备选标题
- 《数字媒体也会成为恐龙:下一代时尚媒体的技术蓝图》
- 《Vogue之后:谁会成为第一个时尚智能操作系统?》
- 《AI只需要一年,就可能结束数字时尚媒体的黄金时代》
- 《当读者不再打开网站,时尚媒体还剩下什么?》
- 《从一本杂志到一百万个版本:时尚媒体的下一次重构》
- 《文章正在消失,时尚媒体需要重建自己的底层系统》
- 《流量退潮之后:时尚媒体如何把内容变成智能资产》
- 《下一个Vogue,可能没有杂志、网站和固定首页》
- 《编辑部的下一位同事,是一套会工作的AI系统》
- 《时尚媒体的终局,在于更有价值的判断》
- 《从编辑部到智能系统:一份AI原生时尚媒体建造指南》
- 《搜索已死?时尚媒体争夺AI入口的真正方法》
- 《每个人一份Vogue:个性化媒体背后的技术与生意》
- 《AI时代,时尚媒体最值钱的资产藏在旧档案里》
- 《谁能把审美写进系统,谁将定义下一代时尚媒体》
- 《内容越来越便宜,判断力为什么越来越贵?》
数字媒体也会成为恐龙:下一代时尚媒体的技术蓝图
互联网用十年让纸媒失去中心位置。AI或许只需要一年,就能把今天的数字媒体推入同一段历史。对时尚媒体而言,真正的重建将从内容底层开始,经过智能编辑部、生成式视觉、答案入口与个人化产品,最后回到一个古老的问题:谁有资格定义什么值得被看见。
数字媒体的倒计时
二十年前,互联网刚进入大众生活时,杂志出版商大多把它视为一种新渠道。纸上的文章被搬上网页,编辑部多了一支数字团队,广告部门开始售卖横幅和视频贴片。随后十年,分发、注意力和广告预算相继迁往搜索引擎与社交平台。许多纸媒仍然在出版,只是已经失去决定行业节奏的能力,像一群制作精良、行动迟缓的恐龙。
今天,相似的一幕正在数字媒体身上发生,时间却被压缩得更短。AI搜索把查找、比较、总结和追问收进同一个对话框;Agent开始代替用户浏览网页、筛选商品、整理报告;一篇文章即使被机器读过,也未必能换来一次页面访问。互联网曾经改变内容抵达读者的路径,生成式AI进一步接管了读者理解内容的过程。
行业数据已经显出这种迁移。路透新闻研究所2026年的趋势报告援引Chartbeat对2,576家媒体网站的汇总数据:从2024年11月到2025年11月,Google自然搜索引荐量在全球下降33%,在美国下降38%。对出版商而言,关键变化不是搜索是否仍然存在,而是越来越少的搜索行为最终抵达媒体页面。路透新闻研究所(https://reutersinstitute.politics.ox.ac.uk/journalism-media-and-technology-trends-and-predictions-2026)
Pew Research Center对900名美国成年人、近6.9万次实际Google搜索的追踪进一步显示:出现AI摘要时,用户点击传统搜索结果的比例为8%,没有摘要时为15%;直接点击摘要所列来源的比例只有1%。答案越完整地留在搜索界面,原创网站获得访问的机会就越小。Pew Research Center(https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/)
这直接触及数字媒体的两条核心收入通道。广告收入依赖页面访问产生可售展示、视频播放和联盟点击;订阅收入依赖搜索与社交把陌生用户带到站内,再通过付费墙、注册、邮件或App转化为自有用户。当AI回答吸收原文信息并截留访问时,同一份内容仍然被消费,媒体却同时失去广告曝光和订阅转化机会。
时尚媒体恰好生产大量适合被AI接管的内容。某一季的关键趋势、几场大秀的共同色彩、某位创意总监的履历、一只手袋的价格变化、适合通勤的十件单品,都可以被压缩成一段答案、一张比较表或一份购物清单。过去,用户需要在Vogue、BoF、WWD、品牌官网和社交平台之间来回穿梭;今天,他们只需提出一个足够具体的问题。答案可能吸收了这些媒体多年积累的知识,页面访问、订阅关系和品牌识别却很容易在生成过程中一同蒸发。
这次替代也不只发生在文字层。搭配示意、封面概念、产品短片和虚拟场景都可以直接在生成界面中出现,图片与视频也开始脱离媒体页面,成为独立完成用户需求的答案。
过去,媒体的流量链条十分清楚:报道被搜索到,读者进入页面,页面产生广告收入,并把一部分读者导向订阅。AI正在把这条链条改写为另一种结构:媒体生产事实与判断,模型读取并组织它们,用户直接获得答案。内容仍然发挥作用,承载收入和用户关系的页面却被绕开。
中国时尚媒体出售的从来不是页面
中国市场的特殊之处在于,时尚媒体在数字时代普遍没有建立以页面广告和收费订阅为核心的商业模式。它们出售的主要是三样东西:权威刊名为品牌提供的文化背书;编辑部与明星、创作者和行业关系形成的资源中介;以及在微信、微博、小红书、抖音等平台上的传播组织能力——在这一层面,它们与自媒体处在同一个竞争池内。
读者不是主要付费者,品牌才是。媒体看似在做内容生意,实际更接近一种以杂志品牌力为担保的B2B营销生意。它们依靠原有的品牌地位和市场曝光,继续收割上一个时代残存的溢价,同时在平台规则里与自媒体缠斗。如果继续依靠“传统刊名的权威溢价+平台曝光+品牌商业项目”,这个模式很难长期持续。它或许还能维持若干年现金流,却会逐渐把时尚媒体变成一家披着媒体品牌的营销、公关和活动公司,编辑业务本身则不断空心化。
AI正在动摇这套生意的计价基础。截至2025年12月,中国生成式人工智能用户达到6.02亿,普及率为42.8%;QuestMobile此前统计的AI综合助手和AI搜索用户规模也都已超过5亿。[CNNIC相关统计(https://www.digitalchina.gov.cn/2025/xwzx/qwfb/202602/t20260209_5283123.htm)](https://www.digitalchina.gov.cn/2025/xwzx/qwfb/202602/t20260209_5283123.htm);[QuestMobile(https://www.questmobile.com.cn/research/report/1967853261412208641/)](https://www.questmobile.com.cn/research/report/1967853261412208641/)
这些数字不能证明时尚媒体的曝光已经被问答机器人全面取代,却说明入口迁移的规模条件已经形成。尤其在中国,AI并不只存在于独立聊天机器人里,它还会嵌入搜索、微信、抖音、电商和手机系统。用户可能仍然停留在原来的平台,却不再进入媒体账号或文章。媒体过去已经没有真正拥有分发渠道,下一步甚至可能失去被识别为信息来源的机会。
旧模式正在同时失去三种稀缺性,而且这种趋势会愈演愈烈。内容生产不再稀缺,品牌自己就能生成图文、短片、数字模特和趋势解读;曝光不再需要媒体中介,品牌已经可以直接向平台购买流量,如果答案界面进一步商业化,还可能直接购买AI推荐与展示;刊名也未必随内容一起出现,AI可以使用媒体积累的知识,却把来源、版面和品牌身份压缩成一个不显眼的引用,甚至让它们完全消失。
中国时尚媒体面对的因此不只是页面流量下降。它们原本就没有充分建立页面收入,如今却可能连品牌曝光、资源中介和平台传播这三项主要商品也一起失去稀缺性。
因此,给编辑配一套写作工具、用更少的人生产更多文章,并不能解决问题。这只会把媒体带进一个更拥挤、价格更低的内容市场。当每家机构都能在几分钟内生成一百篇相似稿件,产量只会加速稀释,无法弥补被AI答案截走的访问与关系。
下一代时尚媒体需要重新设计自己的底层结构。它仍然会写文章、拍大片、做采访,也仍然需要杰出的编辑,只是这些作品将不再作为价值链的终点。每次采访、每场秀、每张图片、每个判断都要沉淀为可以被检索、验证、组合和授权的知识资产。编辑部从这里长出一套智能生产系统,再把同一批可靠资产送往文章、视频、音频、AI答案、会员服务和私人顾问。外界看到的是无数形态,内部维护的是同一个事实基础。
这项工程可以从一场时装秀讲起。
一篇秀评背后,真正值得保存的是什么
假设一家媒体正在报道Chanel的新一季高级成衣发布。传统流程很熟悉:记者观看现场,采访品牌与嘉宾,编辑查阅历史资料,摄影团队处理图片,几小时后发布一篇秀评。文章在社交平台获得一轮传播,搜索流量持续若干天,随后进入档案库。下一季到来时,另一位编辑重新搜索旧稿,复制几段背景,再从头开始。
这套流程保存了文章,却丢失了文章内部的结构。一篇两千字的秀评可能包含二十项可复用的事实、八个编辑判断、三段独家引语、四条历史关系、几十个视觉特征以及若干商业信号。它们被封装在连续文本中,机器很难稳定地区分事实与评论,也难以知道一条信息是否仍然有效、来自何处、拥有怎样的使用权。
内容原子化要解决的正是这件事。系统收到品牌新闻稿、秀场图片、采访录音和编辑笔记后,将它们拆解为一组有身份、有来源、有版本的内容单元。品牌、设计师、系列、单品、材质、工艺、地点、人物与商业数据成为实体;“担任创意总监”“首次使用某种工艺”“延续某一历史系列”“在某市场提高售价”成为关系;引语、事实、观察与评论分别进入不同类型的记录。
每个内容单元至少需要一组基本字段:唯一编号、内容类型、涉及对象、发生时间、原始来源、证据位置、权利状态、可信级别、审核人、有效期和版本记录。一句来自后台采访的原话,应当关联录音文件及时间码;一项销售数据,应当保留统计口径、地区、币种和报告日期;一段编辑判断,应当明确标记为评论,留下作者与形成时间。事实可以更新,历史版本不能被覆盖。未来任何系统调用这条信息时,都能回答三个问题:它说了什么,凭什么这样说,目前是否还能使用。
原子化容易被误解成把好文章切成碎片。真正需要拆解的是底层资料,读者看到的文字仍然应该完整、流畅、有作者气质。数据库负责保存精确关系,编辑负责把关系写成意义。两者服务不同目标,彼此并不冲突。
在技术上,这套资产库通常由三个部分组成。对象存储保存图片、视频、录音、PDF和原始文档;关系型数据库保管版本、权限、审核状态等确定性信息;知识图谱连接品牌、人物、作品、时间和事件。向量索引可以作为第四层,帮助系统按语义寻找相近材料。知识图谱擅长回答“某设计师何时进入某品牌、与哪些系列有关”,向量检索更适合寻找“过去十年关于克制奢华的相似评论”。两种工具需要并存。把所有档案一股脑塞进向量数据库,看似完成了AI改造,实际会留下实体混乱、时间错位和来源不清的问题。
时尚知识图谱也不必从一张包罗万象的本体开始。更现实的做法是选定一条价值密度高的业务线,例如时装周报道,先定义十余类核心对象:品牌、设计师、系列、Look、单品、材质、工艺、主题、地点、人物、引语、市场信号和来源。编辑部用三个月时间处理新内容,同时回填一小批高价值档案。系统会逐渐学会识别“Saint Laurent”与“YSL”是否指向同一实体,区分同名人物,发现某个视觉元素曾在哪些年代出现。知识模型在真实工作中生长,比一开始追求完美更有意义。
这一步看起来像资料工程,实质上是在保存编辑部的集体记忆。老编辑知道一件衣服为何让人想起1990年代,商业记者知道某次创意任命与集团财报之间的关系,图片编辑知道一张照片是否具有独家版权。过去,这些知识散落在个人经验、邮件、硬盘和会议里;人员离开时,机构也随之失忆。结构化资产让经验第一次有机会留在组织内部,并被下一位记者和下一套工具调用。
Agent编辑部究竟如何工作
有了可靠的内容基础,Agent才有工作价值。这个词已经被炒作得过于滥用。对于编辑部,Agent可以理解为一套能围绕目标连续执行任务的软件系统:多模态大模型负责理解与规划,指令定义职责,知识库提供记忆,工具连接搜索、数据库、转录、图像处理和内容管理系统(CMS),权限系统规定它能看什么、能改什么,人工检查点决定何时必须停下。
一个能写稿的聊天框不等于Agent编辑部。真正的系统更接近一条经过设计的生产线workflow,任务沿着明确状态向前流动:发现信号、提出选题、收集证据、形成报道角度、生成草稿、核查事实与权利、人工编辑、发布多种版本、更新知识库。每一步都有输入、输出和退出条件,失败时能够回到上一个节点。自由发挥被限制在适合发挥的环节里。
这条生产线可以从“信号Agent”开始,可以自动也可以人工触发。它持续读取已经获准接入的品牌公告、财报、秀程、通讯社、政府文件、行业数据库和社交账号,包括记者编辑采写的内容;负责去重、聚类与异常检测。它发现Chanel发布资料后,不会立即写稿,而是创建一张事件卡:时间、地点、系列名称、已确认人物、原始文件、可能涉及的历史节点,以及尚待核实的空白。系统根据编辑部设定的新闻价值规则评分,例如独家性、影响范围、受众关联、证据质量和时效性,最后把候选选题交给值班编辑。
接下来是“研究Agent”。它从内部档案调取品牌历史、上一季报道、设计师采访和相关商业数据,再从白名单外部来源补足信息。每项结论必须附带原始材料、页码或时间码;来源之间发生冲突时,系统同时展示差异,不得自行选出一个顺眼的版本。研究包还会列出无法回答的问题,提示记者去采访谁、索取什么文件。对编辑而言,这比一篇貌似完成的AI初稿更有用,因为它把时间花在了缩短调查路径上。
“策划Agent”读取证据包与当天版面,提出几种报道角度。面向大众读者,它可能建议分析系列的关键廓形;面向专业会员,它会关注产品结构和定价信号;面向文化版,它会追溯设计语言的历史来源。最终角度由人决定。判断一个事件为何值得报道、应该以怎样的尺度进入公共讨论,仍然属于编辑权力的核心。
只有在选题和证据得到确认后,“写作Agent”才开始工作。它只能使用已批准的证据包与内部知识库,不能为了补齐段落临时在开放网络上搜索。系统提示词需要规定引语原文不得改写,数字必须保留口径,无法核实的字段显示为空,事实与评论不能互换。草稿里的每一项外部事实都带有隐藏的来源指针,编辑点击句子即可看到证据。模型更换、提示词版本、调用时间和检索结果同时进入日志,以便事后复查。
初稿之后还需要彼此独立的检查环节。“事实Agent”核对姓名、职位、日期、数字、引用与证据覆盖;“权利Agent”确认图片、视频、音乐、档案与品牌物料的使用范围;“法律与风险Agent”标记诽谤、隐私、广告披露和市场敏感表达;“风格Agent”只处理语调、术语与格式。写作和核查不能依赖同一套提示、同一批检索结果得出相同答案,否则看似有两道工序,错误会沿着同一条路径被重复确认。关键数字应交给确定性程序比对,直接引语应回到录音或文字记录,重大指控至少需要独立来源,人名与职务则应查询权威名录。
最后一道门由人掌握。编辑看到的界面不该只有“接受”与“拒绝”两个按钮,而应显示证据覆盖率、未解决冲突、模型改写范围、权利限制和风险提示。常规的秀程整理、尺寸转换、字幕生成可以低风险自动通过;独家采访、负面调查、人物评价、医疗与财务判断必须逐项审核。自动化程度由风险决定,与技术能否生成无关。
一些新闻机构已经沿着这条方向试验。Mediahuis公开介绍过由可信来源库和多道Agent组成的“第一线新闻”流程,写作、事实核查、法律检查和素材选择之后仍保留人工编辑;USA TODAY则把范围收得更窄,用Agent协助记者准备公共记录申请,把它放进既有工作流,而没有让系统直接承担报道判断。前者展示了端到端生产的可能,后者说明了更稳妥的起点:优先自动化规则清楚、耗时可量化、错误容易发现的环节。[FT Strategies(https://www.ftstrategies.com/en-gb/insights/news-in-the-digital-age-2026-key-takeaways-from-each-panel)](https://www.ftstrategies.com/en-gb/insights/news-in-the-digital-age-2026-key-takeaways-from-each-panel)与[Microsoft的案例记录(https://www.microsoft.com/en-us/industry/microsoft-in-business/customer-story/2026/06/02/usa-today-brings-ai-into-real-newsroom-workflows/)](https://www.microsoft.com/en-us/industry/microsoft-in-business/customer-story/2026/06/02/usa-today-brings-ai-into-real-newsroom-workflows/)提供了两种不同尺度的参照。
从系统构造看,Agent编辑部至少需要五层。最底部是数据与权利层,保存原始资料、内容单元、用户授权和版本;其上是检索与知识层,负责实体解析、图谱查询与语义召回;再上是模型网关,让机构根据任务选择不同模型,控制成本、隐私与供应商风险;工作流编排层负责步骤、权限、重试与人工检查点;最外层才是编辑界面、CMS和各类分发端。每次运行还要进入可观测系统,记录耗时、成本、引用覆盖、人工改动、错误类型与最终去向。
这套架构并不要求媒体先组建一支庞大的工程团队。它要求管理者停止购买彼此孤立的AI功能。转录工具、写作插件、图片标签、推荐系统如果无法共享同一套实体、来源和权限,编辑部只会得到更多信息孤岛。技术路线的第一原则很朴素:所有工具围绕同一个内容身份工作,所有生成结果能够追溯到同一个证据基础。
上线之前,团队还需要一套固定测试集。可以从过去报道中挑出一百个代表性任务,覆盖同名人物、过期职务、冲突数字、受限图片、外文引语和容易混淆的历史系列,再为每类错误设定通过阈值。每次更换模型、提示词、数据源或工作流,系统自动重跑测试;新版先在编辑后台以“影子模式”给出建议,不直接影响发布,稳定后再逐步开放权限。评测记录应区分实体错误、来源缺失、引语失真、权利误判和风格偏差。只有知道错误属于哪一层,团队才知道该修数据、规则、检索、模型还是界面。
一场发布会如何变成一条内容供应链
回到那场Chanel大秀。上午九点,官方媒体包进入系统,信号Agent建立事件卡;九点零五分,语音转录开始处理后台采访;视觉模型为每个Look标记廓形、色彩、面料和配饰,图片编辑随后修正模型无法理解的工艺与文化语境;研究Agent把新系列与档案中的相似设计连接起来,并标出一处尚未获得品牌确认的人事信息。
九点二十分,值班编辑从三个角度中选择“经典符号如何被重新分配到年轻产品线”。记者补充现场观察,商业编辑确认价格与门店信息,图片编辑锁定授权范围。九点四十五分,快讯上线;午前,系统从同一证据包生成社交卡片、中文与英文摘要、短视频脚本和音频提要。下午,主笔完成深度评论。几天后,趋势团队把多个品牌的结构化单元组合成一份季度报告。半年后,Archive Agent仍能准确回答这场秀与某个历史系列的关系,并把原始证据交到下一位编辑手中。
这就是液态内容真正的含义。内容可以在不同容器之间流动,事实内核保持稳定,叙事长度、媒介形态与解释角度随场景变化。一条直接引语不会因短视频需要更戏剧化而被改写,一项价格也不会因用户预算不同而改变;可以变化的是信息顺序、背景深度、术语难度、视觉节奏和行动建议。
要实现这种流动,CMS必须从“页面编辑器”逐渐转为内容操作系统。它需要管理内容单元之间的关系,允许不同前端通过API调用,并给每一种输出定义清楚的内容契约。快讯要求已确认的五个事实与一句背景;短视频需要六个镜头、对应素材权利和九十秒以内的旁白;专业报告必须包含数据口径、比较基准与分析作者。系统按照契约组合内容,编辑负责确认它是否成立。简单地把长文缩成短文,再把短文改成视频口播,只会制造语义越来越薄的复制品。
在这一结构里,一次采集可以形成更长的收益周期。独家采访先进入当日报道,随后成为播客素材、人物档案、主题报告和会员问答的可靠来源;一组秀场图既服务即时新闻,也沉淀为色彩、廓形与工艺的视觉数据。资产复用率会成为比发稿量更有意义的经营指标。媒体开始计算一份采访资料在十二个月里支持了多少种高质量产品,而非当天生产了多少页面。
液态内容也会改变组织分工。记者采集事实与现场,领域编辑建立语境,知识编辑维护实体和关系,产品编辑定义不同场景的内容契约,工程人员确保工具与权限可靠连接。传统编辑部按文字、视频和社交平台分组,常常为同一事件重复劳动;新的团队更适合围绕主题资产协作,再由不同渲染流程完成媒介表达。文章、视频与播客依然需要各自的专业手艺,底层资料却无需重复建造。
当图片和视频也成为答案
文字是许多媒体的主要载体,对时尚媒体却从来不是全部。一张秀场图片既是事件发生的证据,也是分析廓形、材质与造型关系的对象,还是读者体验一场发布会的产品本身。衣料如何反光、裙摆怎样运动、妆发与空间如何共同建立气氛,都无法被一段文字完整替代。因此,AIGC进入图片与视频生产,改变的不只是修图效率,而是什么可以被视为时尚内容,以及谁有能力生产它。
视觉生产的边界正在迅速松动。生成工具可以替换场景、延展画面、制造造型变化,也可以根据文字或单张图片生成视频片段。Adobe在2025年把图片、视频生成与视频延展能力整合进Firefly及Premiere Pro的创作流程;同年7月,H&M发布了由真人模特“数字分身”参与制作的首批广告图像,并用幕后影片解释创作过程。它们并不等同于新闻采编,却说明合成影像已经进入日常的时尚叙事与商业生产。Adobe(https://news.adobe.com/news/2025/02/firefly-web-app-commercially-safe);H&M Group(https://hmgroup.com/news/hm-continues-its-exploration-of-creativity-with-ai/)
对媒体而言,这首先释放了规模。一组获得授权的原始素材,可以衍生不同比例的社交版本、不同市场的场景、动态封面、短视频过场和个性化搭配示意。过去需要重新搭景、拍摄和后期制作的部分工作,被压缩为可连续迭代的视觉流程。与此同时,通用棚拍、情绪板、拼贴和社交短片会迅速失去稀缺性。品牌、平台与个人创作者都能生产具有“编辑感”的画面,媒体仅凭摄影棚、制作预算和发布频率建立的优势将继续缩小。
更深的影响发生在分发端。用户未来提出的可能不是“今年流行什么”,而是“把今年的灰色趋势做成五套适合我的通勤造型”,“把明星那一整套衣服穿在我身上试试”,“我也想站在模特大片里的环境来张OOTD”……,随后直接得到一组图片或一段短片。这是零点击问题的视觉版本:AI不再只是总结媒体的结论,而是把结论重新渲染成新的观看对象。原报道的构图、版面、图注与品牌标识在这个过程中被拿走,媒体即使提供了判断和档案,也更难获得访问、署名与识别。
时尚媒体因此必须先划清四种视觉资产。第一种是记录性证据,包括真实秀场、采访现场、实体产品与人物;第二种是编辑加工,包括不增加事件内容的裁切、调色、排版和数据可视化;第三种是重构性生成,即以真实原子素材为锚点,用模型补充画面边缘、缺失角度、连续动作或未拍到的片段;第四种是生成式表达,包括概念图、虚拟场景与合成影像。这四类描述的是影像的生产履历,不是一张从真实到虚假的等级表。
时尚影像从一开始就在创造非现实的梦境。摆拍是在镜头前搭建一个为了观看而短暂存在的场景,暗房修饰与数字化PS则继续改写镜头已经捕捉的画面;封面与时尚大片的魅力,常常恰好来自它们不承诺复制日常现实。传统手段也不天然等于真实:一次改变身体比例、服装结构或人物关系的PS,可能比一张明确标注的AI概念图更具误导性。AI并没有第一次让时尚影像偏离现实,它真正改变的是,偏离现实可以变得即时、无限,而且难以留痕。
其中最难治理的不是无中生有,而是重构性生成。当真实拍摄的发布会现场经过AI生图“美化”,当错失的角度和片段被AI视频根据已有素材“还原”,人物、服装与场景也许都真实存在,新增的像素和动作却从未被镜头记录。它处在修饰与伪造之间:创作者可能把模型推断当成忠实复原,观众仅凭成片也很难分辨哪里是记录、哪里是生成。一旦这种画面进入报道,“看起来可能如此”便会悄悄变成“现场确实如此”。
边界因此不在是否使用AI,而在一张影像对观众作出了什么真实性承诺。它声称自己在记录现场,还是公开构造想象?修改是否改变了人物身体、服装结构、商品颜色、现场动作等实质事实?观众能否知道哪些来自镜头、哪些来自后期、哪些来自模型推断?原始素材、人物授权、修改记录与最终审核者能否追溯?同一种技术,在不同答案下可能得到完全不同的编辑判断。
美联社的规则代表了纪录性新闻的一端:AI生成的图片、视频或音频不作为新闻素材发布,除非这些合成内容本身就是报道对象。这条规则不能原样覆盖全部时尚媒体,却应完整适用于秀场新闻、后台纪实、人物采访和商品报道。重构性生成可以作为明确标注的示意,不能继承原素材的证据身份。另一端的封面、时尚大片与广告可以摆拍、合成,甚至完全生成非现实的梦境;前提是创作属性清楚,作者与被摄者的身份和授权得到尊重,也不暗示某个现实事件、人物身体或商品确实如此。真正的界线不是消灭非现实,而是区分公开创造梦境与悄悄伪造证据。Associated Press(https://apnews.com/article/artificial-intelligence-guidelines-ap-news-532b417395df6a9e2aed57fd63ad416a)
在导购与产品报道中,这条边界还要更严格。模型若凭空增加一道缝线、改变面料垂坠、修正身体比例或生成并不存在的配色,造成的不是审美差异,而是产品事实错误。任何个性化搭配图或虚拟展示,都应连接经过核实的产品记录,明确哪些部分来自真实商品,哪些部分只是效果示意。无法保证准确时,系统应把结果标为概念表达,而非购买依据。
这要求内容底层增加一层“视觉知识”。每张图片和每段视频不仅要保存文件,还要连接拍摄时间、地点、人物、Look、单品、摄影师、授权范围与编辑历史;系统还应记录它在本次发布中承担的是记录、重构、示意还是想象。视觉模型可以识别色彩、轮廓和物件,图片编辑负责纠正工艺、文化语境与相似设计之间的误判。生成流程只能调用允许用于衍生创作的素材,并记录参考资产、提示、模型版本、人工修改、权利状态和审核人;对于重构性内容,还要保留原始素材与生成部分的对应关系,让系统知道哪些来自镜头,哪些来自模型推断。可公开浏览、可用于检索、可进入模型、可生成衍生作品,是四种不同的权限,不能用一个“已授权”字段全部代替。
当漂亮图片可以无限生成,真正稀缺的会从制作能力转向视觉判断。艺术总监和图片编辑要决定何时必须使用真实影像,何时可以构造想象;一张图延续了怎样的审美谱系,它是否尊重创作者与被摄者,生成过程有没有抹去应当被看见的署名。下一代时尚媒体的护城河不会是“我们也会生成图片”,而是拥有一套可辨认、可追溯、对现实负责的视觉语言。
从搜索排名到答案中的存在感
内容供应链建立之后,媒体仍需面对最直接的问题:当用户留在AI界面内,如何让自己的知识被看见、被正确引用,并保留品牌身份?行业把这组工作称作GEO,即生成式引擎优化。这个概念很容易重演早期SEO的投机史,催生新的关键词填充、批量问答与结构化标签迷信。
Google在面向站点所有者的官方说明中明确表示,进入AI Overviews或AI Mode没有额外的技术要求,也不存在一套专用标记;传统搜索的基础原则仍然适用。结构化数据可以帮助机器理解页面,却不能购买权威性。[Google Search Central(https://developers.google.com/search/docs/appearance/ai-features)](https://developers.google.com/search/docs/appearance/ai-features)的这段说明给媒体提了一个醒:GEO首先是知识质量与可访问性工程,随后才是分发技巧。
第一层工作是让机器读得清楚。文章需要稳定网址、明确作者、首次发布时间与更新时间、清晰标题层级、图片说明、规范实体名、可识别引语和外部引用;重要主题应有持续更新的实体页与时间线,相关报道通过一致关系连接;NewsArticle等结构化标记如实反映页面内容。付费内容也要明确哪些部分可索引、哪些部分需要订阅,避免技术配置让权利策略失控。
第二层工作是让机器有理由引用。独家采访、第一手数据、连续多年维护的档案、具名专家和清晰的方法说明,比一百篇通用趋势稿更有引用价值。媒体需要把“我们认为”与“证据显示”分开,把数据口径写全,把更正同步到原始页面与所有衍生版本。AI系统无法稳定识别一个品牌的权威,仅靠自我宣称无济于事;长期一致的原创记录、外部引用与清楚来源才会形成可观察的信誉信号。
第三层工作涉及商业与控制。媒体可以通过授权API、内容联盟或与模型平台的正式协议提供高质量资料,约定更新频率、引用方式、品牌展示、使用范围和补偿机制。开放抓取、搜索可见、模型训练、实时检索与商业再利用是几件不同的事,权利系统必须能够分别表达。把所有内容封死会失去发现机会,毫无限制地开放又可能交出价值。成熟的媒体会为不同资产设定不同通路:公共事实便于发现,独家分析保留订阅价值,高成本数据库通过许可调用。
这种控制并非抽象的版权议题,它已经可以被流量数据衡量。Cloudflare把某个平台关联爬虫对HTML页面的请求数,与同一平台带回的页面请求数相除,得到“抓取—回流比”。在2025年8月第一周的“新闻与出版”站点中,Anthropic、OpenAI和Perplexity每带回一次页面访问,约分别抓取2,500、152和32.7个页面。单周比例会波动,也不能直接折算为收入,但数量级足以说明:AI平台读取内容与返还访问之间,已经不再是传统搜索时代的交换比例。[Cloudflare Radar(https://blog.cloudflare.com/ai-crawler-traffic-by-purpose-and-industry/)](https://blog.cloudflare.com/ai-crawler-traffic-by-purpose-and-industry/)
衡量方式也应随之改变。编辑部可以建立一组长期不变的代表性问题,每周测试主要答案引擎:品牌是否出现,具体事实是否被正确引用,链接是否指向原始版本,竞争者获得了哪些提及,错误更正需要多久传播。2026年6月,Google开始向部分网站测试Search Console的生成式AI独立报告,让站点分别查看AI Overviews、AI Mode和Discover生成式功能中的曝光页面、国家、设备与时间变化。公告列出的指标仍以曝光和可见性切片为主,媒体还需自行连接点击、订阅与转化数据。[Google Search Central(https://developers.google.com/search/blog/2026/06/gen-ai-performance-reports)](https://developers.google.com/search/blog/2026/06/gen-ai-performance-reports) 传统页面访问仍然重要,同时增加“答案可见率”“品牌归因率”“引用准确率”“AI入口转化率”和“直接用户增长”。GEO最终要让可靠知识在任何机器界面中保持可辨认的出处,讨好某个神秘模型没有长期价值。
对中国时尚媒体而言,还需要进一步看清GEO的边界。它只能帮助媒体保住一部分可见度,不能单独构成商业模式;被AI引用不等于获得收入,在答案里出现也不等于重新拥有用户。GEO解决的是“不要消失”,可持续经营仍要回答“谁为什么付费”。
每个读者拥有一位时尚编辑
当内容已经结构化,生产与分发能够按需组合,个性化才有坚实基础。过去的推荐系统从现成文章里选择“你可能喜欢”的几篇;新的产品可以根据一个人的身份、任务和时间,生成适合当下的解释路径。同一场Chanel发布会,消费者看到可借鉴的造型与价格区间,买手看到品类结构和交付信号,设计学生看到历史参照与工艺脉络。三个人接触的是同一组已核实事实,各自获得不同的阅读入口。
私人时尚编辑并非一个记住用户名字的聊天机器人。它至少包含四组持续协同的系统:内容模型知道媒体拥有什么;用户模型理解读者的长期偏好与此刻意图;检索与排序系统从可信资产中选择材料;生成层负责解释、组织和呈现。最容易被忽略的第五组系统是政策层,它管理隐私、商业冲突、年龄限制、敏感属性和编辑边界。
用户模型需要区分长期信号与临时需求。一个人常年关注男装剪裁,属于稳定偏好;今晚要为婚礼寻找礼服,只是一次会话意图。地区、语言和内容深度可以通过使用行为逐步调整,身体尺寸、衣橱照片、预算和购买记录则应由用户主动提供,并随时允许查看、修改与删除。媒体没有必要为了提高点击率建立一份无法解释的隐秘人格档案。
一次个性化请求可以这样运行:系统先识别任务,随后在已获授权的内容库中检索候选知识,按照时效、专业相关性、来源质量和用户偏好排序,再由生成层组织成答案。输出页面展示“为什么推荐给你”,允许用户切换到完整行业版、查看原始报道或关闭某项偏好。若结果包含购物链接,商业关系必须在生成前进入规则判断,并在界面中明确披露。广告库存不能悄悄改写编辑结论,赞助品牌也不能绕过排名原则进入答案。
个性化有一条不可越过的边界:事实不能因人而异。可以为初学者解释“斜裁”的含义,为专业人士省略基础定义;可以把同一组趋势按预算重新排序,不能为高消费用户夸大一项未经证实的稀缺性。系统要保留一层“事实不变量”,再允许语气、结构、篇幅和建议随用户改变。私人编辑的价值来自更准确的服务,不来自制造一百万种现实。
这一产品将打开新的收入空间。对中国时尚媒体而言,短期内最现实的消费者收入不会来自大众文章订阅;付费机会并非不存在,只是不能继续出售“文章阅读权”。用户更可能为具体服务付费,例如活动优先权与专业社群、私人时尚顾问、衣橱服务、可信导购、课程、线下活动和稀缺体验。专业会员可以获得品牌档案、趋势时间线、市场信号和可导出的研究包,品牌客户则可以购买经过聚合与匿名化的受众洞察、分类趋势和竞争情报。这种服务组合比单纯付费墙更接近时尚媒体的付费逻辑。每一项服务都依赖同一套内容与知识基础,边际成本因复用而下降,价值则随着档案深度与用户关系增长。
商业前景越大,利益冲突越需要写进系统。编辑内容、联盟佣金、品牌合作和B端研究必须拥有可辨识的类型与权限;任何Agent在生成推荐时都能读取冲突声明;用户可以知道某项建议是否带来收入。传统杂志用版面标记广告,智能媒体需要把这条边界延伸到每一次动态生成中。
信任必须成为看得见的产品
AI提高了生产速度,也提高了错误的完成度。一段虚构引语可以语气自然、上下文完整,甚至比真实材料更像一位人物会说的话。EBU与BBC联合22家公共媒体机构,对四种主流AI助手的三千多条新闻回答进行评估,45%的回答至少包含一项重大问题,31%存在严重来源问题,20%出现重大事实错误。[EBU研究(https://www.ebu.ch/research/open/report/news-integrity-in-ai-assistants)](https://www.ebu.ch/research/open/report/news-integrity-in-ai-assistants)提醒媒体:把核查写在编辑守则里已经不够,真实性必须进入产品架构。
可靠系统首先要建立“证据账本”。一篇报道从创建事件卡开始,所有引用、数字、图片与判断便带着来源移动;写作Agent无法生成没有证据指针的直接引语;发布前,系统计算事实覆盖情况,并把未确认内容集中交给编辑。文章上线后,读者可以展开来源卡,查看采访日期、文件链接、数据方法和图片说明。对调查报道或高争议内容,媒体还可以公开简化版采编过程,说明哪些材料无法披露以及原因。
图片和视频需要更完整的来历记录。C2PA的Content Credentials标准可以用加密绑定的方式记录数字资产的来源与编辑历史,IPTC的NewsML-G2则为新闻文本、多媒体、事件数据及相关元数据提供成熟的交换结构。它们无法证明画面所述事件一定真实,却能说明文件从哪里来、经历过哪些处理、由谁签署。溯源提供事实核查所需的链条,最终判决仍由媒体作出。[C2PA(https://c2pa.org/)](https://c2pa.org/)与[IPTC(https://iptc.org/standards/newsml-g2/)](https://iptc.org/standards/newsml-g2/)为这项工作提供基础设施。
更正机制也要适应液态内容。一项数字在主文章中被修正后,系统应找到所有由它生成的摘要、视频字幕、社交卡片、会员简报与API输出,自动暂停或更新,并保留更正记录。若一个错误已经进入外部合作方的调用流,还要发送机器可读的变更通知。过去的更正常常停留在一个页面底部;在内容可以无限衍生的系统里,一次局部修正远远不够。
媒体还应公开自己的AI使用边界。哪些流程使用模型,哪些材料可能进入外部服务,生成图片如何标注,记者能否把保密采访交给工具,最终责任落在谁身上,都需要形成清晰政策。一句含糊的“本文由AI辅助”提供不了多少信息。用户真正需要知道的是具体作用:AI完成了转录和多语言字幕,记者核对了引语;视觉图为概念生成,与现场证据分开;分析由具名编辑签署。
当廉价内容充满屏幕,可信度会从抽象声誉变成可感知的产品体验。读者愿意付费的理由,也许不再只是独家信息,还包括信息经过怎样的验证、能否回到原始材料,以及出现错误后谁会负责。品牌权威由此获得新的技术形态。
数字媒体时代,一些爱惜羽毛的传统权威媒体因为成本结构更重、采编流程更慢、对平台流量不够敏捷,一度显得笨拙而势弱。然而,如果它们在最艰难的年份里仍然守住信源、核查、更正与具名负责的底线,那些曾被视为低效率的坚持,到了AI时代会重新成为资产。生成内容越充裕,判断一条信息是否值得相信的成本就越高;一家机构百年积累的金字招牌,也不再只是怀旧意义上的声望,而是一份经过时间反复验证的信用记录。读者需要它缩短信任决策,答案平台也需要稳定的权威信号。品牌由此获得的不是自动豁免,而是被重新检验与引用的优先资格。
最早受到冲击的,可能正是另一类围绕平台流量建立的内容生意:转述公开信息、追逐热点、制造抓眼球的标题,再依靠高频发布换取广告曝光。这些能力几乎都能被模型以更低成本、更高速度复制,AI答案还会在用户抵达页面之前截走访问。需要区分的是,脆弱的并非所有自媒体。拥有原创信源、真实专业、鲜明人格与稳定社群的独立创作者,同样积累了机器难以替代的信任关系;一家放弃核查与责任的传统媒体,也不会仅凭历史得到拯救。真正的分水岭不在机构大小与身份,而在它拥有的是可验证的事实、负责的判断和直接的用户关系,还是只有内容产量与平台点击。
最难复制的仍然是编辑判断
结构化知识、Agent工作流和个性化系统都可以买到相似的技术组件。真正拉开距离的部分藏在规则里:编辑部如何给信号评分,哪些来源可以进入证据包,什么情况必须暂停发布,怎样定义“对读者有价值”,面对商业压力时坚持怎样的边界。这些规则来自机构长期形成的审美、专业网络与价值选择。
时尚尤其依赖这种判断。一台模型可以识别成千上万张秀场图中的红色、低腰与流苏,也可以计算它们出现的频率。它很难仅凭频率判断某种红色为何与当下政治情绪有关,某次历史引用是致敬、挪用还是无意重复,某个看似流行的轮廓是否值得媒体投入长期关注。数据提供线索,评论需要位置。编辑的工作会减少机械搜索,增加定义、取舍与解释。
未来的主编因此更像一套智能系统的总设计师。她需要决定哪些知识值得积累,哪些工作可以自动化,哪些错误不可承受,品牌语气如何在不同场景中保持一致。她会与知识编辑、AI产品经理、工作流工程师、核查负责人、版权与数据管理员共同工作。优秀作者依然重要,他们的作品还会成为系统学习机构风格与判断边界的高质量样本——前提是获得清楚授权,并保留作者身份。
组织考核也要随之改变。单纯追踪发稿量,会鼓励机器制造更多低价值页面。更合理的指标包括独家信息占比、证据引用覆盖率、人工修订幅度、错误与更正速度、内容资产复用率、从事件到多形态发布的时间、AI答案中的品牌归因、直接用户增长、会员留存和单次高质量服务的成本。效率必须与质量放在同一张表里观察,否则节省下来的时间很可能以信任流失的方式归还。
一条可以从明天开始的路线
完整系统听起来昂贵而漫长,实际落地不应从重写整个CMS开始。第一阶段可以控制在九十天内。管理层先选一个边界清楚、重复频繁、资料相对可靠的场景,例如时装周快讯或品牌财报追踪;梳理现有文字与视觉资料、肖像及素材权利、审核节点与生成限制;建立最小内容模型;测量当前流程耗时、错误率、复用率和产出质量。与此同时,编辑部需要确定AI使用政策和禁止事项。
这次盘点往往会暴露一个更残酷的事实:许多中国时尚媒体真正拥有的资产,可能比想象中少。国际刊名可能来自授权,用户关系属于平台,图片版权属于摄影师或图库,品牌数据属于广告客户,编辑经验则留在个人脑中;媒体拥有的往往只是暂时组织这些资源的能力。品牌声望可以成为转型的桥梁,却不能代替资产建设。第一阶段最重要的产出,因此不是一张宏大的技术蓝图,而是一份所有权清单:哪些资产真正拥有,哪些只有期限与用途有限的授权,哪些依赖个人,哪些必须重新谈判或从今天开始积累。
接下来的三到六个月用于建立小规模知识库与研究助手。团队处理新内容,选择性回填重要档案,把品牌、设计师、系列、引语和来源连起来。Agent只负责监测、转录、实体识别、档案检索和证据包,暂不自动发布。编辑每次修改都成为系统改进的反馈:模型错在实体、来源、术语还是角度,应该调整数据、规则、提示或界面。没有分类的“这个结果不好”无法推动工程进步。
六到十二个月后,媒体可以接入多形态生产与证据账本。快讯、社交版本、生成式视觉、音频提要和会员摘要共享同一事实层;CMS开始记录所有衍生关系,并为真实影像、编辑加工、重构性生成与纯合成内容保留不同标记;事实、权利和法律检查进入工作流;机构以一组稳定问题监测自己在AI答案中的可见度与引用准确性。此时仍应保持发布前的人审,把自动化范围逐步扩展到风险最低的内容。
个性化与B端产品适合放在十二个月以后。它们需要更成熟的用户同意、权限、商业冲突和效果评估体系,也需要足够深的内容资产才能提供真正差异。先用少量自愿会员测试每日简报与专业问答,观察用户是否愿意反复使用、是否信任来源说明、是否能从推荐回到原始报道。个性化若只提高一次点击,没有形成习惯和付费价值,就还算不上新的媒体产品。
每个阶段都应保留退出机制。模型供应商可以更换,核心资产与审核日志留在媒体自己手中;Agent拥有最小权限,无法越过工作流直接发布或读取无关数据;成本、延迟和错误持续监控;任何自动决策都能回放。媒体要建设的是长期能力,不能把未来交给一项无法迁移的功能。
从媒体公司到时尚智能机构
互联网时代的时尚媒体围绕首页、平台账号和流量漏斗组织自己;在中国,更常见的是刊名权威、平台曝光与品牌项目的组合。下一阶段的中心会是一套持续更新的时尚知识系统:它保存机构见过什么、确认过什么、如何理解这些事实,也知道不同用户在何种场景下需要怎样的解释。文章仍会存在,杂志仍有收藏价值,网站也不会在一夜之间消失。它们会从唯一的产品,变成同一套智能资产的不同出口。
最终,中国时尚媒体可能分化成两类:一类成为拥有知名刊名的整合营销与活动公司;另一类把品牌权威转化为知识、判断、社群和交易能力,成为时尚智能与专业服务机构。两者都可能赚钱,但只有后者仍然保留“媒体”作为独立机构的长期价值。
后者会形成一种新的媒体形态。它一端连接秀场、采访、档案、市场与文化,另一端进入搜索答案、个人助理、专业终端、音频、视频和会员对话;中间由编辑规则控制事实、权利、语气与商业边界。每一次发布为知识库增加新证据,每一次用户提问暴露新的需求,每一次更正改善整个衍生网络。媒体终于可以让多年积累产生复利,而非在第二天清晨重新从零开始。
技术能够降低信息整理与内容变形的成本,却无法自动授予一家机构权威。权威来自长期可靠的记录,来自愿意公开证据,来自在热闹与重要之间做出稳定选择,也来自某些时刻宁愿慢一步也不交出未经确认的答案。AI会让文字更充裕,图片更便宜,解释更随手可得。稀缺的部分将集中到判断、信任与关系之中。
二十年前,许多杂志以为只要把纸上的内容搬到网上,就能保住原来的位置。今天,如果数字媒体只是把写作交给AI,再把生成的文章塞回同一个页面系统,它很可能重演那次误判。真正的转型始于一项更艰苦的工作:把编辑经验写进数据,把专业标准写进流程,把品牌承诺写进产品。
下一个Vogue也许仍然有一本杂志,但它的主体将不再受限于一期刊物、一张首页或一个社交账号。它会像一位拥有漫长记忆、广阔网络与鲜明判断的编辑,能够为一百万人提供一百万种入口,同时对同一组事实负责。
当内容开始流动,媒体留下来的,正是它选择不随波流动的东西。
主要参考资料
- [Reuters Institute:Journalism, Media, and Technology Trends and Predictions 2026(https://reutersinstitute.politics.ox.ac.uk/journalism-media-and-technology-trends-and-predictions-2026)](https://reutersinstitute.politics.ox.ac.uk/journalism-media-and-technology-trends-and-predictions-2026)
- [Reuters Institute:Digital News Report 2026—AI chatbots and news(https://reutersinstitute.politics.ox.ac.uk/digital-news-report/2026/emerging-uses-ai-chatbots-news-and-what-it-means-journalism)](https://reutersinstitute.politics.ox.ac.uk/digital-news-report/2026/emerging-uses-ai-chatbots-news-and-what-it-means-journalism)
- [Axios/Chartbeat:Small publishers hit hardest by search traffic declines(https://www.axios.com/2026/03/17/chartbeat-search-traffic-ai-chatbots)](https://www.axios.com/2026/03/17/chartbeat-search-traffic-ai-chatbots)
- [Google:AI in Search is driving more queries and higher quality clicks(https://blog.google/products-and-platforms/products/search/ai-search-driving-more-queries-higher-quality-clicks/)](https://blog.google/products-and-platforms/products/search/ai-search-driving-more-queries-higher-quality-clicks/)
- [SparkToro/Similarweb:2026 Zero-Click Search Study(https://sparktoro.com/blog/in-2026-less-than-one-third-of-google-searches-still-send-a-click/)](https://sparktoro.com/blog/in-2026-less-than-one-third-of-google-searches-still-send-a-click/)
- [Pew Research Center:Google users click less when an AI summary appears(https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/)](https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/)
- [Ahrefs:AI Overviews Reduce Clicks by 58%(https://ahrefs.com/blog/ai-overviews-reduce-clicks-update/)](https://ahrefs.com/blog/ai-overviews-reduce-clicks-update/)
- [Growtika:The Tech Media Collapse(基于Ahrefs的第三方估算)(https://growtika.com/blog/tech-media-collapse)](https://growtika.com/blog/tech-media-collapse)
- [The Verge:对科技媒体流量估算及其争议的核查(https://www.theverge.com/tech/900302/ai-seo-industry-google-search-chatgpt-gemini-marketing)](https://www.theverge.com/tech/900302/ai-seo-industry-google-search-chatgpt-gemini-marketing)
- [Cloudflare Radar:AI crawler traffic by purpose and industry(https://blog.cloudflare.com/ai-crawler-traffic-by-purpose-and-industry/)](https://blog.cloudflare.com/ai-crawler-traffic-by-purpose-and-industry/)
- [EBU/BBC:News Integrity in AI Assistants(https://www.ebu.ch/research/open/report/news-integrity-in-ai-assistants)](https://www.ebu.ch/research/open/report/news-integrity-in-ai-assistants)
- [FT Strategies:News in the Digital Age 2026(https://www.ftstrategies.com/en-gb/insights/news-in-the-digital-age-2026-key-takeaways-from-each-panel)](https://www.ftstrategies.com/en-gb/insights/news-in-the-digital-age-2026-key-takeaways-from-each-panel)
- [Microsoft:USA TODAY brings AI into real newsroom workflows(https://www.microsoft.com/en-us/industry/microsoft-in-business/customer-story/2026/06/02/usa-today-brings-ai-into-real-newsroom-workflows/)](https://www.microsoft.com/en-us/industry/microsoft-in-business/customer-story/2026/06/02/usa-today-brings-ai-into-real-newsroom-workflows/)
- [Google Search Central:AI features and your website(https://developers.google.com/search/docs/appearance/ai-features)](https://developers.google.com/search/docs/appearance/ai-features)
- [Google Search Central:Search Generative AI performance reports(https://developers.google.com/search/blog/2026/06/gen-ai-performance-reports)](https://developers.google.com/search/blog/2026/06/gen-ai-performance-reports)
- [C2PA:Content Credentials(https://c2pa.org/)](https://c2pa.org/)
- [IPTC:NewsML-G2(https://iptc.org/standards/newsml-g2/)](https://iptc.org/standards/newsml-g2/)
- [Adobe:Firefly图像与视频生成工具(https://news.adobe.com/news/2025/02/firefly-web-app-commercially-safe)](https://news.adobe.com/news/2025/02/firefly-web-app-commercially-safe)
- [H&M Group:AI数字分身视觉项目(https://hmgroup.com/news/hm-continues-its-exploration-of-creativity-with-ai/)](https://hmgroup.com/news/hm-continues-its-exploration-of-creativity-with-ai/)
- [Associated Press:新闻编辑部的生成式AI使用规范(https://apnews.com/article/artificial-intelligence-guidelines-ap-news-532b417395df6a9e2aed57fd63ad416a)](https://apnews.com/article/artificial-intelligence-guidelines-ap-news-532b417395df6a9e2aed57fd63ad416a)
- [CNNIC相关统计:中国生成式人工智能用户规模(https://www.digitalchina.gov.cn/2025/xwzx/qwfb/202602/t20260209_5283123.htm)](https://www.digitalchina.gov.cn/2025/xwzx/qwfb/202602/t20260209_5283123.htm)
- [QuestMobile:2025年AI应用行业月度报告(https://www.questmobile.com.cn/research/report/1967853261412208641/)](https://www.questmobile.com.cn/research/report/1967853261412208641/)