冯应谦｜当AI成为传播者：传播学如何回应AIGC时代的结构性挑战

当下，人工智能尤其是生成式人工智能正深刻改变传播生态，并对传播学的理论基础与研究边界提出挑战。本文从专业生产内容（Professionally Generated Content，PGC）、用户生产内容（User Generated Content，UGC）到人工智能生成内容（Artificial Intelligence Generated Content，AIGC）的历史演变出发，指出AIGC不仅改变了内容生产方式，也重塑了传播主体、真实性判断、媒介效果机制与权力结构。文章认为，AI时代传播学面临“合成现实”带来的真实性危机、传统效果模型失灵以及算法权力扩张等结构性挑战。由此，传播学需要在理论与方法上进行深层转型，重新思考自身的学科使命，并在算法能够制造现实、操控认知和垄断话语的时代，重建以人为中心的传播生态。

文章标题： AI and the Crisis in Communication Discipline

发表时间：2025年11月

作者简介：

冯应谦（Anthony Y.H. Fung）

香港中文大学社会科学学院院长、香港亚太研究所所长，同时担任北京师范大学艺术与传媒学院教授。其研究方向主要集中于数字平台、流行文化、青年与文化研究、文化产业与文化政策等领域。

（一）研究问题与理论视角

与既往媒介技术变革一样，人工智能的兴起并不只是带来新的传播工具，也会反过来改变传播学理解“传播”的基本方式。本文的核心问题并非讨论AI如何应用于新闻生产、内容推荐或用户互动，而是进一步追问：当人工智能能够自动生成内容、模拟人类表达、参与信息分发并影响意义生产时，传播学这一学科本身是否正在遭遇理论危机？

作者将这一问题放在传播生态的历史演变中加以理解。20世纪的大众传播研究主要面对的是专业生产内容，即报纸、广播、电视等专业媒介机构主导信息生产和传播，传播学也由此形成了以媒介效果、议程设置、涵化分析和制度把关为核心的一整套理论传统。进入互联网和社交媒体时代后，用户生产内容兴起，普通用户开始参与公共表达和内容生产，传播权力似乎从专业机构向普通个体扩散。但作者同时指出，即使在UGC时代，平台算法、商业模式和界面机制仍然在重新塑造权力结构。

与PGC和UGC相比，AIGC带来的变化更为根本。生成式人工智能不再只是辅助人类传播的技术工具，而是逐渐成为能够生成文本、图像、声音、视频乃至深度伪造内容的“传播行动者”。它不仅影响传播内容，也影响传播主体、传播渠道、传播效果和传播权力结构。正因如此，作者认为，传播学不能只是把AI当作一个新的研究热点，而应把它视为一次要求学科自我反思和范式转型的深层挑战。本文的理论视角由此从传统媒介中心转向人机共构的传播生态，强调算法和人工智能已经成为重组传播秩序的重要力量。

（二）研究视角

本文是一篇具有学科反思性质的理论评论。作者主要采用历史梳理、理论比较和结构性诊断的方式，对人工智能给传播学带来的冲击进行分析。文章首先回顾传播生态从专业生产内容到用户生产内容，再到人工智能生成内容的演进过程，并在这一历史脉络中说明传播主体和传播权力如何不断发生变化。

在论证方式上，作者并没有停留在对AI应用现象的描述，而是将AIGC置于传播学基础理论之中加以审视。文章一方面回顾了大众传播时代形成的经典理论传统，如媒介效果研究、议程设置、涵化分析、两级传播、沉默的螺旋等；另一方面引入深度伪造、算法推荐、心理画像、超个性化说服和算法封建主义（Algorithmic Feudalism）等新问题，说明传统理论框架在AI时代面临解释力不足的问题。

同时，本文也具有较强的方法论反思色彩。作者认为，面对算法黑箱和人机共构传播过程，传统传播学研究方法已经难以完整解释AI时代的复杂传播现象。未来传播学需要吸收计算社会科学、神经科学实验、眼动追踪、脑电测量等方法，以同时把握宏观层面的内容流动、平台结构和权力分配，以及微观层面的认知反应、情绪变化和个体化说服机制。

（三）反思与总结

1. 真实性危机：从“客观现实”到“合成现实”

作者首先指出，AI对传播学构成的首要挑战，是对“真实”本身的动摇。传统传播研究通常假定存在一个相对稳定的客观现实，研究者可以通过经验方法考察媒介如何呈现现实、影响认知和塑造舆论。然而，在AIGC时代，生成式人工智能能够制造高度逼真的文本、图像、音频和视频，使真实与虚构、事实与伪造、新闻与假新闻之间的边界变得越来越模糊。

这种变化不同于过去意义上的谣言或虚假信息。传统虚假信息往往依赖对事实的扭曲、删减或选择性呈现，而生成式AI则可以直接制造看似真实的“事实”，使“眼见为实”的经验判断失效。由此，公众可能一方面陷入普遍怀疑，不再相信任何信息来源；另一方面又可能把算法生成的模拟现实误认为真实世界。对传播学而言，这意味着真实性危机并不只是技术识别问题，而是关系到新闻信任、公共认知和传播研究基础的深层挑战。

2. 效果模型失灵：从“群体影响”到“神经操控”

作者还认为，传统媒介效果模型难以解释AI时代高度个性化、实时化和心理定向的传播影响。经典传播理论大多建立在大众传播时代的前提之上，即媒介通过相对统一的信息影响群体，传播效果虽然会受到意见领袖、社会关系和受众差异的调节，但整体上仍然是一种面向群体的传播过程。

而在AIGC时代，传播影响的逻辑发生了明显转向。人工智能系统可以通过用户行为、地理位置、生物识别数据甚至神经信号，构建精细的个体心理画像，并据此动态调整信息的表达方式、论证结构和推送时机。传播者可能是算法，传播内容可能实时生成，传播渠道可以不断变化，传播效果也会随着用户反馈持续调整。因此，传播学若继续依赖传统线性模型和媒介中心主义视角，就难以把握AI时代个体化说服和认知干预的真实机制。

3. 权力结构转移：从“公共领域”到“算法封建主义”（Algorithmic Feudalism）

AI对传播权力结构进行了重塑。传统传播学中的政治经济学关注媒介所有权、市场垄断和制度控制，文化研究则关注权力如何通过文化表征和意义生产发挥作用。但当AI深度嵌入平台系统后，传播权力已经不再只是由政府、企业或媒体机构掌握，算法本身正在成为一种新的支配力量。

这种权力转移体现在内容生产、信息分发和意义建构等多个层面。AI可以低成本、大规模地生成新闻和信息，推荐算法也会持续向用户推送符合既有偏好的内容，进一步制造信息茧房和回音室效应。作者借用“算法封建主义”（Algorithmic Feudalism）这一说法，指出平台企业逐渐成为掌握数据、算法和分发权力的“数字领主”，而普通用户则不断贡献数据，却难以真正理解和制衡算法系统。对传播学而言，真正的问题不只是研究平台如何传播信息，而是要理解算法如何参与权力分配、现实建构和社会控制。

（四）结论

本文认为，人工智能带来的并非一般意义上的技术更新，而是对传播学基本前提的系统性冲击。AIGC改变了内容生产方式，也改变了传播主体、真实性判断、传播效果机制和权力结构。由此，传播学不能仅仅把AI视为新的研究对象，更不能停留在“关于AI发表更多论文”的层面，而应借由AI重新反思自身的学科边界、理论基础和社会使命。

首先，传播学需要突破以人类主体和媒介机构为中心的传统框架，重新理解人、平台、算法和机器之间的协同关系。作者认为，行动者网络理论等视角具有启发意义，因为它们承认技术和算法并非完全被动的工具，而是在传播过程中具有“准行动者”地位，能够与人类共同参与传播行动和意义建构。其次，传播学也需要在方法上进行更新，综合运用计算社会科学、神经科学实验和多方法研究路径，既分析AIGC在宏观层面的扩散规律，也解释其在微观层面对认知、情绪和行为的影响。

最后，作者强调，AI带来的危机也可以成为传播学重新定义自身价值的机会。传播学的目的不应只是追逐新媒介、新平台和新技术，而应回到更根本的问题：传播研究究竟为了什么？在作者看来，传播学应当帮助人们建立更好的连接，作出更明智的判断，并共同走向更理想的社会。尤其在算法能够制造现实、操控认知并垄断话语的时代，重建以人为中心的传播生态显得更加必要。

综上所述，本文的意义在于将AI问题从技术应用层面提升到学科危机层面。它提醒我们，人工智能不仅改变传播实践，也正在迫使传播学重新思考“真实”“影响”“权力”和“主体”等核心概念。传播学如果不能回应这些变化，就可能失去解释当代传播现实的能力；但如果能够借此完成理论和方法的转型，AI危机也可能成为传播学重建学科使命的重要契机。

（本文系编译，原文收录至 2025年第10卷第4期，详情请点击下方链接。下载阅读期刊原文请点击“阅读原文”）

原文引用信息：

Fung, A. (2025). . Global Media and China, 10(4), 512–518.

原文网址：

https://journals.sagepub.com/doi/10.1177/20594364251395273