陈昌凤、肖鹏|AI搜索崛起后,新闻把关权力流向何处?|传媒观察

在纷繁复杂的数字媒介语境下，新闻把关的规范性价值正在发生位移：它不应仅被视为对信息流的单向控制，更是一种促进新闻与公众之间达成有效连接的调控机制。前文对生成式把关的界定与辨识确认了这一权力形态在技术层面的实现可能，那么对把关机制的探索则能够进一步洞察这种权力如何嵌入新闻生产的微观环节。

（一）新闻事实的内循环化

生成式人工智能正在重塑新闻采集与生成的逻辑。传统新闻业务依赖开放且动态的外部信源环境，通过记者对现实世界的即时介入获取信息；生成式AI 则将此过程转化为封闭的计算逻辑，即新闻事实的内循环化。在此机制下，新闻中的一部分不再是对真实世界的即时反映，而是经海量语料提炼后的统计产物。由于缺乏对现实信源的核实，生成内容的透明度与真实性存在先天缺陷。同时，这种缺乏外部事实纠正的内循环机制，使得模型在处理动态议题时，过度照搬历史语料，从而极易陷入自我印证的“幻觉”陷阱。尽管检索增强生成通过外挂知识库实现了对特定领域数据的实时访问，“测试时计算”（TTC）则通过迭代搜索增强了推理深度，但其生成信息的元逻辑始终基于词元（Token）的概率预测。基于概率分布的文本生成机制难以达到新闻写作的推理与核查要求，即便在AI 联网检索的语境下，外部事实依然会被转化为模型的概率推断，从而在生成过程中被重新过滤与解构。

内循环机制进一步加速了不同新闻把关阶段的融合。传统模式下，输入阶段的信源预选与输出阶段的编辑审定之间存在清晰的边界。但在生成式环境中，新闻事实采集、内容合成与指令反馈被高度折叠于大模型的瞬时运算中。新闻生产流程的坍缩不仅带来信息流转效率的提升，更在深层逻辑上，促使大模型的训练数据集演变为一种先验把关：在新闻尚未进入传播渠道前，技术机构便通过编排底层数据与预设算法权重，完成对事实的筛选与阐释。这意味着把关权力已经直接渗透至信息流动的源头。事实的“模型内转译”宣告了现实的新闻源头正在消解，算法的再编码已深度嵌入信息生成过程，使新闻文本呈现出前所未有的演化性与封闭性风险。

（二）新闻叙事的知识库化

在生成式AI 的运作逻辑下，用户接触的新闻文本，正从完整、语境化的报道被降维处理为条目清晰、便于检索的“知识单元”。传统新闻不仅传递事实，更通过情境、冲突与细节构建公共价值。生成式AI 的初衷并非复刻这一叙事传统，而是追求信息匹配与提取的效率最大化。这类引擎的核心机制在于将用户提问与高权重语料进行快速匹配，它的判断依据是关键词契合度与语义相似度，而非传统新闻写作所重视的文体特征，如可靠信源、客观叙述与内容权威性。

这一转变重塑了新闻的评价标准：传统的可读性要求正逐渐让位于可解析性与可合成性。为适应算法需要，新闻事实从原生语境中剥离，转化为便于机器抓取与组装的结构化数据，进而成为大模型知识库中可重复调用的模块。由此，算法把关呈现出机械性，倾向于筛选最稳妥、最易解析的陈述，难以像人类编辑一样执行弹性把关——依据伦理、情感与社会价值综合权衡［11］。尽管新技术在信息处理上实现了更高程度的标准化与流动性，使新闻在算法系统中更透明、易于传递，但也因其剥离了叙事中的社会语境与人文关怀，在凝聚社会共识与增强情感联结方面，仍显得力有未逮。新闻文本在知识库逻辑下被切割为可调用的语义单元，导致其公共表达功能被弱化，转而服务于模型优化的技术路径。

（三）新闻议程的均质化

在传统的编辑流程中，对多元观点的权衡是重要的专业素养。生成式把关将这些职能悉数内化于模型的内容生成逻辑，催生了新闻议程的均质化倾向。它将碎片化信息重组为立场模糊、语意连贯的综合性文本，使得原本具有张力的观点与差异化叙事，在算法的文本集成中走向趋同。这一过程由“算法反馈把关”机制动态驱动。把关权被部分让渡给一个能与用户实时互动的生成系统：用户的提示词输入、上下文交互与偏好披露，不仅是内容生成与调适的参考指标，更通过强化学习成为模型持续微调的底层训练数据。然而，人工智能缺乏人类编辑的伦理直觉与稳定的价值观，其运作过度依赖于对预设目标的优化与拟合。这种以概率优化代替价值判断的生成逻辑，导致新闻议程深受语料共识的牵制，最终在过度均质的信息处理中陷入失焦。

从技术特性上看，均质化的新闻议程营造出一种整合性强的表象优势。传统搜索引擎基于关键词匹配，用户的注意力往往集中于排序靠前的碎片化信息。而生成式AI 则试图打破搜索列表的线性排序，通过跨信源的整合与改写，为用户提供更具整体感的信息界面。然而，这种表面的技术便利，是以削弱公共视角的深度为代价的。大模型在人机交互中暴露出远超人类的顺从倾向，即AI 谄媚的风险［12］。这并非偶然的技术偏差，而是深植于以指令遵循与用户满意度为导向的AI 训练范式中。AI系统可能在追求流畅与吻合的过程中，回避事实的复杂棱角，淡化多元观点的表达，从而削弱了新闻作为“社会公器”应有的公共价值与引领作用［13］。如此一来，生成式AI 形成了一种“合成式议程设置”：它既整合多元信息，又在整合过程中淡化差异，使公共议程的轮廓呈现出更高程度的平滑化。

（四）新闻渠道的去媒体化

生成式AI 正在通过其特有的对话式界面，重构新闻连接公众的形态。传统的新闻获取模式高度依赖搜索引擎与超链接，用户经由点击跳转，最终引导至媒体自有站点。而生成式AI 改变了这一路径：它在一个对话窗口内，直接对信息进行抓取、编译与整合输出，实时回应用户的追问，并能自由跨越不同信源的边界进行重组。如果说社交媒体时代的信息过滤尚且保留了导向原报道的链接分发机制，那么生成式AI 则通过直接提供整合与转译后的答案，将对话框变成了信息消费的终点，从而切断了受众与内容生产者之间的原生连接。

这一去媒体化趋势，正是由生成式AI 所驱动的。在模型即平台的架构下，大模型不仅是底层的操作系统，更集合了应用产品与分发渠道的多重属性。而媒体机构的地位则遭遇降格，从独立的内容权威，逐渐转变为向大模型输送训练数据的“原料供应商”。当用户习惯于绕过媒体、直接向生成式AI 获取定制答案时，新闻媒体便在交互界面中隐形［14］。新闻业对平台的深层依赖潜藏着严峻的危机：即便事实的采集权仍保留在编辑室，但在呈现环节，媒体的品牌辨识度、专业权威与公共信任，均被生成式AI 的合成逻辑所稀释。在智能中介主导的生态下，新闻业如何重新确立自身的可见性，并在算法生成中延续其公共价值，已成为关乎其未来身份的核心命题。

生成式把关所引发的挑战，远不止于信息失实与算法黑箱，而是一场关乎媒体独立地位与专业自主权的危机。在编辑决策与平台逻辑深度互嵌的分布式生态中，媒体机构与技术平台正围绕内容流的控制权展开持续的协商与博弈。因此，寻求协同治理的路径，不仅是为了校准技术应用的规范性，更是要在技术泛化的浪潮中，重塑新闻职业的自主性与能动性，确保其公共价值与专业内核在算法网络中得以彰显。

（一）制定规范：建立AI应用透明与核查机制

面对生成式技术对媒介生态的深度介入，政策制定者与新闻业亟须拓展监管想象力，以应对算法日益制度化的影响力。当前侧重于版权补偿的监管框架，难以扭转机构与平台间失衡的权力关系，议价能力弱的小型媒体尤其处于弱势。因此，规范重心应从资源博弈转向更深层的算法问责。应要求大型平台对其生成逻辑实施定期风险评估，并强制披露关键算法流程与纠偏机制。

同时，新闻业必须筑牢内部防线，以抵御“基础设施捕获”导致的自主权流失。核心在于建立双轨核查机制：在行业层面，当前众多新闻机构通过外包方式引入大型科技公司的AI接口进行内容摘要或评论治理，导致把关职能隐蔽地让渡给了外部商业系统。媒体应推动建立对第三方AI 工具的中立性审计与“AI 投毒”内容的标记机制。在机构内部，媒体则应建立自动化新闻生产的自查体系，明确技术应用的边界，在利用AI 提升效率的同时，将对新闻价值的判断权把握在专业编辑室之内。

因此，构建负责任的生成式AI 治理框架需要凝聚各界合力。首先，致力于开发透明且可解释的系统架构，使用户能够清晰辨识生成文本背后的信源权重与逻辑路径，打破信息生成的黑箱状态。其次，建立跨行业的数据合规审查体系，借鉴金融等高风险行业的监管经验，确立新闻语料在AI 训练中的公益边界与商业使用红线。最后，推动达成防范自动化偏见与技术滥用的国际协议，在跨国治理层面遏制具有误导性的自动化叙事。

（二）主动优化：开展面向生成式环境的引擎优化

针对生成式把关对流量入口的调控，新闻业正将其长期积累的搜索引擎优化（SEO）经验，系统地迁移至生成引擎优化（GEO）。随着搜索引擎向智能化转型，新闻机构已开始采用“语义SEO”策略，通过应用结构化数据标记与构建主题集群，训练机器对新闻内容价值的识别能力［15］。然而，面对生成式引擎对新闻分发逻辑的重塑，优化的核心应从“影响排名”转向“塑造信源”。

这一转向要求新闻机构通过增强内容的语义深度、事实密度与叙事完备性，来提升其在模型筛选机制中的被引用权重。GEO 的实质在于影响大模型在生成回答时对信息来源的选择偏好。这意味着新闻业的竞争重点应从传统的页面权重转向提升内容权威性与语境相关性。在实践中，媒体可以通过显性标注可信来源、引入权威引语以及采用量化统计数据，构建高密度的知识节点，从而提升内容被大模型精准提取的概率。专业权威的语气与流畅的叙事逻辑，亦是增强文本在算法筛选中被识别和采纳的关键。

可见，面向生成式环境的引擎优化，本质上是技术逻辑与新闻业务准则的再对齐。它推动新闻机构在坚守高质量信息供给的同时，主动嵌入结构化的语义特征与权威依据，以确保媒体品牌在去中心化信息生态中，不仅能够被有效检索，更能真正进入公众的认知框架。这种主动调适，是新闻业在智能中介主导的秩序下，捍卫自身专业解释权与生存空间的必然回应。

（三）体系建设：推动权威信源与技术平台的协同共治

在技术适配之外，新闻业应与技术平台建立战略合作关系。关键在于，将媒体长期深耕的社会公信力与专业素养转化为微调算法生成逻辑的高权重因子。此机制下，新闻机构通过向大模型持续注入权威事实与专业核查，为生成式引擎确立了可靠的认知基准。作为价值回馈，生成式系统不仅扩展了专业新闻的触达范围，更通过降低公众的信息验证成本，将集聚在AI 交互界面中的庞大注意力资源，有效引流并转化为媒体站点的稳定用户。这一深度的机制互嵌，不仅纾解了新闻业当下的流量焦虑，更在算法逻辑中为专业新闻占领了关键的生态位。

这一共生逻辑的维系，根植于新闻业难以被技术剥夺的稀缺资源——对复杂事实的动态追踪与核查能力。即便具有极高的参数规模与推理性能，大模型在开展动态、多元的事实判断时，仍无法脱离专业媒体提供的权威内容。长远来看，该体系建设应导向人机协同把关的机制，使媒体更能动地参与生成式AI 在新闻领域的价值观训练环节。通过对模型提供经过专业标注、符合职业伦理的高质量数据，新闻业能够将事实核查机制与专业判断融入算法的学习过程中，使生成式新闻把关在迭代中持续贴近社会共识与公共价值。

生成式搜索引擎对信息入口的重构，意味着把关权力从外部连接向内部生成迁移。新闻业曾依赖的超链接、检索与多元叙事，被转化为模型生成的融合性回答；把关重心也从可见的编辑分发环节，转向算法内隐的训练数据与生成逻辑。然而，这场权力迁移并非零和博弈，更是催生了人机协同的新可能。从推动算法透明与问责，到实现从SEO 向GEO 的策略转型，再到探索与技术平台的协同机制，新闻业可以通过主动调适，重塑其在信息生态中的主体性。未来真正的挑战在于，如何在追求生成效率的技术架构中，为公共性新闻议题保留必要的表达空间。唯有将专业核查逻辑融入AI生成过程，新闻业才能在智能时代更好地扮演凝聚社会共识的“压舱石”角色。