北京广播电视台信息网络管理中心主任芮浩

　　当前，数智化浪潮正在深刻重塑广播电视与网络视听行业的发展格局。AIGC技术为主流媒体内容生产带来效率变革，既打开了重大主题创作、媒资活化利用、融媒产品创新的全新空间，也对内容真实性导向管控、版权治理、人才机制建设提出了新的考验。

　　如何把握技术机遇、防范应用风险，走出符合主流媒体职责定位的AIGC落地路径，已经成为全国广电推进数智化转型必须直面的现实课题。

　　作为首都主流媒体，北京广播电视台较早布局人工智能融媒创新领域，通过产学研协同搭建AI智作平台，打造“AI画布”智创引擎与数字人矩阵，落地《长征·江河纪》《雨燕》等一批代表性AIGC作品，在全流程人机协同生产、重大主题AI创作、合规风控体系建设等方面积累大量一线实践。

　　日前，「视听潮」与北京广播电视台信息网络管理中心主任芮浩围绕主流媒体AIGC建设的思考与实践展开深度对话。

　　▍锚定媒体变革定位，探索开放共建创新路径

　　「视听潮」：据介绍，北京台在AIGC领域已经形成实验室、AI智作平台、多档AIGC节目案例的完整布局。您怎么看待AIGC对于首都主流媒体的定位？

　　芮浩：从北京广播电视台的一线媒体实践视角来看，答案非常明确：AIGC 绝不仅仅是内容生产环节的工具补充，更是驱动北京台实现系统性变革的核心力量。

　　正如我台张劲林台长在全台技术工作会上所强调，我们正以人工智能技术变革为牵引，带动全台流程变革、机制变革、能力变革，锚定建设数智型主流媒体的战略目标，打通生产链、创新链、价值链，全面提升生产效率、传播效能和经营效益，奋力开创全台高质量发展的崭新局面。

　　「视听潮」：台里成立人工智能融媒创新实验室，联合十多家产学研单位共建，为什么选择“开放共建”模式，而不是完全自主研发？实验室的核心目标与主攻方向是什么？

　　芮浩：2024年3月，北京广播电视台联合北京智源人工智能研究院发起成立人工智能融媒创新实验室，汇聚广电总局广科院、中国传媒大学、智谱AI等15家产学研单位，推动AI技术从理论研究加速走向媒体业务落地。

　　2026年1月，由我台牵头申报的“超高清和人工智能技术融合创新应用北京市重点实验室”获批，实验室行业承载能力进一步提升。

　　我们判断，广电做AI，核心不是从零打造通用大模型，而是面向新闻生产、内容审核、媒资管理、多语种传播等媒体场景开展行业调优，开放共建是更符合产业规律的路径。

　　一是实现产业链优势互补。科研院所、高校、科技企业各有技术长板，我们立足广电一线提出业务需求、提供真实落地环境，各方协同缩短技术落地周期，快速产出可复用的融媒AI方案。

　　二是合力共建行业AI生态，把媒体一线实践沉淀为行业共识，提升首都主流媒体在广电AI领域的行业影响力。

　　三是适度拓展价值边界，将AI能力向政务、公共服务延伸，履行主流媒体社会责任，探索可持续发展路径。

　　实验室的核心目标是打造广电融媒AI试验载体，推动AI嵌入媒体全业务链条，形成行业示范，探索可复制的共研协同模式。现阶段主攻方向是以业务为导向、数据为核心、AI原生为范式，搭建新一代数智化融媒技术体系，引入数字员工与多智能体协同，重构内容生产、传播、运营全流程，输出可向全行业推广的转型示范应用。

　　▍挖掘媒资数据价值，搭建人机协同生产体系

　　「视听潮」：存量媒资对于广电垂类大模型训练有哪些价值？你们在数据治理、版权保护上遇到哪些现实难题？

　　芮浩：主流媒体沉淀的海量音视频媒资是稀缺的核心数据资产，价值体现在两方面——

　　其一，它是安全可控、可溯源的高质量中文音视频语料。部分大模型训练数据集来源偏境外，存在意识形态潜在风险，而我台数十年播出媒资都经过严格审核，完成数字化结构化处理后，能够补齐行业高合规训练数据缺口，筑牢垂类大模型的安全根基。

　　其二，媒资具备极强广电专业属性。我台现有播后视频约115万小时、音频约30万小时，覆盖新闻、文艺、科教、体育、纪录片等品类，播出标准统一。以此训练的垂类模型，输出内容更适配媒体业务场景，天然契合播出规范。

　　落地过程中，我们面临三道现实难题——

　　一是存量媒资介质升级与训练级转码压力。大量历史素材存储于离线磁带库，高码率素材迁移、转码、校验工程体量巨大，是媒资转化为数据资产的第一道门槛。

　　二是数据集构建难度大。传统媒资仅粗粒度编目，达不到大模型所需镜头级、时序级细粒度标注，如何萃取高价值语料、搭建细分垂类数据集，是当前攻坚重点。

　　三是版权边界复杂。媒资包含自制、联合制作、外购引进等多种权益，厘清模型训练的合规边界、平衡保护与运营，是全行业共性课题。

　　「视听潮」：你们在哪些环节已经深度常态化使用AI，在哪些环节坚持人工主导？人机协同的工作流是如何设计的？

　　芮浩：我台AI智作平台、“AI灵犀画布”接入多款主流大模型，搭建起覆盖“聚、策、编、审、存、发、舆”全环节的生产链条，支撑新闻、短视频、专题节目生产。

　　当前AI已经在多个环节实现常态化应用，包括AIGC画布生成、数字人播报、智能视觉设计、素材智能拆条、AI辅助配音、辅助写稿、辅助剪辑、智能审校等，有效实现提质增效。

　　但选题价值判断、现场采访执行、核心事实核实、内容最终审看这四大关键节点必须由人主导。AI负责素材处理、数据整合，人把握“什么值得讲、应该怎么讲”，守住导向、价值、事实三道关口。

　　人机协同以AI画布为代表，正向Vibe Editing氛围式剪辑迭代，遵循“人定方向、控底线，机器做生成、提效率”。

　　人确定主题、情绪风格、画面调性与传播目标，不用逐帧定义细节；多模型融合完成素材生成、迭代、字幕配音、版式渲染，快速输出多版初稿；再由人完成风格调校、取舍修正，机器跟随迭代，产出最终版本。

　　「视听潮」：主流媒体做AI平台会面临算力成本、模型迭代、本地化部署、多模型兼容等现实压力，北京台在大模型本地化部署、成本管控、业务部门落地推广方面积累了哪些实践经验？

　　芮浩：算力成本高、迭代快、本地化安全约束、多模型适配难是广电建设AI平台的普遍痛点。我们不盲目追求技术极致指标，而是立足业务实际，在安全、效果、成本之间寻找平衡点，积累三方面经验。

　　第一，采用“云端通用能力+本地开源大模型私有化部署”混合架构。核心业务、敏感数据链路实现本地化部署，保证数据不出域；非敏感通用生产环节依托云端大模型快速赋能，实现安全、效果、成本动态平衡。

　　第二，模型管理坚持中立策略，不绑定单一厂商。AI中台搭建统一模型管理子系统，不同业务场景匹配适配模型，当出现性价比、效果更优方案时可以平滑切换，规避技术锁定风险。

　　第三，“技术+制度”双轮驱动管控成本、推动落地。技术层面做好词元用量预估、统筹采购、全链路监控；制度层面完善成果跟踪与全成本核算，引导算力资源向高价值业务倾斜，提升业务部门使用的积极性。

　　「视听潮」：从技术工具到一线记者编导真正愿意用、会用，很多媒体会遇到“技术和业务两张皮”的问题。北京台如何推动AI工具下沉到各频道、各栏目？业务部门如何参与技术迭代？

　　芮浩：破解两张皮，不能是技术单向推送、业务被动接受，而要从机制、考核、能力建设协同发力。

　　首先，打通组织壁垒，设立跨部门人工智能融媒创新专项小组，推行“内容+技术”项目制。业务部门提出真实需求、定义业务标准，技术部门研发迭代；技术人员深入理解业务，内容人员参与需求定义与产品验证，实现“技术懂内容、内容懂技术”。

　　其次，优化考核导向，把新技术应用贡献度纳入部门和岗位绩效考核，传递数智化转型导向，激发业务端内生动力。

　　再者，搭建分层赋能体系，解决“不会用”难题。我台2026年推出递进式AI培训，构建“专题培训筑基—实战训练营落地—技能大赛巩固”三阶链路，配套标准化课件，打造学练赛一体化模式，把一次性培训转化为长期能力提升。

　　▍深耕内容创作，坚守核心原则

　　「视听潮」：平台面向全台开放使用，内部建立了怎样的AIGC内容审核流程？如何落实AI生成内容标识，防范幻觉、事实错误、版权风险？

　　芮浩：我们从制度、流程、标识事实、版权四层搭建合规管理体系。

　　制度层面，出台《北京广播电视台人工智能应用规范》，对AI内容制作、审查、传播、版权保护划定统一标准。

　　流程层面，实行人机协同审校。平台智能审校模块拦截显性问题，但导向判断、事实核验、播出终审责任牢牢归于人，机器提效，人守底线。

　　标识与事实层面，所有AI辅助生成内容标注“AI辅助生成内容”；人物、地点、时间、关键数据必须人工核验，防范AI幻觉带来事实错误。

　　版权层面，优先使用自有确权媒资，持续推进存量媒资版权梳理，从源头规避版权风险。

　　在产学研联合开发当中，我台在研发训练阶段开放业务场景与测试环境，允许技术方案试错迭代，但所有拟播出内容必须完整执行这套审核体系。合作项目同样纳入《北京广播电视台人工智能应用规范》监管，落实AI内容标识，安全播出标准不因技术合作让步。

　　「视听潮」：《长征·江河纪》是国内首部长征题材全流程AIGC短片，重大红色主题采用AIGC全流程创作，当时立项的考量是什么？在创作过程中，你们如何平衡AI视觉生成效果与历史史实严谨性，怎么规避AI生成的历史细节错误？

　　芮浩：立项有四重驱动——

　　第一是节点之需，2026年长征胜利90周年，战争年代缺少连续动态影像，仅有史料和图片，AI可以填补这一创作短板。

　　第二是形式之新，用AIGC回望长征，前沿技术和厚重历史碰撞，形成独特表达张力。

　　第三是叙事创新，跳出传统时间人物叙事，以于都河、湘江、乌江、赤水河、金沙江、大渡河六条江河作为叙事锚点，以地缘历史观解读远征。

　　第四是传播适配，AIGC便于短视频切片多平台分发，降低青年群体认知门槛，同时省去实景拍摄高昂成本，实现一次创作多元转化。

　　在创作上，我们确立了如下原则：AI只是视觉还原工具，不是叙事主体；同时明确了三条红线：不架空幻想、拒绝娱乐化、不堆砌特效炫技，画面服务历史叙事。

　　在史实把关上，我们设置了三重边界——

　　前置以权威史料、战役档案、测绘卫星影像搭建史料底座；中置邀请军史、水利专家，对地貌、装备、史实多轮审校；后置落实AI标识，逐镜头核验，区分AI复原画面与真实历史影像。技术越自由，考据越严谨。

　　先吃透历史精神，再用AI做视觉转译，这是重大红色题材使用AIGC的核心准则。

　　「视听潮」：北京台春晚AI互动小程序，北京国际电影节宣传片《雨燕》《人民的领袖——毛泽东的130个瞬间》AI版画动画，这些项目分别探索了AI的不同应用方向。在重大晚会、重大主题纪录片里，AIGC主要解决传统制作的哪些痛点？又暴露出哪些短板？

　　芮浩：AIGC解决传统制作“高成本、长周期、难还原”痛点。传统特效镜头需要数月多部门协同，AI可以压缩到数周甚至数天；更重要的是能够复原历史场景，把抽象概念可视化，例如把历史瞬间转化为版画动画，完成实拍无法实现的创意表达。

　　短板同样突出——AI画面容易出现机械平滑感，人物表情僵硬，缺少烟火与人的温度；同时，艺术可控性不足，很难精准按照分镜逐帧生成，需要反复调试。

　　技术解决“能不能做”，却尚未解决“做得对不对、有没有灵魂”。

　　「视听潮」：据称台内已经形成“时间小妮”等数字人主播矩阵，真人主播和AI数字人如何分工定位？会不会对传统主持人岗位带来冲击？

　　芮浩：我台数字人的定位是真人播出体系的补充，承接标准化、高频重复播出任务，覆盖电视、广播、新媒体。

　　广播级真人数字人“时间小妮”基于主持人春妮形象声音训练，在全台形成数十位数字主持人矩阵，搭配“酷虎”“瑞麒”“播播龙”等卡通IP适配多元节目。

　　分工边界清晰：整点资讯、政策解读、天气、数据播报等程式化内容，由数字人承担；新媒体端热点快讯、夜间值守、多语种传播依靠数字人实现全天候分发；深度访谈、现场报道、大型直播、需要情感共情与临场应变的核心场景全部由真人主播主导。

　　岗位层面要客观看待变化，重复性播报岗位会逐步收缩，但数字人无法替代真人的现场应变、价值判断与媒体公信力。二者不是替代关系，而是互补赋能，共同升级播出体系。

　　▍辨析行业长短维度，完善风控处置体系

　　「视听潮」：您认为省级主流广电媒体做AIGC，独有的优势是什么？短板又在哪里？

　　芮浩：相比商业互联网平台、影视公司，广电AIGC的优劣势都来自体制禀赋与目标定位。

　　独有优势有四点——

　　第一是公信力和合规体系。以成熟的意识形态把关、事实核查、安全播出机制在重大主题、政务传播领域形成市场化主体不具备的信任底座。

　　第二是正版全品类存量媒资。几十年积累经过播出校验是垂类大模型高质量训练资产，商业平台多为UGC、影视公司素材局限于自有项目，都难以匹敌。

　　第三是完整全链路媒体场景。从策采编审播发到运营完整闭环，可以在真实业务中打磨迭代AIGC能力。

　　第四是本地化场景绑定。深度对接政务宣传、城市文化传播、公共服务，形成“技术+政务+商务”复合价值。

　　短板集中在三个方面——

　　一是底层技术研发偏弱。更多做应用集成，受流程约束，迭代速度慢于市场化企业。

　　二是商业化运营能力不足。项目多服务宣传任务，市场化变现路径有限。

　　三是复合型人才缺口。AI算法、AI产品经理等高端人才稀缺，薪酬激励难以对标市场，制约深度创新。

　　「视听潮」：当前AIGC视频仍然存在人物漂移、逻辑漏洞、事实幻觉、版权争议等行业共性难题。结合项目实践，您认为主流媒体做AIGC最大的风险点是什么？你们建立了怎样的风险控制体系？

　　芮浩：画面漂移这类技术瑕疵属于表象，主流媒体AIGC最大的风险是真实性、导向性失控带来公信力损耗。

　　商业平台出错更多影响用户体验，但主流媒体的立身之本是公众信任，AI幻觉、场景失真一旦播出就会伤害媒体权威，在重大主题下一旦发生细节偏差就可能引发舆论质疑，这是首要底线风险，同时版权争议、画面崩坏也是重要风险。

　　我们建立了三道闸门：

　　一是前置防控。出台规范划定AIGC使用红线，新闻现场禁止AI虚构补全，优先使用自有确权素材，从源头规避风险。

　　二是人机双审。机器拦截显性错误，人工逐项核验人物、时间、地点、数据，强制AI内容标识，实现链路可追溯。

　　三是应急处置。一旦发布内容出现事实、合规问题，第一时间下线替换，回溯全流程查找根源，复盘迭代审核标准，完成风险闭环。

　　「视听潮」：您认为AIGC视听创作应当守住哪些底线，技术和内容故事之间是什么关系？

　　芮浩：主流媒体AIGC视听创作要坚守四条底线——

　　一是真实性底线。新闻纪实、重大主题不能虚构事实篡改历史，艺术创作也要以史实事实为基础，守护公信力。

　　二是价值导向底线。拒绝猎奇、低俗，坚持正向文化引领。

　　三是版权与知情权底线。素材版权清晰，AI生成内容明确标注，不混淆AI产物与实拍素材。

　　四是专业品质底线。拒绝无内核的纯技术炫技，作品要具备叙事逻辑与情感表达。

　　技术和内容是“内容为魂，技术为器”的主从关系。

　　首先，AIGC是创作工具，和剪辑软件一样服务叙事，不能把炫技当成创作目标，观众记住的应当是故事而不是技术。

　　其次，技术赋能内容，把创意意境高效可视化可以放大传播效果，但打动受众的内核仍是内容本身。

　　最后，由内容定义技术边界，业务需求决定怎么用AI，不能被技术能力牵着走。技术走得再远，也不能忘记主流媒体内容创作的初心。

　　▍擘画数智建设蓝图，提供行业实践参考路径

　　「视听潮」：下一步，北京台在AIGC方向重点规划是什么？

　　芮浩：下一步，我台将依托“1+3+N”数智架构推进AIGC深度落地，以统一数智基座为核心，联动智能、数据、业务三大中台，夯实算力与模型底层，搭建自动化生产流程，落地AI数字员工，实现策划、报题、生产、审核、发布、反馈智能闭环。

　　产品端迭代自AI灵犀画布，升级Vibe Editing对话式智能剪辑，搭建创意分享广场，打造轻量化视听创意生态。

　　业务上聚焦四大方向——深化AIGC赋能重大主题精品创作；推动数字人矩阵从“可播报”向高可信全场景实用升级；推进历史影像、经典影片AI修复；盘活存量媒资，实现价值增值。

　　「视听潮」：对于全国广电媒体开展AIGC建设，您有哪些建议？

　　芮浩：AIGC建设的本质是媒体内容传播运营的效率升级，要立足自身禀赋务实推进。我们有四点经验可供同行参考。

　　第一，不要盲目自研底层大模型，而要先梳理自身业务痛点、场景、媒资家底，模型算力优先采用合作采购，把资源聚焦业务落地，降低试错成本。

　　第二，技术工具与制度规范同步建设，审核流程、AI标识、版权规则要和平台上线同步落地，不能先上马工具再补制度，守住安全底线。

　　第三，小步快跑，从小切口切入再逐步扩展，优先选择短视频生产、数字人播报等高频场景跑通流程，形成样板后再扩大应用，避免追求大而全造成投入大、落地弱。

　　第四，重视存量媒资治理，不要只把媒资当成存储成本，而要提前做确权、标签化、结构化，把沉睡的内容资源转化为垂类数据集，为后续深度AI应用打好基础。

　　与此同时，地方广电可以沉淀自身实践经验，形成可对外输出的行业方案，共同推动全国广电数智化转型。

责任编辑：凌美