复旦大学新闻学院 X 澎湃新闻美数课工作室

通勤时“听”新闻，休息时“看”图文，晚上回家“刷”新闻视频。同一个核心内容在不同形态间自由切换，读取适合场景的新闻。生成式人工智能正在助力新闻进入“液态内容”阶段。这不仅是分发方式的变化，也意味着新闻内容本身开始具备动态重组的能力。

2026年初，英国牛津大学路透新闻研究所发布《新闻、媒体与技术趋势与预测》报告（后称报告），报告将“液态内容”“答案引擎优化”等列为年度趋势词汇。而在芬兰广播公司战略主管拉赫科宁看来，新闻个性化正在进入第二阶段，而这一阶段的核心特征，正是液态内容。

报告原文截图

升级版“我的日报”

过去十年，我的日报（the Daily Me）几乎成为新闻个性化的代名词。这个词汇最初由麻省理工学院媒体实验室的创始人尼葛洛庞蒂提出，指的是“为个人兴趣而量身定制的虚拟日报”。抖音和今日头条的算法推送，各大平台的“猜你喜欢”，在一定程度上都属于我的日报的应用版本。这一阶段的个性化，主要是“把不同内容推给不同的人”。

芬兰广播公司战略主管米卡·拉赫科宁（Mika Rahkonen）回忆道：

芬兰广播公司在近10年前构建首个个性化新闻应用Newswatch时，团队就意识到：基于主题内容的个性化只是第一阶段，形式、结构和长度也需要遵循同样的理念。

随着生成式人工智能深入新闻编辑部，“我的日报”正在被重新定义，未来的新闻服务，可能结合读者的场景、时间和知识背景，动态匹配更合适的信息形态。

- 你此刻身处什么场景？是在通勤途中、工作间隙，还是在办公室？

- 你愿意花多少时间来接收信息？是想看一份4分钟即可读完的速览，还是希望获取一份需要40分钟阅读的深度内容？

- 你对这一议题已经了解多少？是第一次接触、需要必要的背景介绍，还是已经读过多篇相关报道，希望获得更深入、更直接的回答？

在这样的逻辑下，新闻内容本身会随着场景和认知差异而被重新组织：

开车时，系统可以提供音频简报；午休时，推送图文摘要；晚上，则给出更完整的视频解读。对背景陌生的读者，系统可以自动补足“前情提要”；而对已熟悉议题的读者，则可以直接提供更短、更聚焦的更新版本。

这正是新闻个性化服务的第二阶段，其关键支撑便是液态内容生产。

什么是“液态内容”？

路透研究院的报告中将液态内容定义为“非静态的内容或故事，它能根据读者所处的场景、位置、时间或互动方式实时变化”。如果说过去的个性化主要发生在推荐层面，那么液态内容意味着：变化开始进入内容本身。

生产：从文章到内容单元

内容要流动，首先就必须要能够被拆解，媒体将逐步转向生产“原子化的内容单元”。

德国鲍尔传媒（Bauer Media）首席产品官马塞尔·泽姆勒（Marcel Semmler）表示：

“传统出版商将内容视为成品——文章、视频、故事。液态内容则将其视为可以液态传输到不同格式、平台和界面的结构化知识。”

分发：多模态内容转化

而借助Seedance、智能体等AI工具，同一组事实内容可以根据当下场景生成最适合的分发形态，比如同一个内容可以生成5分钟音频播客、图文摘要卡片、15分钟解说视频或数据可视化图表。

读者感受到的是“听”一篇文章，“看”一期播客，“读”一段视频。形式不再锁死内容。这正是芬兰广播公司所畅想的“同一素材，不同平台”，这家公共广播机构多年来用同一素材制作电视和广播新闻，AI的介入让这一模式从“人工二次加工”升级为“系统自动适配”，成本大幅降低。

普利策新闻奖得主加里·皮埃尔-皮埃尔（Garry Pierre-Pierre）表示：

“2026年，将有更多新闻机构意识到，人们并不总是需要一篇文章，有时候，他们只是需要把事情讲清楚（People don’t always want an article. Sometimes they just want clarity）。

液态内容生产正在成为现实

如果说“液态内容”还是一个相对新的概念，那么过去一年涌现的一批产品和平台，已经让它从想象逐渐走向现实。这些探索都未必成熟，但它确实提供了一些演化方向。

从文字到音视频

第一个演化面向，是将文字内容转化为音频与视频。

在文字转音频方面，美国《华盛顿邮报》已在其App中推出AI驱动的音频产品。邮报自称产品以记者当天采写的新闻为素材库，围绕读者关注的话题，自动生成由AI主持人以对话形式呈现的个性化播客。读者可以自定义主题、主持风格和时长，从而实现“千人千面”的音频分发。后续，该产品还计划增加“暂停提问”功能，使读者能够在收听过程中随时向AI主持人追问更多背景信息。《华盛顿邮报》认为，这并不是对传统播客的替代，而是一种“拓展型产品”。它试图将新闻报道延伸到核心受众之外的“新类别”读者，使传统新闻文章能够迅速“流动”为满足不同需求的个性化音频内容。

《华盛顿邮报》推出的“个性化播客（Personalized podcast）”界面

腾讯混元也推出了交互式AI播客。其工具介绍中提到，读者在收听过程中可以随时打断播报，并通过语音或文字提问，由AI实时回应。文本、网页和文档等内容也都可以一键转化为双人对谈式音频。

在文字转视频方面，文生视频也正在逐步进入新闻生产流程。例如，澎湃新闻“派生万物 SUPAI”平台已实现文章转视频、数字人播报、自动配音和智能剪辑等功能。记者上传一篇文字报道后，AI能在几分钟内生成适配短视频平台传播的竖版视频。

派生万物文章转视频功能

从自然语言到可视化图表

AI也在改变数据新闻和可视化的生产方式。英国《金融时报》透露其正在探索从数据到图表的自动转化。按其描述，记者只需用自然语言输入指令并上传数据集，AI便可跳过复杂的编程过程，直接完成从“数据”到“可视化”的转换。人民日报社的“智媒引擎”也对外展示出类似的能力。相关应用可极大降低数据新闻与可视化内容的生产门槛。

《金融时报》开发的AI可视化应用示意图

澎湃新闻·美数课利用大模型梳理2026年政府工作报告的高频关联词

主创团队认为：

数据新闻不再被绑定于某一种媒介形态，而是在图文、视频等表达之间自由迁移。AI的介入显著降低了文风调节与视频生产的门槛，一篇数据新闻，只要数据内核扎实，这个内容就可以被“变形”，在不同平台上被更多人看到。

内容层次的流动

更接近未来新闻内容演化方向的不只是内容形式的简单流动，更是基于读者知识背景，对内容形式与信息层次进行同步转换。一款名为Particle的应用已经在尝试相关实践。严格来说，Particle并不是一个新闻生产工具，而更像是一个“新闻组织”工具。它能够将分散在不同媒体中的相关报道重新组织为一个较为完整的“故事”，并在同一页面中呈现事件的多个视角、关键引语与背景脉络。

Particle推出的Podcast Clips界面

借助类似应用，芬兰广播公司新闻实验室负责人尤卡·尼瓦（Jukka Niva）提出了一个颇具启发性的前景：

假设一位读者已经阅读过大量关于乌克兰战争的报道，那么当新的事件发生时，AI可以推送一个较短的更新信息版本；而对于另一位几乎没有相关知识储备的读者，系统则会提供一个包含战争起因、发展时间线等背景信息的较长的完整版本。

此时新闻分发的逻辑已不再是“推荐什么内容”，而是“面对同一事件，不同读者会看到深度不同、结构不同的内容版本”。换言之，流动的不只是分发路径，更是内容本身。

液态内容需要生产端革新

要实现内容的流动，内容首先必须是结构化的。如果内容始终以非结构化形态存在，例如一段几十分钟的采访录音、一个没有字幕的视频、一堆散乱的照片，那么AI就无法理解它，也无法将其变形。

因此，液态内容生产需要生产端基础设施升级。换句话说，前端的内容流动，依赖的是后端的内容资产系统、数据库和检索能力的升级。

实现音视频跨模态检索

以往记者常常对海量音视频显得无力处理，因其音画不同步或文稿缺失，常难以检索，海量音视频因此常耗费数月时间才能转化为有用的内容，搜索引擎也无法根据关键词检索音视频内容。而跨模态检索技术正在改变这一现状。

长江日报社推出的“长江数智媒资一体化能力平台”提供了一个解决方案。按其介绍，当编辑或记者输入一段文字描述时，如“寻找武汉樱花盛开时的唯美视频”，系统便通过技术理解文字含义，并对图片、音频、视频等已有媒体资源进行聚类分析，定位到符合需求的视频内容。

长江日报社开发的“长江数智媒资一体化能力平台”界面

CNN也正在“攻克部分视频档案的语义搜索”，让制作人能瞬间找到海量素材中的关键画面。

计算机视觉 AI 系统 VFRAME信息处理示意图

这就是生产端流动，从非结构化→结构化→可调用→可变形。

风险：流动增加信任成本

液态内容在赋能新闻的同时，也将带来前所未有的挑战。

首当其冲是深度伪造的跨模态内容，其正成为事实核查的新难题，虚假的剧本驱动虚假的声纹，再合成虚假的视频，多重模态的造假让真相甄别难上加难。在中东地缘冲突升级的背景下，大量关于战区轰炸的深度伪造视频在社交平台传播。这些视频画面真实感强、声音匹配度高、传播速度快，因此在真相核实之前，虚假视频已经获得了数百万次观看。

AI生成的战争视频

与此同时，AI摘要正在削弱新闻品牌的影响力。路透报告中也指出，当人们通过AI聊天机器人或社交媒体片段获取碎片化信息时，他们往往失去了完整的新闻事实图景。但也同时带来了新的机会，“新闻机构合理的做法是推动AI在后端效率的提升，以便将更多资源投入到一线新闻采编中，同时对前端应用保持高度谨慎，因为公众是警惕的，那么经过人工核实的可信信息很可能会变得更加珍贵。”这恰恰说明，新闻液态内容越普及，人工核查、新闻机构的信誉和编辑判断就越成为稀缺资源。

从“内容生产”到“内容资产运营”

当新闻走向液态，新闻生产的核心能力也在发生根本性迁移。

过去，新闻机构的核心竞争力是“谁生产得快”。未来，核心竞争力是 “谁的内容资产更结构化、更可复用、更易流动”。而这也将导致媒体行业的经济模式随之改变，从从前的“售卖版面/时段”转向“售卖内容资产使用权”。同一组事实内核，可以同时服务于短视频读者、播客读者、深度阅读读者，实现“一次生产、多次转化”。

芬兰广播公司战略主管米卡·拉赫科宁认为这是一种“成本效益非常高的方式”，AI让规模化成为可能。而规模化、可复制恰恰是商业化的前提。

黑客与记者组织（Hacks/Hackers）联合创始人伯特·赫尔曼（Burt Herman）提出了更激进的预测：

“五年内，新闻编辑室的每个人都将成为程序员。你不会再有内容管理系统了。你需要为一个‘后网站’的世界做好准备，AI代理将成为主要的守门人。”

这并不意味着记者会被取代。恰恰相反：当内容变成流体，事实的核实、叙事的逻辑、资产的运营——这些人类独有的能力，将变得更加重要。

当然，当前常见的AI生成摘要、AI配图、AI转视频，仍然更多停留在工具应用层面。AI对新闻业更深的改变在于，它正在推动新闻从“固态产品”走向“液态内容”，从“一次性成品”走向“内容资产”。媒体不再只是“写稿子的”，而是持续组织、维护和运营事实内核的机构。

执笔：

未来新闻计划

复旦大学新闻学院副教授 徐笛

澎湃新闻美数课工作室主理人 吕妍

复旦大学新闻学院研究生 谢泽圻 吴袁

主要参考文献：

[1] Guaglione, S. (2026, January 28). WTF is liquid content? Digiday. https://digiday.com/media/wtf-is-liquid-content/

[2] Nash, A. (2025, February 11). What is “liquid content” and why should we talk about it? INMA Newsroom Innovation Initiative Newsletter Blog. https://www.inma.org/blogs/newsroom-initiative-newsletter/post.cfm/what-is-liquid-content-and-why-should-we-talk-about-it

[3] Newman, N. (2026). Journalism, media, and technology trends and predictions 2026. Reuters Institute for the Study of Journalism. https://reutersinstitute.politics.ox.ac.uk/journalism-media-and-technology-trends-and-predictions-2026

本期编辑 邹姗