中国智能媒体创新发展报告（2022-2023）-中国传媒大学xAI媒体研究院

中国智能媒体创新发展报告（2022-2023）Report on the Development of Intelligent Media Convergence in China（2022-2023）报告出品中国传媒大学媒体融合与传播国家重点实验室新媒体研究院是专注于数字化、信息化和全球化背景下的新媒体综合发展研究的专业性教学与科研机构，致力于新媒体产业研究、新媒体内容研究、新媒体技术研究，以移动媒体、数字电视、国际互联网传播、媒体融合、大数据、新媒体与“一带一路”、军民融合及新媒体人才培养等为核心，持续开展深入的新媒体理论研究、行业应用研究和产品创新研发工作，通过联合国内外专家和高级研究人才团队，以严谨的科学研究为根基，努力实现并不断开拓新媒体研究的最大价值。新浪AI媒体研究院是新浪集团内设研究智库，致力于与学界开展广泛合作，促进科研成果和行业实践对接，推动媒体行业高效、稳步、可持续化地“智能”升级。研究院拥有一流的研究资源，与国内外知名高校、科研院所开展合作，承接国家重点研发计划、863计划、国家自然科学基金项目、社科基金项目等十余个项目。相关研发成果应用于新浪新闻APP、手机新浪网等智能媒体产品矩阵，满足人们日益升级的信息需求。微博校园成立于2010年，经过10余年的探索，基于微博在校园场景下的使用已形成 “信息沟通、服务学生、文化建设、热点引导”的清晰定位。微博校园得到了包括教育部、共青团中央以及各省市自治区教育主管部门的政策扶持。目前，微博校园已覆盖全国2000所以上高校，并建立高校微博联盟。微博校园深耕校园市场，赋能高校打造全景式校园媒体格局，全年打造2000+校园热点话题覆盖全国千所高校，并主导发起绿植领养、高考加油、毕业季、开学季等多个品牌IP项目，深受高校组织和广大师生的支持。联合支持微博校园成立于2010年，经过10余年的探索，基于微博在校园场景下的使用已形成“信息沟通、服务学生、文化建设、热点引导”的清晰定位。微博校园得到了包括教育部、共青团中央以及各省市自治区教育主管部门的政策扶持。目前，微博校园已覆盖全国2000所以上高校，并建立高校微博联盟。微博校园深耕校园市场，赋能高校打造全景式校园媒体格局，全年打造2000+校园热点话题覆盖全国千所高校，并主导发起绿植领养、高考加油、毕业季、开学季等多个品牌IP项目，深受高校组织和广大师生的支持。北京市通州区融媒体中心在原通州区广播电视中心基础上，将《通州时讯》报社、通州电视台、通州广播电台、网络媒体平台， 在人力、内容、宣传方面进行全面整合,充分利用媒介载体，将广播、电视、互联网的优势互为整合，形成了融媒体中心。融媒体中心成立后为适应全新的业务需要，重组成立了新媒体部、平面媒体部、融媒采访部、视频编辑部、音频编辑部、制作部等部门，并先后对原来的电视、广播、报纸进行了全面的升级和改版。“大运通州”网站依托融媒体中心平台所有力量，在网络平台及时发布内容消息,为广大网民提供新闻宣传、政务服务、民生宣传等内容和服务。融汇副中心APP，每日24小时不间断的发布助力副中心建设的各种新闻资讯，为满足网络受众的观看需求，每日同步跟播《副中心新闻》、 对北京城市副中心调频广播上传内容开展音频点播服务、并积极展开各种音视频直播、转播业务。“大运通州网”作为区融媒体中心承办的通州区政府新闻门户网站，由区委宣传部主管，所有业务由融媒体中心管理。首席专家赵子忠教授，中国传媒大学新媒体研究院院长王巍，微博COO、新浪移动CEO、新浪AI媒体研究院院长项目负责人徐琦，中国传媒大学新媒体研究院副研究员（ xuqi@cuc.edu.cn ）乔宇，微博年轻用户发展部总经理、新浪AI媒体研究院副院长项目团队（按姓氏拼音排序）董嘉祺、宫辰、郝会静、江艺彤、李川、梁宇、孙慧姝、温雨婷、王喆报告编委01020304大模型带来媒体融合新机遇中国智能媒体年度理论探讨中国智能媒体创新应用亮点中国智能媒体发展趋势研判报告目录大模型带来媒体融合新机遇Report on the Development of Intelligent Media Convergence in China（2022-2023）01第一部分 大模型带来媒体融合新机遇Report on the Development of Intelligent Media Convergence in China（2022-2023）一、技术环境：能力升级，迭代更新伴随计算机技术与人工智能技术的研发突破，新一轮的发展热点也逐步显现，CHATGPT的爆火带来的是整体大模型行业的齐头并进，从自然语言模型到深度机器学习，大模型技术推动着新一轮的AI技术的发展。通用AI能力的广泛应用也使得大模型技术日趋成熟，同时掌握尖端大模型技术的水平高低也成为了国力竞争的衡量参考之一。图： 部分国内外大模型参数量对比Report on the Development of Intelligent Media Convergence in China（2022-2023）多模态内容语义理解技术基于多模态内容语义理解技术模型构建一种基于多模态信息融合的语义理解模型，为多模态数据生成多知识维度的语义标签。该系统包括两个子模型：多模态分类标签模型(VCT)和多模态语义标签模型(VST)，分别为视频生成分类标签和语义标签。多模态分类标签是预测topic的类别，由于一级、二级类别合并后并不多，因此采用组合的方式进行文本分类。整体模型思路为一个两阶段框架，如下图所示，第一阶段是多模态特征编码，第二阶段包括多模态特征融合和分类器。“”图：多模态分类标签框架图：多模态语义标签框架一、技术环境：能力升级，迭代更新第一部分 大模型带来媒体融合新机遇Report on the Development of Intelligent Media Convergence in China（2022-2023）预训练大模型预训练大模型是目前深度学习领域的一个重要趋势，它通常涉及使用大量数据对大型神经网络进行预训练，以学习一种普遍适用的知识表示。此类模型一般分为两个阶段进行训练：预训练阶段和微调阶段。预训练阶段：在这个阶段，模型会在大量无标签数据上进行训练，例如整个互联网上的文本。这个过程被称为无监督学习，因为模型只需预测输入数据的某些方面，而不需要任何人工标签。在这个过程中，模型会学习到丰富的数据表示，例如单词、短语、句子的含义和它们如何组合在一起。微调阶段：在这个阶段，预训练过的模型会在特定任务的有标签数据上进行进一步训练。例如，如果我们要训练一个新闻分类器，我们就可以在具有新闻类别标签的新闻文章数据上进行微调。在微调过程中，模型会学习到如何将在预训练阶段学到的知识应用到特定任务上。“”图： 预训练示意图一、技术环境：能力升级，迭代更新第一部分 大模型带来媒体融合新机遇Report on the Development of Intelligent Media Convergence in China（2022-2023）二、产业环境：大厂入局，构建生态国内各大科技企业纷纷入局AI大模型大模型增强了AI技术的通用性，助力普惠AI的实现。未来，大模型有望于场景深度融