在"一报两端（南方日报、南方+、South）"旗舰阔步向前的同时，南方杂志社、南方新闻 网、南方农村报社、南方周末报社、南方都市报社、广东教育杂志社等媒体单元一体化实施 系统性变革，协同并进、错位深耕，各司其职、各擅胜场，携手构筑起南方报业具有强大传 播力、引领力和影响力，报刊网端微屏联动的高水平全媒体传播体系。 风起南方，潮涌珠江。在市场化浪潮兴起后，南方报业传媒集团（南方日报社）大力实施媒 体多品牌战略，精准化定位、差异化发展，打造了南方日报、南方杂志、南方网、南方农村 报、南方周末、南方都市报等一批名报名刊名网，特色各异，蜚声八方。 改革者进，创新者强。万物互联时代，南方报业与时偕行，锐意进取，向新向上，全面挺进 互联网主战场，续写新的南方篇章。新一轮的系统性变革，南方报业将实施"融合创新计 划"，成立集团融合运营委员会，统筹各媒体、各业务单元融合发展工作，进一步完善内容 一体化生产、传播一体化运营、技术一体化支撑、经营一体化统筹运行机制，真正实现融为 一体、合而为一，全力打造内容生产传播和全媒体人才"双一流"高水平新型主流媒体集团。 南方杂志社 南方新闻网将以生成式人工智能等先进科技为驱动，南方网、粤 ...

视频生成技术商业化进展 - 视频生成技术在营销推广端已实现收入与投入打平 [1] - 头部视频生成产品年化收入（ARR）预计2024年达1亿美元，2025年可能增长至5-10亿美元 [19] - 快手可灵在推出后10个月实现ARR超1亿美元，速度快于Cursor的12个月 [17] 行业技术突破与产品迭代 - 谷歌Veo3实现音画同步，成为改变创作者生产模式的杀手级产品 [5] - 可灵2.1版本支持的首部AI单元故事集《新世界加载中》被评价为AI版《爱死机》，模型能力显著提升 [5] - 可灵系列视频生成大模型全球使用份额超30%，超越Runway（23.6%）和Veo-2（16.6%） [14] 用户行为与市场反馈 - AI生成ASMR和AI动物运动会等内容在短视频平台爆火，单条视频播放量达数百万 [2][11] - 用户生成100张图的下载率一年内提升3倍至60%，30天留存率从10%+提升至40% [15] - 创作者倾向选择价格最低的工具，缺乏品牌忠诚度，可灵10秒视频成本约20元，即梦AI约6.3元 [20][22] 技术挑战与行业共识 - 当前模型存在短板，需平衡语义遵从、运动表现、人脸清晰度等多维度能力 [20] - 行业普遍认为"多模态的ChatGPT时刻"尚未到来 [26] - 商业化虽取得进展，但部分公司认为模式尚未完全跑通，仍处早期阶段 [25]

当下内需新消费与 AI 应用如何看？20250622 摘要 近期市场回调受地缘政治及新消费股解禁影响，但暑期档电影和潮玩等 内需型消费领域仍具潜力。人民日报对盲盒经济的关注预示着潜在监管 风险。 暑期档短剧市场受广电总局分级管理政策影响，进入精细化阶段。腾讯 短剧小程序和字节跳动红果增长迅速，预示着市场竞争加剧。 院线公司如万达电影、上海电影、横店影视等积极布局泛娱乐市场，通 过 IP 运营和线下体验拓展业务，预计 2029 年中国泛娱乐市场规模将超 3,000 亿人民币。 短剧行业在政策引导下向优质内容转型，与游戏、线下展览等娱乐形式 融合，推动衍生品和潮玩经济发展。关注腾讯小程序的数据表现及《长 安荔枝》系列。 传媒板块中，出版阅读和游戏公司业绩稳定，如南方传媒、中南传媒等。 中报业绩改善或增长预期，叠加 AI 应用的公司有望获得估值提升。 AI 应用板块在经历年初高涨后进入冷静期，但港股 AI 企业 IPO 及 ARCS 科幻短剧的推出显示行业新动向。关注 AI 生成内容在影视动画领域的潜 力。 AI 生成内容市场规模预计达千亿美元级别。关注 AI 加教育（天舟文化、 荣信文化）、AI 加陪伴（奥飞娱乐 ...

AI标识制度的治理价值与挑战 核心观点 - AI标识制度作为应对AI生成虚假信息"更多更真"挑战的前端治理工具，具有提升识别效率与用户警觉的技术潜力，但存在易规避、伪造及误判等局限性，需与现有内容治理体系协同[1][3][10] 分章节总结 一、AI新技术与治理老难题 - **更易**：AI大幅降低虚假内容生成门槛，非专业用户可通过粘贴关键词生成高真实感文章牟利[3] - **更多**：技术实现虚假信息批量化生产，如"医疗泰斗客死他乡"谣言通过500账号矩阵日均产出1万条[3] - **更真**：多模态细节增强迷惑性，如"西安市鄠邑区地下出热水"谣言因包含视觉要素难以辨别[3] 二、AI标识的治理价值与自身局限 （一）理论优势 - **隐式标识**：通过元数据嵌入实现早期识别，提升对"低门槛""大批量"内容的治理效率[6] - **显式标识**：研究显示标注"AI生成"可使4976名受试者对内容的信任度下降，分享意愿降低[6] - **适用范围限定**：聚焦易引发混淆误认的高风险领域，避免过度标识导致信息过载[7] （二）实践局限 - **技术短板**：开源模型（如Stable Diffusion）水印可被移除，攻击者可伪造或规避标识[8][9] - **误判风险**：传统文本检测方法误判《滕王阁序》为"AI率100%"，技术改进无法完全消除误差[9] - **成本挑战**：嵌套水印验证所需计算资源可能超过生成成本，检测过程效率低下[9] 三、AI标识的优化应用路径 - **体系协同**：将标识作为现有治理体系的补充工具，重点防范谣言、虚假宣传等高风险场景[11][12] - **责任划分**：生成平台需承担主要标识责任，传播平台检测难度较高需包容性治理[14] - **风险分级**：对低风险领域（如B端数据合成）采取豁免政策，与欧盟《人工智能法案》理念一致[13] 行业影响与数据参考 - **舆情案例**：2024年国内50个AI风险案例中，超1/5（20%）涉及AI造谣[1] - **技术应用**：广告素材生产、教育培训方案等领域正从"千人千面"向"一人千面"升级[7] - **法律基础**：《民法典》《广告法》等为AI内容违法行为提供执法依据[12]

核心文献库 - 主流查重平台通过与学术期刊、高校论文库、会议论文集等机构合作构建全球学术成果数据网络，医学领域重点收录《柳叶刀》《新英格兰医学杂志》等顶级期刊，工程类聚焦IEEE、Springer等数据库资源 [2] - 文献库更新频率分为实时抓取（24小时内入库）和季度更新两种机制，通过算法筛选高被引论文和权威成果以保障检测精度 [2] 互联网资源 - 查重系统通过定制化爬虫技术实时抓取学术论坛、博客、在线文档等内容，形成覆盖数十亿网页的动态数据库，曾检测到论文与技术社区博客的相似段落 [3] - 采用分布式爬虫架构实现分钟级更新，结合NLP技术区分直接引用与合理借鉴，某平台语义模型误判率低于3% [3] 检测技术 - 当前查重技术包含三层体系：基础层用MD5算法比对文本指纹，进阶层通过滑动窗口检测13个字符以上相似片段，智能层基于BERT模型构建语义图谱识别改写表述 [4] - 语义网络模型可识别逻辑同源性，某案例显示能发现通过语序调整和近义词替换规避传统检测的行为 [4] 用户体验 - 优质平台提供可视化溯源（颜色标注重复来源）、上下文修改建议和自建库功能，某高校研究显示结合自建库可使重复率平均下降8.7% [5] - 自建库功能特别适用于涉及专利技术或民族学研究的论文检测 [5] 技术边界 - 数据库覆盖存在三类盲区：非公开文献（如企业内部报告）、小语种资源收录不完整、动态数据（实时更新的白皮书） [6] - 领先平台尝试用区块链技术建立去中心化文献共享联盟，或与学术社交平台合作获取预印本数据以突破局限 [6] 未来展望 - 查重系统正开发AIGC识别算法，通过分析生成模型的"指纹特征"区分人类与机器创作，从检测工具升级为学术诚信生态守护者 [7]

图片来源：红杉资本 Z highlight Mike 是 Anthropic 的首席产品官，曾参与创办 Instagram ，也在红杉资本的创始人之一，长期专注于产品从 0 到 1 的打造。他主导了 Claude 、 MCP 协议 等核心产品的设计与落地。 Anthropic 是一家专注于安全可控人工智能的公司，致力于将前沿 AI 能力转化为可靠的产品体验。其代表产品 Claude 是面向通 用场景的大语言模型，以对话自然、指令理解强和安全性高著称。 AI 生成内容的未来，不是真假之辨，而是可信与共鸣 Lauren ： 谢谢你的到来， Mike 。大家可能不知道， Mike 其实是个内容迷。能和这位热衷 AI 创作的人一起聊聊，非常有趣。你认为 AI 生成内容的发展 趋势是什么？无论使用何种媒介、 AI 参与多少，核心问题始终是：有没有一个吸引人的故事？人们是否能感受到内容背后的人，从而建立起连接？所以 AI 只是讲故事者工具箱中的一个工具而已。我也很好奇你们是如何看待这个问题的：当你们不断制作内容、生成图像时，你们如何帮助用户保持对内容的 掌控？比如你们在模型可解释性方面做得很好，那你们如何赋予用户理解或引 ...

来源：中央广电总台中国之声 随着AI生成论文的能力越来越强，如今，AI工具已能生成逻辑清晰、结构完整的学术内容。对此，部 分高校要求学生的毕业论文除了要通过查重外，还需检测AIGC（AI生成内容）使用情况。这意味着， 若论文的AI生成率过高，学生可能面临重新修改、二次答辩甚至无法毕业的情况。 但有学者反映，自己经过田野调查撰写的论文，竟被检测系统判定为"高AI率"。这是怎么回事？如何避 免AI检测论文造成的"误判"？ 原创论文被判定"高AI率" 论文AI率检测靠谱吗？ 记者搜索黑猫投诉发现，疑似不合理收费和AI检测误判的情况，并非个例。 中国人民大学一位副教授也对媒体表示，其将刚刚完成的论文，提交至某学术论文检测平台，得到的结 果令他哭笑不得——系统标红的"高度疑似AI生成"段落，是他们研究团队耗时3年扎根基层、追踪多个 真实案例写成的内容。 今年4月，江西某高校的大四毕业生杨同学，在某论文检测平台对论文进行了两次检测，日期仅相距一 天，在同一平台对同一文档的AI检测率却截然不同。此前AI检测通过了的内容却在次日AI检测时被标 注成"疑似AI片段"，导致AI检测率上升。 杨同学告诉记者，学校对AI检测率的要求 ...

AI生成论文检测现状 - AI工具已能生成逻辑清晰、结构完整的学术论文，引发学术界和教育界广泛讨论 [1] - 部分高校要求学生毕业论文需检测AIGC工具使用情况，AI生成率过高可能影响毕业资格 [1] - 检测系统存在误判现象，原创内容被标注为AI生成，导致学生需反复修改并支付额外检测费用 [4][6] AI检测技术问题 - 同一论文在不同时间检测结果差异显著，AI检测率从10.37%升至27.54% [4] - AI检测工具对古籍文献引用和排比句等表述易产生误判 [6] - 技术专家指出AI检测准确率约80%，但无法完全避免误判，尤其面对新领域数据时 [7] 高校政策与行业建议 - 教育部门尚未出台统一论文AI检测规定，高校政策制定总体审慎 [8] - 专家建议避免强制AIGC检测，应引导学生合理使用AI工具并培养创新思维 [8] - 未来学术评价或转向人机协同能力，短期内仍以传统标准为主 [9] 检测平台争议 - 平台计费方式不合理，空格和标点符号计入字数导致费用增加 [4] - 大学定制版与大学生版系统不互通，学生需重复支付检测费用 [4] - 黑猫投诉显示不合理收费和误判问题非个案，包括已发表论文也被误标 [5][6]

高校AI检测政策与争议 - 西南交通大学规定本科毕业论文AIGC检测结果不得超过30%[2] - 中国传媒大学要求学生披露AI工具使用细节，包括模型名称、版本及使用时间[6] - 复旦大学允许学生在指导教师同意下使用AI辅助文献检索、图表制作等[6] AI检测工具的技术局限性 - 检测工具误判《滕王阁序》《岳阳楼记》等名篇AI率超50%[1] - 现有工具通过文本特征模型比对，但人类模仿AI风格会导致特征趋同[3] - OpenAI因检测准确率低暂停相关服务，国内商业公司仍在开发此类工具[5] 学术界的应对策略与建议 - 同济大学取消期末论文改为现场考试，强化基础能力培养[7] - 四川师范大学建立申诉机制，被误判学生可提交说明表由学院研判[3] - 中国传媒大学教师不依赖单一检测系统，结合教学经验判断作业真实性[4] 学生应对AI检测的实践 - 学生修改文献综述部分，将分句改为长句以降低AI率[2] - 排比句、对偶句等工整表达易被判定为AI生成[2] - 部分学生花费上百元购买"降AI率"服务[2] AI在教育中的角色定位 - 学者建议将AI作为辅助工具，用于文献整理、数据处理等非核心环节[8] - 反对用AI直接撰写论文，但支持其用于检索研究和提炼内容[9] - 考核应转向过程导向，关注学生与AI的互动及思考表现[9]

煤炭行业报告事件 - 某网站发布的《2024年中国煤炭行业竞争格局及发展趋势预测报告》售价7600元人民币，但目录中混入了游戏《Minecraft》中道具"煤炭"的规则说明，包括获取方式（击杀凋零骷髅获得1-3个）、用途（燃料或制造火把）及交易规则（15个煤炭交换一个绿宝石）[1] - 网友质疑该报告为AI生成，因目录内容直接整合了网络百科中游戏道具的说明信息[1] - 网站客服回应称系网络bug导致，目前已删除相关目录预览信息[1] AI生成内容的信息污染问题 - 大语言模型对人类知识库的污染问题引发讨论，例如煤炭行业报告混入游戏攻略等明显错误，而更隐蔽的虚假信息（如虚构学术文献）更难辨识[2] - 科普作家河森堡指出AI会虚构文本、照片、视频等内容并互相印证，形成难以查证的"天罗地网"式假象，用户易被误导[2][3] - AI生成的虚假信息在网络多轮传播后像滚雪球般扩大，查证难度倍增，同时低质内容充斥网络生态，覆盖政治、文化、科技等多个领域[3] 平台治理与政策建议 - 小红书于5月12日发布公告，整治AI技术滥用行为，包括清理"AI生成低俗猎奇视频"和"虚拟外国育儿专家"等违规内容[4] - 复旦发展研究院建议以算法和数据治理为核心，聚焦具体场景迭代监管政策，同时加强技术反制（如细化AI伦理准则）和专业机构合作[4] - 需系统性关注历史观相关虚假信息，建立对公共突发事件和政治敏感信息的快速澄清机制[4]