原标题:新技术带来挑战和机遇(引题)
全球传媒产业如何求新求变(主题)
(资料图片仅供参考)
国际商报记者 何诗霏
清华大学新闻与传播学院、社会科学文献出版社、央视市场研究股份有限公司(CTR)、中国广视索福瑞媒介研究有限责任公司(CSM)、中国新闻史学会传媒经济与管理委员会近日在北京联合发布了《传媒蓝皮书:中国传媒产业发展报告(2023)》。
报告指出,2022年以来,后疫情时代的影响、乌克兰危机以及全球经济的持续震荡等因素叠加使国际局势更趋复杂。在此背景下,传媒产业整体呈现出复杂多变的发展趋势,各细分行业在全面数字化的同时,面临着多重挑战,在曲折中探索前行。
总体来看,当今全球传媒行业的裂痕和断层使整个行业处于新的立足点。新冠疫情期间消费者所培养的对数字内容和服务的兴趣及使用习惯,在疫情结束后多大程度能够得到保留,仍然有很强的不确定性。视频、音频、报刊出版等行业与社交媒体的联系更加紧密,各个行业也在试图和电子商务、新型数字广告形式建立营收路径,为媒介收入的拓展提供了新的思路和机会。但是,每个行业还面临着不同的问题和挑战。元宇宙、NFT产业的发展逐渐趋向理性化,而人工智能等新技术为传媒发展带来了新的机遇。
报告指出了全球传媒产业发展的几点反思与趋势。
用户代际断层使用——Z时代的逐步兴起。狂热的Z时代消费者进入人们的视野,与目前的消费者群体相比,他们更年轻,更数字化,更喜欢流媒体和游戏,更多地参与到为他人创造和塑造体验中,年轻一代对未来的媒体产业的期待和愿望开始引导全球媒体产业未来发展方向。
行业经营新危机——产品饱和中的用户新增困境。普华永道的调查显示,全球人口的消费能力正以算数级数增长,而流媒体的服务以几何倍的速度增长,新增流量逐渐减缓。流媒体的发展已经逐步进入瓶颈期,如何加强用户黏性,在现有用户中获取更大的商业利益成为了新的话题。
产业格局的重塑——资本整合的不断深化。资产的剥离和整合也是2022年全球传媒产业的主旋律,预示着在传媒业中巨头企业的收购的常态化。特别是在疫情结束后,各个行业都面临着行业格局重塑和整合的新趋势,全球范围内的巨头企业合作越来越频繁。
媒介市场的变革——发展中地区的快速发展。随着疫情、全球金融秩序、政治格局等因素的重塑,全球传媒产业的发展开始发生波动。尽管发展中国家和地区的产业体量难以和发达国家抗衡,但是其发展速度却远远超过了发达国家和地区。从全球传媒业的各个细分行业来看,发展中国家和地区的增速和机遇都遥遥领先,例如在视频游戏、短视频等领域,这种趋势更为明显。
技术手段的迷思——AI时代的确定与不确定。随着ChatGPT等人工智能产品的爆红,新技术对全球传媒领域的影响再次引发广泛的讨论。但是,技术同样会带来许多问题,例如充斥在社交媒体中的机器账号生产了大量假新闻,使得舆论环境变得愈发复杂;“深度伪造”技术不断合成各种假图片、假视频,使得信息环境恶化;人工智能是否会取代人的价值也开始引发关于人主体性危机的探讨。全球传媒行业不断拥抱新的技术,资本力量疯狂入局AI产业,但是人类以何种方面来处理和应对全面数字化和智能化时代下的人机关系,将成为全球传媒产业发展的未来命题。
此外,报告指出了中国传媒生成式人工智能(AIGC)产业面临的挑战。
首先,AIGC的底层技术模型自主设计面临挑战。从已经初步形成的传媒AIGC生产矩阵来看,美国的OpenAI基本垄断了主流技术模型,其GPT-3模型已经被广泛应用到主流AIGC应用中,由这一个大模型带活了一大批企业,形成了初步的产业集群效应。
其次,中国AIGC产业面对的最大挑战,不是ChatGPT技术的先进性,而是其创造的“时间壁垒”。ChatGPT背后的支持模型,参数量从最开始的1.17亿增加到1750亿,预训练数据量从约5GB增加到45TB,仅仅是训练一个GPT-3,费用就高达460万美元,总训练成本达1200万美元。目前,GPT-3模型的继任者GPT-4已经呼之欲出,其数据训练量一定会超过100TB,训练成本将创下新高。这种投入从2018年就已经开始,其产出成果是“时间+数量”的质变成果,已经形成了初步的“时间壁垒”:流行的人工智能语言模型取得先发优势,展示自身优点、吸引用户使用,最终在人们的使用中不断获得信息反馈,持续进化,让竞争对手“望而却步”。
最后,美国的技术封锁仍在继续。第一,服务层面,ChatGPT实质上对中国大陆不开放。中国用户在使用层面受限,无法直接访问其服务。第二,代码层面“只可用,不可学”,ChatGPT源代码不可见,杜绝了快速模仿的可能性。ChatGPT不开源,只开放API,开源涉及软件源代码的公开和许可,而开放API涉及软件或服务的接口的开放和访问授权。第三,运算硬件卡脖子问题依然存在。人工智能要发展,算力是关键。要支持高算力,高端CPU、GPU芯片必不可少。目前,高端GPU芯片被美国禁止出口,技术卡脖子严重,国内也许只能通过芯片数量积累弥补芯片本身的质量不足。
标签: