節的算法化改造，實質是對新聞職業規范與公共責任的解構性重組。

制度創新的終極目標在于重建技術治理的公共價值錨點。相較于泰勒主義單一效率導向，新聞業的數字化轉型必須維系“效率—責任—多元性”的動態平衡。當算法淪為平臺資本增值工具時，唯有通過基礎設施公有化、數據資源民主化與算法決策透明化的制度設計，才能真正走出新聞泰勒主義對新聞業的桎梏，并為數字時代的公共領域注入新的活力。

換言之，走出新聞泰勒主義的困境并非僅僅意味著技藝層面（如采編自動化、寫作效率）的改良，而是要從制度結構和社會治理層面全面反思媒體與平臺、媒體與公眾之間的權力關系和責任邊界。面對跨國科技巨頭主導信息基礎設施的事實，通過國際規范[如歐盟的《可信人工智能倫理指南》（Ethics Guidelines for Trustworthy AI）等]與地方立法（如反壟斷法案、媒體與平臺數據共享協議）的協同演進或能塑造媒體的再生能力。未來的新聞業或許將在此過程中，通過“制度—技術—價值”三者的統合來重建專業主體性和公共使命，實現從技術依附到價值主導的范式轉換。

【本文為清華大學文科建設“雙高”計劃創新方向建設專項“中國特色國際傳播理論體系”（編號：2024TSG08103）成果】

參考文獻

[1]Dovbysh O. Automating the news: How algorithms are rewriting the media[J]. Digital Journalism,2020(08):972-974.

[2]史安斌，鄭恩.新質傳播力：邁向傳播學3.0研究的范式升維[J].新聞與寫作，2024(12):50-63.

[3]李新春，胡曉紅.科學管理原理:理論反思與現實批判[J].管理學報，2012,9(5):658-670.

[4]史安斌，鄭恩.邁入“融合性真實”：文生視頻技術對新聞傳媒業態的重塑 [J].傳媒觀察，2024(04):27-36.

[5]Peng X,Xu Q,Feng Z,et al.Automatic news generation and fact-checking system based on language processing [EB/OL]. (2024-05-17)[2025-03-01]. https://arxiv.org/abs/2405.10492.

[6]范玉吉，張黃茜.隱匿的力量：新聞生產與分發中的數據權力 [J].西南民族大學學報(人文社會科學版)，2024,45(3):132-141.

[7]郭全中，李黎.生成式人工智能將通向隱秘的社會？——一個疊合黑箱的邏輯與實踐[J].暨南學報 (哲學社會科學版)，2024,46(12):81-96.

[8]Couldry N,Mejias U A.The Costs of Connection:How Data is Colonizing Human Life and Appropriating it for Capitalism[M].Stanford:Stanford University Press,2019: 47.

[9]Feenberg A. Questioning Technology[M]. London: Routledge,1999:56.

[10]Nixon, B. The business of news in the attention economy: Audience labor andMediaNews Group’s efforts to capitalize on news consumption[J].Journalism, (2017)21(1),73-94.

[11]Ahmed N, et al. The growing influence of industry in AI research[J]. Science, 2023（379）:884-886.

[12]Booth,R. Amazon-hosted AI tool for UK military recruitment 'carries risk of data

breach'[EB/OL].The Guardian, 2024-12-17[2025-03-19]. https://www.theguardian.com/technology/2024/dec/17/amazon-hosted-ai-tool-for-uk-military-recruitment-carries-risk-of-data-breach.

[13]Zuboff S. The Age of Surveillance Capitalism: the Fight for a Human Future at the New Frontier of Power[M]. New York: PublicAffairs,2019.

[14]Couldry N, Mejías U A. The decolonial turn in data and technology research: What is at stake and where is it heading?[J]. Information, Communication & Society, 2021,(26):786-802.

[15]Hartley J, Petre C, Bengtsson M, et al. Autonomies and dependencies: Shifting configurations of power in the platformization of news[J]. Digital Journalism, 2023（11）:1375-1390.

[16]許靜，劉欣，蔣雪穎.新聞生產與生成式人工智能人機耦合的實踐進路[J].南昌大學學報(人文社會科學版)，2023,54(5):114-122.

[17][18]M?ller J,van de Velde R N, Merten L, et al. Explaining online news engagement based on browsing behavior: Creatures of habit?[J].Social Science Computer Review, 2020,38(5):616-632.

[19]Appelgren E, Lindén C. Data journalism as a service: Digital native data journalism expertise and product development[J]. Media and Communication, 2020,8(2): 62-72.

[20]呂鵬，周旅軍，范曉光.平臺治理場域與社會學參與[J].社會學研究，2022,37(3):68-91,227-228.

（史安斌：清華大學新聞與傳播學院黨委書記、教授，愛潑斯坦對外傳播研究中心主任，本刊學術顧問；鄭恩：清華大學愛潑斯坦對外傳播研究中心助理研究員）

【文章刊于《青年記者》2025年第4 期】

本文引用格式參考：

史安斌,鄭恩.超越新聞泰勒主義：人工智能時代新聞業的轉型危機與制度重構[J].青年記者,2025(04):84-90.

編輯： 小青