编者按：在Seedance2.0等多模态生成大模型深度介入内容生产的背景下，视频生产正由“拍摄-剪辑-发布”的线性制作转向“生成-编辑-适配-分发-迭代”的循环流程。北京师范大学教授吴晔、硕士研究生常琳、讲师李华基于文献回顾与案例归纳，提出“智能化生产可供性”概念，旨在回答生成式AI视频如何改写“谁在生产、如何生产以及如何被信任”的整体逻辑。文章认为，生成式AI视频并非仅仅提升了内容生产效率，而是推动了视频传播的系统性重构；同时，平台权力也由分发端进一步前移至生产端。本文尝试以“智能化生产可供性”将生成式AI视频的快速产业变动现象转化为传播学可把握的理论问题，并为理解其传播机制、治理逻辑与信任重建提供一个整合性解释框架。

当前，生成式AI已不再只是提升视频内容生产效率的辅助工具，而是成为重塑视频生产系统与既有传播模式的重要变量。以Seedance2.0为代表的文生视频大模型，正在将文本、图像、音频、视频纳入统一多模态音视频联合生成框架；可灵、Vidu、海螺等国内同类模型，也将首尾帧生成视频、角色一致性与高性能视频生成等推向应用前台，视频生产正由“拍摄-剪辑-发布”的线性流程，转向“生成-编辑-适配-分发-迭代”的高效循环流程。生成式AI视频带来的并非单纯的工具升级，而是视频生产方式及其传播逻辑的整体性变化。

正因如此，生成式AI视频有必要被理解为一个传播学意义上的生产方式变革问题，而不仅仅是技术应用问题。现有研究从通用价值可供性、协同治理以及对新闻业态冲击等路径对生成式AI已形成较为丰富的讨论，但总体上主要分散在主体、流程与关系三个层面，亦即“谁在生产”、“如何生产”以及“如何被信任”三个关键问题。但对生成式AI视频如何在同一机制中联动改写主体结构、流程组织与信任关系，仍缺乏一个能够统合三者的中层理论框架。

基于此，本文提出“智能化生产可供性”这一概念，用以说明生成式AI视频改变的并不只是制作工具，而是视频生产中“谁在生产、如何生产以及如何被信任”的整体逻辑：大模型由辅助工具转向准主体，平台权力由分发端前移至生产端，视频内容也由相对稳定的作品形态转向可生成、可适配、可预测、可持续迭代的动态过程。为验证这一判断，本文结合案例归纳与文献回顾，考察生成式AI视频如何推动生产主体、生产流程与用户关系的三重重构。

一、生成式AI视频的智能化生产可供性及其系统重塑

“可供性”最早由詹姆斯·吉布森提出，用以说明生物与环境之间的行动关联；此后，唐纳德·诺曼将其引入设计学与人机交互研究，强调主体对技术可能性的感知与调用。在传播学语境中，相关研究进一步将“可供性”发展为理解媒介技术如何塑造信息生产、社会交往与移动连接的重要分析概念。2017年，潘忠党率先将“可供性”引入中国传播学界，进一步将其提炼为衡量和比较不同“新媒体”的整合概念，并划分出信息生产可供性、社交可供性和移动可供性三大维度。其中，“信息生产可供性”聚焦于媒介对内容编辑、审阅、复制、伸缩与关联的能力，为理解“新媒体”话语中的物质、身体与交互提供了整合相关理论的入口。

然而，进入智能传播时代，传统“信息生产可供性”已不足以解释大模型深度介入视频生产所引发的系统性变化。以Seedance 2.0等文生视频模型为代表，技术已不再只是承载生产活动的媒介通道，而是以前置嵌入的模型、算法与平台体系直接参与内容生成、形式设计与传播适配。在这一意义上，本文提出“智能化生产可供性”这一概念，用以指称人工智能作为内容生产中的准主体，与平台系统和人类创作者共同介入视频生成、优化与传播适配全过程的可能性。与传统“信息生产可供性”相比，“智能化生产可供性”所强调的，已不只是内容更易被编辑、复制和关联，而是内容能够被生成、被预测、被适配并被持续迭代。正是这种从“辅助工具”到“准主体参与”的转变，推动了视频生产在主体、流程与关系三个层面的系统性重塑。

（一）生产主体重构：从专业中心化到人机复合化

智能化生产可供性首先体现为视频生产主体的重构。在传统的视频生产范式中，生产主体往往受限于专业化的技术门槛与昂贵的资本投入，话语权高度集中于专业媒体机构及其内部的专业信源，形成了一种典型的中心化把关模式。然而，智能化文生视频大模型介入，打破了这种基于技术垄断的权力壁垒，重新定义数字内容生产的现有格局。但更值得注意的是，生成式AI并不仅仅作为工具被创作者调用，它本身也开始以“准主体”身份进入内容生产过程，与人类创作者共同构成了“人机共创”的新型复合主体。智能算法推流与智能内容生产共同构建起影响个人对现实社会认知和判断的议程设置网络。

与此同时，主体扩张并不意味着权力真正均衡分散。在技术赋权的表象之下，也隐藏着更深层次的权力重新依附──平台与模型开发者仍通过订阅机制、接口权限、内容规范与参数边界，对个体创作空间施加深层影响。换言之，文生视频降低了个体表达门槛，却并未消解平台对生产资料和规则体系的控制。因此，生成式AI视频带来的主体重构，并不是简单的“人人都能创作”的民主化，而是生产主体由单一专业作者转向“用户-模型-平台”共同构成的复合结构，并伴随平台权力由传播端向生产端进一步前移。

（二）生产流程再组织：从线性制作到智能编排

智能化生产可供性还深刻改变了视频生产的流程逻辑。媒介视频生产流程从高度专业化、结构化的机构机制向以个体思想为中心的视频要素智能编排与自由调用模式转变，人机协同也将成为更常见的内容生产模式。AI视频生成技术通过对选题、脚本、分镜、剪辑及分发等全链条的智能优化，使得数字视觉内容的产出不再受限于传统专业团队的物理设备固定呈现或群体规范的制度压力。

当下的智能化生产正通过自然语言中介，将复杂的思维活动映射为智能加工的视觉表达，用户仅需输入指令与素材，即可引导大模型在理解语义意图的基础上调用多源素材库，并进行反馈式微调。由此，原本分散于多个工种和多个软件环节中的生产任务，被压缩并整合进一个连续迭代的人机协同过程之中。视频的生成、提取、筛选与语言扩展在更少人工介入的条件下连续完成。这进一步表明视频生产正在由“成品导向”转向“流程导向”，即围绕生成、优化、适配与分发不断循环。这种由智能化生产带来的“认知-媒介”框架的耦合，不仅带来了社会情境的持续动态演变与隐喻的遍在化，更将重塑视频作为中介的社会沟通逻辑。最终引发个体之间理解方式的重组，使人与人之间的社会关系进入一种全新的中介化形态。

（三）用户关系重塑：从影像可信到关系信任

生成式AI视频所带来的第三重变化，体现在用户与内容、平台之间关系结构的变化上。在人工智能生成内容（AIGC）技术日益成熟的背景下，社交媒体中的虚拟生成信息呈现越来越即时化、碎片化，也更容易在平台推流作用下放大可见性。传统视频传播之所以能够维系基本的社会信任，一个重要前提在于影像长期被视为具有较强事实指涉能力的媒介形式，专业媒体也由此通过真实性、时效性和权威性建立起相对稳定的信任基础。

然而，在智能化生产可供性不断增强的条件下，社交媒体平台转而利用协同过滤与流量激励机制，优先捕捉用户的直觉与情感反应，导致信息流转陷入了“快思考”模式的感性泥潭。再者，视频的生成成本大幅下降，拟真能力持续提升，同一事件甚至可以被快速生成出多个面向不同人群的个性化版本，这使影像不再天然具有“所见即所得”的可信性。在这种逻辑下，带有情绪的虚假信息更容易传播扩散，情感动员取代了事实核查，成为信息可见性的首要驱动力。这种“集体真实”并非基于客观事实的复现，而是社群内部立场先行的情感共振。换言之，视频传播更容易围绕立场认同、情感共振与叙事沉浸展开，而不再单纯依赖事实核查和机构背书。结果是，社会信任的重心开始从“影像自证”转向“关系确认”，即用户越来越需要借助来源说明、生成记录、社群验证、机构认证和互动关系来判断内容是否可信。因此，生成式AI视频重塑的并不只是内容形态，更是用户理解和信任内容的方式。

二、生成式AI视频对传播机制前提的重构逻辑

生成式AI视频的扩张并不仅仅意味着视频生产工具和应用场景的更新，更重要的是，它正在松动传播研究中若干长期被默认接受的基本前提：例如，内容生产者通常被视为边界清晰的人类主体，视频通常被理解为相对稳定的视听文本，而真实性也常常被预设为影像可以直接承载和呈现的属性。智能化生产可供性的形成，使这些前提都面临重新界定的必要。也正是在这一意义上，生成式AI视频所引发的变化，不只是生产效率的跃升，而是传播机制底层逻辑的调整。

（一）主体机制：分布式作者与生产权力前移

生成式AI视频首先在主体层面冲击了传统传播机制中关于“作者”的基本设定。既有传播研究通常默认，内容生产者是边界清晰、身份稳定且责任可追溯的人类主体；而在生成式AI视频生产中，这一前提正在发生变化。智能视频生成将原本依赖编剧、摄制、后期、美术等多工种协同完成的流程，高度压缩为用户通过多模态提示词、参数设定与再生成微调行为所构成的智能化生产过程。在这一过程中，作者主体性呈现出明显的“分布式”特征。用户仍是意图发起者和意义预设者，但模型在视觉转译、风格调用、素材重组与结果生成中已不再只是被动工具，而成为具有一定生成自主性的“准主体”。

与主体结构重组相伴随的，是平台权力在传播链条中的进一步前移。传统平台的核心优势主要体现于内容分发、流量配置与注意力聚合，而在生成式AI条件下，模型、算力、数据、软件生态与接口标准逐渐成为新的生产资料，并日益集中于少数大型技术平台手中。也就是说，平台的控制力不再只作用于内容流通的后端，而是不断向内容生成的前端渗透。与传统媒介工具“程序固定、操作者可控”的逻辑不同，生成式AI在内容实现层面保留了较高的不透明性和不可完全预测性，而这种不透明性恰恰为平台权力向生产环节渗透提供了条件。平台事实上已不只是传播秩序的组织者，也开始成为内容形式、审美风格和生产可能性的塑造者。

（二）流程机制：控制权再配置与媒介边界重估

生成式AI视频生产的竞争焦点并不在“能否生成”，而在“能否稳定控制”。真正具有产业价值的，不是一次性生成能力，而是对角色一致性、镜头连续性、版本迭代和团队协同的流程化治理能力。由此，创意劳动研究有必要从“谁是作者”进一步推进到“谁掌握生成规则、接口权限与编辑节点”。在这一过程中，提示词设计、工作流编排、后期修订与模型参数约束共同构成新的控制权结构。在智能化生产条件下，生产能力并不天然等于控制能力，谁能够设定规则、调配接口、组织流程，谁就更接近真正的生产主导权。

生成式AI还进一步松动了“视频是相对稳定的媒介对象”这一既有假设。在生成式AI条件下，视频越来越应被理解为连接用户认知、现实经验与模型运算的多模态生成系统，这意味着视频不再只是对既有现实的记录或呈现，而开始成为对可能世界的推演与建模。由此，媒介研究对象也由“成品视频”扩展到“生成过程-认知框架-场景世界”的复合关系。它不仅承载表达结果，也组织表达过程；不仅呈现内容，也参与内容的生成逻辑。

（三）关系机制：透明治理升级与验证性信任生成

生成式AI视频的扩散，还在关系层面动摇了“只要标注AI生成即可显著降低误导”的治理预设。在平台化浏览情境中，用户多处于快速、低介入的信息接收状态，内容往往先以感性直观进入判断。即使被提示内容是伪造的，用户也可能按照“眼见为实”的逻辑来判断视频的真实性。因此，透明治理不应停留于“是否为AI生成”的浅层披露，而应进一步转向分层化、分域化和前置化治理。透明治理的核心就不再只是让用户知晓AI生成，而是通过制度化的信息分流与规则公开，重建内容边界的可识别性与平台治理的可预期性。

当伪造成本持续下降，真实性并不会消失，而是由一种默认属性转变为稀缺资源。传统传播秩序中，影像常被默认为具有较强的事实指涉能力；但在生成式AI条件下，影像的可见性已不再天然等同于真实性，真实性判断因此从“眼见为实”转向“程序验证”，信任逻辑也从“影像自证”转向“凭证化真实”：原始素材、生成记录、来源证明、机构认证、真人授权等，都可能成为新的真实性凭证。对于传播学研究而言，据此需要重新讨论：在AI视频广泛存在之后，何种验证机制最能重建用户之间、用户与平台之间的信任关系？比起单纯强调内容本身是否逼真，更关键的问题在于，能否建立一套稳定、可追溯、可核验的真实性基础设施，以支撑用户与平台、用户与内容之间新的信任关系。

三、生成式AI视频传播重构的协同治理路径

当文生视频大模型将创作从“工具辅助”推向“智能共生”，文生视频大模型应用的治理逻辑已不能停留在传统以内容审核和事后处置为主的静态治理模式，而应面向其视频生成特征、平台分发机制与信任关系重构进行生成式生态治理，这种治理的转向，本质上是对“谁在生产、如何生产、如何被信任”这三重命题的深层回应。

联合国教科文组织于2021年11月发布了首个全球人工智能伦理标准——“Recommendation on the Ethics of Artificial Intelligence”，明确将透明与可解释性、责任与问责、人为监督与最终决定等内容列为以人权为中心的AI伦理方法，强调成员国应确保人工智能系统“不取代最终的人类责任与问责”，并通过审计、尽职调查等方式降低其对人权与社会秩序的潜在威胁。

围绕文生视频的治理不能只盯住结果端，还应在生成链路中建立起更为清晰的透明披露与可追溯机制。2024年，欧盟颁布的《人工智能法案》第50条已经将人工智能生成内容的透明披露写入强制性义务，要求确保人工智能系统的输出以机器可读格式标记，并可识别为人工生成或篡改的内容。这为文生视频过程治理提供了较具代表性的制度参照。

进一步看，过程治理不仅需要技术透明，也需要制度分层。一方面，应强化大模型的价值对齐，在预训练和精调阶段植入主流价值约束与安全边界，通过“元价值观”测评和模型安全评估，降低其在意识形态偏差、极端叙事和深度伪造方面的风险；另一方面，应通过数字指纹、水印、生成记录和内容凭证等手段，使视频从提示词输入到成片发布的关键环节可追踪、可验证、可追责，降低算法黑箱带来的认知不确定性。

生成式AI视频传播重构的最终落点之一，是社会信任机制的持续松动。文生视频大模型的普及应用不仅提高了虚假内容的生产能力，也改变了信息可见性的形成逻辑。平台通过情绪驱动和个性化推荐机制不断强化用户既有立场，容易生成社群内部的“集体真实”，从而削弱公共传播中传统信源的权威性，并将传播环境进一步推向“后真相视觉时代”。在这一意义上，生成式AI对传播秩序的冲击，不只是内容造假问题，也可被理解为对人类感知判断机制和事实确认方式的深层挑战。

因此，在关系治理层面，重点则应由单纯的真假识别转向信任关系修复。其一，应进一步推进算法素养与视觉素养教育，将智能化生产下的视觉素养重建置于更核心的位置，帮助公众理解AI文生视频的基本技术逻辑、拟像机制和平台推荐逻辑，降低对视觉表象的天然信任。其二，还应从“关系型信任”的视角重建信息验证机制。2024年联合国未来峰会上通过的《全球数字契约》承诺建立人工智能治理全球对话机制，为各国政府和利益攸关方在联合国框架内提供一个包容性的平台，共同探讨当今最紧迫的人工智能挑战。这也意味着，在面对拟像泛滥的传播环境时，不能仅仅依赖中心化平台和技术标签，而应在社群内部建立起可交叉验证的关系网络，构建一个由“算法验证、平台责任与社区共治”共同支撑的协同架构，从而为生成式AI视频传播环境中的事实确认与信任重建提供更稳定的基础。

载《传媒观察》2026年第4期，原标题为《智能化生产可供性：一个理解生成式AI视频的整合性解释框架》。此为节选，注释从略，学术引用请参考原文，“传媒观察杂志”公号链接：https://mp.weixin.qq.com/s/-tpg-N-i9AL0GSA7v27XLg。

作者简介：

吴晔，北京师范大学新闻传播学院、计算传播学研究中心教授，博士生导师

常琳，北京师范大学新闻传播学院、计算传播学研究中心硕士研究生

李华，北京师范大学新闻传播学院、计算传播学研究中心讲师，硕士生导师