过去两年，几乎每一家广电机构的转型宣言里都有这句话：“打通策、采、编、审、播、发、返全流程，把新闻生产从小时级压缩到分钟级。”

　　各台都在讲同一件事。但把多家机构的实践放在一起看，会发现一个被忽略的事实：“全链路”这个词，在不同机构嘴里说的并不是同一件事。

　　有的说的是“自研垂类大模型+全流程闭环”，有的说的是“模块化工具组合+关键环节打通”，还有的说的是“轻资产采购+局部智能化”。路径不同，成本结构不同，可复制性也不同。

　　更值得追问的是：即便都叫“全链路”，真正覆盖的环节也不一样。策、采、编、审、播、发、返七个环节中，“采”——现场采访、线索发现、关系挖掘——AI几乎无法替代；“返”——用户反馈、舆情数据回流反哺选题策划——多数机构的AI系统只做到了分发统计，并未形成真正的闭环。不少机构口中的“全链路”，实际覆盖的是“编、审、播、发”四个标准化环节，“采”和“返”仍然缺位。

　　如果只看到“都在做AI”“都在说全链路”，就容易忽略一个更关键的问题：你的资源禀赋，适合走哪条路？又适合做哪几段？

　　报告推荐|《大屏体育:从版权竞争到本地化、AI、全域化破局研究》

　　一、三种路径，以及被忽略的混合模式

　　路径一：自研垂类大模型，做“重”

　　代表机构是中央广播电视总台和江苏广电。

　　2026年8月，总台“央视听大模型”共建行动启动，汇聚大模型研发机构技术优势，共享媒体场景资源，打造自主可控的媒体大模型体系，火山引擎等合作伙伴输出多模态AI能力，覆盖策采编审播全链条。

　　江苏广电2025年4月与华为签署战略合作协议，共同打造“荔枝传媒大模型”科研创新生态。其“人工智能融媒体综合业务平台”深度融合大语言模型、生成式AI等技术，构建起覆盖“策、采、编、审、发、管”全链条的智能化生产闭环。

　　这条路投入大、周期长、壁垒高，但一旦跑通，能力沉淀在自己手里。适合有海量历史媒资、有持续资金投入、有技术团队支撑的头部机构。

　　路径二：模块化能力组合，做“中”

　　代表机构是山东广电和内蒙古广电。

　　山东广电2026年4月发布“视听传媒智创大模型”，包含全媒体检索、媒体创作、中剧微短剧审核、视频审核四大智能体。其中媒体创作智能体围绕“搜、拆、创、合”四环节打造一站式AI视频生产，视频审核智能体的“翻库”功能可在1小时内完成10万小时节目库全量回溯排查，准确率达95.8%。

　　内蒙古广电“AI奔腾”智媒平台坚持“通用底座+垂类精调+数据私有”路线，重点发力蒙古语垂类模型和民族文化多模态模型，蒙汉双语互译使译制周期压缩60%。

　　这条路不追求从零训练基座，而是基于开源或国产基座做行业微调，把能力拆成独立模块按需调用。适合有一定技术能力、但资源不足以支撑全自研的省级广电。

　　路径三：轻资产嵌入，做“轻”

　　代表机构是广西来宾融媒体中心。

　　没有自研大模型，没有庞大技术团队，而是搭建AI创意工作室，采购模块化AI工具，把AI嵌入策采编发全流程，搭建数字人矩阵。其“轻资产、重应用、强落地”路径获2025年王选新闻科学技术奖一等奖，2025年AI相关产业营收突破200万元。

　　这条路不追求技术自主，追求业务可用。但“轻资产”不等于“零成本”——年度服务费、token消耗、数据合规、供应商锁定，都是持续存在的隐形成本。适合地市级和县级融媒体中心。

　　被忽略的第四种形态：混合模式

　　三种路径的划分是理想模型。现实中，大量机构处于混合状态：既采购商用工具解决标准化需求，又针对自身场景做微调；既在快讯生产上走轻资产路线，又在重大主题报道上投入自研能力。

　　对多数省级广电而言，纯粹的“全自研”或“全采购”都不现实，混合模式才是常态。 三种路径没有高下之分，只有适配与否。但行业讨论中，往往把“全链路”等同于“自研大模型+全流程闭环”，这其实是一种路径绑架。

　　二、分钟级生产的真实边界

　　“分钟级”是这轮广电AI转型中最醒目的标签。上海广电在2026年全国两会报道中，Scube智媒魔方3.0的AI智能拆条、多语种自动翻译等能力与Xnews生产流程无缝咬合，代表发言、精彩瞬间被迅速捕捉、精准拆解。

　　但需要说明的是，这个速度的前提是素材已回传、事实已由前方记者确认，AI承担的是文稿生成、剪辑拼接、格式适配等标准化环节，并非从线索发现到发布的完整新闻生产全流程。

　　拆开看，AI承担的是标准化、重复性、事务性的工作：素材解析、智能标签、录音转文字、字幕生成、初稿撰写、粗剪拼接、基础风险筛查、多平台格式适配。而事实核查、价值判断、导向把控、深度挖掘，仍然在人手里。

　　这个分工听起来清晰，但实际操作中有几个容易被忽略的问题：

　　第一，AI初稿的“修改成本”可能高于“从头写”。如果AI生成的稿件事实错误多、逻辑跳跃、政策表述不准，编辑核查和重写的时间未必比自己写少。分钟级产出的是“半成品”，不是“成品”。尤其在政策表述、数据引用、人名职务等高频出错领域，编辑的核查工作量甚至可能因AI产出量增大而增加。

　　第二，审核环节可能成为新的瓶颈。生产快了，审核量激增。如果审核仍然依赖人工逐条把关，整体效率未必提升。山东广电配套智能审核智能体，正是为了解决这个矛盾。但智能审核能否识别隐喻式风险、隐性导向问题、语境依赖的表述偏差，仍需要实践检验。更现实的矛盾是：当AI一天产出几十条初稿，而审核编辑只有两三人时，“快速过一遍就发布”的压力会真实存在。

　　第三，一线采编人员的能力转型不是自动发生的。过去记者要会写稿、会剪辑、会配音；现在需要会使用AI工具、会判断AI输出质量、会在人机协作中重新定位自己的价值。这需要培训、考核、组织架构的配套调整，不是装一套系统就能解决的。行业内一个普遍现象是：AI系统上线了，但一线记者的实际使用率很低，工具和业务“两张皮”——记者觉得AI生成的稿子还得自己重写，不如直接写；编辑觉得AI审核不可靠，还得自己看。技术系统的落地，最终取决于人的接受度和能力匹配度。

　　三、被忽略的成本与风险

　　成本问题。自研大模型的训练成本、算力成本、维护成本，对多数省级广电而言并不轻松。地市媒体更现实的选择是采购模块化工具，但采购之后的供应商锁定、迭代升级，同样是隐形成本。AI工具迭代极快，今天采购的系统半年后可能就落后了，持续升级的费用和学习成本不容忽视。

　　版权与数据合规风险。用历史媒资训练AI模型，涉及媒资版权归属、第三方素材授权、表演者权等复杂法律问题；AI生成内容的版权界定目前在法律上仍不清晰，能否用于商业用途存在不确定性。训练数据中如果包含未授权的第三方内容，可能引发侵权纠纷。主流媒体作为内容生产机构，自身对版权合规的要求更高，这一风险不能回避。

　　同质化风险。当多家广电都用相似的AI工具、相似的流程、相似的分发策略，新闻产品的差异化从何而来？分钟级生产可能带来分钟级同质化。快讯、简讯、赛事集锦这类标准化内容，AI生产没问题；但深度调查、人物专访、重大主题报道，如果也追求“快”，可能牺牲的是新闻的厚度与温度。更值得警惕的是，AI生成内容天然带有模板化倾向——相似的句式、相似的结构、相似的叙事节奏，如果多家媒体用同一套模型，最终产出的内容可能高度趋同，媒体的品牌辨识度和本土特色会被稀释。

　　事实与导向风险。 AI容易出现事实错误、数据偏差、导向偏差。如果一味追求速度，忽视人工审核，就可能造成新闻失实，损害主流媒体公信力。内蒙古广电设置多级审核留痕机制，山东广电配套智能审核系统，都是在效率与安全之间找平衡。但平衡点在哪里，需要每家机构根据自己的内容类型、受众特点、风险承受能力来定。

　　组织变革的滞后。技术系统上线了，但考核机制、岗位设置、协作流程是否同步调整？如果记者仍然按稿量考核，编辑仍然按传统流程工作，AI系统的效能就难以真正释放。记者用AI辅助生产后，单条稿件生产时间缩短了，但如果考核仍然只看发稿数量，记者会把节省下来的时间用于生产更多同质化稿件，而不是深度挖掘；编辑的核心价值从“改稿”转向“判断AI输出质量+事实核查”，但岗位描述和考核标准是否随之调整？智能化转型不只是技术问题，更是管理问题。

　　四、一个更务实的判断框架

　　如果把广电AI转型看作一道选择题，至少有三个维度需要考虑：

　　维度一：资源禀赋。有没有海量历史媒资？有没有持续的技术投入能力？有没有算法团队？如果答案是否定的，轻资产嵌入是更现实的选择。如果有部分资源但不全面，混合模式可能更合适——在核心环节投入自研，在标准化环节采购工具。

　　维度二：业务场景。主攻重大会议报道、民生突发新闻、民族语言传播、体育赛事内容，对AI能力的需求不同。重大会议报道需要政策表述准确、导向把控严格；民生突发新闻需要快速响应、多端分发；民族语言传播需要双语互译能力。场景决定能力优先级，也决定哪些环节值得投入AI、哪些环节暂时不需要。

　　维度三：内容类型。快讯、简讯、集锦适合AI快速生产；深度调查、人物专访、重大主题报道仍需人工深耕。不是所有新闻都适合“分钟级”，也不是所有内容都需要“全链路”。一家媒体可以同时存在两种生产节奏：标准化内容走AI快车道，深度内容走人工慢车道，二者并行不悖。

　　结语

　　广电AI转型，不是“要不要做”的问题，而是“怎么做、做多深、做哪一段”的问题。自研基座、模块组合、轻资产嵌入，三条路各有适用场景，混合模式才是多数机构的真实状态。分钟级生产是目标之一，但不是唯一目标——效率之上，还有质量、安全、差异化、组织能力等一系列需要平衡的变量。

　　对广电机构而言，比“上了什么大模型”更重要的问题是：AI真正嵌入了哪些业务环节？一线采编的实际使用率是多少？效率提升的同时，审核质量和内容差异化有没有保障？组织考核和岗位设置有没有同步调整？这些问题的答案，比任何转型宣言都更能说明AI转型的真实成色。

　　想清楚自己缺哪一段，比想清楚自己上什么模型，更重要。

　　2026年10月29-30日，诚邀您相聚江西南昌。让思想先于趋势，用实践回应未来，在每一次能力涌现中寻找机遇，在每一次时代争流中定义未来。

责任编辑：李楠