原文标题： “大模型焦虑”何解：新闻业与大模型的“对抗－合作”式关系创新
一、研究对象与核心研究问题
本文的研究对象是全球新闻业在面对生成式人工智能（大模型）技术浪潮时所普遍遭遇的困境，作者将之概括为“大模型焦虑”。论文的核心研究问题是：新闻业的“大模型焦虑”其深层原因究竟是什么？新闻业应如何正视这一困境，并通过何种策略从根本上摆脱焦虑，在人工智能时代重新锚定自身的存在价值？
二、研究背景
论文的研究背景是全球人工智能产业，特别是以生成式大模型为代表的技术取得日新月异的突破，但同时，其社会应用也引发了加剧失业、产生“系统性偏见”与“内容幻觉”、带来安全风险和伦理问题等多重争议。然而，无论是在中国还是美国，政策导向均明确无误地释放出积极发展大模型技术的强烈信号，形成了“用发展化解争议”的主导性话语。
在此背景下，新闻业因其双重“独特性”而面临比其它行业更为复杂深刻的挑战：一方面，新闻业数字化程度高，具备率先应用新技术的条件；另一方面，新闻作为一种塑造现代社会的公共知识，其呈现现实世界的核心观念和工作方法，与大模型的生成逻辑存在天然矛盾。这导致新闻业普遍陷入一种混合着崇拜、恐惧、新奇和担忧等复杂情绪的“大模型焦虑”状态，具体表现为对人工智能的认识不清、创新方向不明以及对现有应用的效能反思。
三、理论背景
论文的理论框架构建在两个核心的认知论分析之上，并辅以跨学科的概念借鉴。
首先，论文从知识生产的角度，深入剖析了新闻与大模型在呈现现实世界方面的根本性差异。一方面，论文追溯了从杜威、李普曼到帕克等学者对新闻知识属性的论述，指出新闻业在实践中确立了呈现现实的三位一体核心原则：恪守与外部经验事实可核查、可验证对应的事实性；通过捕捉最前沿动态使公众产生共时感的时间性；为社会提供关乎公共利益、可靠可信知识的公共性。另一方面，论文从大模型的工作原理出发，阐释其生成内容只是基于数据符号的统计规律和上下文关联模式的文本重组，这决定了其只存在合理性问题（输出符合概率的合理文本），而不存在新闻业意义上的事实性问题（与经验事实相符）。同时，大模型的时间性永远滞后于新闻，其运作逻辑是个性化的，而非公共性指向。
其次，为解决这一认知对立，论文创造性地引入了心理学家丹尼尔·卡尼曼等人推广的“对抗性合作”概念。该概念主张拥有对立理论的双方不应互相指摘，而应在承认分歧的前提下，通过协作共同解决难题。论文将此跨学科视角用于重构新闻业与大模型的关系，为其策略建议提供了直接的学理基础。
四、研究设计
本文是一篇理论建构与实践反思相结合的思辨性论文，其研究设计主要由以下部分构成：
现象描述与文本分析：论文首先在全球范围内描述了新闻业“大模型焦虑”的表象。随后，聚焦中国新闻业的实践，构建了一个“虽不完备，但能代表新闻媒体最愿意公开展示的人工智能应用业绩文本集合”。该文本来源包括：国家互联网信息办公室备案的26个新闻媒体大模型的公开报道、媒体自述材料、其他公开的AI创新案例，以及近年来在获中国新闻奖作品自述中提及AI的文本。通过对这些文本的分析，作者从“部署模型”和“训练模型”的维度，考察了新闻媒体应用大模型的行动与效能。
理论推演与逻辑思辨：论文从新闻学基本理论出发，通过梳理新闻作为一种知识形态的演化脉络，提炼出新闻呈现现实世界的“事实性、时间性、公共性”三原则。继而，从人工智能技术原理层面，阐释大模型的认知逻辑，将两者进行对比分析，从而揭示出二者间不可调和的认知冲突。这一部分构成了全文的核心论证。
跨学科概念移植与策略提出：为解决上述冲突，论文引入心理学的“对抗性合作”概念作为关系创新的核心隐喻，并将这一思路具体化到体制、行业、组织三个层面的策略设计中，形成了“对抗-合作”式关系创新的系统性建议。
五、主要发现
本文的主要发现可概括为以下几点：
- 诊断“大模型焦虑”的深层病因：新闻业的“大模型焦虑”不应仅被看作对新技术的适应性障碍，其根源在于新闻业与生成式大模型在“如何呈现现实世界”这一核心任务上，存在着根本的、不可调和的认知冲突。
- 揭示两种认知模式的根本对立：新闻的知识生产遵循事实性、时间性、公共性三位一体的原则，依赖于人类对经验世界的直接感知和核查；而大模型则依赖于对符号世界的概率计算和模式重组，追求的是文本的合理性与个性化满足，其本身不存在事实性，其知识也永远是滞后和非公共的。
- 批判当前主流创新策略的局限性：当前新闻媒体广泛采用的、以“应用人工智能”为主导的跟随式创新策略，因模糊或漠视了上述认知对立，是导致“大模型焦虑”加剧的症结所在。媒体普遍存在重情绪、轻事实，投入多、效能不彰，以及用AIGC游戏化消解新闻严肃性的问题。
- 提出“对抗-合作”式关系创新路径：新闻业摆脱焦虑的可行方式不是调和矛盾，而是在旗帜鲜明地坚持自身认知立场和价值的前提下，与人工智能进行“对抗式合作”。这是一种比工具性应用更重要的“关系性”创新，应被置于优先地位。具体策略包括：
- 体制层面：将“新闻”与“AI合成”视为截然不同的内容类型并分别标注，对新闻进行保护性资源倾斜，以遏制“劣币驱逐良币”。
- 行业层面：以行业联合的姿态与人工智能企业进行平等的数据合作，改变单个媒体对技术巨头的依附性。
- 组织层面：将最多资源投向新闻人才，将大模型去神秘化、工具化，防止AI过度替代记者劳动而破坏从新手到高手的成长阶梯。
六、研究结论与讨论
本文的结论是，新闻业与生成式大模型在呈现现实世界的任务上存在的认知冲突是根本性的，不可调和，且不应调和。任何试图模糊这一对立、单纯“拥抱”或“融合”大模型的做法，都可能动摇新闻业立足的“事实真实观”，并加剧自身焦虑。新闻业必须将AI时代的两类创新——“应用AI的创新”和“面向AI的创新”区分开来，并明确后者才是当务之急。
论文的核心学术贡献在于，它超越了“如何用AI”的工具性讨论，从认识论和知识社会学的层面，深刻揭示了新闻业与人工智能冲突的根源。它旗帜鲜明地提出，新闻业应坚持其独特价值，并通过“对抗式合作”这一新颖的关系策略，在与强大技术力量的对话中重新锚定自身的存在意义。这一视角不仅为新闻业的困境提供了深具辩证智慧的解方，也为思考人、技术与公共知识系统未来的关系提供了重要的理论框架，有力地回应了在技术狂热时代“新闻业为何出发”的根本性问题。