摘要：生成式人工智能技术深度嵌入舆论传播系统，通过重塑主体构成、拓展内容表达、重构传播机制与革新治理手段，推动舆论生态发生结构性变革。这进一步催生了具有隐蔽性、跨域性与高迭代性的新型舆论风险：自主智能体引发“机机协同”的新型舆论战，生成式视听内容冲击社会信任机制，生成式人工智能技术成为资本操纵舆论的新工具，现有舆论治理机制面临系统性挑战。基于此，本文提出我国舆论治理机制应通过多主体协同联动、智能治理技术攻关、提升风险动态防控能力、健全舆论生态管控机制等方式，增强舆论生态治理的协同性、精准性、前瞻性与系统性，以此在生成式人工智能时代占据舆论引导与治理的主动权。
关键词：生成式人工智能；舆论治理；舆论生态；舆论风险
引言
高速发展的生成式人工智能(Generative Artificial Intelligence，GAI)正重塑全球信息生态格局。近年来，GAI技术趋向规模化、精细化、自动化发展，用户规模不断增长，应用范围不断扩大，正加速融入人们的日常生活。截至2025年12月，我国生成式人工智能用户规模达6.02亿人，较2024年底增长了141.7%，增长速度迅猛。GAI技术在提升信息生产效率、丰富信息表达形式的同时，也给舆论引导与治理带来了新的风险和挑战。例如，部分网络账号滥用AI工具，对经典影视、动画片等内容进行颠覆性篡改、魔性解构与低俗化改编，对网络传播秩序、版权规范与行业发展造成深刻影响。2026年1月1日起，国家广播电视总局开展“AI魔改”视频专项治理。由此可见，GAI技术已然成为影响舆论生态的重要因素，对其乱象开展治理既具有迫切性与重要性，也是健全网络生态治理长效机制、营造风清气正的网络空间的必然要求。
党的二十届四中全会指出，我国发展处于战略机遇和风险挑战并存、不确定难预料因素增多的时期。2025年11月28日，习近平总书记在中共中央政治局第二十三次集体学习时强调：“当前人工智能、大数据等新技术新应用不断涌现，给网络生态治理带来挑战，也提供新的支持条件”，“要健全网络生态治理长效机制，着力提升治理的前瞻性、精准性、系统性、协同性，持续营造风清气正的网络空间”，这为生成式人工智能时代洞察舆论生态演变趋势、透视舆论治理风险挑战、提升舆论治理实践效能提供了根本遵循。我国在舆论引导与治理方面已经具备强有力的政策保障和较为完善的工作机制，但GAI技术使舆论生态发生结构性变化，加剧了舆论治理的系统性风险与不确定性。本文立足于生成式人工智能时代舆论生态的新态势、新特征、新问题，发掘舆论治理在新的信息传播环境中所面临的系统性风险和复杂性挑战，探索提升舆论治理效能的实践进路，以期为我国完善舆论治理机制、提升舆论引导与治理能力提供支撑。
一、生成式人工智能时代舆论生态的结构性变革
生成式人工智能技术的发展深刻影响舆论生态。人机协同的舆论传播范式冲击了传统舆论研究的人类中心论，促使舆论主体构成、舆论内容形态、舆论扩散机制与舆论治理手段发生结构性变革。这既增加了舆论传播的风险性与复杂性，也为提升舆论治理效能提供了方向指引。
(一)舆论主体：传播行动的人机共生
伴随着GAI技术的高速发展，舆论主体构成发生结构性变化。在传统媒体时代，主流媒体是舆论生产与传播的主体；进入互联网时代，普通个体和非专业机构依托社交媒体成为舆论传播的重要力量；在智能时代，智能体正从“工具性智能”迈向“类主体智能”，深度嵌入舆论生成与传播过程，重塑了舆论主体结构。自主智能体(Agentic AI)以GAI技术为基础，依托机器学习模型模拟人类决策过程，利用大语言模型在动态环境中自主运行，发展出多语境决策的推理能力、多步骤策略的规划能力、跨环境交互的行动能力，动态学习与反思的记忆能力。例如，豆包等聊天机器人超越了单次响应、一问一答式的对话模式，发展出依据用户的兴趣、偏好以及历史数据进行个性化对话的能力。由此，自主智能体具备独立自主行动能力与实时问题解决能力的类主体属性，成为参与舆论生产与传播的新型主体。
人工智能大模型依托自主智能体影响舆论生态。社交机器人作为智能体的典型应用，通过密集发布主题性强、标签化程度高的消息，在短时间内能实现二级传播甚至N级传播，进而建立话语优势、构建舆论磁场，快速吸引、聚集相同立场用户，最终成长为意见领袖型社交机器人账号。这表明智能大模型不仅成为信息获取的新入口，还依托自主智能体成为推进舆论形成、扩散与演化的“准主体”，与人类共同构成新型舆论场的行动者。舆论场的“人—机同台”挑战了传统舆论学将“舆论”视为纯粹人类意识产物的理论前提，使得舆论是“公众意见的多元性集合”的认识论难以有效解释生成式人工智能时代的舆论问题。因此，舆论治理实践应将智能体等机器主体纳入治理视野与规制范畴，并立足当前舆论场的人机共生特性，强化治理协同性。
(二)舆论内容：视听表达的全域生成
生成式人工智能技术通过对现实的“拟真”呈现，使生成式视听内容成为覆盖全场景、全主体、全模态的全域舆论表达形态。首先，全场景拟真。基于对海量数据的深度学习与模式建构，GAI技术能通过生成具有高逼真度、强叙事性、强感染力的视听内容，实现对真实世界或人类行为的“拟真”呈现。其次，全主体可及。GAI技术对于普通用户而言具有高易用性。任何用户仅需提供几句提示词，便能依托GAI模型快速生成视听内容，以此进行观点分享、情绪输出等舆论表达。当前，以Sora、Seedance、可灵为代表的文生视频大模型为规模化、自动化生成视听内容提供了技术支撑。以AI视频生成模型Seedance 2.0为例，用户上传一张人物全身照后，该模型便能在一分钟内生成音画同步的多镜头序列视频，并实现对服装纹理、肢体动作、重力感乃至镜头惯性的高质量模拟。最后，全模态贯通。文生视频大模型的技术应用场景融合文字、图像、音频、视频等传播模态，遍布视频编辑、新闻报道、文学创作、代码编写等内容创作领域。生成式视听内容依托低门槛、低成本、高效率和直观性强的特性，已然成为舆论表达的新方式和社会情绪的新载体。
伴随着技术迭代，生成式视听内容的内容精细度、情感表达力与多模态表现力进一步提升，可以生成极具叙事张力、情感传播力的内容。生成式视听内容凭借其较强的情绪感染效应，在国际传播中跨越语言障碍，实现对文化价值观的直观呈现。GAI技术通过视觉建构叠加机器价值与公众想象，将国际公众对中国的文化认知与想象图式转化为可观看的现实图景，从而增强中华优秀传统文化的传播力与感染力。人工智能优势国家亦能依托自身在智能领域的技术、资本积累，借助文生视频大模型持续生成强情绪感染力的生成式视听内容，从而强化本国意识形态与文化观念的传播范围与影响力。需要注意的是，由于生产过程不透明、生产主体难溯源、生产内容高仿真，生成式视听内容可能难以被普通民众辨别真伪，从而沦为情绪操纵的隐秘武器，增加舆论发展的不可控性。可见，GAI技术不仅能自下而上地重塑视听消费的内容景观，还能自上而下地重构国际舆论场的话语权力，对舆论生态造成系统性影响。因此，舆论治理实践需进一步提升精准性，寻求内容表达形态创新与舆论生态良性发展的动态平衡。
(三)舆论传播：扩散机制的智能耦合
生成式人工智能技术叠加算法、平台，形成“AI+算法+平台”的新型舆论扩散机制，显著提升舆论传播的速度。GAI技术可以结合舆论热点与舆论引导需要，大规模生成条理清晰、逻辑严密、具有说服性、适配不同场景的多模态信息，迅速催发舆论生成。算法驱动智能生成信息的定向推送，能够实现目标用户的精准触达。平台通过聚集持相似意见的群体，形成舆论发展的圈层化、多极化效应。“AI+算法+平台”形成自动化扩散模式，大幅压缩信息从生产到扩散的时间，加快了舆论热点演化与更迭的速度。在这一过程中，社交机器人展现出突出的传播优势，例如缩短议程设置滞后时间、提升具象议题响应程度等。这种智能技术、算法与平台相耦合的舆论扩散机制进一步提升了舆论生态的复杂性，一旦缺乏有效约束，该传播模式可能助推特定价值观与意识形态的扩散。
“AI+算法+平台”传播模式深度介入公众的议题感知与意见传播过程，这不仅重构舆论场域的传播逻辑，还可能挑战大众传播时代的选择性接触、议程设置、沉默的螺旋等经典理论的适用边界。以沉默的螺旋理论为例，置身于智能传播系统，个体的信息接触、互动反馈及其对“意见气候”的感知，均受机器、算法与平台的影响。这种“AI+算法+平台”中介化的意见表达与传播过程呈现高度不透明、非均衡与不可预测性的特征，易催生高度异质化的信息流动路径，可能使研究者难以实时分辨人类主体的意见感知机制与沉默决策逻辑。因此，舆论治理实践需增强风险防控的前瞻性，以有效规避“AI+算法+平台”传播模式所潜藏的意见失衡与舆论失序风险。
(四)舆论治理：实践方式的路径革新
人工智能技术赋能舆论治理的各个环节，推进治理手段的迭代升级。通过数据挖掘与预测、语义与情感分析等模型，人工智能可以对新闻网站、社交媒体、论坛等平台的海量文本进行自动化收集、筛选与分析，并对舆论情绪结构、发展趋势和演变逻辑进行综合研判。这能提升舆论热点发现、事件溯源与风险预警的效率与准确度，并为舆论治理事前的风险预防与事中的穿透式监管提供技术支撑。
同时，提升人工智能生成内容的可信度、可识别性与可追溯性，正成为全球舆论治理的重要内容。美联社、路透社等媒体机构已建立AI内容标注和审核机制，德国新闻社等采纳检索增强生成技术用于内容溯源，我国也将人工智能生成内容标识纳入了治理体系，实施《人工智能生成合成内容标识办法》。其中，显性水印标识使人工智能生成内容更易被识别，隐性数据标识确保相关责任主体可被追溯，共同提升舆论治理的效率与准确度。尽管人机协同正成为舆论治理的重要部分，但全球人工智能产业依然具有资本驱动过快发展、评估体系不稳、监管与安全投入不足的特征，基于人工智能的舆论治理极易引发数据安全与网络安全问题。因此，舆论治理实践需提升系统性，综合性地考察舆论主体的行动模式、舆论内容的演化历程，以及舆论传播的动力机制，从而实现对舆论生态的全局性把控。
总体来看，舆论生态受到生成式人工智能技术的深刻影响，其主体构成、内容形态、传播机制正历经结构性变革。舆论场成为人类主体与机器主体同台、人类意见与生成内容混杂、人类意识与机器逻辑交织的复杂信息场域。这要求舆论治理廓清舆论主体构成，分辨舆论内容形态，厘清舆论传播机制，拓展智能治理路径。
二、生成式人工智能技术引发的舆论风险
生成式人工智能技术的快速迭代和广泛应用，使舆论生态呈现出新态势、新特点，也为我国舆论生态治理带来了新的风险挑战。智能体“机机协同”的舆论生成机制不仅放大了人工智能系统的数据偏见，还冲击了“眼见为实”的社会信任基础，侵蚀舆论场域的公共价值，并对舆论治理的现有机制造成挑战。
(一)技术偏见：智能主体的意识形态风险
智能体能放大人工智能系统内置的价值偏见，强化特定意识形态的影响力，并形成“机机协同”的新型舆论战。
一方面，GAI模型的训练数据偏见可能嵌入内容生成与传播全流程。由于研究人员构成缺乏多样性与数据样本的不足，全球南方国家与边缘社区的社会议题在人工智能系统中可能存在数据缺失与价值失序问题。例如，女性、移民者、生活在中低收入国家的个体和老年群体在人工智能系统中更难以获得高质量健康数据。这种数据获取的不平等进一步限制了人工智能系统准确理解上述社会群体的异质性健康需求。这揭示了GAI模型可能存在对特定社会群体的结构性价值偏见，以及对边缘社区与歧视、贫困和压迫等问题的系统性认识偏差，这可能导致其生成内容偏离现实，并强化特定意识形态的影响力，从而放大仇恨言论、极端情绪和偏见，影响舆论生态的稳定性和有序性。
另一方面，能够自主行动的智能体加大了GAI技术的意识形态风险。俄乌战争以来，智能体因其信息解读能力、情境适应能力、情感模拟能力，被广泛应用于干扰、欺骗、渗透和操控等信息对抗，增加了舆论生态的复杂性与极化倾向。社交机器人也从初始的机械性“灌水”发展为“类人化”交互，能通过个性化、定制化虚假信息干扰圈层意见环境。由智能体主导的新型舆论战呈现出“机机协同”的新特征，其演化态势迈向更高强度、更高复杂度和更高系统性，成为影响大众心理、干扰舆论走势、威胁国家安全的新因素。当用户无法辨别生成内容背后的人类意图与机器逻辑时，主流意识形态的受众基础面临解构风险，进而威胁主流意识形态的话语主导权。
(二)技术拟真：生成内容的意义内爆风险
生成式视听内容挑战了“眼见为实”“有图有真相”的信息接收习惯，成为煽动情绪、混淆是非的新工具。
借助深度伪造技术，虚假信息能被打造成极具情绪感染力与价值说服力的视听内容。GAI技术大幅降低了深度伪造的技术门槛，使得舆论生态面临假新闻与虚假信息泛滥的传播风险。从模拟公众人物发言、篡改新闻画面，到伪造现场录音，虚假视听内容的形态不断迭代，普通民众由于媒介素养的局限往往难以辨别现实中的真实事件与智能媒介生成的虚构内容，这为谣言传播与次生舆情发酵提供土壤。例如，“四川峨眉山人猴大战，猴王被当场击毙”、“山西大同悬空寺部分建筑物坍塌”、西藏定日县6.8级地震期间“被压在废墟下的小男孩”等虚假内容引发了广泛的讨论。同时，GAI技术的快速发展进一步提升了生成式视听内容的技术拟真性，这导致对AI生成的深度伪造内容进行事实核查将耗费大量时间，显著压缩了辟谣的窗口期。
深度伪造的虚假视听内容正以“超真实”的媒介逻辑挑战现有社会信任机制，可能引致信息、媒介乃至社会层面的内爆。波德里亚（Jean Baudrillard）用“内爆”(implosion)这一概念指称后现代社会中真实、意义和价值界限消除的过程。深度伪造内容是一种媒介意义的内爆，其并不是对现实的表征，而是通过“拟真”参与超现实的建构。首先，信息与意义在技术媒介中的内爆。生成式视听内容通过对现实世界的“拟真”呈现与视觉表征，建构了受众在主观认知与感官层面的真实感。但这种视听传播层面的逼真性并非客观实在的真实，而是GAI技术借由智能编码规则对现实世界的概率生成与符号抽象。其次，视听媒介作为信息载体本身的内爆。AI模拟人类行为的技术拟真性，不是简单的技术实践，而是能通过海量的生成内容深入舆论系统，进而嵌入人类认知系统，这可能诱发个体和群体性认知失真。当“所见所闻均可能是AI生成，人们可能形成“宁可信其无，不可信其有”的认知惯性，在对社会事件的真实性产生普遍怀疑的同时，其对专业媒体新闻报道和视听内容的信任基础可能被消解。最后，社会总体性现实的内爆。GAI技术赋能社会现实与受众想象的叠加、融合与漂移，将生成日常生活拟真化的“超真实”。这并非对真实的再现，而可能将舆论互动内爆为一个单向度的时空现实，实现“生成真实”对“社会真实”的替代，进而瓦解舆论场域的社会交往与社会价值，对舆论秩序、社会信任机制乃至公共安全造成颠覆性影响。
(三)技术操纵：舆论争夺的价值侵蚀风险
随着生成式人工智能技术广泛介入舆论传播生态，舆论争夺由“内容之争”发展为“技术之争”，而技术主导权失衡会衍生出一系列治理难题。
一方面，资本力量在GAI技术与舆论领域的广泛渗透，使舆论环境易受资本与技术逻辑的操纵与挟持。首先，GAI技术内嵌价值导向性。例如，大语言模型为追求对话流畅度与响应适配性，可能在生成内容中隐含价值偏好与立场倾向，甚至通过真假杂糅的“幻觉”现象隐性塑造用户认知。其次，算法通过将在线互动数据转化为舆论指标，使得真假难辨的舆论内容在宏观舆论场获得与客观事实对等甚至更高的能见度与说服力。借助GAI技术，具有恶意企图的机构和平台能在短时间内生产大量虚假信息与无意义信息，并通过所掌握的用户偏好数据进行平台议程设置，实现规模化、集中化的真相掩盖和情绪感染。最后，由于缺乏系统性的虚假信息辨别教育，人们媒介素养的提升速度难以跟进GAI技术的发展速度，在面对生成式虚假内容时多处于被动地位，更易被资本力量操纵。这在污染网络舆论空间的同时，极易模糊舆论焦点，使热点内容偏离人民心声，遮蔽舆论的公共利益和社会价值诉求，侵蚀国家舆论安全。
另一方面，人工智能技术成为争夺国际舆论话语权的战略制高点。当前，西方发达国家的技术研发能力与基础设施建设水平较高，掌握海量优质数据资源、先进算法模型和以高性能芯片为支撑的强大算力，易于在人工智能领域占据领先地位，并凭借先发优势掌握人工智能技术资源的支配权。例如，发达国家能在大语言模型中降低全球南方国家语言和文化信息的权重，并强化模型生成内容所内嵌的西方价值观与叙事框架，借此对其他国家进行隐性的舆论渗透。因此，协同世界各国推动人工智能技术资源的国际流动、制定相关技术标准与国际规则，是巩固我国人工智能领域的竞争优势、争夺国际舆论话语权的关键所在。
(四)技术规制：复杂系统的涌现突变风险
舆论监管机制需要与时俱进，动态评估应对生成式人工智能相关舆论风险的治理能力。首先，GAI大模型依托算力、算法、数据，发展出高迭代速率、高学习能力和高生产性能，在现有舆论治理机制存在短板的情况下催生了新型舆论风险。例如，部分模型能生成结构相似但形态变化的“形似字”，规避基于关键词筛选的内容审核机制，增强有害信息的隐蔽性。GAI模型在投入使用后还会通过分析用户数据反馈进行自我迭代和更新，这打破了针对传统技术“验收即合规”的静态监管逻辑，使原本局部、潜在的技术风险在持续迭代中积累、叠加，并在特定情境下迅速转化为突发性的舆论风险。
其次，生成式人工智能模型的黑箱特征进一步加剧了舆论复杂系统中风险演化的不可预测性。由于智能大模型具有规模巨大、参数庞大、行为非线性等特征，其决策逻辑日益复杂，即便是开发者也难以完全揭示神经网络内部的决策路径。这意味着GAI技术在透明性和可解释性方面仍存在明显不足，其风险生成机制在相当程度上仍处于黑箱状态。在此背景下，智能幻觉、算法歧视等潜在舆论风险并非以线性方式显现，而可能在算法推荐、用户互动和跨平台传播的耦合作用下被迅速放大，进而形成舆论偏移、情绪极化甚至次生舆情危机。这使现有治理机制在风险识别、过程干预和责任追溯方面面临更大挑战，也对治理主体的跨域识别与协同规制能力提出了更高要求。
最后，当前技术规制体系尚不足以有效应对生成式人工智能舆论风险的跨场景扩散与跨边界外溢。多数国家尚未形成针对生成式人工智能技术的完备法律体系，对AI舆论风险的责任界定、处罚标准及技术合规边界缺乏明确规定，统一的国际AI治理规则与协作机制也尚未建立。在此情况下，生成式人工智能所生成和传播的信息一旦跨越平台、区域和国界流动，便可能在多重传播链条中不断叠加放大，诱发跨国虚假信息扩散、舆论操纵和意识形态渗透等连锁性风险。
综上，生成式人工智能技术为舆论治理带来系统性风险和复杂性挑战。GAI技术以技术偏见、技术拟真、技术操纵与技术规制的技术逻辑深度影响舆论生态，并衍生出舆论价值极化、舆论意义内爆、舆论秩序失衡、舆论系统突变等复合性风险。审视舆论风险的新型表现方式，厘清其内在的技术作用机理，是实现舆论生态有效治理的关键前提。
三、生成式人工智能背景下舆论治理的实践进路
生成式人工智能带来更具复杂性、扩散性和隐蔽性的新型舆论风险，这要求舆论治理实践需进一步提升协同性、精准性、前瞻性与系统性。表1围绕主体、内容、传播、治理四个维度梳理了生成式人工智能时代舆论生态的结构性变化、新型舆论风险的表现以及提升舆论治理效能的实践进路。舆论治理需要把握“技术的治理”与“治理的技术”的实践关系。一方面，化解GAI技术带来的潜在舆论风险是“技术的治理”，舆论治理需结合智能技术发展趋势寻求实践路径。另一方面，以人工智能为代表的新技术是“治理的技术”，将其应用于舆论治理实践，能够助力提升舆论治理效能。
(一)主体责任明晰的协同治理
人工智能往往攻击舆论治理的薄弱环节，这要求舆论治理体系具备跨域适配能力与实时响应能力，推进舆论生态治理体制机制的协同性与动态适应性。面对智能主体带来的挑战，需要不同主体各司其职、有效应对，才能保持舆论治理的战略主动。在国家层面，针对GAI技术相关的新型舆论风险，及时制定舆论治理相关法律法规，不断完善舆论治理体系，提升舆论风险应急响应水平。在媒体层面，主流媒体利用AI辅助选题、内容生产和精准推送，提高议题设置能力和受众触达率；增强正能量内容的多样性与可获得性，提升主流社会价值传播力。在社会层面，需要全面开展智能素养教育，不断提升人们对人工智能技术的应用能力，以及对生成式虚假信息的辨别能力。总体而言，国家行动为舆论治理提供制度保障与方向引领，媒体行动为舆论治理建构良性信息生态，社会行动为舆论治理提供基础支撑，由此形成“以国家主导推进为保证，以多方协同共治为取向”的多主体协同联动舆论治理模式，从而减少信息误导和偏见的传播，推动形成健康、积极的网络舆论环境。
(二)智能技术赋能的精准治理
针对生成式内容的舆论风险，需要最大化利用人工智能技术提升舆论治理效能，以此增进舆论治理实践的精准性。在舆论风险检测与伪造内容识别方面，运用智能大模型对多模态信息、多语种语言进行语义理解与情感分析，通过识别像素、光影、声纹、语义逻辑等内容特征，核查深度伪造内容，精准识别敏感言论与情绪极化倾向。例如，通过对平台视频、图像、文字等多模态信息进行动态监测，实现对虚假信息等潜在舆论风险的动态监测与实时响应，防止小规模争议演变为大范围舆论危机。在舆论推演与社交机器人识别方面，借助人工智能算法对网络账号的发布内容、互动特征、登录频率进行分析，识别机器人水军操纵舆论、扩散虚假信息、煽动情绪等网络行为。在此基础上，利用智能体技术开展舆论推演，通过自动化模拟现实舆论场中不同身份主体的攻防，推演复杂舆论的发展态势，在安全环境中评估舆论引导手段，优化舆论风险应对策略。在舆论热点追踪与内容溯源方面，依托区块链、图神经网络、数字水印等人工智能相关技术，构建生成式内容全生命周期溯源体系，实现对内容生成主体、传播路径、修改记录的全流程、跨平台追踪。
(三)风险动态防控的前瞻治理
面对生成式人工智能对舆论生态带来的深度重塑，舆论治理应从被动应对转向面向全过程的风险动态防控，着力构建“事前识别—事中干预—事后追溯”的前瞻治理体系，提升舆论风险发现、研判与处置的时效性。具体而言，在事前阶段，应强化风险识别与预警能力，围绕虚假信息批量生成、情绪操控、身份伪装和议题误导等风险，加快推进毒性生成内容识别、深度合成鉴别、智能体辨识、异常传播预警等前沿技术储备，完善多模态生成内容标识、审核与预警系统，推动舆论风险防控关口前移，实现对新型风险的前置识别与实时预警。在事中阶段，应健全动态调控与应急处置机制，依托算法巡检、传播监测，实时评估风险内容的扩散速度、传播范围与影响程度，及时采取限流、标注、下架、辟谣等干预措施，促进突发舆论风险的及时化解与有效应对。在事后阶段，应完善追溯核查与协同治理体系，针对生成式内容来源难辨、责任模糊、链路复杂等问题，增强人工智能生成内容系统的可追踪性，打通政府、平台与第三方机构之间的数据接口和模型协作通路，健全模型登记、风险备案、责任认定和复盘问责机制，推动形成风险事件可追溯、治理过程可核查、责任主体可界定的闭环治理体系(见表2)。
(四)舆论生态管控的系统治理
舆论生态治理是一个系统工程，要求构建系统完善的舆论治理与信息监管体制机制。从国际经验来看，美国近十年来的人工智能相关法律政策始终将安全性列为核心指标，欧盟则通过完善法律与监管框架，确保技术发展不偏离人权伦理底线。我国应加大安全监管与基础设施投入，减少对海外技术供应商的依赖，保障算力、能源等关键要素支撑，防范司法、网络安全与数据隐私风险。首先，进一步完善生成式人工智能的安全监管机制，针对技术开发、数据采集、模型训练、应用部署等关键环节，开展分级分类的风险管理活动，从源头上遏制技术滥用风险。其次，推动建立舆论风险分级响应机制，明晰舆论治理的主体责任和具体流程，实现对风险事件的分场景、分等级、分节点响应。最后，建立可识别、可评估、可追溯、可控制的风险治理框架，形成动态联动的长效治理格局，为我国高质量发展营造有利舆论环境。
四、结语
当前，生成式人工智能技术呈现出规模化、精细化发展态势，深度嵌入舆论生态的演化过程，使舆论生态在舆论主体、舆论内容、舆论传播与舆论治理层面进行结构性变革。这在形塑人机协同的新型舆论场的同时，衍生出意识形态渗透、虚假信息泛滥、公共价值侵蚀、治理机制适配不足等复合型风险。面对系统性风险与不确定性因素加剧的舆论发展态势，舆论治理需进一步提升协同性、精准性、前瞻性与系统性。这要求舆论治理把握“技术的治理”与“治理的技术”双重逻辑，通过多主体协同凝聚治理合力，以智能技术攻关强化风险防控硬实力，依托动态防控体系实现舆论全流程可追可控，用系统治理思维平衡技术发展与安全。
生成式人工智能时代，舆论治理能力与国家发展和安全、人民群众切身利益密切相关。保持对人工智能技术与网络安全领域的领导力，要求及时调整和完善舆论生态治理机制和手段，积极发挥GAI技术对舆论引导与舆论治理的正面效用，有效规避其给网络生态健康发展带来的不利影响。唯有将生成式人工智能带来的技术变量转化为舆论治理与国家发展的增量，才能适应新型信息生态格局，筑牢网络空间安全屏障，在全球信息竞争中保持战略主动。
本文系国家社科基金重大项目“我国新闻传播业人工智能应用现状与发展趋向研究”(项目编号：19ZDA327)的阶段性研究成果。
作者简介
包圆圆，中国传媒大学媒体融合与传播国家重点实验室副研究员；
苗琨鹏，中国传媒大学媒体融合与传播国家重点实验室互联网信息专业博士研究生。
引用格式参考
GB/T7714-2015 包圆圆,苗琨鹏.人工智能时代的舆论治理：生态变革、技术风险与实践进路[J].新闻传播学刊,2026(3):121-132.
CY/T121-2015 包圆圆,苗琨鹏:《人工智能时代的舆论治理：生态变革、技术风险与实践进路》,《新闻传播学刊》2026年第3期,第121-132页。
MLA 包圆圆,苗琨鹏."人工智能时代的舆论治理：生态变革、技术风险与实践进路"新闻传播学刊.(3)2026:121-132.
APA 包圆圆,苗琨鹏.(2026).人工智能时代的舆论治理：生态变革、技术风险与实践进路.新闻传播学刊,(3),121-132.
