2026年第四届北欧AI媒体峰会将当前AI对传媒业的影响比喻为“诺基亚时刻”，并指出亟需重构新闻经济、生产模式与价值定义。6月召开的第77届世界新闻媒体总会上，新闻业高管明确提出“AI建立在传媒业之上，其价值理应回归新闻编辑室”。

两场峰会相互激荡，折射出2026年国际传媒业对AI认知的深刻转变。本期全媒派综合梳理2026年至今AI对传媒业影响的8大核心议题，与大家一起持续观察AI时代传媒业的演变。

图片由AI生成

议题一：新闻入口AI化

2026年1月，科技媒体Digital Trends的编辑打开后台数据，看到一个令人窒息的数字：来自谷歌的月访问量，从两年前的850万次跌至不足27万次，跌幅高达97%。这家媒体没有关闭，没有丑闻，甚至内容也没有变差。唯一不同的是，谷歌在搜索结果页顶端加了一段AI摘要，用户看完摘要，随手关掉，从未点开任何一个链接。

这不是孤例，新闻网站如The Verge、ZDNet、Wired等，同期谷歌搜索流量跌幅均超过60%。

路透社新闻研究所2026年报告揭示：随着Google AI Overviews、ChatGPT Search、Microsoft Copilot等“答案引擎”（Answer Engine）快速普及，搜索引流将在未来三年明显持续下滑，部分新闻网站已在四年内流失超过45%的流量。[1]当越来越多问题在搜索页面、AI聊天窗口或社交平台内即可获得回答，用户无需再点击进入新闻网站，零点击搜索（Zero-click Search）正快速成为新的信息消费常态。最新研究显示，2026年前四个月，美国用户在谷歌搜索后未点击的占比高达68.01%。[2]AI正在嵌入用户与原创新闻之间的关系链条，新闻媒体正面临一场流量危机。

AI搜索的普及，使读者在看新闻过程不再“进入”媒体，而是“询问”AI。与从单个来源提取一两句话的精选摘要不同，AI概述能够综合新闻网站、博客、社交媒体及其他公开信息，呈现统一的答案，显著降低了用户浏览新闻网站的必要性。新闻被拆解、摘要、重组，媒体品牌被抹去，链接被省略，媒体精心构建的用户关系在一次次对话中悄然蒸发。

面对如此趋势，传统的“争首页、争SEO、争点击”已难以为继，亟需转向争取在AI的回答中被调用、被引用、被保留品牌识别。业界据此提出，媒体战略目标必须从“AI in Media”转向“Media in AI”：不再只是把AI当工具，而是让自身内容、权威性与品牌，成为AI生态不可或缺的组成部分。

议题二：内容形态液态化

当用户在Google AI Mode中搜索一则新闻事件时，得到的已经不再是一篇新闻链接。系统可能直接生成一份时间轴、一张对比表格、一段语音解释，或根据用户继续追问不断重组内容形式。同一条新闻，开始以不同媒介、不同长度、不同结构实时生成。新闻正在失去固定形态。

以文字、视频等固定形态为载体的新闻产品，如今得以突破单一媒介形式的限制，以可拆解、可重组、可多模态生成的内容单元进行组织，并能够依据不同传播场景被重新设计、组合和消费，跨越不同的格式、平台和交互界面自由流动。众多行业研究人员认为，AI浏览器、Agent应用以及液态内容（Liquid content）的兴起将在未来三年对新闻出版业产生重大影响。[1]新闻将逐渐突破“一篇报道对应一篇文章”的传统模式。

新闻内容液态化对生产端和消费端均产生多重影响。对于新闻生产而言，记者积累的采访资料、背景知识和事实信息，不再随着一篇报道的完成而结束其价值，而是能够持续沉淀，并依据新的传播平台、用户需求和应用场景不断重组，形成新的内容产品；对于用户而言，获取新闻也不再意味着消费一件既定的完成品，而是一项可以按需实时生成适配不同场景的的新闻服务。从生产端到消费端，知识资产的效用和价值均能够实现最大化。

议题三：AI助手深入编辑流程

AI原生新闻平台Velora Cycling的新闻团队仅有Alvin一人，他曾担任全球最大的自行车内容网站Cyclingnews的总编辑。每天，当他打开新闻编辑平台，仪表盘上已经排列好当天最值得关注的新闻线索：社交媒体的新动向、政府公开文件中的关键信息、刚结束比赛后的球员采访，甚至一段YouTube视频里的关键发言，都已被代理型人工智能（Agentic AI）自动筛选、评分并生成研究报告。编辑工作不再从搜索新闻开始，而是从判断新闻开始。“一人编辑室”在智能代理系统的辅助下成为现实。

追求AI在编辑流程中的更高自动化形态并非个例。代理型AI正在由单一工具应用逐渐演变为覆盖新闻生产全流程的智能协同体系。比利时媒体集团Mediahuis将Agent用于新闻线索监测与选题发现；美国全国性媒体《今日美国》构建Agent以探索内容生成、公文处理等标准化流程；瑞典最大的新闻媒体集团Bonnier News则进一步构建覆盖新闻发现、研究分析、草稿生成、审核发布的端到端Agent工作流。

注：Bonnier news的代理型AI工作界面；来源：Martin Jönsson，Bonnier news商业智能与人工智能总监

多家媒体已经验证了代理型AI在特定场景下的效率优势。《今日美国》利用AI代理工具自动处理公共记录请求，将相关行政流程耗时缩短了70%以上[3]；德国Ippen出版集团旗下数字内容公司Ippen Digital借助代理系统在一周内生成约5000篇超本地化新闻（hyperlocal articles），使其超本地内容生产战略首次规模化[4]。然而，这种局部效率优势尚未转化为新闻行业整体生产力的提升。就当前AI应用的整体状况而言，有报告显示，42%的受访者认为目前成效仍然有限，67%的出版商表示AI尚未带来实际的人力节约。[1]

与前一代生成式人工智能主要提供写作、翻译、摘要等单点能力不同，代理型AI开始具备自主规划、任务拆解、工具调用以及多步骤执行能力，使人工智能能够围绕完整工作流持续协同。编辑不再需要花大量时间进行信息的检索、收集、处理，而转向判断、验证、采访、解释等更复杂、运用专业性的工作中。

议题四：AI进一步考验新闻可信度

2026年3月，荷兰最大的日报《电讯报》发布了一则关于“荷兰公民包机撤离中东”的文章，并配以一张故事主人公的自拍照片，但随即又撤回了这篇报道。原因是，经调查性新闻机构Bellingcat分析，该图像呈现多处AI合成的迹象，文章叙事也漏洞重重。在国际局势高度敏感的背景下，这一失误迅速引发媒体行业关注，也为新闻机构敲响警钟，人工智能时代，真实性成为新闻生产中极易失守的环节。

注：2026年新闻业中的AI事故主要案例汇总。来源：Press Gazette

与之而来的后果是新闻信任度的滑坡，2026年路透社数字新闻报告显示，全球仅20%的受访者信任AI聊天机器人的回答，而整体新闻信任水平降至37%，为该报告自2015年开展调查以来的最低水平。[5]与此同时，BBC联合欧洲广播联盟（EBU）对主流AI新闻助手进行测试发现，45%关于新闻的回答至少存在一项重大问题，31%存在严重来源问题，20%包含重大事实错误，如虚构细节或过时信息。[6]当AI生成的信息越来越可信、越来越自然，对新闻真实性的挑战反而越来越大。

然而比“虚假信息”危害更深远的是，“合成真实性”带来更隐秘的危机。国际AI安全报告也把合成媒体、误导性内容和人机难辨的输出视为重要社会风险。[7]当数字内容可以低成本、大规模生成，人们开始失去对数字证据本身的默认信任。过去，新闻机构生产事实；今天，新闻机构还必须生产“事实为何可信”的证明。

作为回应，一些新闻机构开始提供可验证、可解释、可追溯的新闻产品。从来源认证、过程记录、全链路溯源到标准引入，核查重点将从“真假判断”转向来源认证、时间与语境校验、图片与视频的多模态核查，以及对内容生成过程与传播链条的系统性追溯等多个层面。真实性已经不再只是新闻专业主义的一项基本要求，而开始成为影响用户信任的重要产品能力。

议题五：新闻版权授权更加复杂

AI未经许可抓取新闻内容引发的版权争端曾在2024年引发全球新闻业的关注，彼时，《纽约时报》、《华盛顿邮报》以及新闻集团旗下多家报刊等头部出版商，均相继发起诉讼，控诉AI平台无序、无偿抓取版权新闻内容。[13]

在行业利益失衡不断加剧的背景下，新闻业处理版权纠纷的整体思路开始变化，众多观点认为依靠屏蔽爬虫、发起诉讼的被动应对方式存在局限性，不如进行标准化付费授权化解版权矛盾。

当前成型的新闻版权授权（News Licensing）体系主要有三类落地模式：

头部媒体与AI企业签订大额长期授权合约。例如新闻集团等大型出版集团，凭借内容体量和品牌议价能力，直接与OpenAI等科技巨头谈判，获取数亿美元级别的多年授权收入。[8]

中小媒体可借助云数据平台向企业供给内容，支撑企业落地业务并实现按量结算。[9]2026年初，美国新闻媒体联盟（News Media Alliance）签署AI集体授权协议，联合中小型出版商的新闻档案供给企业AI检索系统使用，出版商依据内容实际调用频次获取版权分成。这种模式让缺乏议价能力的地方报纸和小型网站，也能从AI训练中分一杯羹。[10]

各类行业联盟搭建统一谈判渠道，集中对接科技企业。英国BBC、《卫报》、《金融时报》、天空新闻联合组建SPUR联盟，共同出台统一新闻素材授权规范和通用技术标准，借助行业协同提升议价话语权，为媒体原创报道争取合理的商用报酬，维护联盟内容生产者的版权收益。[11]

可以看出，从诉讼到授权，从对抗到谈判，从面临AI无序无偿抓取，到逐步转向市场化、合规化的长期发展模式，全球新闻业正在版权问题上走过最混乱的过渡期。

议题六：AI翻译打破地域壁垒

2026年初，辛克莱尔（Sinclair）等广播公司将基于AI的实时翻译直接融入新闻播报中，使西班牙语观众能够以极小的延迟实时理解英语报道。在AI的赋能下，那些曾经需要专职口译员或延时转播才能接收的信息，如今能够平等且快速地获取。

有研究指出，实时AI翻译可在数秒完成跨语言转换，支持多语种实时互译，媒体无需等待滞后人工字幕与译稿，即可实现全球新闻的同步流通。[12]

图片由AI生成

全球多地媒体已落地AI跨区域协作体系。欧洲《A European Perspective》广播联盟整合9国10家媒体机构，统一采用AI音视频转写、跨语种翻译工具实现新闻素材互通，拓宽欧洲跨境议题报道覆盖面；非洲地区针对本土部族语言打造专属翻译模型；Dubawa事实核查平台基于本土方言训练翻译模型，自动转译地方广播内容[13]；尼日利亚企业Goloka联合Meta采集五大本土语种数据，完善本土语言AI数据集，让各类本土族群能够借助母语使用AI工具，缩小非洲数字语言鸿沟。[14]

AI翻译大幅缩短多语种新闻的制作周期，媒体无需等待冗长人工译制流程，即可快速产出多语种内容并同步面向全球受众分发，有效打通了跨语言信息传播壁垒，丰富全球资讯流通渠道 。

议题七：AI拓展记者能力边界

印度记者Bisma Farooq，一边坚持新闻创作，一边寻找增收渠道，一位朋友推荐了AI训练兼职，于是她应聘成为一名AI训练与数据标注员。[15]

随着生成式人工智能快速普及，职业市场出现了全新的就业方向。不少自由记者开始把自身多年积累的采编、校对与文本审核能力，运用到人工智能模型优化工作中。

尼日利亚一家本土媒体的从业者表示，AI能够助力小型媒体拓展调查报道业务，但不能完全依赖AI输出内容，一线实地走访、一手素材采集等采编工作仍需记者亲自完成。[16]

路透新闻研究所针对1004名英国记者开展的抽样调查也印证了这一趋势：每月利用人工智能完成录音转写、多语言校对、文稿润色的记者占比，分别达到49%、33%、30%。[17]这类文字处理工作，正是目前AI企业面向记者开放的核心岗位内容。无论是全职记者还是自由记者，普遍具备适配此类工作的基础能力，不少记者借助自身专业文字技能跨界承接AI模型训练相关兼职，成为行业中新的就业选择。

图片由AI生成

不过，记者的职业转型与能力拓展，绝不仅仅体现为有更多副业可干。

实际上，很多权威媒体机构均面向AI时代的传播环境，在内部培养记者成为明星创作者，如CNN推出“CNN Creators”计划；在国内，也有很多媒体早就打造起记者、编辑个人的vlog品牌或专栏。此外，部分媒体还通过设立以人才为核心的工作室积极转型。过去需要一个大团队才能干的事情，如今在AI加持下，几个乃至单个记者就可以实现。

议题八：人机协同延伸公共传播价值

2026年3月，路透社调查记者瑞安・麦克尼尔（Ryan McNeill）在牛津路透研究所 “AI 与新闻未来” 研讨会上分享调查报道经验：

团队自研的地理空间AI工具能够批量处理海量卫星影像，大幅降低大规模遥感证据整理的人力投入。倘若仅依靠人工逐年筛查海量卫星图片，整体取证工作将耗费难以承担的人力成本。[18]

AI的确制造了一些混乱，但它同样拥有遏制混乱的能力。事实上，AI强大的数据处理与模式识别能力，正在帮助核查机构以极低成本实现过去需要数十人团队才能完成的工作。

2026年5月，研究者Agnes Stenbom Swedling在牛津路透研究所刊发的专题文章中划分出两类人机融合协作形态，一类是以技术效率为核心的机器中心化混合协作模式，另一类是突出人的主体性、注重人机协同的人本中心混合模式。相较之下，人本中心模式能够同时释放AI带来的效率增益与人类独有的二阶人本公共价值，是充分挖掘人工智能正向公共传播价值的可行路径。[19]简而言之，AI与人的协同，不仅提升了报道效率，也在传播过程中带来更多正面影响。

Swedling进一步指出，亲临现场搭建社群联结、共情体察公众处境、自主开展伦理价值判断、原创叙事建构与立足长期公共利益的长远视野，是人工智能难以完整复刻的人类独有能力。如果完全放任机器逻辑主导采编工作，媒体监督公权力、服务公众的核心公共使命将持续消解。

行业发展的核心不在于是否使用AI，而在于如何规范、合理地使用AI。唯有坚持人本导向的人机混合生产模式，守住记者实地调查、伦理判断等人文核心能力，配合行业协同治理划定技术使用边界，才能用好人工智能，搭建包容理性的公共讨论环境、保障民众知情权。