2025年中國AI+互聯網媒體行業研究報告

AI+互聯網媒體行業丨研究報告

前言：

研究意義

在AI技術加速重構傳播生態的進程中，AI賦能已成為驅動互聯網媒體產業升級的核心引擎。隨著用戶需求多元化與媒介形態迭代加速，內容生產者不僅需要應對創作效率、分發精準度等傳統挑戰，還需在生成式AI驅動的智能時代重塑內容生態。多模態大模型、深度推理算法等技術的突破，正深刻變革互聯網媒體的內容生產范式、傳播路徑和商業模式。

在此背景下，本次研究聚焦生成式AI技術對互聯網媒體全鏈路的深度賦能，以及標桿平臺在智能化轉型中的創新實踐，旨在為內容創作者優化生產流程、為媒體平臺提升運營效率提供有力支持，同時為行業決策者與投資者提供前瞻性觀點。

研究內容

本報告深度解析中國互聯網媒體行業的現狀、AI賦能下的技術突破與轉型路徑，系統闡述生成式AI技術如何重構互聯網媒體內容生態全鏈路，并提煉技術賦能下的實踐成果與行業價值。

發展概況：當前中國互聯網媒體行業正邁向AI賦能的智能生態融合階段。當前用戶增長趨緩，競爭轉向存量市場。生成式AI加速多模態融合應用，重構內容生態與用戶體驗，驅動行業向質量效率轉型。

深度賦能：AI技術深度賦能互聯網媒體行業，推動全鏈條智能化轉型。在生產、審核、分發、消費側重構媒體生態，驅動行業從信息中介轉向智能服務樞紐，實現內容質效升級與商業模式創新，加速產業價值躍遷。

標桿案例：中國主流媒體及社交媒體平臺積極應用AI技術推動全媒體轉型：人民日報、澎湃新聞、微博、抖音等聚焦AI技術在內容創作、審核分發、用戶體驗等環節的創新應用，加速媒體與AI的融合進程。

研究展望

AI時代互聯網媒體行業面臨多重挑戰：生成式AI技術引發內容真實性爭議、視頻生成效果不佳引發商業化瓶頸、技術成本居高不下問題短期難以解決、隱私泄露風險等問題。

AI時代互聯網媒體行業發展迎來機遇：媒體平臺需通過自研技術、數據治理、智能推薦及生態審核構建競爭力；內容生產側需融合人機協同，專業創作者聚焦文化深度與情感共鳴建立壁壘，平臺通過可信認證、版權保護及精準圈層匹配實現內容生態升級，平衡商業價值與社會效益。

互聯網媒體行業發展歷程

互聯網媒體歷經五階段躍遷，技術驅動內容生態從門戶時代邁向AI賦能的智能生態融合新周期

互聯網媒體行業三十年來經歷了從基礎信息聚合到智能生態融合的范式躍遷。早期門戶網站主導奠定了內容集中化生產的基礎；隨著UGC崛起，社交平臺重構了內容交互模式；移動互聯網與4G普及催生短視頻爆發，算法推薦技術重塑流量分發邏輯；當前生成式AI技術的突破，正驅動內容創作、分發及商業化全鏈路的智能化升級。技術迭代始終是行業變革的核心驅動力，推動媒介形態從單向傳播向沉浸式、個性化、智能化的生態融合演進。

互聯網用戶規模增長紅利見頂

中國互聯網普及率逼近80%，網民網絡數字生活滲透趨近飽和，互聯網競爭邁入存量精耕新階段

根據中國互聯網絡信息中心（CNNIC）《第56次中國互聯網絡發展狀況統計報告》，2014-2025H1年中國網民規模從6.49億增至11.2億，普及率上升至79.7%，中國移動互聯網設備規模逼近增長極限，截至2025年H1已達14.4億臺；截至2025年6月，中國網民的人均每周上網時長為30.6個小時; 網民的數字生活滲透趨近飽和。可見中國互聯網用戶交互行為已進入存量穩態化階段。互聯網普及率逼近80%后整體增速放緩，用戶規模增長紅利見頂后，互聯網競爭邁入存量精耕的新階段。

人工智能技術發展歷程回顧

經過七十余年螺旋上升式的積累沉淀與質變躍遷后，人工智能邁入生成式AI技術驅動的應用落地爆發時代

人工智能技術演進呈現從符號邏輯到數據驅動、從專用模型到通用智能的螺旋式上升軌跡。早期符號主義通過規則推理構建專家系統，但受限于知識獲取瓶頸；統計學習時代通過SVM等算法實現模式識別突破，但模型通用性不足；深度學習革命以CNN/RNN架構解決高維數據難題，卻面臨可解釋性與能耗挑戰；大模型范式以Transformer為核心，通過預訓練+微調實現跨領域遷移，推動生成式AI爆發與應用落地。現階段人工智能技術與垂直場景深度耦合進入應用爆發期。

LLM支持的文本生成技術成熟度高

文本生成技術因算法成熟度高已率先進入應用爆發階段，并向趨近人類思維的邏輯推理范式快速升級

大語言模型（LLM）技術發展至今已達到相對成熟的階段，其Transformer架構和“預訓練-微調”范式已經成為行業標準，該架構的核心是自注意力機制，它將文本“詞元化”并進行并行處理，使模型能夠動態衡量序列中任意詞語之間的關系，從而構建出對語言的深度全局理解。LLM的成熟度不僅體現在其穩固的基礎架構，更體現在一系列前沿技術能力的快速涌現與融合：混合專家（MoE）架構解決了規模化效率問題；原生多模態能力打破了文本的單一限制；檢索增強生成（RAG）提供了事實錨點；思維鏈（CoT）和思維樹（ToT）等推理框架賦予了其解決復雜問題的能力；而不斷擴展的上下文窗口則解鎖了處理海量數據的潛力。這些能力使得新一代LLM在效率、可靠性和性能上實現了質的飛躍，共同將LLM從一個簡單的文本生成工具推動成為越來越趨近人類思維的智能決策者角色。

多模態大模型處于多技術融合的進程中

生成向DiT架構和理解向MLLM架構同時發展但未達到底層融合，整合不同模態的生成和理解是關鍵方向

從概念上看，多模態大模型可以視為能夠識別和處理多種類型數據（文本、圖像及音視頻等）的輸入輸出、實現跨模態理解和生成任務的人工智能模型。艾瑞將其分為“以DiT架構為代表的生成向”和“以MLLM架構為代表的理解向”兩類：生成向模型基于DiT架構，專注于視覺內容的生成，但在跨模態信息處理上存在局限；理解向模型基于MLLM架構，擅長多模態分析與交互，但缺乏復雜視頻生成能力。由于受限于數據異構性、模態對齊難度及算法復雜性，兩類模型尚未實現底層能力的有效融合。如何更好地整合不同模態的生成和理解，將是多模態模型發展的關鍵方向。

生成式AI應用在多領域爆發式落地

各模態技術雖在發展成熟度上存在差異，但生成式AI以創造為核心的特征，促使應用落地快速進入爆發期

生成式AI技術突破了傳統判別式AI局限于識別的框架，轉向創造為核心的應用模式。各模態的發展成熟度雖有參差，但應用落地已呈現出百花齊放的繁榮景象。文本生成技術已進入商業化成熟期，廣泛應用于辦公、學習、文案、代碼等領域；圖像生成技術在藝術創作、產品設計和電商視覺等領域中實現規模化應用；雖然個性化語音合成仍受限于情感表達與口音適配，但音頻生成技術已逐步在有聲讀物、音樂生成等垂直場景中應用；視頻生成因Sora等模型突破進入爆發前夜，引發市場高度關注，商業化應用落地加快步伐。在產業端，整合生成式AI技術的智能解決方案，已在智能家居、自動駕駛、智慧醫療、工業設計等復雜的垂直場景中驗證價值。

2025年大語言模型企業案例

從追求規模擴張轉向構建專業矩陣、發展智能體以及實現全模態化，大語言模型產業價值向場景化應用層轉移

2025年，大語言模型產業的核心主題是從單一的越大越好模式轉向更加精細化的技術格局，呈現出三大核心特征：架構趨同、能力分化與全模態演進。混合專家（MoE）架構成為前沿模型的主流選擇，以高效平衡模型規模與計算成本。市場從追求單一通用模型轉向構建專業化模型矩陣，通用推理、視頻生成和企業級智能體等專用模型并行發展，智能體能力成為新的競爭焦點。全模態成為旗艦模型的標配，模型開始普遍具備處理文本、圖像、音視頻的綜合能力。在此背景下，以中國企業為代表的開源力量，通過開放高性能模型，正加速前沿技術的普及與商業化。大模型核心經濟價值將不再僅僅集中于擁有最強大的基礎模型，而是在基礎模型之上構建的、針對特定行業的精調應用和解決方案。

技術影響下信息媒體的發展躍遷

技術推動媒體從文字時代躍遷至多模態時代，響應用戶實時檢索、深度思考、情感共鳴、全民創作的多元化需求

技術升級是人類信息媒體發展的核心驅動力，同時推動互聯網媒體內容從單一走向多元。文字時代，TCP/IP與HTML支撐純文本單向傳播，內容生產主要依賴PGC；圖文時代，CSS與圖像壓縮技術催生圖文形式，博客與圖片社交開啟大眾UGC生產階段，回應用戶情感與社交需求。4G/5G、WebRTC與算法催生長短視頻+直播的多模態時代，以精準分發和強互動適配實時參與需求。當前大模型技術實現信息多模態理解與轉化，降低創作門檻，推動互聯網媒體進入全民創作與人機共創的新階段，全方位滿足個性化沉浸式消費需求。

AI對互聯網媒體的賦能-內容生產

AI技術重構互聯網媒體創作生態，以技術普惠推動內容生產的質效雙升，實現產業價值躍遷

生成式AI正重塑互聯網內容生產格局。技術突破使AI輔助生產突破專業壁壘，通過語義理解與多模態生成技術，將用戶簡單的文字指令轉化為圖文、視頻等多元形態。社交平臺海量用戶基數為UGC提供天然土壤，我國11億網民均可能參與多模態內容創作，凸顯了全民內容創作趨勢。用戶基數與參與度形成多層次創作生態，社交平臺成為核心載體。專業領域PGC則在AI驅動下優化工作流，提升優質內容產能。技術普惠下，內容生產正從精英化走向全民化，形成專業深度與創意廣度并存的新型創作生態。

AI對互聯網媒體的賦能-內容審核

生成式AI技術可從自動審核、精準判定、人機互補、動態策略四大方面，對內容審核體系進行革新賦能

當前互聯網內容審核面臨效率與精準度的雙重挑戰，生成式AI技術通過優化審核流程推動行業變革。AI技術通過多模態模型實現自動化初篩，大幅降低基礎工作量。語義分析與情感識別技術則進一步提升了復雜違規內容的判定準確性。人機協同機制中，AI負責低風險內容過濾及風險分級，人工聚焦高敏感、高價值內容的深度復核，形成互補閉環。同時基于深度推理模型的動態策略優化，可實時適配新型違規模式，縮短規則迭代周期。AI為內容生態治理提供了兼具效率與靈活性的解決方案。

AI對互聯網媒體的賦能-內容分發與平臺運營

AI技術為媒體平臺的內容分發提質增效，深度滿足用戶信息消費需求，提升用戶體驗與粘性，拓展商業新可能

生成式AI技術從多個維度為互聯網媒體平臺的運營工作注入動能：在內容分發環節，AI貫穿用戶行為、設備、場景等多維度數據，深度解析內容并實現跨模態再生，優化推薦路徑，以精準實時推薦、多模態場景適配激活用戶需求，擴大內容傳播輻射范圍，提升分發效率；在用戶運營環節，通過優質內容的精準匹配、部署快速響應的智能客服、多樣化AI應用，深度契合用戶信息消費需求，延長用戶停留時長，強化參與粘性。另外在平臺內容管理與商業拓展層面，AI不僅可以幫助平臺優化人力資源配置，降低基礎運營成本，還可以優化廣告個性化生成與精準投放，更以內容定制、創意廣告服務等新商業形態為平臺開拓商業價值增量的想象空間。

AI對互聯網媒體的賦能-內容消費

單向傳播轉為雙向交互，淺層瀏覽與深度探索相融合，消費者進化為產消者，形成創作-消費-再創作的產消循環

生成式AI技術對互聯網媒體內容消費端的革新呈現多維滲透：首先打破信息觸達壁壘，通過多語言翻譯、文本語音互轉等技術實現無障礙內容獲取，把信息消費門檻降到最低；其次重構交互范式，以智能摘要、對話式咨詢等AI原生服務深化用戶理解，實現淺層瀏覽交叉深度探索的信息加工模式升級；同時革新體驗維度，基于動態用戶畫像的精準推薦系統結合碎片化服務適配，形成千人千面的伴隨式體驗，并借助跨領域興趣圖譜推送潛在內容，持續拓展用戶認知邊界；通過AI輔助創作工具降低UGC門檻，構建用戶參與的內容共創網絡，使消費者向產消者轉型，形成創作-消費-再創作的產消價值循環。

AI+互聯網媒體產業圖譜

中央媒體的AI探索-以人民日報為例

生成式AI技術提效視頻內容創作，數字主持人亮相兩會，創作大腦 AI+助力記者實現全媒體采編流程

根據2025年5月發布的《人民日報社社會責任報告（2024年度）》，人民日報客戶端累計下載量突破2.9億次，微博粉絲數超1.55億，微信公眾號用戶訂閱量達5737萬，抖音賬號關注數達1.74億。在人工智能技術驅動下，人民日報運用生成式AI技術提升視頻內容創作效率，推出《生成式AI技術創意混剪！第一視角感受開往春天的列車》等作品。此外，該報還推出“兩會AI學習”專欄，采用多民族數字主持人播報新聞，并依托“創作大腦”AI+全息采錄眼鏡等設備，助力記者實現“一鏡到底”的全媒體采編流程。

地方媒體的AI探索-以澎湃新聞為例

澎湃新聞擁抱AI技術浪潮，三大AI工作室優化內容生產，智能審核等五大核心功能構建風控新生態

作為全球中文互聯網重要的全媒體內容供應商，澎湃新聞專注于時政、財經、文化、思想等領域，提供實時新聞資訊、深度報道和視頻直播。通過系統性整合AI創作工具，形成派生萬物AI辦公、視覺與視頻三大工作室，有效提升內容生產效率。同時，清穹內容風控智能平臺全面嵌入生成式AI技術工作流，推出“智能審核”“智能校對”“智能巡檢”“輿情監測”“增值服務”五大功能，依托先進的內容分析和審校能力，生成內容審核報告、巡檢報告等，為內容安全提供了強有力的保障。

短視頻媒體的AI應用探索-以抖音為例

以豆包大模型為核心技術底座，戰略性地將AIGC技術深度嵌入到短視頻媒體的每一個生命周期環節中

字節跳動正圍繞其核心短視頻媒體平臺抖音，以豆包大模型為核心技術底座，將AIGC技術嵌入到短視頻媒體平臺“內容生產-處理剪輯-發布呈現-營銷傳播”的每個環節，形成一個由先進推薦算法驅動，集內容創作、社交互動與商業變現于一體的生態系統。2025年6月11日豆包大模型1.6版本正式發布，包括視頻生成模型、語音播客模型、實時語音模型等多樣化模型技術矩陣，均支持深度思考、多模態理解、256k長上下文、圖形界面操作等能力，并在10月16日發布系列持續更新，支持抖音平臺形成“視頻創作工具-內容平臺-商業化服務”的全鏈路產品矩陣。

大眾社交媒體的AI應用探索-以微博為例

微博以自研多模態知微大模型為技術底座，構建AI+產品矩陣，實現內容生態全鏈路智能化升級

微博是當前中國互聯網用戶在線創作、發現和分享內容的重要社交媒體平臺，每天都有數以億計的網友基于微博進行內容瀏覽、分享和互動。知微大模型是微博面向社交媒體垂直領域自研的多模態大模型，該模型深度融合微博平臺特有的博文、表情包、熱搜數據及用戶互動行為，并通過多模態理解、垂直領域優化與深度推理能力，支撐起評論羅伯特、智搜、博主AI助手等微博AI產品矩陣，形成覆蓋內容生產-分發-消費全鏈路的AI服務體系。

基于知微大模型、DeepSeek-R1以及多模態RAG技術，推動微博向一站式智能搜索轉型，幫助用戶秒懂熱點

智搜是微博于2024年下半年開始重點打造的AI搜索產品，定位為“總結式信息消費平臺”，旨在通過大語言模型技術重構搜索體驗。結合微博自研知微大模型、DeepSeek-R1以及多模態RAG技術，自動整理新聞事件的4W1H要素，在娛樂/財經/民生等多種專業領域延伸深度分析，幫助用戶“秒懂熱點”，降低信息篩選成本，推動微博搜索從傳統關鍵詞匹配向一站式智能搜索轉型。截至2025年6月，智搜月活躍用戶已突破5000萬。

AI時代互聯網媒體行業挑戰-信息真實性

AI技術提升內容生產效率的同時，信息真實性風險加劇，需強化審核監管與用戶引導雙軌并行

AI技術為內容創作賦予了高效與便捷，但背后潛藏的風險同樣不容忽視，如基于生成式AI技術炮制的虛假新聞、偽造影像等信息武器可直接沖擊社會信任體系。與此同時，算法生成內容的可靠性存在顯著差異，低質量輸出易形成認知偏差，進而扭曲公眾的價值判斷與行為選擇。當受眾習慣性接受算法投喂的碎片化信息，缺乏批判性思考與深度解讀時，不僅會導致群體性認知能力退化，更讓監管體系面臨技術迭代與風險防控的雙重壓力。面對技術雙刃劍，行業形成多維度防御體系：互聯網媒體平臺通過自研大模型實現跨模態審核效率倍增，建立內容溯源追蹤與可信度評級機制，對AI生成內容實施顯式標識制度，從技術治理與規則約束雙重路徑守護信息真實性。

AI時代互聯網媒體行業挑戰-視覺效果

AI視頻生成技術在物理邏輯一致性、角色身份連貫性等方面存在局限，構成當前商業化應用的核心瓶頸

文生視頻技術以其顛覆性的潛力預示著視覺內容生產的革命，然而從驚艷的短暫演示到專業化實用之間仍存在顯著鴻溝，其在物理邏輯一致性、角色身份連貫性及藝術細節精細化控制上的局限，構成了當前商業化應用的核心瓶頸。這種技術現狀使得AI視頻更多停留在創意輔助和短內容測試階段，無法滿足影視級作品的嚴苛標準，制約了生產力的實質性解放。為跨越此鴻溝，行業正采取務實的演進策略：技術研發端聚焦于提升模型的可控性與多模態交互能力，應用端則普遍采納人機協同的混合工作流，將AI用于快速生成草稿或特定元素，由人類專家完成最終的藝術打磨與質量把控，以研發突破與應用場景創新的雙輪驅動模式，穩步推動技術成熟。

AI時代互聯網媒體行業挑戰-技術成本

技術成本構筑了極高的準入門檻，自有垂直領域模型形成有效競爭壁壘

人工智能模型強大的背后是算力、數據和人才等要素的巨額投入，高昂的技術成本構筑了極高的準入門檻，使得AI競賽日益呈現巨頭游戲的態勢，壓縮中小企業的生存與創新空間。這種成本結構不僅阻礙了技術的普惠化進程，也讓眾多媒體平臺在智能化轉型中面臨用不起、不敢用的困境，數字鴻溝有進一步擴大的風險。為應對此挑戰，行業正探索多層次的成本優化路徑：一方面，積極擁抱開源生態，利用高質量的開源模型和MaaS服務API來降低應用門檻；另一方面，有實力的媒體平臺開始投資構建自有垂直領域模型，以確保數據安全并構筑差異化競爭壁壘，形成外部開源利用與內部能力構建的并行發展格局。

AI時代互聯網媒體行業挑戰-安全隱私

生成式AI需平衡創新與安全，通過動態數據管理、跨模態檢測及法規協同加強隱私保護

以海量用戶數據為燃料的個性化推薦與內容生成，是AI提升媒體服務體驗的核心機制，但也因此引發了嚴峻的用戶安全與隱私保護挑戰。數據濫用、算法偏見、信息繭房以及個人隱私泄露等風險，正持續侵蝕著用戶對平臺的信任。當用戶在享受便捷與讓渡隱私之間艱難權衡時，平臺則承受著遵守全球日趨嚴格的數據法規與維護用戶信任的雙重壓力。為此，行業正積極構建以信任為核心的治理框架：在產品設計中貫徹隱私始于設計的原則，應用聯邦學習等隱私增強技術；在運營上賦予用戶透明的數據控制權與選擇權，并設立AI倫理委員會進行監督，通過技術層面的隱私增強與治理層面的透明可控相結合的路徑，尋求創新發展與用戶權益的平衡。

歡迎關注艾瑞數智獲取更多內容