摘 要 本文从基础设施的物质性与社会性维度出发，分析人工智能基础设施化的技术动因，探讨其深度嵌入如何影响新闻业的权力结构与公众的新闻信任。在效率与效益的驱动下，人工智能正从传播环节走向新闻生产，从技术工具演化为新闻业的基础设施，推动着新闻业的系统性变革。人工智能的基础设施化加剧了新闻机构对平台型科技企业的结构性依赖，导致传播权力向后者转移；新闻生产内部劳动分工日益精细化，重塑了记者编辑与技术人员的权力关系；人机协作模式下，新闻生产的主体边界日益模糊，新闻定义权面临挑战。人工智能的基础设施化加剧了新闻生态的信息不对称，放大了公众的信任危机。重塑新闻信任，需要从提升技术透明度、构建制度规范和重塑文化价值维度协同发力。未来的新闻生态将从技术主导走向人机协同的价值共建，从平台依赖转向多元主体权力制衡，从流量竞逐回归公共服务的核心职能。
关键词 人工智能；新闻基础设施；权力转移；信任；算法
一、引言
“基础设施”（infrastructure）通常指那些支持基本社会活动的物质资源和系统，如互联网等媒介化的通信系统。这些设施具有广泛的可及性、嵌入性和不可见性，在社会正常运作中发挥重要且必要的作用。它们不仅是物质形式和技术系统，还在多个维度深刻影响着文化和政治。因此，作为一种视角和思维方式，基础设施研究同时涵盖物质与社会两个面向，并且关注围绕基础设施所建立起的人类实践传统、社会价值和权力关系。
媒介的基础设施特性得到不少学者的关注，尤其是作为新兴媒介形式的数字平台。作为信息时代的数据枢纽，平台正经历媒体化与基础设施化的双重转向。美国的五大科技巨头GAFAM（即Google-Alphabet、Amazon、Facebook-Meta、Apple和Microsoft）提供了其他平台可以叠加、交织并集成的基本信息服务，因而最具有基础设施的特性。随着媒介范畴的拓展，基础设施研究的视野也拓展到了身体、地图、算法，以及人工智能。同时，支撑媒介运行和传播活动的物质基础设施也得到了广泛关注，例如海底电缆、通信基站和数据中心等。通过分析这些基础设施的建设、运行与话语，学者们既批判性地审视了宏观层面全球传播秩序中的技术、资本与权力不平等，同时也关注了微观层面媒介基础设施的地方性实践。这些研究揭示，媒介基础设施不仅是中立的技术设施，更是社会权力、政治博弈和文化实践的重要场域。基础设施视角关注的不只是媒体内容本身，更是其流动方式及对内容生产、传播生态乃至社会文化结构的影响。正如米歇尔和汉森所言，“媒介不仅决定了我们的境况，媒介就是我们的境况”。媒介不仅是信息传播的工具，更是人们认知世界的基础性框架，要关注媒介在认识论意义上的基础设施属性。
当我们将媒介视为认知世界的框架时，新闻业作为现代社会重要的信息生产者与意义建构者，其基础设施属性便呈现出前所未有的理论张力。将基础设施视角引入新闻学研究，对于深刻理解当代新闻业变革有着重要意义。一方面，新闻业作为社会运行的基础设施，嵌入社会权力结构与信息传播体系，维系着社会信息流通与共识建构。物质性与社会性、嵌入性与基底性、可见性与不可见性……这些用于理解互联网基础设施的理论框架，同样有助于把握新闻业的“技术–制度”关联性。另一方面，作为社会子系统，新闻业同样有着支撑其运转的多重基础。新闻学的基础设施研究既涉及塑造新闻生产、分发和消费的实践活动，同时又关注更广泛的社会技术系统与资源、价值观念和实践，而人工智能作为当前最典型的社会技术系统，正不断融入新闻的生产传播活动。根据新华社国家高端智库2024年调查数据，全球已有超过半数（51.2%）的媒体机构全面拥抱或积极探索人工智能技术应用，另有约三分之一的媒体机构内部员工已在个人层面尝试使用。
这一广泛应用的背后，是对以OpenAI GPT/o1、Google Gemini、DeepSeek-R1等为代表的生成式人工智能的突破。这些大模型在内容生成、翻译、摘要、问答等多模态复杂任务中展现出强大的理解、推理和生成能力，为人工智能从传播环节向新闻生产环节的渗透奠定了技术基础。人工智能驱动的全媒体生产传播体系已成为发展趋势，《人民日报》“创作大脑AI+”、央视网“人工智能编辑部”等案例都是技术生态整合的典型代表。
随着生成式人工智能兴起并加速进入新闻生产领域，基础设施视角为审视这一变化提供了更深入、更系统性的理论框架。基础设施研究的核心关切在于技术系统变革所引发的社会权力关系变迁，这不仅涉及新闻机构内部以及新闻业与其他相关机构之间的互动，还关乎新闻业与公众的关系——尤其是公众信任，更是新闻业赖以生存的基础设施，关系到新闻业的良好运行与长期存续。本文将从基础设施的物质性与社会性维度出发，聚焦于成为新闻基础设施的人工智能，分析其基础设施化的技术动因，并探讨这种深度嵌入如何影响新闻业的权力结构与公众的新闻信任。
二、技术动因：人工智能何以成为新闻基础设施
本文所讨论的人工智能，是在特定领域内对人类认知或行为能力的机器模拟，而机器学习或深度学习则是近十余年来逐渐占据主导地位的实现路径。人工智能是一系列旨在模拟人类理性思维和行为逻辑的技术统称，蕴含着逻各斯（logos）式的理性原则。在效率与效益的驱动下，人工智能正深入渗透到新闻生产传播的各个环节，呈现全流程介入的特点，是推动新闻业工作流程与角色转型的共识性力量，并成为新闻业不可或缺的基础设施。
（一）新闻业中人工智能的核心应用
早在2022年底ChatGPT等大模型引发全球关注之前，新闻领域对人工智能的探索与应用已持续十余年——只不过更多以自动化、算法和机器人等话语形式出现。具体而言，人工智能技术涉及新闻生产传播的核心环节，包括新闻筛选核查、写作编辑和分发互动，每个环节都对应着差异化的技术应用场景与媒介创新实践。
在新闻筛选核查环节，人工智能的应用日益深入。新闻业通过算法深入挖掘社交媒体数据，敏锐捕捉具有新闻价值的信息线索，如路透社的News Tracer、Lynx Insight，人民网的舆情监测系统。尤其值得关注的是，随着ChatGPT Search、Gemini等大语言模型纷纷开放联网搜索，以及人工智能驱动的搜索引擎涌现，新闻聚合的效率和便捷性得到质的提升，如Perplexity等应用。此外，人工智能还能用于识别和追踪虚假新闻以协助事实核查，如人民网的“天目”智能识别系统和新华网的“AIGC-Safe平台”。
在新闻写作编辑环节，人工智能正深刻变革新闻内容的生产模式。早期的自动化新闻主要通过算法将大量结构化数据迅速转化为新闻文本，如美联社在财经、体育报道领域采用的Wordsmith算法。随着大模型兴起，人工智能在新闻生产中的作用日益多元，包括语言润色与校对、生成插图甚至视频、实现语音转写或合成等。调查显示，2024年中超过七成新闻从业者工作中使用生成式人工智能，主要用于文字和多媒体内容的生产。
新闻分发互动是人工智能在新闻业应用最为成熟的领域之一。如今，各类媒体和平台都广泛使用算法进行个性化推荐，以实现精准高效的内容传播。像《华尔街日报》等海外媒体还利用人工智能推行动态付费墙，根据用户行为和偏好动态调整付费门槛，以提升订阅转化率和续订率。在大模型兴起的背景下，媒体机构也积极推出聊天机器人，如英国《金融时报》的Ask FT、美国《华盛顿邮报》的Ask the Post AI，以此创新用户互动模式。
人工智能正加速渗透到新闻生产传播的核心环节，尤其是ChatGPT这样的生成式人工智能，以其对人类语言的复现应用展现基础设施级别的影响潜力。牛津大学路透新闻研究院2025年《新闻业、媒体和技术的趋势与预测》调查显示，新闻机构对人工智能技术的重视与使用正持续增加，尤其是标记、转写、校对等后端流程（60%）。人工智能越来越成为支撑整个新闻业运行的基础设施，重塑新闻生态系统。
（二）效率、效益与基础设施俘获
人工智能的发展成功与否，最终取决于其能否促进生产力提升。新闻业对人工智能的采用直接地体现了这一关系。近年来，多项跨国调查发现，相比于探索新的创新体验，新闻从业者似乎更专注于改进现有工作流程，提升工作效率才是驱动新闻机构采用人工智能技术的核心动因，尽管降本增效收益仍然取决于具体任务和情境。在新闻业内部，关于人工智能的采用存在两类话语，一类视其为实践工具，强调潜在的生产性收益，另一类则关注其对新闻机构、职业身份和新闻业功能的深远影响。这两种视角之间的张力，不仅反映出新闻业与人工智能技术之间的复杂关系，也揭示了人工智能所蕴含的变革性潜力。
人工智能赋能新闻业，离不开数据、算法与算力三大关键要素的协同支撑。首先，数据维度上，新闻业作为信息密集型产业，在数字化转型中持续积累大量的文本、音视频、图像和用户数据。这些数据不仅是机器学习的高质量语料，也构成了新闻业特有的重要信息资产。数据新闻兴起，人工智能通过处理海量结构化数据（如政府公开数据）和非结构化数据（如社交媒体文本、视频）成为新闻生产的“数据中枢”。其次，算法维度上，自然语言处理和深度学习的“ChatGPT时刻”，使得生成式人工智能在对话、理解和应用领域真正达到可用标准。大语言模型能够理解语境、识别图像、分析情感以及生成内容，在新闻生产传播流程的许多任务上辅助甚至替代人类。最后，算力维度上，摩尔定律推动芯片算力提升，云计算和分布式计算技术降低了大模型及其应用的部署门槛，人工智能技术从实验室真正走向新闻生产一线。通过应用程序编程接口（API），各类规模的新闻机构都能经济有效地调用ChatGPT、DeepSeek、Qwen等AI模型服务于新闻生产。这三大要素相互促进、协同演进，构建起新闻业智能化转型的技术底座与基础架构。在这一过程中，凡是有助于提高新闻生产效率、增强内容质量、优化用户体验的环节，都无一例外地成为技术创新与应用探索的重点领域。
与此同时，新闻生产与传播的分离需要得到关注。大型平台公司利用人工智能算法实现内容推荐分发，昔日占据主导地位的报刊业，尽管阅读总人数并未减少，甚至新闻网站和社交平台流量远超传统发行量，但用户规模的增长并未带来相应的经济收益。平台公司凭借其在“注意力经济”中的优势地位，以及强大的用户触达能力和精准广告投放技术，成为广告商的首选。Google和Facebook不仅是用户获取新闻的主要入口，也成为连接新闻机构、广告商和受众的“数字中介”。新闻机构受其影响经济来源大幅减少，但又不得不依赖平台扩大受众范围和用户规模。
人工智能已构成了一个包含数字基础设施、模型、应用程序及其生态系统的综合技术栈（technology stack），并在产业化进程中形成了对大型科技平台的结构性依赖。这些平台公司在发展人工智能技术的同时，亦将其作为基础设施服务和市场策略，推广至包括新闻业在内的各行业。新闻机构对这些掌握人工智能技术底座的平台公司的依赖关系早已形成，同时以接受其提供的技术与财务资助的形式出现，并扩大到对海底光缆、内容分发网络和云服务等更广泛的数字基础设施的依赖，最终导致所谓“基础设施俘获”（infrastructural capture）效应。然而，小型独立媒体和全球南方媒体可能因无法跟上快速迭代的技术浪潮而失去竞争力。因此，并不存在一种普遍的、超历史社会语境的人工智能基础设施。
三、权力转移：人工智能时代的新闻权力网络化
从新闻的采集与写作，到内容的分发与传播，人工智能在优化新闻实践的同时，也深刻地改变了新闻业内部的运行逻辑和外部的传播格局。作为基础设施的人工智能正深刻地重塑新闻生产与传播的权力结构，记者与新闻业的职业角色被重新定义，人类在新闻活动中的主体性亦面临新的挑战。
（一）新闻机构与平台公司：不对称性依赖与传播权力转移
新闻业与科技平台公司之间的关系日趋复杂，形成一种长期存在且不断深化的不对称性依赖。首先，平台凭借庞大用户流量和精准的内容分发技术，成为新闻内容触达受众的主要渠道。对于希望扩大影响力和获取用户的新闻机构而言，平台是不可或缺的渠道。其次，平台提供的数字基础设施，例如内容管理系统、数据分析工具乃至人工智能应用，也逐渐渗透到新闻生产流程中。经济层面，广告收入是新闻业的重要经济来源，但平台凭借优势攫取了大部分数字广告收益。新闻机构却不得不依赖平台。这种结构性的不对称依赖，使得新闻机构往往处于弱势，而平台则占据更强势的地位。
这种不对等关系首先重构了新闻生态系统中的传播权力。仅凭在内容分发上的优势，平台就将传统的“新闻机构–受众”连接模式转变为“新闻机构–平台–受众”或“平台–受众”连接，成为二者之间的“数字中介”和“新把关人”。新闻的生产与传播分离了，即新闻本身与传播分离了，二者在大众传播时代一度统一的关系结束了。尽管平台仍然关注信息民主并将其内化到推荐算法的权重设计中，但在实践中，平台价值与新闻价值之间存在不一致之处。用户选择仍然由掌控算法的平台所控制。由此衍生出平台是否应承担类似新闻机构的公共责任，以及如何承担的问题。
这种不对称性依赖反映了新闻业与平台之间的动态权力关系，其形式既是基础设施的，也是文化的、地缘政治的。新闻机构对平台公司的依赖已经拓展到新闻生产领域，从软件应用延伸到具体的数字基础设施。
与此同时，新闻机构、记者、政府以及不同社会文化背景的公众在应对平台垄断时，进行着协商实践，其形式是新闻机构的平台化转向。大媒体尝试以付费墙方式实现受众集中，从广告收入转向订阅收入，以求独立性和自主性。在此过程中，平台的演化进程、所涉新闻生产的阶段，以及新闻机构的类型都影响着新闻业与平台之间的权力关系。拥有更多资源的大型新闻机构更可能进行内部人工智能开发，而其他较小的则更倾向于选择平台公司的第三方解决方案。中国同样如此，越是深入区县的小型媒体对平台公司的依赖性越强，主要是因为技术和资源因素。对平台公司的依赖关系挑战了新闻业的自主性，引发了对新闻机构与公共领域重构的担忧，新闻生产传播的价值观正在转变。
（二）记者编辑与管理人员：劳动分工、失业与权力再分配
随着人工智能成为新闻生产传播的基础设施，其应用不仅带来了劳动效率的提升，还更深层次地触及了新闻生产的组织模式、劳动分工和内部权力结构。
首先是新闻劳动分工的进一步精细化。传统的全能型记者模式正逐渐被打破，新闻生产流程被分解为更细致的环节，记者角色加速分化，出现了数据分析、算法操作、人机协同等新型记者岗位。英国的地方媒体Newsquest开始雇用“AI记者”，专门负责操作人工智能系统进行辅助写作，其他记者则分工做调查、视频拍摄和挖掘故事。新闻生产趋于流水线，报道从事件发生到发布被拆解为多个阶段，记者难以掌握新闻的全貌，仅负责资料收集或撰写部分内容，而未必参与到整体策划和编辑中。同时，新闻业的“编辑技术人员”（editorial technologists）群体日益崛起，如开发人员、设计师和数据专家等。他们掌握着技术工具的开发和运用，在新闻生产流程中不可或缺，并通过算法实践重塑新闻概念和内容结构，影响新闻价值的定义、感知和表达。记者和技术人员之间唯有建立密切合作，使技术专家融入新闻组织文化，方能形成嵌入新闻价值观的技术设计与解决方案。
其次是失业问题。效率的提升在解放部分劳动力的同时，也导致了传统新闻岗位的萎缩。因此，新闻从业者的数量和结构调整不可避免。之前研究认为自动化新闻对工作岗位的影响不大，但近年实际情况有所不同。2023年，美国广播、印刷和数字新闻媒体的裁员人数超过2500人；2024年1月，又有超过500名新闻工作者被解雇，《洛杉矶时报》裁减了超过20%的新闻编辑部员工。另一方面，新闻机构对具备数据分析、技术开发能力的人才需求却日益增加，从业者面临着技能再培训和职业转型的压力。
在此背景下，新闻价值观与伦理备受挑战。在追求效率和利润的过程中，新闻业可能过度依赖人工智能，忽视社会责任和公共价值。记者和新闻机构需在人工智能带来的效率收益与核心新闻价值之间取得平衡，在忠于企业目标的同时坚守专业性原则。管理人员普遍强调人工智能的潜在收益，而一线记者们更在意其对新闻规范的影响，主张平衡算法创新与编辑标准，维护新闻的完整性和可信度。这些既反映了新闻规范与社会效益的互动，也揭示了技术逻辑对新闻生产传播规范的影响，彰显技术在制度化过程中的文化权力。
（三）人类创造与机器制造：新闻活动的定义权与主体问题
在生成式人工智能成为现象以后，人类与机器之间的关系再次成为新的讨论焦点：“人”在新闻与新闻活动中的主体地位遇到了前所未有的挑战，并促使新闻学界与行业重新审视传统的新闻定义。新闻生产传播的权力正在由人类逐渐让渡给机器。
“权力让渡”的论断，实则来源于人工智能的基础设施化。新闻业开始尝试运用算法进行新闻筛选和推荐，并赋予其超越人类主观判断的客观性。更进一步，自动化新闻写作的实践，让机器承担起曾经被视为新闻业核心技能的写作任务，直接挑战了人类在新闻创作中的主体地位，并动摇着传统的新闻理论框架。人工智能的角色逐渐演变为新闻传播活动中的潜在交往主体。
然而，这种权力的让渡既是不均衡的，也是不彻底的。尽管人工智能在数据分析、流程自动化和效率提升方面表现出色，但在处理复杂社会现实、进行价值判断以及进行深度人际沟通等方面，人类记者的优势依然不可替代。因此，人工智能的现实应用是高度情境化的，并且取决于具体的领域和任务类型。新闻生产仍然大量需要人类独特洞察力和创造力，人类向机器的权力让渡是存在明显限度的。
尽管新闻智能化趋势日益显著，但技术创新最终需要嵌入既有的新闻生产流程和权力关系，而人类记者依然是其中的核心角色。在算法普遍应用的环境下，记者们感知的职业自主性与实际工作中的算法依赖形成了某种微妙的张力。为了维护职业边界和专业权威，记者们自觉地强调自身在新闻创作中的原创性、独特视角，以及对伦理和社会责任的坚守。特别是生成式人工智能时代，新闻记者更需要凸显自身在新闻生产中的核心作用，以此捍卫职业认同和专业地位。《纽约时报》说：“我们不使用人工智能撰写文章，记者对我们发布的所有内容负最终责任。”美联社也称：“我们不认为人工智能会以任何方式取代记者。”
在人机协同生产新闻的时代，公众如何看待新闻活动中的人类与机器角色同样至关重要。一项针对六国民众的调研显示，机器撰写新闻的可信度和透明度仍存争议，大部分民众更倾向于阅读人类撰写的新闻报道。随着人工智能的基础设施化，人类与机器在新闻生产中的界限变得模糊，越来越难以作出主体上的区分，新闻的可信度不应仅依赖于主体的区分，还需要在人类与人工智能的编辑协作中找到平衡。美联社在其生成式人工智能的应用标准中提出：“从生成式人工智能工具输出的任何内容都应被视为未经审查的来源材料。”这实际上是将人工智能生成内容排除在“新闻”的定义之外，强调人类在其中的主体性。
此外，人机协同创作新闻还带来了一系列新的伦理与法律挑战，例如内容版权归属、责任追溯等。目前各国的法律框架尚不完善，导致平台与算法系统成为相关权力主体。在责任归属方面，新闻的行业共识正在逐步形成。美联社的调研显示，新闻从业者普遍认为，新闻编辑和管理人员对人工智能的伦理使用负有最大责任，其次是新闻记者，而工会和技术供应商在此方面的责任较小。
无论媒介技术如何演进，公众对优质新闻的需求始终不变。人工智能时代，人们比以往任何时候都需要可信赖的新闻业。这既需要坚守人类在新闻传播工作中的权力及主体地位，也要积极探索人机协同的有效路径，以适应不同地区不断变化的政治、经济和技术环境，推动新闻业在人工智能时代持续向前发展。
四、信任重塑：人工智能时代新闻业的信任危机与重建路径
从基础设施视角审视人工智能时代的新闻信任问题，能够更深刻地揭示其系统性特征。当人工智能成为新闻业基础设施时，公众对新闻的信任拓展出了更多的维度，包括技术透明性、算法公正性等。现有的新闻信任研究大致可以分为三个领域：一是媒体可信度，也称为媒介或渠道可信度，指的是对传递新闻信息的媒介的信任；二是来源可信度，与对信息提供者的信任有关；三是信息内容可信度，涉及对信息内容本身的信任。这些新的信任维度是传统信任研究框架难以充分解释的。
信任危机也具有更深层次的结构性根源。作为社会系统中降低复杂性的重要机制，信任是系统正常运转的前提条件。新闻业作为复杂的社会子系统，其有效运转同样依赖公众的信任。然而，基础设施的不可见性使得公众难以了解人工智能的运作逻辑和决策过程，加剧了信息不对称，从而放大了信任危机。当新闻生产传播的关键环节都由“黑箱”般的算法系统所掌控时，公众的疑虑和不信任感自然会增加。因此，新闻信任危机不仅是内容层面的问题，更是基础设施层面的系统性挑战。
（一）公众信任的危机与挑战
在当前媒介生态环境下，新闻业与公众之间的关系日趋紧张，公众对新闻媒体的信任度普遍下降。牛津大学路透新闻研究院《2024年数字新闻报告》显示，全球范围内只有40%的受访者信任大多数新闻。
媒体信任危机具有深刻的时代背景和社会原因。在全球资本主义的数字化趋势下，“注意力经济”兴起，媒体机构开始更多考虑如何抓住受众，传统新闻业的公共服务价值受到侵蚀。Google、Facebook等平台的流量垄断导致新闻生产的“受众导向”。新闻机构为适配平台规则，被迫将传统新闻价值让位于算法价值，例如通过修改新闻标题以迎合搜索引擎优化。这种商业化倾向不仅削弱新闻专业权威，更使公众将平台的技术操控误读为新闻机构的立场偏见，加剧信任赤字。同时，媒体代表的立场和阶级利益日趋公开化，也加剧了公众对媒体偏见和利益输送的疑虑与不信任感。
算法黑箱与透明性缺失是最突出的挑战之一。包括推荐算法、生成式人工智能等在内的技术应用，其内部运作机制并不透明，公众难以理解人工智能是如何选择、排序与创作新闻报道的。这种黑箱状态不仅使平台公司得以向新闻机构售卖推荐位盈利，也削弱了公众对整个新闻传播体系的信任。尽管DeepSeek-R1等大模型已经选择公开其思维链（CoT），但其训练语料中的社会偏见以及由此带来的算法歧视仍然有待进一步探索。当公众对算法的运作逻辑一无所知时，任何算法决策都可能被解读为偏见、操控甚至歧视。
假新闻、信息污染与意见极化也是人工智能时代新闻信任的重要挑战。人工智能技术，尤其是深度伪造和生成式技术，潜在地破坏了新闻真实的既有边界，使得内容真实和虚假之间的边界愈发混淆，制造和传播虚假信息变得更加容易与高效。社交媒体时代，公众获取信息的渠道更加多元，对传统新闻媒体的依赖性降低。主流新闻难以为所有政治团体和观点提供平等声音，也是公众不信任媒体的重要原因之一。在人工智能推荐算法主导的信息生态环境中，信息茧房、回声室效应进一步加剧了信息极化和社会分裂。在信息泛滥、真假难辨的信息环境中，公众对新闻与新闻业的信任程度持续下降。
此外，数据滥用与隐私泄漏风险同样对公众信任构成威胁。新闻机构越来越依赖用户数据进行内容生产和精准传播，而个人信息被过度收集和不当使用的情况时有发生。在数据驱动的新闻生态系统中，保护用户隐私、规范数据使用将是提升公众对新闻机构和技术平台信任的关键。
（二）信任重塑的路径探索与机制构建
面对人工智能时代新闻业的信任危机，需要从技术、制度、文化等多个层面进行系统性的信任重塑，探索信任重建的路径与机制。
在技术层面，提高人工智能技术的透明度与可解释性。新闻机构应积极探索将可解释性人工智能融入新闻生产传播的全过程。一方面，新闻业中的人工智能在算法设计上就要将准确性等新闻规范原则融入其中，这就要求记者编辑与技术人员保持密切沟通合作。有研究表明，GPT-4等大模型在新闻生成中已开始考虑准确性和伦理因素，这体现了技术开发者在伦理层面的努力。另一方面，新闻机构应充分利用人工智能实现高质量新闻的高效生产，同时保持运作机制的透明性，让公众了解人工智能新闻的生产原理，并能及时反馈其中的不准确或偏见之处。这是一个需要长期探索的过程，目标是将人工智能技术制度化，使其内化于新闻业和公众的日常互动中。人工智能本身就具备重建公众信任的潜力，比如运用其进行事实核查、检验深度伪造等。
在制度层面，建立健全法律规制与行业标准。欧盟的《数字服务法案》（DSA）和《人工智能法案》（AI Act）等治理实践为全球人工智能监管提供了宝贵经验。新闻机构、科技平台、记者协会等各方应共同承担社会责任，制定针对人工智能新闻应用的伦理指南，明确算法透明度、公平性、隐私保护等方面的具体要求，推动行业形成统一的伦理规范和行为标准。部分新闻机构已在此方面进行了制度性的探索。同时，新闻机构还应积极探索新的运营模式，例如发展付费墙等方式，直接面向读者，增强自身的自主性和可持续发展能力。此外，面对文化主权与全球治理的挑战，探索跨国平台监管的有效路径也势在必行。
在文化层面，推动从流量导向到公共服务价值的回归。要实现这一目标，必须将算法透明度、公平性等纳入新的专业规范。《2024年数字新闻报告》指出，透明度、高新闻标准、公正性和无偏见是提升新闻信任的关键因素。新闻机构可以建立人机协同的工作流程，在自动化和人工干预之间寻求平衡。提升公众的媒介素养，增强其对算法逻辑的理解和批判性思维能力，也是重建信任的重要文化策略。通过加强与公众的沟通互动，建立更开放、透明的新闻生产流程，提升公众对新闻业的价值认同和情感信任。
新闻业的信任重塑需要技术、制度与文化的协同推进。三者之间并非孤立存在，而是相互支撑、共同作用：技术透明性需要制度保障才能真正落地，而制度规范需要在行业和社会层面形成广泛的文化共识。基础设施视角揭示了新闻信任的多主体特性。作为技术、机构与公众互动的产物，信任的重建同样需要新闻机构、技术开发者、政策制定者和公众的共同参与，构建“人机共生”的新闻生态，使人工智能成为信任建立的助力而非障碍。
五、结语：人工智能与新闻业的未来图景
本文聚焦于成为新闻基础设施的人工智能，从基础设施的物质性与社会性维度出发，探讨人工智能技术作为新型基础设施嵌入新闻业的技术动因，揭示其如何系统性地重塑新闻生产传播的权力结构，进而影响公众对新闻业的信任。在效率与效益的驱动下，人工智能正日益成为新闻业的基础设施，致使新闻生产传播权力发生系统性重构。本文从三个层面探究了这一基础设施化带来的权力变迁：其一，新闻机构与平台公司之间形成不对称性依赖，平台权力日益增强；其二，新闻机构内部劳动分工日益精细化，记者、编辑与技术人员之间的权力关系随之重新调整；其三，人类与机器在新闻生产中的角色边界日趋模糊，新闻活动的定义权与主体性面临挑战。更进一步地，人工智能的基础设施化加剧了新闻生态的信息不对称，放大了公众的信任危机。鉴于此，应从提升技术透明度、构建制度规范以及重塑文化价值等多维度协同发力，探索公众对新闻业的信任重建路径，构建“人机共生”的新闻生态。
基于上述基础设施视角的分析，未来新闻生态或将呈现三重转向：
第一，从技术主导走向人机协同的价值共建。新闻业应超越工具思维，推动人机深度融合，实现协同创新。人工智能擅长数据分析、信息检索和自动化生成，而人类新闻工作者则在价值判断、伦理考量、深度调查和情感沟通方面具有不可替代的优势。未来，新闻业需在技术赋能的同时坚守人文关怀，实现技术效率与价值理性的平衡，共创更具价值的新闻内容与服务。
第二，从平台依赖转向多元主体权力制衡。权力制衡的关键在于积极推动新闻基础设施的多元化和去中心化。新闻机构应增强自身技术能力，减少对单一平台的依赖，同时推动开源、开放、可互操作的新闻技术发展，促进技术普惠。此外，政府监管、行业协会、公众等多方力量应积极参与新闻基础设施治理，构建多方协同共治的健康传播生态。
第三，从流量竞逐回归公共服务的核心职能。新闻业应超越流量思维，回归公共服务价值，重塑以公共性、专业性、责任感为核心的价值取向，并将其融入人工智能技术的应用。在算法设计上，避免偏见与信息茧房，提升公平性、透明度和可解释性；在内容生产上，坚守新闻伦理，提供高质量、深度化、负责任的报道；在传播服务上，拓展公共服务渠道，精准服务社群，以满足公众信息需求与公共参与需求。
基础设施视角为新闻学研究提供了一种宏观与微观相结合的分析框架，既能在宏观层面探究人工智能等基础设施如何塑造新闻生态系统的整体权力机构，又能在微观层面讨论具体技术如何影响新闻生产的实践与信任机制。此外，从“人类中心主义”到“后人类”情境的范式迁移，也是基础设施视角所蕴含的重要理论启示。人与机器的关系日益复杂和交织，新闻生产不再是纯粹的人类活动，而是人机协同的产物。将人工智能视为与人类共同构成新闻生态系统的多元行动者，并由此重新审视新闻活动的主体性、意义和价值，有助于我们更深刻地理解人工智能时代新闻传播的本质特征和发展趋势。作为新闻基础设施，人工智能所带来的变化是动态的、过程性的，甚至有时是反复的。这些变化并不导致某些线性的必然结果。可以确定的是，当前新闻业正处于剧变之中，人工智能无疑是驱动变革的关键因素之一。
作者：陈昌凤，清华大学新闻与传播学院教授、安徽大学大师讲席教授，北京 100084；王金鹏，清华大学新闻与传播学院博士研究生，北京 100084
原文刊载于《新闻界》杂志2025年第4期，参考文献详见原文
