作為新基礎(chǔ)設(shè)施的AGI：以GPT-4O等新一代生成式人工智能為例

【摘要】GPT-4o與谷歌Project Astra的相繼發(fā)布，展現(xiàn)出大模型交互能力的本質(zhì)性提升和實(shí)用性的突破，預(yù)示著以生成式人工智能為代表的AGI將如同互聯(lián)網(wǎng)和人工智能一樣，成為支撐社會運(yùn)行的新基礎(chǔ)設(shè)施，并對傳媒業(yè)的技術(shù)應(yīng)用、業(yè)務(wù)實(shí)踐以及產(chǎn)業(yè)融合帶來全景式的影響。

【關(guān)鍵詞】GPT-4o；AGI；基礎(chǔ)設(shè)施；生成式人工智能；傳媒業(yè)

繼Sora文生視頻模型驚艷世界之后，2024年5月14日，OpenAI揭開了最新生成模型GPT-4o的“神秘面紗”，其強(qiáng)大的實(shí)時(shí)語音和視頻交互能力再次引發(fā)震撼。次日，谷歌在I/O 2024開發(fā)者大會上也發(fā)布了一系列引人注目的產(chǎn)品，包括最新的AI智能體Project Astra。作為新一代生成式人工智能，GPT-4o和Project Astra在技術(shù)原理、交互功能和場景落地方面均實(shí)現(xiàn)了新的躍升，代表著通用人工智能（AGI）發(fā)展的最新突破。隨著AI技術(shù)不斷朝著AGI演進(jìn)，其廣泛的認(rèn)知能力、自我進(jìn)化能力以及在多樣化任務(wù)中的應(yīng)用潛力，將逐步成為與互聯(lián)網(wǎng)、人工智能類似的社會新基礎(chǔ)設(shè)施。對于傳媒業(yè)來說，技術(shù)始終是驅(qū)動行業(yè)發(fā)展的動力，AGI作為新基礎(chǔ)設(shè)施將對傳媒業(yè)的技術(shù)應(yīng)用、業(yè)務(wù)實(shí)踐以及產(chǎn)業(yè)融合帶來全景式的影響。

一、GPT-4O與谷歌Project Astra的新躍升

（一）從“拼接”到“原生”的多模態(tài)模型轉(zhuǎn)向

GPT-4o和Project Astra兩款產(chǎn)品分別代表了OpenAI和谷歌在生成式人工智能領(lǐng)域的最新進(jìn)展。GPT-4o以其“Omni”（意為“全能”）之名，彰顯了卓越的多模態(tài)處理能力，能夠接受文本、音頻、圖像和視頻的組合輸入，并生成相應(yīng)的組合輸出，在實(shí)時(shí)語音對話、情感表達(dá)及視覺交互等方面取得了顯著進(jìn)步。在性能上，GPT-4o是GPT-4的第三次主要迭代，相較于GPT-4 Turbo，其在文本推理、多語言音頻處理和視覺理解方面表現(xiàn)出色。與OpenAI的GPT-4o類似，谷歌的Project Astra也是一款多模態(tài)生成式人工智能產(chǎn)品，作為一個(gè)“通用AI智能體”，其基于Gemini模型同樣展現(xiàn)出多模態(tài)理解和實(shí)時(shí)對話的強(qiáng)大性能。用戶可以借助手機(jī)攝像頭、智慧眼鏡等設(shè)備捕捉現(xiàn)實(shí)世界中的事物，并通過Project Astra獲得對所見內(nèi)容的自然語言描述，從而實(shí)現(xiàn)一種全新的交互體驗(yàn)。

在此之前，盡管DALL·E、Midjourney、TTS、Runway、Pika、Sora等生成式人工智能模型和產(chǎn)品已經(jīng)能夠模擬人類實(shí)現(xiàn)跨模態(tài)的信息轉(zhuǎn)換，但其都是以單一功能為導(dǎo)向，如從文本到圖像、從語音到文本、從圖像到視頻、從文本到視頻的轉(zhuǎn)換等，用戶在不同任務(wù)之間切換時(shí)的體驗(yàn)十分碎片化，并且，這些不同模態(tài)之間的信息傳遞主要依賴于大語言模型（LLM）生成的離散文本，在級聯(lián)過程中不可避免地會引入噪聲并出現(xiàn)傳播錯(cuò)誤，同時(shí)由于缺乏整體訓(xùn)練，在理解復(fù)雜且隱含的用戶指令、進(jìn)行多模態(tài)生成方面能力有限。[1]例如，原先ChatGPT在與用戶進(jìn)行語音模式的對話交談時(shí)，需要首先通過語音識別模型Whisper將用戶輸入的語音轉(zhuǎn)換成文字，再由GPT大模型處理文字，最后通過TTS（文字轉(zhuǎn)語音）模型輸出語音。這種由三個(gè)模型“拼接”的處理方式不僅速度慢、效率低，而且還會永久性地過濾掉語調(diào)、口音、語速、說話人數(shù)、音色、情緒等微妙的信息，同時(shí)輸出的語音缺乏抑揚(yáng)頓挫和情感表現(xiàn)力，顯得機(jī)械感強(qiáng)且平淡無味。而GPT-4o和Project Astra則通過跨文本、視覺和語音的訓(xùn)練，構(gòu)建了一個(gè)“端到端”（end-to-end）的原生多模態(tài)大模型，實(shí)現(xiàn)了模型的“三合一”。這意味著所有輸入和輸出的信息均由同一個(gè)神經(jīng)網(wǎng)絡(luò)直接處理，無需經(jīng)過多個(gè)獨(dú)立模型的級聯(lián)過程，不僅極大地降低了響應(yīng)的時(shí)延，還顯著提高了信息處理的準(zhǔn)確性和連貫性，并增強(qiáng)了信息輸出的表現(xiàn)力。例如，GPT-4o能夠進(jìn)行實(shí)時(shí)的語音對話，其輸出的語音既可以包含喜怒哀樂等情感元素，甚至還能模擬笑聲、唱歌和插話等豐富的情感表現(xiàn)。

（二）大模型交互能力的本質(zhì)性提升

保羅·萊文森提出了媒介發(fā)展的“人性化趨勢”概念，認(rèn)為媒介必然沿著人類傳播要求的方向進(jìn)化，且媒介具有“延伸性”，其使用功能將越來越符合人類感官愉悅的要求。[2]以GPT-4o、Project Astra為代表的新一代生成式人工智能則進(jìn)一步驗(yàn)證了媒介進(jìn)化論。正如360集團(tuán)創(chuàng)始人周鴻祎的形象闡述，GPT賦予了AI對知識的理解能力，讓其擁有了“大腦”；GPT-4V賦予了AI視覺能力，讓其擁有了“眼睛”；GPT-4o賦予了AI看懂、聽懂和表達(dá)情感的能力，讓其擁有了“眼睛”“耳朵”和“嘴巴”。由此可見，生成式人工智能的“人性化”演進(jìn)趨勢將人機(jī)交互的體驗(yàn)推進(jìn)到了前所未有的高度。

第一，實(shí)時(shí)視覺識別擴(kuò)展了人類的視覺邊界。谷歌發(fā)布的視頻顯示，Project Astra能夠準(zhǔn)確識別攝像頭捕捉到的物體、代碼、行為和場景等，并作出相應(yīng)的解讀，與人類進(jìn)行實(shí)時(shí)溝通。同樣，在OpenAI發(fā)布的視頻演示中，GPT-4o具備處理圖像分類、物體檢測和場景理解等復(fù)雜視覺任務(wù)的強(qiáng)大能力，用戶可以與其“視頻通話”，通過攝像頭直接解決各種問題，如解答數(shù)學(xué)題、逗弄寵物、唱生日歌和輔助視障人士等。

第二，類人對話提升了人機(jī)交互體驗(yàn)的質(zhì)量。一是響應(yīng)速度提升使對話更加流暢。OpenAI官方數(shù)據(jù)顯示，GPT-4o針對音頻輸入的平均反應(yīng)時(shí)長為320毫秒，最快可達(dá)232毫秒，相較于GPT-3.5（2.8秒）和GPT-4（5.4秒）的平均延遲，反應(yīng)時(shí)間大幅縮短，與人類日常交流的時(shí)序更加契合。二是與Siri等傳統(tǒng)語音交互系統(tǒng)相比，GPT-4o不僅無需喚醒詞啟動，還能記住用戶的名字和偏好，從而無需反復(fù)輸入指令；同時(shí)更在音色、音調(diào)和表達(dá)習(xí)慣（如語氣詞）上幾乎與真人無異，甚至能夠感知并回應(yīng)情緒（如開啟嘲諷模式），在情感理解和表達(dá)上取得了顯著突破。三是GPT-4o在哲學(xué)思辨、科學(xué)闡釋、工作和日常生活等領(lǐng)域展現(xiàn)出廣泛而深入的理解能力。其能夠根據(jù)場景氛圍和用戶情緒靈活調(diào)整語調(diào)和措辭，塑造了一種接近真實(shí)人際交流的互動體驗(yàn)。例如，在輔助“石頭剪刀布”桌面游戲時(shí)，GPT-4o能夠勝任主持人的角色并調(diào)動游戲氛圍；在即興創(chuàng)作歌曲時(shí)，其不僅能夠編寫歌詞，還能即時(shí)生成旋律和諧的曲調(diào)，甚至自動進(jìn)行和聲以及實(shí)現(xiàn)模型之間的對唱等。

GPT-4o和Project Astra在交互能力上實(shí)現(xiàn)了本質(zhì)性的提升，包括對多維感官的識別、對復(fù)雜任務(wù)的理解、更自然的對話流暢度和感知情感的能力，標(biāo)志著生成式人工智能向更加智能化和人性化方向發(fā)展邁出了重要一步。

（三）大模型實(shí)用性突破與大規(guī)模應(yīng)用落地

場景落地是大模型發(fā)展的關(guān)鍵。然而，無論是ChatGPT還是國內(nèi)的文心一言等大模型，盡管在技術(shù)層面上取得了一定進(jìn)展，但目前主要局限于生成類場景的應(yīng)用，尚未實(shí)現(xiàn)預(yù)期中廣泛的場景價(jià)值。以ChatGPT為例，自O(shè)penAI在2022年11月30日發(fā)布以來，其用戶數(shù)量在短短五天內(nèi)突破百萬，兩個(gè)月內(nèi)迅速飆升至億級規(guī)模。可是，隨著時(shí)間的推移，這一強(qiáng)勁的增長勢頭并未持續(xù)。根據(jù)數(shù)據(jù)分析公司Similarweb的消息，在2023年5月ChatGPT全球總訪問量達(dá)到18億次的峰值之后，其流量增長便開始放緩[3]，增長勢頭也再未恢復(fù)至先前的驚人速度。這一現(xiàn)象的背后，很大程度上是由于ChatGPT在場景落地方面的不足。而Sora作為文生視頻領(lǐng)域的技術(shù)前沿驚艷于世，目前仍處于內(nèi)測階段，暫未對外開放使用，這也表明大模型從研發(fā)到實(shí)際應(yīng)用的轉(zhuǎn)化過程中面臨較大困難。

GPT-4o與Project Astra有效解決了大模型的實(shí)用性問題。第一，在使用操作上，此前，用戶主要通過鍵盤輸入提示詞與AI互動，這種操作相對復(fù)雜，對于很多普通用戶來說存在較高的使用門檻。OpenAI創(chuàng)始人、CEO山姆·奧特曼也曾表示，提示工程（prompt engineering）只是生成式人工智能發(fā)展的過渡階段，未來將不再需要這一過程。GPT-4o和Project Astra則實(shí)現(xiàn)了從文字輸入到口語互動的交互方式轉(zhuǎn)變，類似于智能手機(jī)的出現(xiàn)徹底顛覆了基于鍵盤的操作方式，變?yōu)槭种赣|摸操作，AI技術(shù)也迎來了新的“iPhone時(shí)刻”。如今，用戶可以通過自然語言直接與AI進(jìn)行口頭對話并獲得即時(shí)反饋，人機(jī)交互變得更加直觀和自然。由此也預(yù)示著生成式人工智能的接受度將大幅提高，更多用戶能夠真正接觸和使用AI技術(shù)，從而幫助其解決生活難題、提供娛樂和情感陪伴等。第二，在使用成本上，例如GPT-4o進(jìn)一步強(qiáng)化了“免費(fèi)+收費(fèi)”的商業(yè)模式，踐行了“OpenAI創(chuàng)造AI，人們利用它創(chuàng)造新奇事物并惠及所有人”的愿景，目的在于降低用戶的使用成本，以服務(wù)于更廣大的社會公眾。此外，通過開放API接口和降低計(jì)費(fèi)價(jià)格，OpenAI鼓勵并支持開發(fā)者基于GPT-4o構(gòu)建多樣化的AI應(yīng)用生態(tài)，從而在大模型的基礎(chǔ)上，真正地實(shí)現(xiàn)向各個(gè)細(xì)分商業(yè)場景的輸出，在教育、廣告、搜索、娛樂等各種領(lǐng)域更好地落地。

二、AGI何以成為基礎(chǔ)設(shè)施？

實(shí)現(xiàn)AGI不僅需要AI具備深厚的知識儲備和高度的推理能力，更關(guān)鍵的是要能夠與人進(jìn)行交互。GPT-4o與Project Astra的問世代表著類人AI Agent（智能體）的雛形顯現(xiàn)，展現(xiàn)出了真正能夠?yàn)槿怂玫臐摿?，進(jìn)一步拉近了人類與AGI的距離。那么，AGI是什么？AGI如何成為社會的基礎(chǔ)設(shè)施？AGI將帶來哪些影響？在探討這些問題之前，首先需要明確基礎(chǔ)設(shè)施的定義與標(biāo)準(zhǔn)，立足于理論之維與實(shí)踐之基探尋依據(jù)，并從互聯(lián)網(wǎng)和人工智能的演進(jìn)中尋找規(guī)律，進(jìn)而理解AGI作為基礎(chǔ)設(shè)施的合理性與必然趨勢。

（一）基礎(chǔ)設(shè)施的定義與標(biāo)準(zhǔn)

對于基礎(chǔ)設(shè)施的理解和研究通常始于技術(shù)功能，但其內(nèi)涵遠(yuǎn)不止于技術(shù)層面。[4]從字面上看，“基礎(chǔ)設(shè)施”由“基礎(chǔ)”和“設(shè)施”構(gòu)成，“基礎(chǔ)”指的是事物發(fā)展所必需的、基本的、不可或缺的支撐要素；“設(shè)施”則是指能夠滿足社會生活需求的操作系統(tǒng)。在英文中，“infrastructure”對應(yīng)基礎(chǔ)設(shè)施的概念，由前綴“infra-”（意為“在下面”）和“structure”（意為“結(jié)構(gòu)”）組成，強(qiáng)調(diào)其作為“底層技術(shù)架構(gòu)”的特性。綜合來看，本文將基礎(chǔ)設(shè)施定義為支撐社會運(yùn)行所需的底層技術(shù)架構(gòu)和操作系統(tǒng)。

第一，在理論層面，基礎(chǔ)設(shè)施需要具備以下特征：一是物質(zhì)性?；A(chǔ)設(shè)施是由一系列中心、節(jié)點(diǎn)、線路和終端構(gòu)成的網(wǎng)絡(luò)[5]，是可以使貨物、思想、人員等實(shí)現(xiàn)空間交換的物質(zhì)形式[6]。無論是電網(wǎng)、供水、燃?xì)?、交通等作為物質(zhì)工程的硬基礎(chǔ)設(shè)施，還是由信息基礎(chǔ)設(shè)施、融合基礎(chǔ)設(shè)施、創(chuàng)新基礎(chǔ)設(shè)施構(gòu)成的“新基建”（新型基礎(chǔ)設(shè)施建設(shè)）等軟基礎(chǔ)設(shè)施，都是人類賴以生活和行動的物質(zhì)條件，為推動經(jīng)濟(jì)社會發(fā)展起到了至關(guān)重要的基礎(chǔ)作用。二是關(guān)系性。基礎(chǔ)設(shè)施不僅可以是物質(zhì)層面的基礎(chǔ)設(shè)施建設(shè)，還可以是隱喻的深層結(jié)構(gòu)。在Susan Leigh Star的研究框架中，技術(shù)、基礎(chǔ)設(shè)施與組織變革三者之間存在著互動關(guān)系，拓展了理解基礎(chǔ)設(shè)施的關(guān)系性視角[7]，即基礎(chǔ)設(shè)施并非是孤立存在的，而是嵌入到了社會結(jié)構(gòu)、配置和技術(shù)之中[8]，既源自社會關(guān)系，也形塑了社會關(guān)系[9]。因此，在探討某一事物何以成為基礎(chǔ)設(shè)施時(shí)，還需考量其在落地過程中的物質(zhì)性特征與其所處的社會環(huán)境及不同主體之間的復(fù)雜關(guān)系[10]，只有其與社會實(shí)踐活動緊密相連，才能真正發(fā)揮基礎(chǔ)設(shè)施的作用。三是歷時(shí)性。一方面，基礎(chǔ)設(shè)施的建設(shè)與發(fā)展是一個(gè)逐步成熟和完善，進(jìn)而基礎(chǔ)設(shè)施化的過程，無論是規(guī)模的擴(kuò)大、功能的增強(qiáng)，還是技術(shù)的革新，都需要?dú)v經(jīng)時(shí)間的沉淀；另一方面，基礎(chǔ)設(shè)施的發(fā)展路徑還沿襲了既有的慣性[11]，但這種慣性并非簡單重復(fù)過去，而是受到歷史經(jīng)驗(yàn)、社會慣例和文化傳統(tǒng)等多種因素的綜合影響，形成了相對穩(wěn)定的基礎(chǔ)設(shè)施發(fā)展模式，為其持續(xù)發(fā)展提供結(jié)構(gòu)性保障。四是公共性。隨著基礎(chǔ)設(shè)施的發(fā)展，其在經(jīng)濟(jì)和社會進(jìn)程中扮演著越來越重要的角色，提供廣泛而普遍的公共服務(wù)[12]，并在整合公眾方面發(fā)揮著關(guān)鍵作用[13]。同時(shí)，基礎(chǔ)設(shè)施也在一定程度上構(gòu)建了自下而上的權(quán)力生態(tài)，承擔(dān)了部分政府的管理職能。

第二，在實(shí)踐層面，基礎(chǔ)設(shè)施的建設(shè)還深受三大要素影響：一是用戶數(shù)量。根據(jù)梅特卡夫定律，網(wǎng)絡(luò)的價(jià)值與用戶數(shù)量的平方成正比，基礎(chǔ)設(shè)施作為承載社會各種資源的網(wǎng)絡(luò)，其高效運(yùn)行依賴于用戶的廣泛參與，用戶規(guī)模越大，其發(fā)展的根基就越牢固，從而帶來更顯著的規(guī)模效應(yīng)和范圍效應(yīng)。二是用戶的使用頻度。如前所述，基礎(chǔ)設(shè)施的“設(shè)施”代表滿足社會生活需求的操作系統(tǒng)，許多經(jīng)濟(jì)社會活動都需要依托于基礎(chǔ)設(shè)施來實(shí)現(xiàn)，因此，高頻率的用戶使用是評估基礎(chǔ)設(shè)施有效性的重要指標(biāo)，也是衡量其功能和服務(wù)質(zhì)量的重要標(biāo)準(zhǔn)。三是對用戶的影響程度。用戶的行為模式、生產(chǎn)和生活方式等都可能因基礎(chǔ)設(shè)施的進(jìn)步而發(fā)生變化。例如，公共交通系統(tǒng)的優(yōu)化和共享出行系統(tǒng)的興起，改變了人們的出行習(xí)慣；隨著信息化和網(wǎng)絡(luò)化的發(fā)展，遠(yuǎn)程辦公、在線會議等新型工作方式逐漸成為趨勢。由此可見，基礎(chǔ)設(shè)施對用戶行為、觀念、習(xí)慣等的深刻影響反映了其在社會中的重要性和實(shí)際價(jià)值。

（二）互聯(lián)網(wǎng)、人工智能的基礎(chǔ)設(shè)施化演進(jìn)

1.互聯(lián)網(wǎng)平臺化：作為“連接一切”的基礎(chǔ)設(shè)施

隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，平臺的功能和作用也在逐漸擴(kuò)展和深化，影響力日益凸顯，平臺化的互聯(lián)網(wǎng)逐步成為“連接萬物”、支撐社會發(fā)展的重要基礎(chǔ)設(shè)施。因此，互聯(lián)網(wǎng)的基礎(chǔ)設(shè)施化主要體現(xiàn)在平臺的展現(xiàn)形式上。

從學(xué)理角度來說，平臺被視為基礎(chǔ)設(shè)施的隱喻[14]，在現(xiàn)代社會中，互聯(lián)網(wǎng)平臺發(fā)揮著基礎(chǔ)性的作用。第一，互聯(lián)網(wǎng)平臺的建立基于一系列互聯(lián)網(wǎng)相關(guān)的技術(shù)標(biāo)準(zhǔn)，如網(wǎng)絡(luò)基站、服務(wù)器、數(shù)據(jù)中心、互聯(lián)網(wǎng)協(xié)議，以及互聯(lián)網(wǎng)接入與輸出的終端設(shè)備等[15]，這些構(gòu)成了互聯(lián)網(wǎng)平臺的物質(zhì)性基礎(chǔ)。第二，互聯(lián)網(wǎng)因其連接性、開放性和去中心化的特征，削弱了傳統(tǒng)權(quán)力結(jié)構(gòu)中的中心節(jié)點(diǎn)，為不同階層和背景的個(gè)體提供了展示和互動的平臺，賦予了個(gè)體成為信息傳播主體的可能性。隨著社交媒體平臺的出現(xiàn)和發(fā)展，互聯(lián)網(wǎng)日益成為連接和維系社會關(guān)系網(wǎng)絡(luò)的基礎(chǔ)紐帶，不僅引發(fā)了社會關(guān)系維度的深刻變革，也使互聯(lián)網(wǎng)逐漸嵌入更廣泛的社會關(guān)系網(wǎng)絡(luò)中，成為社會互動的重要媒介。第三，互聯(lián)網(wǎng)的發(fā)展經(jīng)歷了從PC互聯(lián)網(wǎng)到移動互聯(lián)網(wǎng)，再到智能互聯(lián)網(wǎng)的演進(jìn)過程，逐步形成了相對穩(wěn)定的平臺發(fā)展模式。第四，互聯(lián)網(wǎng)平臺正在自我構(gòu)建一種龐大的生態(tài)系統(tǒng)，逐步融合現(xiàn)有的基礎(chǔ)設(shè)施，成為兼具信息傳遞、社會交往、公共傳播、政治溝通、產(chǎn)業(yè)經(jīng)營等的公共空間[16]。一些超級平臺甚至憑借強(qiáng)大的資本、經(jīng)濟(jì)與數(shù)據(jù)優(yōu)勢，獲得了改造乃至創(chuàng)造基礎(chǔ)設(shè)施的權(quán)力，開始承擔(dān)起部分政府職能。[17]

而在實(shí)踐過程中，互聯(lián)網(wǎng)之所以能夠成為基礎(chǔ)設(shè)施，首先在于其擁有大體量的用戶規(guī)模。根據(jù)Statista的數(shù)據(jù)，截至2023年，全球互聯(lián)網(wǎng)用戶數(shù)量約為54億，覆蓋了全球三分之二的人口。其中，自2008年以來，我國一直是全球互聯(lián)網(wǎng)用戶數(shù)量最多的國家，這為我國互聯(lián)網(wǎng)的高速發(fā)展奠定了基礎(chǔ)。CNNIC的數(shù)據(jù)顯示，截至2023年12月，我國網(wǎng)民規(guī)模達(dá)到10.92億人，互聯(lián)網(wǎng)普及率達(dá)77.5%，其中使用手機(jī)上網(wǎng)的網(wǎng)民比例高達(dá)99.9%，互聯(lián)網(wǎng)在我國社會具有較高的滲透度。其次，互聯(lián)網(wǎng)的用戶使用頻度高。Statista的數(shù)據(jù)顯示，截至2023年第四季度，全球互聯(lián)網(wǎng)用戶每日平均上網(wǎng)時(shí)間為6小時(shí)35分鐘，其中日均使用社交媒體的時(shí)間為143分鐘。根據(jù)CNNIC發(fā)布的數(shù)據(jù)，在中國，網(wǎng)民的人均每周上網(wǎng)時(shí)長從2012年的19.9小時(shí)增加到2023年的26.1小時(shí)，可以看出互聯(lián)網(wǎng)在用戶日常生活中占據(jù)越來越多的時(shí)間。此外，在互聯(lián)網(wǎng)的影響下，人們的生產(chǎn)、生活和工作逐漸從線下轉(zhuǎn)移至線上，生存方式從數(shù)字化生存向數(shù)據(jù)化生存轉(zhuǎn)變[18]，短視頻平臺的興起更是激發(fā)了視頻化生存的轉(zhuǎn)向，從而重塑了人們的社交和消費(fèi)的觀念和行為等。

2.平臺AI化：人工智能技術(shù)平移的基礎(chǔ)性作用

隨著信息技術(shù)的快速發(fā)展，人工智能技術(shù)逐漸取代傳統(tǒng)互聯(lián)網(wǎng)技術(shù)成為平臺運(yùn)作的基礎(chǔ)性技術(shù)。換言之，互聯(lián)網(wǎng)平臺的展現(xiàn)形式依然保持不變，但從互聯(lián)網(wǎng)向人工智能的技術(shù)平移使得當(dāng)前各大互聯(lián)網(wǎng)平臺都朝著AI化的方向發(fā)展。

在學(xué)理角度上，第一，人工智能并非只是后臺運(yùn)行的代碼和抽象的技術(shù)，相反，其與物質(zhì)世界的協(xié)同交互與影響是非常深入的。一方面，AI的運(yùn)行需要依賴充足的電力供應(yīng)、低延遲的網(wǎng)絡(luò)、高性能的硬件、可靠的存儲解決方案以及大規(guī)模的數(shù)據(jù)中心等基礎(chǔ)性物質(zhì)資源；另一方面，通過物聯(lián)網(wǎng)設(shè)備（如傳感器、攝像頭）收集物理世界中的數(shù)據(jù)，AI算法能夠進(jìn)行數(shù)據(jù)分析和處理，進(jìn)而在復(fù)雜的場景中提供精準(zhǔn)、高效的智能化服務(wù)，如手機(jī)地圖平臺運(yùn)用AI技術(shù)可以分析實(shí)時(shí)交通數(shù)據(jù)，優(yōu)化交通流量，減少擁堵和事故發(fā)生的可能性。在這個(gè)過程中，數(shù)字勞動的物質(zhì)網(wǎng)絡(luò)也被同時(shí)構(gòu)建了起來[19]，在平臺經(jīng)濟(jì)的驅(qū)動下出現(xiàn)了外賣員、網(wǎng)約車司機(jī)等新型職業(yè)群體。第二，人工智能推動了人類社會關(guān)系的重DoVnyPKIhZR9sQThwFsYaw==構(gòu)和結(jié)構(gòu)的重組，實(shí)現(xiàn)了從機(jī)器輔助人類到人機(jī)協(xié)同、人機(jī)共生的轉(zhuǎn)變，同時(shí)虛擬與現(xiàn)實(shí)的界限也隨之進(jìn)一步消弭，虛實(shí)交互不斷深化。第三，人工智能技術(shù)由于受到認(rèn)知水平、技術(shù)水平和資金水平等多方面不足的制約，經(jīng)歷了半個(gè)多世紀(jì)的持續(xù)深潛，才逐漸成為社會的底層技術(shù)。從翻譯軟件、AI圍棋模型AlphaGo，到智能推薦算法、電子設(shè)備智能助手，再到生成式人工智能的出現(xiàn)，AI的應(yīng)用領(lǐng)域日益廣泛。第四，人工智能技術(shù)在互聯(lián)網(wǎng)平臺的廣泛應(yīng)用下，正在賦能教育、醫(yī)療、交通、農(nóng)業(yè)等社會各領(lǐng)域的數(shù)字化、智能化轉(zhuǎn)型，催生出了新理念、新用戶、新模式、新產(chǎn)業(yè)和新應(yīng)用。在2024年《政府工作報(bào)告》中，我國將“人工智能+”行動上升為國家戰(zhàn)略，未來將形成“人工智能+各行各業(yè)+各應(yīng)用場景”的深度融合。

在實(shí)踐角度上，無論是在線學(xué)習(xí)、遠(yuǎn)程辦公，還是智能家居、智慧醫(yī)療等領(lǐng)域，人工智能正在對人類生活進(jìn)行全方位滲透。自從ChatGPT問世以來，特別是新一代生成式人工智能如GPT-4o和谷歌Project Astra的推出，AI直觀易用的界面設(shè)計(jì)、高效準(zhǔn)確的信息處理能力、自然流暢的對話體驗(yàn)，必將進(jìn)一步提升用戶接納度。

（三）“生產(chǎn)即分發(fā)”：AGI也將成為新基礎(chǔ)設(shè)施

自1956年在達(dá)特茅斯會議上首次提出“人工智能”概念以來，為了實(shí)現(xiàn)AGI的終極目標(biāo)，人工智能技術(shù)經(jīng)歷了專用人工智能（ANI）的經(jīng)驗(yàn)積累，以及AI大模型的能力涌現(xiàn)，奠定了技術(shù)、資金、人才等基礎(chǔ)條件。所謂AGI就是一個(gè)能夠執(zhí)行人類所有工作，甚至超越人類能力范疇的智能系統(tǒng)，它不再局限于特定的任務(wù)或領(lǐng)域，而是擁有廣泛的認(rèn)知能力、自我進(jìn)化能力，并在多樣化的任務(wù)和復(fù)雜環(huán)境中展現(xiàn)出人類級別或更高的智能水平。[20]也就是說，AGI的最終意義是創(chuàng)造出一個(gè)終極智能世界[21]，將成為未來的社會基礎(chǔ)設(shè)施。

從學(xué)理角度出發(fā)，互聯(lián)網(wǎng)和人工智能技術(shù)推動了互聯(lián)網(wǎng)平臺迅速崛起，出現(xiàn)了“基礎(chǔ)設(shè)施的平臺化”和“平臺的基礎(chǔ)設(shè)施化”[22]，平臺成為基礎(chǔ)設(shè)施的主要展現(xiàn)形式。但是，相對于未來的AGI，則會在現(xiàn)有平臺基礎(chǔ)上衍生出“生產(chǎn)即分發(fā)”的新形式。具體而言，AGI基礎(chǔ)設(shè)施將不再局限于當(dāng)前平臺的展現(xiàn)形式，而是進(jìn)一步把現(xiàn)有的基礎(chǔ)設(shè)施化、媒介化的平臺“再中介化”。這一過程將徹底改變傳統(tǒng)的生產(chǎn)和分發(fā)流程，實(shí)現(xiàn)了生產(chǎn)之后直接分發(fā)的模式，無需依賴傳統(tǒng)平臺作為“中介”。例如，基于個(gè)體化模型和個(gè)性化AI進(jìn)行的人機(jī)交互，生成的內(nèi)容可以直接面向用戶進(jìn)行分發(fā)，而不再需要經(jīng)過任何中介平臺的處理。AGI通過“去中介化”及其在全面泛化的過程中具備的環(huán)境配置性、嵌入基底性、動態(tài)生成性、關(guān)系公共性、透明生態(tài)性[23]的特征，在各類復(fù)雜環(huán)境中自適應(yīng)地實(shí)現(xiàn)更高程度的資源配置效率和用戶體驗(yàn)優(yōu)化。正如凱文·凱利所言：“當(dāng)技術(shù)變得隱形的時(shí)候才是最強(qiáng)大的?！蔽磥?，AGI會成為“看不見、摸不著、離不開”的基礎(chǔ)設(shè)施，深度滲透并融入社會的每一個(gè)細(xì)微脈絡(luò)之中，無縫連接并塑造社會運(yùn)作的每一個(gè)層面，真正實(shí)現(xiàn)全面的智能化。

在具體實(shí)踐方面，有學(xué)者通過實(shí)證研究發(fā)現(xiàn)，用戶會下意識地將人際交往的原則和期望遷移至人智交互情境中，因此，在AI的研發(fā)與設(shè)計(jì)過程中，能力和情感的雙重兼顧尤為必要。[24]目前，GPT-4o與谷歌Project Astra已經(jīng)突破了語音、聽覺和視覺感官能力的界限，展現(xiàn)出強(qiáng)大的情感理解能力，甚至能夠提供情緒價(jià)值，帶來了豐富的交互體驗(yàn)。未來，AGI將可能模擬人類“眼耳鼻舌身意”六識的感知能力[25]，來獲得更多的感知數(shù)據(jù)，從而帶來更加直接、自然、真實(shí)的沉浸式體驗(yàn)，以更加細(xì)膩、人性化的方式融入人類社會的方方面面。雖然，目前的AI技術(shù)與真正的AGI尚存在距離，但根據(jù)ChatGPT、Sora、GPT-4o、Project Astra等引發(fā)的社會反響，可以預(yù)見，隨著AI能力的不斷提升和AI技術(shù)的日益普及，AGI的用戶群體將持續(xù)擴(kuò)大，使用頻度亦將大幅度提升。

三、AGI作為新基礎(chǔ)設(shè)施對傳媒業(yè)的全景式重構(gòu)

GPT基于背后的預(yù)訓(xùn)練大語言模型，能夠?qū)χR進(jìn)行理解，表現(xiàn)為二維的信息處理能力；Sora作為“世界模擬器”，具備視覺感知能力，能夠?qū)ξ锢硎澜邕M(jìn)行更加立體和直觀的認(rèn)知和模擬，實(shí)現(xiàn)了對現(xiàn)實(shí)的三維理解。但是，GPT和Sora更多是在技術(shù)和底層架構(gòu)上產(chǎn)生了影響，并沒有真正實(shí)際落地，或者說在實(shí)際操作層面仍然面臨一定難度。而GPT-4o和谷歌Project Astra在技術(shù)、性能上的躍升為大模型增加了一個(gè)全新的維度——能夠?qū)嶋H應(yīng)用和實(shí)現(xiàn)場景落地，預(yù)示著AGI正在從理論走向現(xiàn)實(shí)，有望真正成為新的基礎(chǔ)設(shè)施。對于傳媒業(yè)而言，具備更為有效落地場景的AGI新基礎(chǔ)設(shè)施將引發(fā)行業(yè)的全景式變革。

（一）AGI將成為傳媒業(yè)的技術(shù)主導(dǎo)方向

隨著人工智能技術(shù)的進(jìn)步，傳媒業(yè)迎來了以生成式人工智能為代表的新一輪技術(shù)革命。從ChatGPT人機(jī)對話應(yīng)用程序橫空出世到Sora文生視頻大模型驚艷四方，再到GPT-4o和谷歌Project Astra的能力躍升，AGI的曙光日益顯現(xiàn)。盡管目前還未真正實(shí)現(xiàn)AGI，但自然語言處理（NLP）、機(jī)器學(xué)習(xí)等基礎(chǔ)性技術(shù)，以及具備泛化任務(wù)處理能力的類AGI已經(jīng)在傳媒業(yè)得到廣泛應(yīng)用，如撰寫新聞稿件、生成采訪提綱、翻譯文件、分析數(shù)據(jù)、優(yōu)化廣告創(chuàng)意等，為傳媒業(yè)實(shí)現(xiàn)了降本增效。此外，一些媒體還積極推出傳媒垂類大模型，如人民網(wǎng)與百度發(fā)布的“人民網(wǎng)—百度·文心”、中央廣播電視總臺與上海AI實(shí)驗(yàn)室聯(lián)合發(fā)布的“央視聽媒體大模型”、傳播大腦科技（浙江）股份有限公司研發(fā)的“傳播大模型”等。未來，AGI將成為傳媒業(yè)的技術(shù)主導(dǎo)方向，推動傳媒業(yè)在內(nèi)容生產(chǎn)、傳播模式、營銷模式等方面的全面智能化。

（二）傳媒業(yè)務(wù)實(shí)現(xiàn)智能化、精細(xì)化與場景化再造

第一，在AGI的加持下，新聞生產(chǎn)主體泛化，形成“UGC+PGC+AIGC+AI Agent”協(xié)同生產(chǎn)的格局。其中，AIGC已在體育、財(cái)經(jīng)報(bào)道中有所應(yīng)用，通過AI自主內(nèi)容創(chuàng)作，實(shí)現(xiàn)全天候、實(shí)時(shí)內(nèi)容產(chǎn)出，提升了內(nèi)容生產(chǎn)效率。AI Agent作為一種高級應(yīng)用程序，能夠理解人類指令，并以類人的方式作出回應(yīng)、互動和決策。原先的圍棋機(jī)器人AlphaGo、語音助手Siri等可被視為AI Agent的初級形態(tài)，而GPT-4o和谷歌Project Astra則具備了更高級的類人AI Agent特性，能夠與用戶進(jìn)行自然、流暢、即時(shí)的互動交流，將成為全新的內(nèi)容生產(chǎn)主體。

第二，在AGI的驅(qū)動下，新聞傳播的互動方式和場景也展現(xiàn)出顯著癥候。一是GPT-4o和Project Astra這種類AGI技術(shù)在人機(jī)交互方面的顯著進(jìn)步，已經(jīng)調(diào)整并重塑了傳媒業(yè)的新聞分發(fā)模式，即在人與機(jī)器的一問一答過程中，形成了“生產(chǎn)即分發(fā)”的傳播形式。具體來說，用戶通過即時(shí)語音對話和實(shí)時(shí)參與主動提出需求，AGI在時(shí)延、表達(dá)方式上能夠進(jìn)行類人響應(yīng)，針對性地滿足其需求，從而顛覆了傳統(tǒng)新聞機(jī)構(gòu)“點(diǎn)對面”的新聞分發(fā)模式，以及依賴算法推薦而導(dǎo)致的內(nèi)容分發(fā)同質(zhì)化現(xiàn)象，實(shí)現(xiàn)了真正意義上的“點(diǎn)對點(diǎn)”傳播，滿足了個(gè)性化、精細(xì)化、“千人千面”的互動體驗(yàn)[26]。二是AGI進(jìn)一步深化了元宇宙新聞場景的“脫虛向?qū)崱边M(jìn)程。一方面，作為元宇宙最早落地的應(yīng)用場景之一，以GPT-4o為代表的新一代生成式人工智能賦能虛擬數(shù)字人的類人化屬性和智能化水平，能夠克服當(dāng)前一些數(shù)字人依靠幕后工作人員操控、動作和表情不自然、語音交互不流暢等不足，給予用戶更優(yōu)質(zhì)的體驗(yàn)；另一方面，通過手機(jī)攝像頭、智慧眼鏡或數(shù)字替身，用戶可以參與沉浸式的新聞互動，新聞傳播從單一的信息傳遞轉(zhuǎn)變?yōu)槎喔泄俚木C合體驗(yàn)，在一定程度上增強(qiáng)了新聞的現(xiàn)場感和真實(shí)性。

（三）產(chǎn)業(yè)融合與傳媒功能深度延伸

在AGI的技術(shù)語境中，傳媒業(yè)作為相對傳統(tǒng)的產(chǎn)業(yè)，需要通過與AI技術(shù)的深度融合，注入新的活力與動力。AGI作為基礎(chǔ)設(shè)施將延續(xù)“互聯(lián)網(wǎng)+跨界”的模式，推進(jìn)傳媒業(yè)在產(chǎn)業(yè)層面的深度融合。第一，互聯(lián)網(wǎng)企業(yè)通常是新技術(shù)的先行者，無論是西方發(fā)達(dá)國家還是我國的互聯(lián)網(wǎng)企業(yè)，都在積極探索AI大模型及其相關(guān)業(yè)務(wù)，致力于實(shí)現(xiàn)產(chǎn)業(yè)智能升級，推動AGI的全面快速發(fā)展，為傳媒業(yè)的跨界融合提供了技術(shù)、人才和資金支持。第二，面對技術(shù)對傳媒業(yè)的沖擊，尤其是AGI應(yīng)用下“生產(chǎn)即分發(fā)”的新模式，將進(jìn)一步動搖媒體的用戶基礎(chǔ)。因此，傳媒業(yè)需要把握住AGI的機(jī)遇，將功能的“觸角”延伸至社會更多領(lǐng)域，如文化創(chuàng)意產(chǎn)業(yè)、教育、醫(yī)療、智慧城市、數(shù)字治理等，拓展自身的影響力。

四、結(jié)語

塞巴斯蒂安·特倫曾言：“人工智能更像是一門人文學(xué)科，其本質(zhì)在于嘗試?yán)斫馊祟惖闹悄芘c認(rèn)知?！币訥PT-4o、谷歌Project Astra為代表的新一代生成式人工智能賦予了AI以人類的感官，不僅在多模態(tài)處理和人機(jī)交互能力上實(shí)現(xiàn)了顯著突破，更在實(shí)際應(yīng)用場景中展現(xiàn)了廣泛的實(shí)用性，代表著AGI的最新發(fā)展方向。在AI技術(shù)的演進(jìn)趨勢下，AGI將逐漸成為無處不在的現(xiàn)象和實(shí)體，成為繼互聯(lián)網(wǎng)和人工智能之后的新基礎(chǔ)設(shè)施。然而，任何技術(shù)的發(fā)展都伴隨著挑戰(zhàn)，在實(shí)現(xiàn)AGI的過程中，諸如數(shù)據(jù)安全、隱私保護(hù)、倫理道德等問題亦不容忽視，在未來的演進(jìn)過程中還需進(jìn)一步跟蹤研究。

[本文為北京市社會科學(xué)基金規(guī)劃重點(diǎn)項(xiàng)目“首都互聯(lián)網(wǎng)平臺企業(yè)社會責(zé)任與協(xié)同治理體系研究”的階段性成果，批準(zhǔn)號（22XCA002）]

參考文獻(xiàn)：

[1]Wu S，F(xiàn)ei H，Qu L，et al.Next-gpt：Any-to-any multimodal llm[EB/OL].https：//arxiv.org/abs/2309.05519.

[2]保羅·萊文森.人類歷程回放：媒介進(jìn)化論[M].鄔建中，譯.重慶：西南師范大學(xué)出版社，2016.

[3]財(cái)聯(lián)社.OpenAI放開限制！用戶無需注冊即可使用ChatGPT[EB/OL].https：//finance.eastmoney.com/a/202404023031708894.html.

[4]柯小俊.“技術(shù)網(wǎng)絡(luò)”與“意義點(diǎn)位”：作為紀(jì)念碑的基礎(chǔ)設(shè)施研究[J].新聞大學(xué)，2023（7）：86-100+120.

[5]張磊，賈文斌.互聯(lián)網(wǎng)基礎(chǔ)設(shè)施研究：元概念、路徑與理論框架[J].中國社會科學(xué)院研究生院學(xué)報(bào)，2021（5）：22-32+145.

[6]Larkin B.The politics and poetics of infrastructure[J].Annual review of anthropology，2013（42）327-343.

[7]王家東.基礎(chǔ)設(shè)施、邊界對象與科學(xué)技術(shù)研究的人類學(xué)路徑[J].自然辯證法研究，2023，39（06）：112-117.

[8]Star S L.The ethnography of infrastructure[J].American behavioral scientist，1999，43（3）：377-391.

[9]張磊，賈文斌.互聯(lián)網(wǎng)基礎(chǔ)設(shè)施研究：元概念、路徑與理論框架[J].中國社會科學(xué)院研究生院學(xué)報(bào)，2021（05）：22-32+145.

[10]段世昌.媒介基礎(chǔ)設(shè)施視角下的技術(shù)編碼研究：教育網(wǎng)PT站的“分享”規(guī)則及用戶實(shí)踐[J].新聞界，2020（10）：81-94.

[11]張磊，賈文斌.互聯(lián)網(wǎng)基礎(chǔ)設(shè)施研究：元概念、路徑與理論框架[J].中國社會科學(xué)院研究生院學(xué)報(bào)，2021（05）：22-32+145.

[12]張超義.能源網(wǎng)、交通網(wǎng)、信息網(wǎng)：作為媒介的網(wǎng)絡(luò)型基礎(chǔ)設(shè)施與三網(wǎng)融合[J].全球傳媒學(xué)刊，2023，10（05）：56-70.

[13]Collier S J，Mizes J C，Von Schnitzler A. Preface：Public infrastructures/infrastructural publics[J/OL].（2016-07）[2024-05-18].https：//limn.it/articles/preface-public-infrastructures-infrastructural-publics/.

[14]劉戰(zhàn)偉.凸顯什么？遮蔽什么？——作為隱喻的“平臺”：連接、中介與基礎(chǔ)設(shè)施[J].新聞記者，2022（6）：54-66.

[15]束開榮.互聯(lián)網(wǎng)基礎(chǔ)設(shè)施：技術(shù)實(shí)踐與話語建構(gòu)的雙重向度——以媒介物質(zhì)性為視角的個(gè)案研究[J].新聞記者，2021（2）：39-50.

[16]殷琦，國秋華.從靜態(tài)機(jī)構(gòu)到動態(tài)功能：互聯(lián)網(wǎng)平臺的內(nèi)涵演變與治理轉(zhuǎn)向[J].現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報(bào)），2023，45（04）：135-142.

[17]劉戰(zhàn)偉，劉潔.“平臺/platform”：一個(gè)概念史的溯源性研究[J].新聞與寫作，2023（8）：70-82.

[18]彭蘭.“數(shù)據(jù)化生存”：被量化、外化的人與人生[J].蘇州大學(xué)學(xué)報(bào)（哲學(xué)社會科學(xué)版），2022，43（02）：154-163.

[19]孫萍.如何理解算法的物質(zhì)屬性：基于平臺經(jīng)濟(jì)和數(shù)字勞動的物質(zhì)性研究[J].科學(xué)與社會，2019，9（03）：50-66.

[20]郭全中，張金熠.作為視頻世界模擬器的Sora：通向AGI的重要里程碑[J].新聞愛好者，2024（4）：9-14.

[21]郭全中，袁柏林.從GPT看AGI的本質(zhì)突破：傳媒業(yè)新挑戰(zhàn)與未來[J].新聞愛好者，2023（4）：30-35.

[22]Plantin J C，Lagoze C，Edwards P N，et al.Infrastructure studies meet platform studies in the age of Google and Facebook[J].New media & society，2018，20（1）：293-310.

[23]陳昌鳳，袁雨晴.智能新聞業(yè)：生成式人工智能成為基礎(chǔ)設(shè)施[J].內(nèi)蒙古社會科學(xué)，2024，45（01）：40-48.

[24]張妍，趙宇翔，吳大偉，等.人智交互情境中用戶對生成式人工智能的心智感知及反應(yīng)研究[J/OL].情報(bào)理論與實(shí)踐，1-12[2024-05-18].http：//kns.cnki.net/kcms/detail/11.1762.G3.20240510.1836.002.html.

[25]張?jiān)姮?，沈?Sora：傳媒生態(tài)的鏡像進(jìn)化與認(rèn)知變革[J/OL].編輯之友，1-8[2024-05-18].http：//kns.cnki.net/kcms/detail/14.1066.G2.20240419.1104.002.html.

[26]郭全中，蘇劉潤薇.大模型驅(qū)動下的傳媒再造[J].出版廣角，2024（3）：4-12.

作者簡介：郭全中，中央民族大學(xué)新聞與傳播學(xué)院教授，互聯(lián)網(wǎng)平臺企業(yè)發(fā)展與治理研究中心主任（北京 100081），江蘇紫金傳媒智庫高級研究員（南京 211199）；蘇劉潤薇，中央民族大學(xué)新聞與傳播學(xué)院碩士生（北京 100081）。

編校：王志昭