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,杂志出版商大多把互联网视为一种新渠道:把纸上的文章搬上网页,增加数字团队,再出售横幅和视频贴片。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。许多纸媒仍在出版,却已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。互联网改变了内容抵达读者的路径,生成式AI开始接管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%。Pew Research Center对近6.9万次实际Google搜索的追踪则显示: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。路透新闻研究所(https://reutersinstitute.politics.ox.ac.uk/journalism-media-and-technology-trends-and-predictions-2026);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。广告依赖页面访问产生展示、播放和联盟点击;订阅依赖搜索与社交把陌生用户带到站内,再转化为注册者和付费用户。当AI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、订阅转化和直接用户关系。
时尚媒体生产的大量内容恰好适合被压缩成答案: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,都可以变成一段总结、一张比较表或一份购物清单。搭配示意、封面概念和产品短片也能直接在生成界面中出现。文字、图片与视频不再必须依附媒体页面,便可以完成用户的需求。
旧流量链条是: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。新的链条则是: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。内容仍在发挥作用,承载收入与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并未普遍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。最后一项,本质上已经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,实际更接近以杂志品牌力为担保的B2B营销生意。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”,它或许还能维持若干年现金流,却会越来越像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统计的2025年6月AI搜索和AI综合助手月活规模也已分别达到6.85亿和6.12亿。这不能证明时尚媒体的曝光已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。CNNIC相关统计(https://www.digitalchina.gov.cn/2025/xwzx/qwfb/202602/t20260209_5283123.htm);QuestMobile(https://www.questmobile.com.cn/research/report/1952664347667959809/)
尤其在中国,AI不会只存在于独立聊天机器人里,它会嵌入搜索、微信、抖音、电商和手机系统。用户可能仍停留在原来的平台,却不再进入媒体账号或文章。与此同时,旧模式正在失去三种稀缺性:品牌自己可以生成图文、短片、数字模特和趋势解读;品牌可以直接向平台购买曝光,未来甚至可能购买答案界面中的推荐位置;AI还可能使用媒体多年积累的知识,却把刊名压缩成一个不显眼的引用,甚至让来源完全消失。
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。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。下一代时尚媒体仍会写文章、拍大片、做采访,但这些作品不能再是价值链的终点。每次采访、每场秀、每张图片、每个判断,都要沉淀为可以检索、验证、组合和授权的知识资产。
从一篇秀评到知识资产
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,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。文章传播一轮后进入档案库;下一季到来时,另一位编辑重新搜索旧稿,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。一篇秀评可能包含数十项可复用的事实、编辑判断、独家引语、历史关系、视觉特征和商业信号。它们被封装在连续文本里,机器很难稳定地区分事实与评论,也不知道一条信息是否仍然有效、来自何处、拥有怎样的使用权。
内容原子化要拆解的不是读者看到的好文章,而是它背后的底层资料。品牌、设计师、系列、单品、材质、地点和人物成为实体;任职、引用、工艺沿革、价格变化和历史关联成为关系;事实、观察与评论进入不同记录。每个内容单元至少保留身份、来源、证据位置、权利状态、审核人与版本。一句采访原话关联录音时间码,一项销售数据保留口径和日期,一段评论明确作者与形成时间。未来任何系统调用它时,都能回答:它说了什么,凭什么这样说,现在是否还能使用。
对象存储、关系型数据库、知识图谱和语义检索各有分工,但技术选择不是重点。关键是让品牌、人物、作品、时间与证据拥有稳定身份,而不是把所有档案一股脑塞进向量数据库。更现实的起点,是选择时装周报道等价值密度高的业务线,先处理新内容,再回填一小批高价值档案,让知识模型在真实工作中生长。
这看起来像资料工程,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、邮件和硬盘里;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。
Agent编辑部:一场发布会如何变成内容供应链
有了可靠的内容基础,Agent才有工作价值。对编辑部而言,Agent不是一个能写稿的聊天框,而是一套围绕目标连续执行任务的软件:模型负责理解与规划,知识库提供记忆,工具连接搜索、转录、图像处理和CMS,权限规定它能做什么,人工检查点决定它何时必须停下。
真正的系统更接近一条可回放的生产线。信号Agent读取获准接入的品牌公告、财报、秀程和权威来源,去重并创建事件卡;研究Agent从内部档案和白名单外部来源制作证据包,为每项结论附上文件、页码或时间码,并把冲突和空白交给记者;编辑根据证据选择报道角度;写作Agent只能使用已批准材料,外部事实保留来源指针;随后由彼此独立的事实、权利、法律和风格检查处理不同风险。最终是否发布,仍由人决定。
自动化程度应由风险而非生成能力决定。秀程整理、尺寸换算、字幕生成可以低风险通过;独家采访、人物评价、负面调查和重大商业判断必须逐项审核。写作与核查也不能依赖同一套提示和检索结果相互证明:数字应交给确定性程序比对,引语要回到录音,人名和职务要查询权威记录。
回到那场Chanel大秀。官方媒体包、后台采访和秀场图片进入系统后,事件卡连接时间、人物、系列和授权素材;视觉模型标记廓形、色彩与配饰,图片编辑补充工艺和文化语境;研究Agent调取历史系列与商业资料,记者补充现场观察,编辑确认报道角度。当天,同一证据包可以支持快讯、深度评论、社交卡片、多语言摘要、短视频脚本和音频提要;数月后,它仍能进入季度趋势报告和会员问答,而不必重新寻找事实基础。
这才是液态内容:事实内核保持稳定,叙事长度、媒介形态和解释深度随场景变化。CMS也要从页面编辑器转为内容操作系统,管理内容单元、来源、权利与衍生关系,并为不同输出定义最低要求。短视频不能只是长文的稀释版,专业报告也不能只是多个摘要的拼接;它们共享证据,却需要各自的专业表达。
Mediahuis曾公开介绍由可信来源库和多道Agent组成、同时保留人工编辑的新闻流程;USA TODAY则把Agent用于协助记者准备公共记录申请。这两种尺度说明,更稳妥的起点不是让AI承担报道判断,而是先自动化规则清楚、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);Microsoft案例(https://www.microsoft.com/en-us/industry/microsoft-in-business/customer-story/2026/06/02/usa-today-brings-ai-into-real-newsroom-workflows/)
系统上线前还需要固定测试集,覆盖同名人物、过期职务、冲突数字、受限图片和外文引语;每次更换模型、数据源或工作流,都要重跑测试并先以影子模式运行。组织考核也应从发稿量转向证据覆盖率、错误率和资产复用率,并衡量一份采访在十二个月内支持了多少种高质量产品。
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。因此,AIGC进入图片和视频生产,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。
生成工具已经能够替换场景、延展画面、制造造型变化,并根据文字或单张图片生成视频。2025年,H&M发布由真人模特“数字分身”参与制作的广告图像,说明合成影像已经进入日常时尚叙事与商业生产。H&M Group(https://hmgroup.com/news/hm-continues-its-exploration-of-creativity-with-ai/)
一组获得授权的素材可以衍生动态封面、不同市场的场景和个性化搭配图;与此同时,通用棚拍、情绪板和社交短片会迅速失去稀缺性,媒体仅凭制作预算建立的优势将继续缩小。
更深的影响发生在分发端。用户不再只问“今年流行什么”,还可以要求系统把灰色趋势做成五套适合自己的通勤造型,把明星的一套衣服穿到自己身上,或把自己置入时尚大片的场景,随后直接得到图片或短片。这是零点击问题的视觉版本:AI不只是总结媒体的结论,还把结论重新渲染成新的观看对象。原报道的构图、版面、图注和品牌标识被拿走,媒体即使贡献了判断与档案,也更难获得访问、署名和识别。
时尚媒体因此需要区分四种生产履历:对真实秀场、采访现场和实体商品的拍摄属于记录性证据;不增加事件内容的裁切、调色和排版属于编辑加工;以真实素材为锚点,补充画面边缘、缺失角度或连续动作,属于重构性生成;概念图、虚拟场景与合成影像,则属于生成式表达。这不是从真实到虚假的等级表,而是四种不同的生产履历;不同履历对应不同的真实性承诺。
时尚影像很早就在创造非现实的梦境。摆拍在镜头前搭建一个为了观看而存在的场景,暗房修饰与数字化PS继续改写镜头已经捕捉的画面。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;它改变的是,偏离可以变得即时、无限,而且难以留痕。
最难治理的因而不是无中生有,而是基于真实原子素材的再次生成。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“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。创作者可能把模型推断当成忠实复原,观众也很难分辨哪里是记录、哪里是生成。“看起来可能如此”会悄悄变成“现场确实如此”。
边界因此不在是否使用AI,而在影像向观众作出了什么承诺:它是在记录现场,还是公开构造想象?修改是否改变了人物身体、服装结构、商品颜色和现场动作等实质事实?观众能否知道哪些内容来自镜头记录,哪些经过后期处理,哪些来自模型推断?原始素材、授权、修改记录和审核者是否可追溯?
美联社2026年更新的规则代表纪录性新闻的一端:禁止使用生成式AI创作、修改或增强新闻摄影;当AI生成或操纵的内容本身成为报道对象时,必须清楚标识并置于适当语境中。这条规则不能原样覆盖全部时尚创作,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。封面、时尚大片与广告则可以摆拍、合成乃至完全生成非现实的梦境,前提是创作属性清楚,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://www.ap.org/the-definitive-source/announcements/ap-updates-newsroom-standards-for-artificial-intelligence/)
在导购与产品报道中,边界还要更严格。模型若增加一道缝线、改变面料垂坠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。个性化展示应连接经过核实的商品记录,明确真实产品与效果示意;无法保证准确时,只能标为概念表达,而非购买依据。
记录性影像应连接拍摄时间、人物、Look、摄影师、授权范围与编辑历史;重构和生成内容还应记录参考资产、模型版本、人工修改、用途与审核人。下一代时尚媒体的护城河不会是“我们也会生成图片”,而是一套可辨认、可追溯、对现实负责的视觉语言。
从答案中的存在感到服务收入
当用户留在AI界面内,媒体首先要解决如何被看见、被正确引用并保留品牌身份。行业把这组工作称为GEO,即生成式引擎优化。它很容易重演早期SEO的投机史,催生关键词填充、批量问答与结构化标签迷信。但Google面向站点所有者的说明明确表示,进入AI Overviews或AI Mode没有额外技术要求,也不存在一套专用标记。GEO首先是知识质量与可访问性工程,而不是讨好某个模型的技巧。Google Search Central(https://developers.google.com/search/docs/appearance/ai-features)
媒体需要做好三件事。第一,让机器读得清楚:稳定网址、明确作者与更新时间、规范实体名、可识别引语、图片说明和真实反映页面的结构化数据。第二,让机器有理由引用:独家采访、第一手数据、连续维护的档案、具名专家和清晰方法,比一百篇通用趋势稿更有价值。第三,让权利可以分层表达:开放抓取、搜索可见、模型训练、实时检索和商业再利用不是一回事;公共事实可以方便发现,独家分析保留订阅价值,高成本数据库则通过许可或API调用。
衡量方式也要改变。除了页面访问,媒体还要长期测试一组代表性问题:品牌是否出现,事实是否被正确引用,链接是否指向原始版本,更正需要多久传播。但对中国时尚媒体尤其需要看清,GEO只能帮助机构保住一部分可见度,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回答的是“如何不消失”,下一步仍要回答“谁为什么付费”。
个性化服务提供了一种可能。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,重组同一套可靠知识。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,却获得不同入口。
私人时尚编辑并非记住用户名字的聊天机器人。它需要内容模型、用户模型、检索排序、生成界面和政策边界共同工作。长期偏好应与一次会话需求分开;身体尺寸、衣橱照片、预算和购买记录只能由用户主动提供,并允许查看、修改和删除。推荐要说明理由,购物链接必须披露商业关系,赞助品牌不能绕过编辑原则进入答案。
个性化还有一条不可越过的边界:事实不能因人而异。系统可以为初学者解释“斜裁”,为专业人士省略定义,也可以按预算重排同一组趋势;它不能为高消费用户夸大未经证实的稀缺性。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。
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。用户更可能为活动优先权、专业社群、私人顾问、衣橱服务、可信导购、课程和稀缺体验付费;专业会员可以购买品牌档案、趋势时间线和研究包,品牌客户则可以购买经过聚合与匿名化的趋势洞察。媒体出售的不再是“文章阅读权”,而是建立在可信知识之上的服务组合。它们依赖同一套内容基础,边际成本因复用而下降,价值则随着档案深度和直接用户关系增长。
信任与编辑判断必须成为产品
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家公共媒体机构评估三千多条AI新闻回答,发现45%的回答至少包含一项重大问题,20%出现重大事实错误。这提醒媒体: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。EBU研究(https://www.ebu.ch/research/open/report/news-integrity-in-ai-assistants)
可靠系统首先要建立“证据账本”。从事件卡开始,引用、数字、图片和判断都带着来源移动;没有证据指针的直接引语不能进入草稿;发布前,系统集中展示未确认内容。文章上线后,读者可以查看采访日期、文件链接、数据方法和图片说明。C2PA的Content Credentials可以记录数字资产的来源与编辑历史,IPTC的NewsML-G2为文本、多媒体和事件元数据提供交换结构。标准不能替媒体判断真假,却能保存追溯所需的链条。C2PA(https://c2pa.org/);IPTC(https://iptc.org/standards/newsml-g2/)
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,系统应找到由它生成的摘要、字幕、社交卡片、会员简报和API输出,自动暂停或更新,并保留更正记录。媒体还应公开AI的具体作用:模型是否用于转录、研究或生成视觉,保密材料能否进入外部服务,最终由谁核对与签署。一句含糊的“本文由AI辅助”,提供不了真正的透明度。
当廉价内容充满屏幕,可信度会从抽象声誉变成可以体验的产品:信息经过怎样的验证,能否回到原始材料,发生错误后谁会负责。数字媒体时代,一些传统权威媒体因为采编流程更慢、成本更重、对平台流量不够敏捷,一度显得笨拙。如果它们在困难时期守住了信源、核查、更正和具名负责的底线,百年刊名到了AI时代便不只是怀旧声望,而是一份经过时间验证的信用记录。信任越稀缺,这份记录越有价值。
最早受到冲击的,可能是围绕平台流量建立的另一类内容生意:转述公开信息、追逐热点、制造抓眼球的标题,再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复制,AI答案还会在用户抵达页面前截走访问。但脆弱的并非所有自媒体。拥有原创信源、扎实的专业能力、鲜明人格和稳定社群的独立创作者,同样积累了机器难以替代的关系;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,是机构拥有可验证的事实、负责的判断和直接用户关系,还是只有内容产量与平台点击。
技术组件可以买到,编辑判断却藏在规则里: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。模型可以统计秀场图片里的红色、低腰和流苏,却难以只凭频率判断某种红色为何与当下情绪有关,一次历史引用是致敬、挪用还是无意重复。数据提供线索,评论需要位置。
未来的主编因此更像智能系统的总设计师。她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,也让机构的审美和价值选择进入流程。衡量编辑部的指标也应从发稿量转向独家信息、证据覆盖、错误与更正速度、资产复用、直接用户增长和高质量服务成本。只有把效率与质量放在一起衡量,节省下来的时间和成本才不会最终以信任流失的方式归还。
一条可以从明天开始的路线
完整系统不应从重写整个CMS开始。最初九十天,管理层可以选择时装周快讯或品牌财报追踪等边界清楚、重复频繁的场景,梳理文字与视觉资料、素材权利、审核节点和生成限制,建立最小内容模型,并测量现有流程的耗时、错误率与复用率。与此同时,编辑部要确定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。第一阶段最重要的产出因此不是宏大的技术蓝图,而是一份所有权清单:什么真正属于机构,什么只有期限与用途有限的授权,什么依赖个人,什么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;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。编辑的修改要按实体、来源、术语、权利或角度分类,成为改进系统的反馈。
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、音频和会员摘要共享同一事实层;真实影像、编辑加工、重构性生成与纯合成内容拥有不同标记;事实、权利和法律检查进入工作流。此时仍应保留发布前人审,只把自动化逐步扩展到最低风险内容。
个性化和B端产品适合放在十二个月以后。它们需要成熟的用户同意、权限和商业冲突规则,也需要足够深的内容资产。可以先用少量自愿会员测试每日简报与专业问答,观察用户是否反复使用、信任来源说明,并愿意为服务付费。
每个阶段都要保留退出机制。模型供应商可以更换,核心资产和审核日志留在媒体手中;Agent拥有最小权限,不能绕过工作流直接发布;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。下一阶段的中心将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,也知道不同用户在不同场景下需要怎样的解释。文章、杂志和网站仍会存在,但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。每次发布为知识库增加证据,每次提问暴露新需求,每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,而不是在第二天清晨重新从零开始。
二十年前,许多杂志以为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,是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,但它的主体不会受限于一期刊物、一张首页或一个社交账号。它会像一位拥有漫长记忆、广阔网络和鲜明判断的编辑,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)
- 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/)
- 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)
- QuestMobile:2025年AI应用市场半年报(https://www.questmobile.com.cn/research/report/1952664347667959809/)
- 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)
- 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/)
- H&M Group:AI数字分身视觉项目(https://hmgroup.com/news/hm-continues-its-exploration-of-creativity-with-ai/)
- Associated Press:2026年新闻编辑部人工智能规范更新(https://www.ap.org/the-definitive-source/announcements/ap-updates-newsroom-standards-for-artificial-intelligence/)
- Google Search Central:AI features and your website(https://developers.google.com/search/docs/appearance/ai-features)
- EBU/BBC:News Integrity in AI Assistants(https://www.ebu.ch/research/open/report/news-integrity-in-ai-assistants)
- C2PA:Content Credentials(https://c2pa.org/)
- IPTC:NewsML-G2(https://iptc.org/standards/newsml-g2/)