迈向智能：AIGC内容生成模式引发的出版变革

史惠斌 郭泽德

摘 要：智能出版是在人工智能技术发展助推下传统出版业态升级与转型的新模式，随着智能化出版的普及，以服务用户为中心的智能化知识服务将成为热点。以人工智能生成内容（AIGC）为研究对象，分析人工智能生成模式引发的出版业范式变化与技术变革，具体表现为AIGC的思考感知能力、推理理解能力、学习迭代能力、决策应用能力或将引发出版流程的选题策划、审核校对、版式编辑、推送发行的颠覆式变革，同时也带来出版产业版权困境、内容同质化、复合型人才匮乏等一系列新难题。尝试以组织调整的角度回应AIGC智能出版的版权困扰、以业务重塑的方式解决AIGC智能出版的同质化问题、以跨界创新弥合AIGC智能出版的人才匮乏现象，以期从不同方面对AIGC内容生成模式引发的出版变革进行回应。

关键词：人工智能生成内容；AIGC；智能出版；人工智能

DOl： 10.3969/j.issn.2097-1869.2023.02.006

2016年以来，日本、美国、法国等各国政府相继发布有关人工智能发展计划的报告。其中，日本政府（2016年1月）提出打造领先的“超智能社会”的概念，即5.0社会，法国政府（2017年3月）在谋划未来发展中将人工智能纳入创新战略。我国政府也于2017年7月颁布了有关人工智能的发展规划，颁布的《新一代人工智能发展规划》中对我国人工智能的发展提出了具体的战略目标，即到2030年我国人工智能发展水平总体要达到世界领先水平。与“工业革命—技术革命—数字革命”相辅相成，出版业的发展也经历了“印刷出版—电子出版—互联网出版—数字出版”的历程。随着新技术的不断变革，出版业的产业模式也在加快进化。以“人工智能+出版”为代表的智能化出版将取代传统出版模式成为文化与科技融合的新产品，覆盖生态、经济、文化、政治等多领域。相比较传统出版业态，智能化出版在出版流程方面将拥有更高的效率、更精准的数据传输系统及更高的价值[1]。智能出版是在人工智能技术发展的助推下传统出版业态升级与转型的新模式，例如人工智能生成内容（AI Generated Content，AIGC）将以其独有的高质量智能对话聊天机器人的交互窗口为媒介推手对出版业的流程和服务进行创新性变革。但创新性变革的同时也将面临一系列挑战，如数字孪生下的同质化问题、权责不晰的版权问题、兼具人工智能与出版专业的复合型人才不足等问题。

我国智能化出版的相关研究较为丰富，包含智能出版所呈现的新特征[2]、智能出版的路径[3]、 智能出版的生态系统构建[4]及面临的困境[5-6]和应对策略[7]等。从时间段来看，2018—2019年有关“智能出版”的学术研究侧重于“人工智能”，研究方向主要为AGC（Algorithm Generated Content）、MGC（Machine Generated Content）、PGC（Professional Generated Content）[8]。真正以“智能出版”为核心的研究是在2020—2021年，学者们从技术、数据、算法或软件的融合发展[9]，媒体融合[10]、智能阅读 [11]等角度进行研究。2022年开始至今，相关研究继续向纵深化发展演进，人工智能出版物 [12]、出版伦理 [13-14]成为智能出版所关注的热点。面对迎风启幕的AIGC人工智能生成内容技术，作为文化和信息结合物的出版产业在策划、编辑、营销等方面将发生颠覆式的变革，如何纾解智能出版带来的同质化问题、版权问题等，将是本文尝试探析的问题。

1 AIGC的演进逻辑及其生产力意义

2022年底 OpenAI上线的聊天机器人模型ChatGPT引发热议。ChatGPT即“Chat Generative Pre-trained Transformer”的首字母英文缩写，字面翻译为聊天生成预训练器。支持多轮对话的系统性和能够理解上下文的完备性是ChatGPT所提供的知识流通网络的优势。基于ChatGPT类产品生产内容是一种全新的内容生产模式，被称为AIGC，即人工智能生成内容。伴随着互联网技术和理念的迭代与演进，互联网内容生产模式也经历PGC、UGC（User Generated Content）到AIGC的变革。AIGC作为一种全新的内容生产模式，在内容生产主体、生产方式、生产效率等各方面都有革命性变革，成为先进生产力方式的一种代表。

1.1 互联网内容生产模式的演进逻辑

互联网内容生产模式经历了PGC、UGC、AIGC三种模式的演进。

PGC为专业生产内容模式，指以PC为代表的Web1.0时代的内容生产模式。PGC依赖静态和动态HTML网页技术，内容生成的主体是经过专业训练的专业人士，所生成的内容及传播渠道均具有专业化特点，用户与内容是无交互的单向度被动参与关系。从用户权利的角度来看，低阶的“信息获取权”是这一阶段最鲜明的特点。这一阶段用户权利的核心逻辑是“可消费、可生产”[15]。“可消费”是通过信息获取权实现的，用户通过门户网站或搜索引擎获取信息的便捷度、易得度、速度大大提升，获取信息的成本降至最低，Web1.0阶段受众第一次感受到信息过载。“可生产”是通过信息的表达、展示与传播实现的，具有鲜明社交化属性的博客是这一阶段受众展示、表达自己的窗口，也是受众“生产”信息的路径。但值得注意的是，这一阶段的用户生产内容的门槛相对较高，例如能完成博客的写作。

UGC为用户生成内容模式，指以社交媒体为代表的Web2.0时代的内容生产模式。UGC基于六度分隔、XML、AJAX 等新技术支持，内容生成、内容接收、内容发布的主体已融为一体，即普通用户。其特点是具有高度中心化，算法推荐是这一时期标志性特征，用户与内容是相互交织、相交相融的关系。从用户权利的角度来看，一部分高阶的“经济权”在Web2.0时代开始显现。

AIGC为人工智能生成内容，指以物联网为代表的Web3.0时代的内容生产模式。AIGC根据一定的逻辑进行词语和句子的自然语言处理（Natural Language Processing，NLP）和自然语言生成（Natural Language Generation，NLG）实现自动化生成。内容生成与内容发布的主体已成为人工智能驱动下的机器创作，且具有多模态的虚实共生特征，能够根据人类的反馈强化自主学习（Reinforcement Learning from Human Feedback，RLHF）并保持持续更新。其特点是去中心化，弥合人机对话的鸿沟，达到模拟真人交流。从用户权利的角度来看，“新权利格局”“权利共享”将是Web3.0阶段的特点。开放的协议、人工智能、语义网络、透明区块链、虚拟/增强现实等技术[16]的加持，使得这一阶段用户权利的核心逻辑在“可消费、可生产、可变现”的基础上增加了“可共享、可拥有”[15]。

从1989年以万维网出现为代表的Web1.0到2004年以旧金山第一届Web2.0大会为代表的Web2.0，前后历经15年，信息生产效率加速提升，用户从低阶的信息获取权进阶实现了小部分的信息和经济权。AIGC预示Web3.0理念的全面落地，信息生产效率再次加速，同时用户将享有更多的信息占有和经济获益权益。一种全新的信息生产模式和互联网景观呼吁而出。

1.2 AIGC代表的生产力变革

以ChatGPT为代表的自然语言处理大模型，均经过大量参数的训练提升其模型能力，进而从单模态“进化”到模拟人脑的多模态，从而实现了人工智能从单向“感知”到全面“认知”的生产力变革。

1.2.1 智能处理

智能处理是智能出版的新工作模式。新常态下的智能出版[17]融合人工智能、大数据、5G、移动互联等技术于出版产业链各环节，实现选题、审校、编辑、发行等出版流程的智能化，算法模型提供多维度智能化选题策划、XML数据格式智能校审、自动化排版，包含图像处理系统的机器视觉在数字处理模块与视频技术方面将彰显强大的能量。发行传播方面人工智能能够根据用户的行为数据、购物数据、消费偏好、阅读习惯、属地分布等进行智能化识别与智能化可行性分析，实施个性化精准智能营销。

1.2.2 快速进化

AIGC的演进经历了1950—1990年的早期萌芽阶段、1991—2010年的沉淀积累阶段和2011年至今的快速发展阶段。在最初的早期萌芽阶段AIGC还仅仅是小范围的实验并未投入应用，AIGC真正摆脱实验而走向实用是在其发展的第二阶段。2006年、2007年AIGC相继取得突破性进展，继2006年AIGC的深度学习算法、图片处理器应用成功后，2007年AIGC独立完成了世界首部人工智能小说（I The Road）的创作，2012年微软公司更是实现了AIGC的同声传译。AIGC取得突破性飞跃性进展是在近十年，这一阶段AIGC的深度学习模型不断迭代，多模态应用开始产生。

1.2.3 大模型涌现

如果说古登堡印刷术是受众信息获取的转折点，ChatGPT-4的问世则可能将是信息革命的转折点。以能同时驾驭文字、图片、音频、视频的多模态ChatGPT-4为例，其多模态技术实现语言自然式对话和大模型涌现能力超越了以往任何时代的信息迭代技术。除了中科院、智源研究院等相关研究机构，百度旗下的文心大模型、阿里旗下的通义大模型、华为旗下的盘古大模型、腾讯旗下的HunYuan大模型纷纷“进场”。以在市场中处于“前锋”的文心大模型为例，其目前已拥有36个大模型。

将AIGC模型的能力集成到面向用户的产品，可在不同行业、垂直领域进行商业化部署实现其生产力的飞跃。例如，在出版类搜索引擎中集成AIGC功能，即在浏览器中嵌入AI插件，就可以帮助用户在最短的时间内快速提取作品内容的要点信息；在出版流程的办公应用中嵌入“AI创意支持”，便能轻松享受AI创意带来的排版版式设计惊喜。具有思考、理解、学习、应用能力的人工智能生成内容在应用层的不同领域中有无限的商业化潜能。

2 AIGC对出版产业链可能的颠覆式影响

AIGC以大数据和精准的算法重新“匹配”人类生活、工作，甚至重塑社交方式。其增强人类活动的能力是之前技术所不具备的独有特点[18]，信息生产角度发生改变，人机合一、人机协作成为常态，数据与算法的底层逻辑也同样重塑传媒出版行业中的出版流程链和产业链。

2.1 AIGC的思考感知能力影响了出版流程链的选题策划

编辑组稿、作者约稿、投稿是传统出版时代选题策划来源最主要的路径与方式，但有时也会囿于编辑的个人偏好或者知识局限而产生与受众感知的偏差。

AIGC能够通过自动化处理任务产生新的“感知”与“想法”，生成有价值的“选题建议”，从而实现选题策划环节的赋能。如目前已经实现的人工智能选题系统，以大数据为底层逻辑在海量选题历史数据、社会热点数据、政策文件数据、受众跟帖数据等众多庞大数据体系中生成智能化的、具有该出版物“个性”与“属性”的选题系统，并能够进行不断的深度学习与改进。

大数据技术支撑下的人工智能选题系统所生成的选题不仅从选题角度方面更符合受众的需求，在选题策划生成过程的每个环节都体现了智能系统的优势。例如，选题分析系统能更详尽地分析受众的需求从而能更好地与受众产生“共鸣”与“共情”；选题优劣排名能轻松将人工编辑举棋不定的“劣质”选题淘汰掉；多维度的分析指标所构建的智能选题分析模型能从不同角度、不同视野呈现选题的结构与逻辑；经过校验的选题模型不仅能够判断选题的生命周期，在选题新颖度的分析上也有较为准确的预测功能。例如，专门为研究人员提供智能化知识服务的爱思唯尔与伦敦大学学院共建的UCL大数据研究所，正是利用大数据技术，在海量数据中计算、提取、预测、分析研究热点服务学术研究。再以“青泥学术”为例，只需要在“智能选题”检索栏内输入“关键词”，“青泥学术”的智能选题系统便能在最短时间内调取中国知网（CNKI）等数据库的学术资源数据进行选题分析的精准计算，在感知用户画像（关键词）的基础上可同时增加众多领域、新视野、新航道的元素，超越思维局限进行智能化选题赋能，其智能化的选题分析系统能将选题进行不同学科属性、不同理论、不同研究方法的具体分析，既能发挥其强大的智能感知能力，又能不囿于固化思维的藩篱进行人工智能的二次创作、创造与创新。

2.2 AIGC的推理理解能力提升了出版流程链的审核校对效率

“三审三校一通读”是传统出版流程中繁琐、耗时，但又是非常重要的审校制度，意味着作为监管主体的出版行政管理部门“把关人”和作为审校主体的出版单位“把关人”对出版物质量的保证。人机协同赋能下拥有庞大知识数据库、词语数据库、语料数据库、语法规则数据库的人工智能审核校对系统犹如安装了“大脑”，可按照程序进行一定的智能纠错识别与审核校对，使得编辑从传统出版时代编辑审核校对字词的误写、误用等简单工作中解放出来，但人机协同、优势互补的智能审校并没有压缩原审校流程，依然符合“三审三校一通读”的审校工作制度[19]。例如，大连理工大学图书馆采用的中文图书编目线上审校系统[20]，通过探索线上审校路径，精准、快捷核实字段信息，“倒序审核法”可持续审校字段间逻辑是否统一，创新式地解决异地校区书目审校的问题，提升审核校对效率。如依托中国知网的智能化、移动化、全流程腾云协同采编系统[21]能高效、智能地对参考文献进行在线审校工作，大大提升了期刊编辑部的工作效率。再如，可联合建模的百度文心跨模态文档智能ERNIE-Layout大模型能够对不同形式的图片、文件、PDF、扫描件等多模态文档进行文档内容及语义的深度理解与分析，助力智能化出版流程审核校对升级。

2.3 AIGC的学习迭代能力颠覆了出版流程链的版式编辑

继线上阅读成为主流阅读方式之后[22]，线上排版、版式编辑也成为出版流程中重要的工作内容。AIGC的学习迭代能力不仅能按照设定的程序重复“指令”规定的工作内容，还能创造性地对人类的自主学习行为进行模拟，进而不断提升自身性能，使迭代可持续化。AIGC自主学习迭代性能较好地匹配了对创造、创新、创作有较高要求的出版流程链，编辑设计构思、人工智能执行策划、检索收集资料、进行版式编辑的智能化流程再造提升了编辑效能。智能化、自动化排版通过制作的“模板”一键化操作即可完成版式初步编辑工作，缩减排版周期，提升排版效率，尤其对时效性强的出版物而言，智能化版式初排编辑、精排编辑和技术整理为占领市场赢得先机创造了新的竞争力。智能排版技术辅助下的自动排版系统通过XML实现数据的兼容与交换，直接处理文稿，同步多格式文件（例如PDF、XML、Word、ePub），并能同时满足多场景、多媒介端口同步发布，版式编辑的效率相比较人工排版飞跃式提升。

2.4 AIGC的决策应用能力重构了出版流程链的市场预测及推送发行

做好销量预测是传统出版流程中非常重要的前提工作，出版物内容参数、市场需求参数、市场热度参数、消费者购买能力与购买意愿参数、营销参数等各参数都与出版物的发行效果息息相关。人工智能赋能下的AIGC将强大的自主学习能力、精准计算能力、深度分析能力转化成决策应用能力，在分析、测评的基础上帮助出版机构进行智能化市场预测、营销推介、推送发行。调取所挖掘数据的内部信息和外部信息，结合社会环境进行即时解读分析、动态综合预测，重塑智能化分发机制，精准匹配个性化受众，达到出版业与受众信息供需两端动态平衡。例如《今日头条》的推送，正是建立在庞大的数据分析和测评基础上进行目标受众的数据库智能化匹配，重构了精准营销，为出版流程链的市场预测及推送发行提供了优质案例。又如Aries Systems Corporation（美国白羊座系统公司）在学术期刊中应用元计量智能技术以期跟踪该期刊的各项数据，通过跟踪获得同行评议的数据提前预测分析学术稿件的未来学术影响和指数，完成了出版决策的智能化精准预测。

3 AIGC引发的出版产业新难题

2022年9月，中国信息通信研究院与京东探索研究院联合发布了《人工智能生成内容（AIGC）白皮书》，这份白皮书对AIGC从“发展演进—未来方向—技术体系—应用场景”四个维度进行了基础性的解释。AI技术是智能出版的核心，AI技术下数据开放、智能化传输是智能出版的前提。技术的驱动改变了产业运行发展模式，在提质增效的基础上也同样面临技术带来的新困境。正如贝克所说的那样，人类社会中技术能够解决的问题越来越多而且解决办法越来越完美，但技术背后所造成的隐形后果抑或危险或许也同样隐性存在[23]。

3.1 AIGC技术背景下出版业版权之困

版权是主体对其作品的专有权利，属于私权。按照出版作品产生的流程顺序，版权问题往往在三个环节产生，关系“是否合理使用”的数据挖掘版权风险、关系“版权归属”的内容生成版权风险、存在“流转”与“侵权”困扰的生成内容使用版权风险。

首先，数据挖掘版权风险中常见的表现形式有复制作品或擅自改编他人作品，例如复制作品行为，即未经原作者许可擅自复制他人的作品，具体表现为盗版翻印。传统出版时代的盗版翻印有直接的“物证”，能很明晰地界定，但网络侵权及盗版翻印以数字化、电子化形式呈现，其性质与形态更为隐蔽和“流动”。另外使用数据库时用户的数据隐私和数据权益也是亟待解决的版权问题之一。ChatGPT依靠海量信息进行深度学习，其读入系统进行情境学习、思维链、指令学习过程中所录入、收集、转换、转码、存储、训练、分析、处理的数据信息若未经授权或在不被许可的范围内使用，很可能造成数据隐私泄露而难免产生新的更加复杂的数据版权纠纷。人工智能媒介环境下用户每天产生的海量数据作为“数据资源”被服务商永久保存，甚至“共享”，用户身份、个人信息、住址、阅读偏好等隐私数据被大数据关联技术收集后形成一个个精准的用户画像，成为商业利润追逐的数据目标。

其次，内容生成版权风险。Web3.0时代的AIGC以人工智能技术进行内容的创作与生成，其产出的“智能作品”是在大数据的基础上经过人工智能的合成、改编、重组、翻译、整理等，其版权的界定与归属模糊不清。其内容创作过程中所挖掘的“元数据”均未被授权使用，遵照一定逻辑重新组合生产后的“智能作品”其实质已侵犯“元数据”作品的著作权，加之在算法与定制的智能化传播过程中“元数据”面临再次被侵权的可能。为避免数据侵权问题的出现，国家应出台相应的政策和法规对人工智能的出版版权进行清晰的界定，既保护人工智能在创作内容时所挖掘的“元数据”的版权，又明晰智能出版流程中的各项权利与保障。

最后，版权问题中最重要、最常见、最基础的问题是生成内容使用版权问题，ChatGPT生成作品版权的界定截至目前学界未有定论，有说属于物权所有者，还有“雇佣者”说[24]、物的孳息说[25]。但可以肯定的是，聊天机器人ChatGPT所生成的作品内容在使用过程中可能存在侵犯“复制权”“信息网络传播权”等著作财产权，侵犯“署名权”“保护作品完整权”“修改权”等著作人身权的诸多版权风险。具体来说，ChatGPT所生成的作品内容在未获得版权许可的情况下被复制、转发，形成传播链进行线上、线下传播时可能已构成侵犯复制权行为的事实。

3.2 AIGC技术背景下出版业同质化之困

出版流程是人工决策过程中非常复杂的产物，高质量出版产品均离不开个体或群体智慧的贡献、个人或群体思维的碰撞与输出，而AIGC人工智能所重组的产品是按照算法逻辑进行程序上单向度产出的结果。也就是说在服务用户的过程中，根据用户需求的相似性，同样的算法在同一逻辑下可以产出大批量同质化的内容，因其算法规则与逻辑内核相一致，产出的作品核心与实质难免雷同。又因其人工智能热度带来的“现象级”热点颇多，无论是出于蹭热度、蹭流量，还是过度竞争，快餐式盛产作品的同时不乏越来越多的作品追逐热点而形成相互借鉴、缺乏创意、深度不足的跟风、趋同现象。例如《哈利·波特》带火的“魔法”类同质化图书，“童话类”同质化图书等。缺乏创新的同质化出版将导致越来越多的低水平重复出版不断增多，不仅浪费出版资源，更容易让读者不知不觉陷入同质化图书茧房中，造成出版物越来越多，但精品图书越来越少的尴尬。缺乏创新的同质化出版还会稀释出版品牌，降低出版产品竞争力，削弱出版战略布局，消耗出版的良性循环。在知识服务的每个重要环节加以人工干预改变其出版流程，人工智能的底层逻辑与算法规则使其形成诸多差异，例如出版定位差异、出版营销差异、出版产品差异、出版品牌差异、出版产业链差异等多元差异或许是解决人工智能带来的出版业同质化问题之道。

3.3 AIGC技术背景下出版业人才匮乏之困

出版行业的高质量发展离不开高质量人才的智力能力支持。衔接智能技术与出版专业的纽带型高端人才是出版融合发展所需。随着人工智能应用场景的不断增多和应用环境的愈加复杂，综合型人工智能创新人才成为各行业企业所需。既懂人工智能技术又精通出版专业知识的复合型人才是发展高质量智能出版的人才现实所需，既掌握跨领域多学科交叉知识又能在出版设计、出版研发与出版应用方面具备更高能力与专业素质是发展高质量智能出版的人才目标所需。目前具有出版与人工智能复合知识结构体系和综合专业能力的人才数量还无法匹配智能出版之所需。人机协同的智能出版也为目前该行业的人才培养提出了新的要求，专业综合素养方面不仅需要具备普通的逻辑及思辨能力，高阶逻辑、审美能力与批判性思维能力也成为重要的因素；知识体系与结构方面不仅需要具备出版学专业知识，新闻传播学、编辑学、广告学等延展学科的综合素养同样重要；智能技术方面不再是简单的初级程序式模拟智能，全面智能技术的开启需要智能化的工作思维和智能化的工作内容。另外，在不断创新的新媒介技术环境下出版专业人才的创新性思维与创新创造能力也是出版业高质量发展的必要条件。总之应对智能出版业目前的人才匮乏必须以创新思维、高阶逻辑、导向服务来努力实现智能技术与智慧出版的真正耦合。

4 出版产业如何迎接人工智能浪潮

虽然围绕着人工智能有不同声音和各个维度的讨论，但毫无疑问，人工智能将代表着一种新的生产方式和更高效的生产力对人类社会各个方面产生深刻影响。未来已来，对出版业而言，唯有积极拥抱技术变革才能顺应潮流。

4.1 组织调整：AIGC媒介场景下智能出版的版权之策

迈克尔·哈默提出的“流程再造”给智能出版未来的“出版流程再造”提供了可借鉴的理论思考。智能出版流程将在有效交互的基础上实现高效、便捷、智能[26]。算法模型给选题策划与选题决策提供智力支持，自动编校一定程度上提高了编辑的校对效率。智能编排方面，如2019年8月“中知编校”系统能够达到编辑、校对、排版等出版流程的智能化。2019年12月“方正审校”系统的出炉也大大提升了效率。智能审稿方面，根据文稿核心关键词与大数据专家库中各专家研究方向与研究主题进行智能化匹配、智能化链接、智能化邀请审稿，或将多维度提升审稿效率。智能图书营销方面，将实现读者“私人订制”的愿望，准确传递给读者所期望阅读的内容。例如，德国lnkitt出版社在大数据算法基础上进行精准化营销，出版社使用此种营销方式一方面能更加“了解”用户的阅读偏好和使用模式，另一方面与读者形成双向交互式出版模式[27]。出版活动中的劳动关系在智能数据驱动下将发生重构。以ChatGPT为例，ChatGPT除了能够进行高质量对话外，其智能性将可重复性工种进行机器替代，即替换原有劳动方式和工种，改变原有劳动力模式，重组固有劳动关系。出版业劳动更加智能、用工更加灵活多样，更加优化完善的出版生产关系样态将随着智能出版的产生而到来。

4.2 业务重塑：AIGC媒介场景下智能出版的同质化之策

应对相同逻辑、相同数据算法模型而产生的同质化问题，用户参与或将是一种化解方案。因为用户在参与过程中其主动性、能动性和所特有的资源会被激活，用户深度参与出版的过程同时也是消费出版的过程，传统出版中，用户与出版的二元关系将淡化，参与出版与消费出版的过程将泛化，传统出版的固有模式也将被重塑。国务院2017年发布的《新一代人工智能发展规划》中明晰了人工智能大数据智能、人机混合增强智能、跨媒体智能、群体智能、自主智能五大未来智能化发展方向[28]。其中全员参与聚集群体智慧的群体智能或将是未来出版流程链的一种方式，亦如群体智慧贡献的开源软件、全员参与编辑工作的维基百科、无边界无壁垒的知识共享等均体现了智能化时代的解决问题新模式。同样，AIGC媒介场景下的智能出版将进一步消弭传统出版物纸质媒介的边界，以音频、视频、音视频融合、数字动画等更多元的、辅以智能科技创新生态内核的数智融媒出版物，以AR、VR等具有更强沉浸感和互动感的体验来丰富数智融媒出版物样态。例如，目前在纸质媒介出版物文字中插入二维码使用较多，扫码即可听、可看相关内容属于数字化出版的初阶。随着脑电波、眼动、仿生学等技术的升级迭代，未来智能出版或将连接人体的五官和五感，出版形态或将成为群体智能引导下，结构化数据编辑构建知识图谱进行知识服务的无时不在、无处不在的复合化无边界出版新样态。

4.3 跨界创新：AIGC媒介场景下智能出版的人才匮乏之策

人工智能专业人才匮乏所造成的人才鸿沟、师资薄弱、体系不足等问题在一定程度上影响或阻碍智能出版的发展。不断创新的多学科交叉联合培养或许能纾解AIGC媒介场景下智能出版的人才匮乏问题。主动布局，以发展人工智能的“战略”思维对高校出版专业进行“出版+”重构，出版+人工智能、出版+计算机、出版+新闻等多学科交叉融合打通出版与人工智能的理论与实践、开发应用与产品技术，形成联合培养、学科交叉、融合复合型智能出版人才智库模式。除了高校人才培养方式补给智能出版相关产业的人才不足之外，在不同“出版场域”[29]中构建更多具有创新能力的行动者网络也是补充智能出版环境下人才匮乏之策。无论是Google开始探索智能化生成乐器声音，还是清华大学DeepMusic创新项目，AI个性化定制在众多领域里成为现实所需。具有专业创新能力的“行动者”是实现AI个性化定制的核心动力。例如，对出版进行精细化分类，分为普通型读者的出版、专著型读者的出版、学术型读者的出版等，针对学术型读者的量化自我（Quantified Self，QS）[30]特点对阅读内容及阅读过程进行创新性的数据统计和专业化管理，以数据的方式可视化呈现，从而实现可测度，在此基础上生成具体用户的画像模型。再根据具体用户的画像模型创新构建同类用户群体的特征，不断扩大行动者网络覆盖面。

作者简介

史惠斌，女，海口经济学院传媒学院副教授，海口经济学院数智融媒研究与传播中心主任，西安交通大学马克思主义学院在读博士研究生。研究方向：舆论引导、新媒体传播等。

郭泽德，男，北京信息科技大学讲师。研究方向：数字出版、新媒体传播等。

参考文献

胡玉玺，王雨薇，程海威.智能出版：智媒时代传统出版业务的转型升级方向[J].科技与出版，2020（11）：56-63.

杨志辉．学术期刊数字化出版到智慧出版的变革[J].编辑之友，2019（1）：36.

张鑫，马克秀，宋来鹏，等.智媒时代海洋科普期刊智慧出版的发展路径探究[J].编辑学报，2021，33（6）：625-629.

张立，张雪，魏子航.融合出版背景下科技期刊的智慧出版模式研究[J].中国编辑，2021（12）：51-55.

刘平，杨志辉.人工智能构建科技期刊智慧出版模式[J].中国科技期刊研究，2019，30（5）：462-468.

白小晶，刘晶晶，谢珊珊，等.利用智能工具促进我国科技期刊智能出版[J].编辑学报，2020，32（5）：555-560.

李静，亢小玉.科技期刊增强出版的融合模式分析与推进策略研究[J].编辑学报，2020，32（6）：615-618.

陈曦，宫承波.智能出版视野下有声读物内容的四个“供给侧”[J].出版广角，2019（16）：24-26.

张海生，吴朝平.人工智能与出版融合发展：内在机理、现实问题与路径选择[J].中国科技期刊研究，2019，30（3）：225-231.

黄家圣，陈昌凤.坚守与开拓：建设数字时代中国特色传播体系[J].电视研究，2021（11）：5.

周国清，陈暖，杜庭语.改变与回归：人工智能对出版活动影响的理性审视[J].出版广角，2021（22）：46-48.

张子浩.人工智能出版物版权保护：争议、困境与构想[J].中国出版，2022（1）：48-50.

张萍，张小强.机器参与论文写作的出版伦理风险与防范对策[J].中国科技期刊研究，2022，33（4）：439-449.

刘鑫.“科技向善”立场下专利文献出版的伦理评价[J].科技与出版，2022（3）：122-127.

郭全中，袁柏林.媒介技术迭代下的用户权利扩张：基于Web 1.0到Web 3.0演进历程中的观察分析[J].新闻与写作，2023（2）：77-85.

史安斌，杨晨晞.Web3.0时代的国际传播与公共外交：趋势与愿景[J].青年记者，2022（15）：93-97.

唐学贵.智能化，引领出版融合创新发展[J].出版广角，2019（18）：21-23.

刘丹鹤，孙嘉悦.人工智能规制政策制定的风险与治理[J].人文杂志，2023（2）：121-128.

刘瑞东，刘长明，高国连，等.高质量发展背景下出版流程再造的若干思考[J].中国传媒科技，2021，340（7）：24-25，55.

李艳茹，阎雅娜.基于知识创造管理的中文图书编目线上审校过程研究[J].图书馆，2021，327（12）：101-106.

申轶男，曹兵，佟建国，等.腾云科技期刊协同采编系统在使用中存在的问题及解决建议[J].中国科技期刊研究，2014，25（2）：311-314.

管卫东.图书馆线上阅读空间发展研究[J].图书馆工作与研究，2021 （2）：15-20，27.

乌尔里希·贝克，约翰内斯·威尔姆斯.自由与资本主义[M].路国林，译.杭州：浙江人民出版社，2001：127.

吴汉东.人工智能时代的制度安排与法律规制[J].法律科学，2017（5）：132.

黄玉烨.孳息视角下人工智能生成作品的权利归属[J].河南师范大学学报（哲学社会科学版），2018（4）：28.

刘超，唐学贵.智能出版：出版内部流程的智能再造[J].出版广角，2021（13）：26-28.

王卉，张瑞静.人工智能技术在数字出版中的应用现状与发展趋势[J].出版发行研究，2018（2）：45-49.

姜春辉.人工智能技术与出版的融合探析[J].出版广角，2018，309（3）：59-61.

约翰·B.汤普森.数字时代的图书[M].张志强，等译.南京：译林出版社，2014：32-34.

李东进，张宇东.消费领域的量化自我：研究述评与展望[J].外国经济与管理，2018（1）：3-17.

Abstract： Intelligent publishing is a new mode for upgrading and transforming the traditional publishing industry with the development of artificial intelligence technology. Along with the popularization of intelligent publishing， intelligent knowledge services centered on user service will become a hot spot. Taking artificial intelligence-generated content （AIGC） as the research object， this paper analyzes the paradigm and technological changes in the publishing industry caused by the AI generation mode， including AIGCs ability to perceive， understand， learn and iterate， and make decisions and applications， which leads to disruptive changes in the publishing process of topic selection planning， review and proofreading， layout editing， promotion and distribution; At the same time， new challenges such as copyright dilemma， homogenization of content， and shortage of versatile talents need consideration. This article attempts to respond to the copyright dilemma of AIGC intelligent publishing from organizational adjustment， solve the homogenization problem of AIGC intelligent publishing through business reshaping， and bridge the talent shortage phenomenon of AIGC intelligent publishing by cross-border innovation， with the aim of coping with the opportunities and challenges led by AIGC content generation technology.

Keywords： Artificial intelligence-generated content; Intelligent publishing; Artificial intelligence