主要观点总结
本文介绍了江苏有线与DeepSeek合作，利用大模型技术推动广电行业的数字化转型。文章提到庄传伟对于广电大模型的核心竞争力、角色定位、挑战及应对策略的观点。文章还涉及大模型在内容生产、传播体系、文化传承方面的应用，以及服务边界的拓展和面临的挑战。
关键观点总结
关键观点1: 广电大模型的核心竞争力
广电大模型的核心竞争力在于技术理性与文化感性的融合，旨在避免技术崇拜陷阱，坚守内容品质与社会责任。
关键观点2: 大模型技术在广电行业的角色定位
大模型技术在广电行业的角色定位从工具层面升级到生态引擎，推动广电网络的国省协同和媒体深度融合。
关键观点3: 大模型技术在内容生产中的应用
大模型技术通过多模态生成和语义理解能力重塑广电原有内容生产流程，提升效率，推动广电网络向文化感知与价值创造升级。
关键观点4: 大模型技术面临的挑战
广电网络在大模型部署和应用过程中面临人才结构、技术适配、数据安全等核心挑战。需要通过人才赋能、技术攻坚、数据激活、制度创新等系统性解决方案来应对这些挑战。
关键观点5: 广电大模型的社会责任
广电大模型应坚守内容权威性、文化传承性、社会协同性的核心价值观，以公共价值为“第一算法”，拒绝“流量至上”，深耕对社会有长期价值的优质内容。
正文
科技
+
内容”的复合生态。
二是传播体系的精准化升级——
利用大模型技术，通过分析用户行为数据与兴趣图谱，
推动广电网络传播模式由“单向传播”转向“双向奔赴”。
借助智能化的业务运营编排、精准化的内容推送推荐，全面建立以用户为中心的“千人千面”式传播服务模式，重塑内容和用户间的连接关系，不断增强传播效果，提升用户黏性，实现内容传播从人机协作向人智共生演进。
三是文化传承的数字化创新——
大模型技术为地域文化的数字化传承提供了新范式。
省级广电网络可依托国家文化大数据体系，在深耕地方文化基础上构建本地文化数字资源库，并通过
AI
生成技术将非遗、文物等本地特色文化元素转化为可交互、可体验的数字内容。例如，利用虚拟数字人技术还原历史人物，通过沉浸式场景设计让观众参与文化传承，实现传统文化的年轻化表达与数字化传播。
「视听潮」：
在您看来，广电大模型区别于互联网平台的核心价值是什么？
庄传伟：
广电大模型的核心价值与社会责任坚守是在技术浪潮中锚定文化坐标。大模型与互联网平台的核心差异在于其文化属性、公共服务基因与技术价值观的深度融合。
互联网平台以流量经济为导向，技术服务于流量增长与商业变现；而广电大模型必须以内容权威性、文化传承性、社会协同性为核心，将技术创新与意识形态安全、公共文化服务深度绑定
。
如何做？
一是以公共价值为导向，坚守内容品质的“定力”。
广播电视网络是宣传思想文化工作的主渠道、主阵地，是服务人民群众听广播、看电视的基本渠道。广电大模型在处理和传播信息时，更要注重信息的真实性、准确性和权威性，这有助于维护社会稳定和信息秩序。
和互联网平台以“商业算法驱动，追求流量与用户黏性”不同，广电大模型的核心使命是服务社会公共利益，以公共价值为“第一算法”，
始终将内容的真实性、准确性、权威性作为标尺，拒绝“流量至上”的短期博弈，深耕对社会有长期价值的优质内容。
二是文化传承创新，做先进文化传播的“基石”。
广电行业拥有丰富的文化资源，广电企业可以借助广电大模型对这些文化资源进行深度挖掘和整合，通过智能化的内容创作和沉浸式的交互体验，将优秀的传统文化呈现给广大观众，促进文化的传承和发展。
借助大模型技术，广电企业还可以探索新的文化表达形式和传播方式，将传统文化与现代科技相结合，打造具有创新性和吸引力的文化产品，以新颖的方式展现文化内涵，吸引更多年轻用户群体的关注。
三是深度融合场景，打造服务社会的“锚点”。
区别于互联网平台的泛娱乐化倾向，广电大模型深度对接乡村振兴、现代化治理等国家战略需求
。江苏有线践行文化国企责任担当，不断提高为民服务效能，持续发力“智慧广电乡镇”“低保户看电视”等民生实事建设，在全国首创推出“残疾人之家”智慧广电服务平台，研发打造自主可控的新时代文明实践“视界云”平台，为推进基层治理体系和治理能力现代化提供数智支撑，在履行社会责任、提供公共服务方面发挥着重要作用。
▍
服务边界：从冰冷代码到社会治理
「视听潮」：
“全国统筹
+
省级协同”模式在
AI
落地中的实践路径，您觉得有哪些？能否结合具体案例说明？
庄传伟：在“全国统筹
+
省级协同”模式下，可以探索以“统一技术底座
+
属地化场景创新”为路径，充分打破“云网数算安”地域壁垒，推动大模型技术的“国省协同”落地。
如在全国统筹方面，构建行业统一的标准化技术体系。可以通过建设全国广电网络人工智能公共算力平台，统筹部署智算资源和主流大模型，形成“中央枢纽
+
地方节点”的技术架构。省级广电网络依托这一平台可共享算力资源与基础模型能力，同时遵循统一的技术标准与安全规范，因地制宜开展本地化
AI
应用创新。
