主要观点总结
本文介绍了成都广播电视台在人工智能技术应用方面的实践经验与未来规划，以及广电大模型与互联网通用大模型的核心价值差异。成都台通过混合云模式接入DeepSeek大模型，实现了广电媒体内容生产全方位智能化升级。文章还提到了吴雷对于广电大模型在人工智能浪潮中的价值、挑战和应对策略的观点，包括算法效率、价值观把控、数据孤岛、合作与生态系统构建、可持续发展商业模式等问题。
关键观点总结
关键观点1: 成都广播电视台通过混合云模式接入DeepSeek大模型，实现智能化升级。
成都台在全国首次实现全媒介全链条全面接入DeepSeek，利用AI技术提升媒体内容生产效率和质量。
关键观点2: 广电大模型的核心价值在于构建垂直领域的权威性、安全性与公共服务能力。
与互联网通用大模型相比，广电大模型更注重在特定领域的权威性和公共服务能力，确保内容的真实性和可信度。
关键观点3: AI技术应用于广电领域面临算法效率与价值观把控的挑战。
吴雷强调，在保证算法效率的同时，必须严格把控媒体内容的价值观，确保内容的正向影响和社会责任。
关键观点4: 算力成本、人才瓶颈、数据孤岛等问题限制了大模型在广电的深化应用。
成都台通过混合云模式、技术自主、内容创作和数据积累等方式来克服这些挑战，推动AI技术在广电领域的广泛应用。
关键观点5: 广电大模型的应用处于“工具替代－流程重塑—范式革新”的第二阶段。
未来三年，成都台计划在多模态、认知智能、可信计算、人机协同等核心技术方面优化提升，打造更多新的业态和应用场景。
正文
能力，或者培育出垂类领域的“精调大师”
，
以科技赋能传媒，让广电媒体从传统的“内容工厂”转型为“生态运营者”，这对于构建全行业在全媒体生产传播体系上具有积极作用。
「视听潮」：
在本地化部署
DeepSeek
大模型时，你们遇到了哪些挑战？如何通过数据治理、算法优化以及场景重构，确保模型能够更好地满足本土需求？
吴雷：
就深度求索大模型的本地化部署而言，我们面临的核心问题主要有三个——
一是算力资源的投入。
虽然
DeepSeek
相较其他开源模型对算力要求更低，但本地部署所需要的算力、存储、网络、安全及调优和后续运维仍属于较大投入的系统性工程。
二是数据资源及本地知识库如何有效构建
。
本地知识库的构建和治理是能否用好大模型的关键，而建设知识库不是“一锤子买卖”，而是需要将数据作为资产来管理、来运营，这一点本身就很难。
三是大模型仍然普遍存在的
AI
幻觉问题
，
特别是需要更加精准的结构化数据输出时，让人不太放心。
我们接入大模型，构建与自身需求吻合的应用场景，首先是打造了一套自主可控的
“知著
AI
”智能应用平台
，
以
AI
中台的形式接入各类应用。
“知著
AI
”中台通过本地化部署、
API
接入及其他技术手段，接入了多个大模型能力，根据不同大模型的特色对应不同的场景需求，在此基础上设置数据治理模块、知识库模块、流程处置模块、敏感数据库，打通智能媒资数据库并与其深度融合，构建垂直领域知识的增强体系，并设置各类安全管理手段，实现与场景的深度耦合。
「视听潮」：
大模型是如何重新定义传统业务流程的？请您分享一些成功案例及其带来的社会影响。
吴雷
：
成都台作为广电媒体，其本质还是在于创作更有影响力的精品内容，
AIGC
是核心。
2024
年
2
月
23
日，我们在全国城市台中率先成立
AIGC
创新应用工作室，深入研究
AIGC
创作规律和应用场景，形成了多项软件著作权，实现技术应用与成果落地。
在创新场景探索上，工作室以“传媒
AI+
”为核心，将
AIGC
技术融入纪录片、动画、短视频等内容生产。
世界科幻大会主题纪录片《科幻之都》、成都世界园艺博览会
AI
主题宣传片《绽放》、传承川剧文化的
AI
动画《芙蓉花仙》、系列
AI
海报《诈骗新剧本
这些都别信》等作品体现出技术与艺术的深度融合，相继荣获中国广告协会
2024
全国广播电视融媒体营销创新银奖、中央网信办第六届互联网辟谣图片类优秀作品奖、中国电视艺术协会“第十六届中国·扬州旅游电视周”宣传片类最佳作品奖、四川新闻奖等。
在平台建设上，工作室依托“知著
AI
”智能应用平台开发了多项多模态
AI
工具
，
