广电+人工智能：两个误区和四点展望

第4331 期三川汇文化科技

点上 方蓝字「三川汇文化科技」关注并星标

---

三川汇文化科技前几日推送的《 各地广电争相成立AIGC实验室，都做了什么事？ 》得到了业内普遍关注。高质量发展、新质生产力、形成核心竞争力是广电进军人工智能的核心期待。然而，成立人工智能实验室只是广电迈向人工智能领域的第一步，如何应用和发展才是关键。结合目前广电的发展现状以及对人工智能实验室的期待，今天我们来进一步分析，“广电+人工智能”的两点误区和四点展望。

---

作者 | 王靖文（三川汇文化科技作者，三川汇文化科技研究院研究员）

编审 | 时光

编辑 | 半岛

来源 | 三川汇文化科技

据三川汇文化科技整理公开信息，今年近半数省级广电开始进军人工智能领域，其中至少10家省级广电成立了人工智能实验室（工作室）（参考三川汇文化科技前几日推送的《 各地广电争相成立AIGC实验室，都做了什么事？ 》），没有公开消息成立人工智能实验室（工作室）的省级广电中至少3家与高校或科技公司签订了发展广电人工智能的战略协议。除了省级广电，中央广播电视总台，以及南京、宁波、太原、中山、深圳等地级市的广电也都在今年成立了人工智能实验室（工作室）。

其实，在今年以前，就有广电开始探索人工智能。如湖南广电与科大讯飞于2017年成立了“AI+广播新技术联合实验室”；云南广电与智银资本于2018年在人工智能大数据等方面达成战略协议；山东广电和中科院、清华大学等单位于2022年发起成立山东广电“元宇宙创新实验室”等。

人工智能按照智力能力的不同可分为通用人工智能和专用人工智能，或被称为强人工智能和弱人工智能。 在今年以前，广电对人工智能的应用还集中在专用人工智能上。 比如，湖南广电“AI+广播新技术联合实验室”提出主要在两个方向上发力，一是利用人工智能对所有文字内容进行重组播出，改变广播内容人工制作的方式；二是通过终端根据用户的需求和喜好，精准推送节目；山东广电“元宇宙创新实验室”则主要关注功能性数字人(数字员工、数字客服)、元宇宙会议、展会、党建等应用。

近两年，ChatGPT（2022年11月30日发布）和Sora（2024年2月15日发布）的连续发布，为通用人工智能的发展拉开了序幕，掀起了新一轮人工智能发展浪潮。 广电人工智能的布局开始剑指通用人工智能领域，并提出了新的期望。 “上海广电生成式人工智能媒体融合创新工作室”（2月25日成立）开展了面向传媒文化类的人工智能内容生成范式探索，并在财经媒体专属AI大模型、新闻资讯类大模型应用、智能语音和大语言模型应用上发力，期望构建国内领先的文化传媒大模型应用生态，助推广电行业新一轮高质量发展；“北京广电人工智能融媒创新实验室”（3月16日成立）希望推动人工智能生产内容（AIGC）的规模化，以高质量视听满足人民群众日益增长的需求，推动构建广电新质生产力；“河北AIGC联合实验室”（7月11日成立）期望人工智能的应用能形成河北广电的核心竞争力。

高质量发展、新质生产力、形成核心竞争力是广电进军人工智能的核心期待。然而，成立人工智能实验室只是广电迈向人工智能领域的第一步，如何应用和发展才是关键。

结合目前广电的发展现状以及对人工智能实验室的期待，三川汇文化科技认为存在两个误区：

误区一：把人们对技术的关注误认为对内容的关注

广电不仅成立了进军人工智能的团队，也产出一些成果。 2024年2月26日，“中央广播电视总台人工智能工作室”制作的中国首部文生视频AI系列200集动画片《千秋诗颂》在总台央视综合频道（CCTV-1）开播；北京广电在2024年春晚期间，自主研发AI视频互动小程序，为观众定制专属国潮短视频，实现与观众互动；河南广电打造了AI短视频《中国瑞兽》。 这些成果得到了一定程度的关注，一些广电也对人工智能视频拥有了很高的期待， 如河北广电期望AIGC的应用能提升河北广电的核心竞争力；北京广电期望人工智能的应用能够贡献高质量视听作品。

事实上，由于目前高质量人工智能作品具有稀缺性，网络上对这些作品的讨论多集中在技术层面，而非内容层面。当下人工智能作品的高关注度并非内容使然。但是，观众对好内容的需求不会因为人工智能的出现而改变。 随着技术的发展，人工智能作品将被越来越多地创造，这会使得观众既对人工智能作品没有了特别关注，也无法分辨哪些作品是人工智能作品，这时观众的注意力将重新回归作品内容本身。因此，“内容为王”这一口号仍然适用于广电，产出好内容的能力仍然是广电的核心竞争力。

在内容领域，人工智能可以赋能高效率，如上海广电打造了人工智能应用集成工具——Scube（智媒魔方），能够实现全套新闻制播服务，但要想人工智能赋能高质量内容，无论是训练人工智能环节，还是文生作品的环节，仍然需要极大发挥人的主观能动性。 因此，把人们对技术的关注误认为是对内容的关注，进而期望打造人工智能形成广电自身的核心竞争力是一大误区。无论使用什么样的技术，锤炼讲好故事的能力是实现广电实现高质量发展的重中之重。

误区二：把广电的影响力误认为数据资源能力

现阶段，在广电与各研究机构和科技公司合作成立的人工智能实验室中，广电的角色集中在提供应用场景和训练数据。要想生成高质量的内容，需要高质量的数据训练模型。高质量的数据可以帮助模型更准确地学习和预测，减少错误和偏差，保证输出内容的可靠。为了保证数据的多样性，一些模型训练机构会向广电进行采购素材数据，但他们在采购素材数据时也需要对质量进行把关，只有高质量的数据才能卖上价钱。高质量的数据才是模型训练的需要。

在解决数据质量问题上，“中央广播电视总台人工智能工作室”的方案是整合总台广播电视和新媒体媒资平台资源，按照节目制作需求对“央视听媒体大模型”进行训练，使之快速形成具备针对特定业务的能力，打造视听节目创新创作的大平台；上海广电早在2013年就开始进行企业数据规划，提高所采集数据的质量。

然而，不是所有广电都具有整合高质量数据资源的能力或自身拥有高质量数据的能力的。更多广电在数据来源、数据质量、数据多样性和数据实时性等维度尚难满足人工智能对数据训练的要求。 在广电人工智能实验室的合作中，合作单位希望广电的背书，广电希望在人工智能的赛道不落后， 但是各级广电整合成立人工智能实验室，并非全部依赖于广电的硬实力，有的仅仅依赖于广电的影响力。由于各广电有效数据供给能力的差异，人工智能训练成了无水之源，这也注定并非所有广电都能实现自己的期待。

广电要想拥抱人工智能走的更远，就要走出误区，应正确认识和把握好广电行业、人工智能产业、以及市场的一般规律，在解放思想的同时，实事求是地展望未来，这里三川汇文化科技提出四点建议：

建议 一：输出高质量作品的能力仍是核心竞争力

人工智能技术在广电行业中的多样化应用，从内容创作、智能制作辅助、多语种内容生成到虚拟数字人和AI导演等，正成为推动广电行业发展的新引擎。但是技术的不断进步和创新，并未改变人们对好作品的需求，因此对于广电来说，坚持创作人民喜闻乐见的好作品这一工作目标并未改变。

文生图片、文生视频改变了作品的生产方式和流程，提高了生产效率， 广电人工智能实验室应当在实践中探索利用人工智能的方法和技巧让使用人工智能成为新技能，利用先进的制作技术和专业的人才队伍，打造出高质量、高水平的视频内容，创作为人民群众喜闻乐见的优秀作品。 与此同时，广电实验室也应当积累实践经验，为大模型研发反馈使用情况，为人工智能发展提供现实经验。

建议 二：对数据进行“供给侧改革”

人工智能的建设需要大量数据来训练模型，使其能够学习和预测，数据训练是保证人工智能输出的核心环节。数据质量对训练结果有着决定性的影响，高质量的数据是训练有效模型的基础。准确性、完整性、一致性、多样性、合规性等都是数据训练对数据质量的关键要求。

然而，在威科先行法律信息库以“广播电视 著作权”为关键词进行裁判文书检索，结果显示共有28741份相关裁判文书，以“广播电视 信息网络传播权”为关键词进行裁判文书检索，结果显示共有18975份裁判文书。由此可见， 很多广电的素材数据存在着知识产权纠纷，数据合规性不能保证。

除此之外，广电数据质量也很难保证。根据上海广电的数据建设经验，尽管上海广电经过信息化系统建设，已经拥有五十多个系统，但由于它们的数据规范程度很低，而且数据质量相对较差，很难有效建设人工智能分析应用。为解决这一问题，上海广电启动了“SMG企业数据规划项目”，项目希望通过数据治理提升数据质量和数据规范程度。正因为有了这些数据积淀，上海广电才能成功打造Scube（智媒魔方）。 但实际上，上海广电曾经存在的问题，部分广电今天仍然存在，与上海广电不同的是，它们少有数据规划的意识。

因此，广电人工智能实验室的成功，离不开广电自身的数据供给能力，离不开科学的数据建设。适应新的时代，广电要重视起数据治理，通过系统科学的数据规划，提升数据质量和数据规范程度，打造高质量的数据供给体系，实现数据“供给侧改革”，满足人工智能训练需要，只有这样，才能在人工智能实验室的合作中共赢。

建议 三：探索能实现长远利润增长的商业模式

目前，提升生产效率是目前广电人工智能团队成果呈现的重点。 在人工智能的赋能下，确实可以实现自动化新闻写作、个性化内容定制、智能编辑等功能。但是，这些功能的实现也付出了高昂的成本。对人工智能模型的训练是实现人工智能产出的重要环节。其中，训练成本取决于多个因素，包括模型的规模、训练数据集的大小以及所使用的硬件等。

目前，大型模型的训练成本已经达到数百万美元甚至更高。例如，根据斯坦福大学发布的《2024年人工智能指数报告》，OpenAI的GPT-4等前沿模型系统的训练成本预估在7800万美元，而谷歌的Gemini Ultra的计算成本花费预估为1.91亿美元。训练一个专注于单一领域的AI模型的成本可能会低于训练一个广泛用途的大型模型，但是绝对成本仍然很高。此外，美国大模型独角兽企业Anthropic的首席执行官Dario Amodei透露，当前AI模型的训练成本正急剧攀升，预计到2025年或2026年，训练最新大语言模型的成本将达到50亿至100亿美元。 除了开发成本，增效后所导致的人力成本（离职补偿、裁员等）也是一笔巨款。

因此，广电对人工智能技术的应用，不应仅仅停留在工具层面，如何利用人工智能技术激活其丰富的媒体资源，释放巨大的视频新质生产力，成为广电发展的关键所在。因此，在“增效”的同时， 广电也应探索能利用人工智能实现长远利润增长的商业模式，找到与广电高度适配的人工智能生态合作伙伴，拓展新的市场空间， 寻找新的业务增长点，从而实现业务的多元化发展，让“降本增效”既有政绩还有业绩。

建议 四：健全广电内部人工智能人才培养机制

从现有网络对广电人工智能实验室的报道看，鲜有广电提到人工智能人才培养问题。为了解决人才问题，一些广电人工智能实验室更愿意通过与高校和科技公司合作或者挖掘人才，对于内部人才培养的重视程度不足。而内部人才对于公司业务、流程与组织架构更加了解，更有利于减少沟通成本，源源不断的内部人才涌现，是广电人工智能能够走下去的重要资源。 因此，广电要想实现其对人工智能实验室的期待，需要提高对广电内部人才培养的重视程度。

“广电+人工智能”可以为广电行业提供强大的力量。但无论广电有多么强大的资源整合能力，都不可能轻易实现人工智能应有的价值。 广电人工实验室若只是跟风建设，在相关投入上浅尝辄止，将无法真正部署人工智能技术，实现增长。 要想让广电与人工智能的碰撞既有政绩还有业绩，不仅需要解放思想，还需要实事求是，广电需要正确认识自身的核心能力，把握人工智能的根本规律，制定与业务深度融合的人工智能产业战略、加速自身转型、健全人才培养机制，才有可能充分释放广电与人工智能融合的巨大经济价值。

加入私密社区

推荐阅读

主题阅读

☉ 各地广电争相成立AIGC实验室，都做了什么事？

☉ 各地广电“抢滩”布局AIGC的获与惑

☉