编者按 暨南大学新闻与传播学院教授成生辉、博士研究生张颖铧在《传媒观察》2026年第8期发文指出，生成式AI的广泛应用推动新闻行业进入了以模型能力和智能资源配置为基础的新阶段。随着大模型深度嵌入新闻生产流程，词元逐渐由模型运行中的技术单位变为智能生产中资源消耗的基础计量单位，并推动着以词元配置为核心的新型经济形态——词元经济的形成。文章认为，词元经济中的词元配置、大模型能力和算力资源等基本要素共同构成了新闻生产的计算边界，重塑着新闻生产的组织方式和决策机制；新闻价值的实现机制也从流量竞争转向智能资源配置和确定性供给，并进一步影响着新闻传播权力的重新分配。在此基础上，生成式AI时代新闻专业性的内涵也需要超越传统的信息把关，延伸至智能资源治理和确定性供给的公共责任上。文章认为，生成式AI时代新闻行业正在进入一个以词元为基础资源、以计算边界为约束条件、以确定性供给为核心竞争力的新阶段。在有限计算资源约束下实现高质量、高效率的确定性供给，将成为AI时代新闻行业重要的竞争力。

近年来，生成式AI成为了新闻生产中的重要工具。从多模态信息检索、数据分析到自动化新闻写作，生成式AI逐渐渗透到新闻生产的各个环节，由此引发的“AI工具是否会取代人类记者”的讨论也迅速增加。然而，职业替代只是表层现象，从行业内部结构角度来看，生成式AI已然深入影响到新闻行业中的资源配置逻辑和新闻生产方式。

生成式AI的快速发展进一步改变了新闻生产中的资源体系和价值实现路径。新闻机构不再只是争夺用户有限的注意力，还需要通过语言调动大模型完成任务理解、新闻生成和信息核查等一系列任务。在这一过程中，输入和输出在大模型内部都会被分词机制切分为离散的词元（Token），并将其转化为向量表示，输入到模型中进行概率计算。基于此，在生成式AI时代的新闻行业中，逐渐形成一种以词元这一基础计量单位为核心的新型经济形态——词元经济。

一、生成式AI时代新闻生产的计算边界

生成式AI的深度嵌入引起了新闻生产的结构性变革，词元成为了新闻智能生产中新的计量单位，重新塑造着新闻行业的生产逻辑、组织形态和决策方式。传统新闻生产中由谁生产、生产什么、如何决策三个基本问题，在词元经济的智能资源配置逻辑下被赋予了新的答案。新闻生产主体从人类记者和编辑变成人类与大模型协作，新闻生产决策需要在人力和词元配置之间进行双重权衡，由此构成了生成式AI时代新的新闻生产的计算边界。

（一）概率计算下的新闻生产逻辑

进入平台化发展时代以来，新闻行业的生产与运营主要围绕“注意力”这一核心资源展开。在这一逻辑的驱动下，影响新闻生产决策的核心问题在于如何实现流量价值的最大化。

随着生成式AI的普及和在新闻生产各个环节中的嵌入，AI工具被越来越多地用于新闻信息检索、内容生产与审核等环节中。JournalismAI的一项调查结果显示，超过75%的受访者表示至少在新闻采集、生产和分发等环节中曾使用了AI。随着新闻机构对AI大模型的依赖加深，大模型的性能及其调用所需的算力资源和成本等因素，逐渐成为影响新闻生产流程安排的新变量。

从技术机制来看，大模型并不能直接理解语言，而是会通过分词器对输入内容进行编码后形成词元，这些词元经过向量化编码后进入神经网络进行概率计算。基于此，新闻生产从传统的由人类认知系统完成对现实事件的符号加工过程，变成了大模型语义空间内对词元序列进行概率预测的计算结果。与平台经济阶段以注意力竞争为驱动的生产模式不同，生成式AI时代的新闻行业正逐渐形成以词元为基础要素的新型生产逻辑。

（二）隐形智能后台中的计算生产结构

在生成式AI嵌入新闻生产流程后，新闻生产组织方式开始从显性的人类主体转向隐形的智能后台，新闻生产链条中出现了大量隐性智能协作过程。对用户而言，新闻产品的前端界面只是增加了AI一键摘要、自动翻译等功能，但在看不见的后台，大模型和各类智能体实际上正在持续进行信息检索、知识调用、内容生成与改写等一系列复杂操作。在智能后台中，当用户提出生产任务后，大模型会先通过提示词和任务编排机制将任务拆解成多个子任务。目前，国内多家新闻机构已将这种隐性的智能生产流程纳入了采编系统中。

词元在这一智能后台中扮演着重要作用，词元资源的调用和配置成为新闻生产的底层运作机制。一方面，词元是大模型理解和生成内容的基础技术单位，内容生产被量化成为可计费的词元消耗。另一方面，词元促使新闻生产得以成为可量化、可优化的策略性过程。新闻生产的组织过程也不再仅是内容产出过程，还需要同时考虑资源分配与成本预算，进一步影响到新闻生产的决策机制。

（三）词元配置下的新闻成本结构与生产决策机制

长期以来，新闻行业的核心成本主要在记者采写、编辑审核与渠道分发等环节。随着大模型被广泛用于新闻生产各个环节，生成式AI虽然提高了新闻生产效率，但并没有让新闻生产无成本化，而是将部分成本从人类劳动转移至大模型运作，新闻生产开始出现新的成本环节。

目前，大模型服务普遍采用按词元计费的商业模式，不同模型的词元单价具有较大差别，例如OpenAI GPT-5.5的输出价格为每百万词元30美元，而国内大模型DeepSeek V4 Flash只需要每百万词元2元。一般而言，新闻生产任务越复杂、所需的上下文越长，大模型的推理步骤越多，词元消耗量就越大。以Transformer架构的大模型为例，每生成一个新的词元，都需要与上下文窗口中的已有词元建立起关联并进行注意力计算。

围绕词元的调用、分配和核算，新闻行业正形成一种新的成本结构体系。当词元成为新闻生产中新的成本单位时，新闻机构在生产决策过程中除了需要考虑人力资源的配置，还需要权衡如何根据不同新闻类型的内容价值与词元消耗之间的效费比，做出最优化的模型调用策略和资源投入决策。在词元配置逻辑下，人工审核被赋予了更高的要求。

二、词元经济重塑新闻价值的实现路径

词元经济的兴起不仅改变了新闻的生产方式，也深刻影响着新闻价值的实现路径。新闻价值的形成开始突破单纯依赖受众注意力的逻辑，逐渐转向以智能资源配置和模型能力提升为基础的价值实现机制。

（一）从流量竞争到智能资源配置

进入生成式AI时代后，随着内容生产成本的大幅下降，单纯依靠扩大内容规模已经难以形成持续的竞争优势，这一时期新闻价值的形成越来越依赖于智能资源的配置效率。从词元经济视角来看，生成式AI时代的新闻生产可以理解为受资源约束的多目标优化问题。美联社基于近300名新闻从业者的调查结果显示，受访者表示在将生成式AI应用到新闻工作中时，会综合考量大模型的能力、生产绩效和可信度等问题。此外，不同模型在能力、价格和推理效率方面存在明显差异，新闻机构需要根据采编任务的复杂程度和专业要求，对模型与计算资源进行差异化配置。据《北京日报》记者的实际测试，同一问题由不同模型处理时，词元消耗量可能相差数十倍。这意味着，新闻机构选择模型时不能只比较调用单价，还应综合考量模型的词元消耗、响应速度、事实准确性和场景适配能力。在这种情况下，新闻机构不再只是追求流量规模的最大化，而是需要在新闻专业价值与智能资源消耗之间寻找新的平衡关系，从而形成一种以智能资源配置效率为基础的价值实现模式。

（二）从内容生产到价值增长

传统新闻产业的价值实现是一个线性过程，由新闻记者和编辑来产出新闻吸引用户注意力，再将用户注意力转化为广告收入和商业收益。生成式AI的出现改变了这一价值形成机制，新闻价值不仅来源于内容生产和传播过程，而且越来越形成于信息经过大模型计算的价值增长过程中。

大模型进行新闻生产，是先将输入信息转化为词元，经过上下文记忆和知识库调用，对不同词元之间的语义关系进行反复的推理计算，并逐个预测下一个词元从而输出新的内容的过程。在这个过程中，输入新闻原始数据和采访素材等内容只需要消耗较少的词元，因此输出阶段所需要的计算强度和词元消耗往往远高于输入阶段。因此，生成式AI时代的词元消耗不仅是智能生产的成本体现，也是新闻价值增长得以实现的计算媒介。生成式AI时代新闻机构不仅是在生产新闻内容本身，也是通过计算过程不断提高信息的解释能力和确定性水平，使新闻价值从内容产品的市场价值延伸至可信知识生产所带来的认知价值和公共价值。

（三）从信息供给到确定性供给

新闻行业的核心功能在于向社会提供信息，通过降低信息不对称来实现公共价值。生成式AI极大提高了信息生成效率，使信息供给成本持续下降，信息逐渐由一种稀缺资源变成了过剩资源。在信息生成成本不断降低的生成式AI时代，真实、准确和可信反而成为更加稀缺的资源。

为了确保新闻内容的真实性和可靠性，新闻机构往往需要通过多次检索、多模型交叉验证、人工审核等方式来提高内容的确定性水平。由于大模型的内容产出本质上是在概率意义上预测下一个词元的过程，其结果并不能确保完全准确，因此需要通过多次计算和验证来降低大模型幻觉风险和提高事实一致性。生成式AI极大地降低了新闻内容的供给成本，但是对新闻内容的核查、验证和确认往往需要投入更多的词元资源和人力成本，形成产出成本下降、审核成本却在上升的成本不对称性结构。

三、智能资源差异与新闻传播权力的再分配

新闻传播领域的权力往往建立在对关键资源的控制基础上。在生成式AI时代，围绕词元的获取、配置和消耗所形成的新型资源关系，正悄然改变着新闻传播领域的权力结构。

（一）智能资源控制成为新的权力来源

在词元经济条件下，词元已从模型运行中的技术单位，演化为新闻智能生产过程中的基础资源。随着大模型在新闻行业的广泛应用，新闻机构面临的核心问题已经从最初的“如何利用生成式AI提高生产效率”，转变为“如何在有限的智能资源约束下实现最优化的生产配置”。因此，词元经济为新闻行业带来的深层变化，在于塑造出新的一套新闻生产资源配置体系。

（二）从信息分发渠道到可信认知

在信息相对稀缺的时代，哪个新闻机构掌握了新闻的采集、生产和分发渠道，它就掌握了影响公众认知的权力。生成式AI的普及正在逐步瓦解这一权力逻辑。当新闻生产的门槛被大幅降低、内容供给趋于无限时，控制新闻本身的权力随之下降。基于此，确定性开始成为一种新的权力资源，其生产需要持续的词元投入。这意味着，生成式AI时代新闻机构能否掌握新闻传播权力，取决于其是否具备持续投入词元资源的能力。

（三）建立在词元基础上的新闻传播权力格局

当新闻生产越来越依赖于词元投入，当确定性生产越来越需要持续的智能资源支撑，新闻传播权力正在从“谁能够传播更多的信息”转向“谁能够提供更可信的新闻”。在信息过剩且AI生成内容真假难辨的新闻生态中，内容的数量优势正在被信任优势所取代。在词元经济条件下，竞争的结构变得更加复杂，新闻机构不仅需要在流量层面竞争，还需要在词元配置效率、模型调用策略和确定性生产能力等维度上展开竞争。这种多维度的竞争格局，使得新闻传播权力的分布不再仅仅取决于市场份额的大小，还取决于对智能资源的组织和管理能力。

四、生成式AI时代新闻专业性的重构

在生成式AI时代，词元逐渐成为新闻智能生产过程中的基础计量单位，新闻行业赖以运行的资源体系、价值逻辑和权力关系也随之发生了深刻变化。计算边界决定了新闻智能生产能够做什么，而新闻的专业性规范则决定了新闻智能生产应该做什么，前者是技术意义上的可能性边界，后者则是价值意义上的规范边界。生成式AI时代新闻专业性的重构，本质上是在计算理性不断扩张的背景下，为智能生产重新划定公共价值的边界。

长期以来，新闻的专业性建立在真实性、客观性和公共服务等规范理念之上，其核心在于通过专业的判断和准确的事实向社会提供可靠信息。但是生成式AI的广泛应用不仅改变了新闻专业性的内涵，还改变了其发挥作用的基础条件。生成式AI的内容生成本质上是一种基于概率计算的词元输出过程。当新闻内容被转化为词元、新闻生产被纳入计算体系之后，效率原则不可避免地会渗透到新闻生产的各个环节中。新闻生产是否符合专业性规范，不仅取决于报道者是否具备事实判断能力，也取决于新闻机构能否在有限计算资源条件下，为不同类型的新闻任务配置适当的智能资源，并服务于真实、可信的确定性内容生产。

由此，传统时期和词元经济时代下的新闻专业性的差异开始显现。当前词元经济时代的新闻专业性则进一步承担起了智能生态治理的职责。这一时期，新闻专业性的内涵正在由传统的以人类经验为基础的信息把关，逐渐转向在计算边界内进行智能资源配置和确定性供给的综合能力。

一方面，智能资源的配置逐渐成为了词元时代新闻专业性的重要组成部分。智能资源配置并不是单纯追求以更低的词元成本生产更多内容，而是根据新闻议题的重要程度、公共影响和风险水平，来选择合适的调用模型、接入的知识库、上下文长度和人工审核的强度。另一方面，确定性生产成为词元经济时代新闻专业性的另一个核心内涵。确定性生产这一原则要求新闻机构通过必要的词元投入用于交叉验证和内容审核。

具体而言，在词元经济的技术逻辑下，新闻专业性不能只依赖于从业者的职业伦理或共识，而应该形成一套可执行、可审计的技术治理机制。只有词元配置逻辑始终以新闻公共价值为边界，以社会认知需求为导向，生成式AI才能真正成为促进新闻业发展的技术力量，而非消解新闻专业性的效率机器。

未来，词元经济之下新闻行业最重要的使命，不是向大众提供更多的信息，而是在一个充满不确定性的智能社会中，持续生成值得公众信任的确定性。

（载《传媒观察》2026年第8期，原标题为《词元配置与确定性供给：生成式AI时代新闻生产的计算边界与专业性重构》，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/K_bmt0e9pAIqq8DP4AS8iA。）

【作者简介】

成生辉，暨南大学新闻与传播学院教授、博士生导师

张颖铧，暨南大学新闻与传播学院博士研究生