报告行业投资评级 未提及 报告的核心观点 报告紧扣数字媒介转型与社会变迁脉络，把握“新闻达人”在短视频平台崛起的媒介逻辑与社会意义，刻画“新闻达人”群体画像、内容策略、用户画像及流量机制，揭示其重塑新闻与用户连接关系的作用，还对“新闻达人”未来发展趋势进行前瞻性预测，为媒体机构和从业者提供策略参考，为学术研究提供案例和数据 [122]。 根据相关目录分别进行总结 前言 - 数字化、平台化时代新闻业从“大众传播”转向“个体表达”，短视频成新闻传播新兴战场，主流媒体采用“自建渠道 + 借船出海”战略转型，有媒体背景的创作者成为“新闻达人”，腾讯研究院联合新榜探索其成功密码 [8][9][11] 短视频时代的媒介重构与“新闻达人”突围 短视频变革中的新闻消费转向 - 截至2024年11月，中国短视频用户规模达10.4亿，占网民总数93.8%，87%受访者通过短视频获取新闻，国际上短视频获取新闻比例也在增长，用户新闻消费呈去中心化、个性化趋势，“新闻达人”填补连接空白 [15][17][22] 新闻达人兴起的背景与核心驱动力 - “新闻达人”兴起是媒介技术革新、用户需求转变、机构环境重构与个体职业转型等因素共同推动的结果，短视频为新闻表达和传播提供新环境，用户新闻消费转向“轻量获取”，“新闻达人”满足用户需求，且媒体机构孵化支持促进其成长 [23][24][28] 新闻达人的战略定位：“轻骑兵”挺进主战场 - “新闻达人”带动内容生产、传播和经营模式变化，能以网民喜闻乐见的方式延展主流议题影响力边界，具有强机动性和高灵活性，其IP化属性为商业化提供可能 [30][33] 短视频平台“新闻达人”群体画像 群体结构 - 粉丝规模呈金字塔型分布，100万以下占61%，500万以上占12%；地域集聚效应明显，以一线直辖市及沿海省份和一线、新一线城市为主，性别分布相对均衡 [37][40][46] 内容策略 - 创作领域高度集中，时政社会和人文社科类合计占比近八成，生活类排第三，财经与娱乐内容占比较低；内容时长普遍2 - 3分钟，发布集中在日间，17 - 19时为高峰，头部账号基本日更 [49][52][55] 用户画像 - 呈现“中龄化”与“中坚化”特征，31岁以上群体占比82%，年轻群体缺失，新闻达人破圈面临“代际鸿沟”挑战；粉丝区域分布普适，影响力跨地域，41%新闻达人签约MCN [56][60][63] 流量密码 - 注重知识转译与故事化、场景化表达，响应公共服务需求，利用身份祛魅与人格反差，“专业主义”是基石 [67][68][71] 大众认知：用户眼中的“新闻达人” 信息偏好 - 用户从“新闻达人”处获取信息呈“快报 + 事实 + 解读”三位一体结构，包括快讯或突发新闻（72.6%）、基本事实信息（66.3%）、观点评论（66.1%）等，部分用户偏好搞笑或娱乐性内容 [76] 信息影响 - 对用户产生认知和情感影响，79.0%用户认为提升热点事件认知深度，64.8%用户产生情感共鸣，27.5%用户受信息影响决策，但部分用户认为信息不够清晰或改变立场 [78][79] 立场认同感 - 46.0%受访者认为新闻达人观点与自身立场“多数一致”，超四成受访者表示存在立场差异或模糊认知，新闻达人需引入多视角表达提升认可度 [84] 背景信任机制 - 52.4%受访者“比较信任”有媒体背景的达人，19.2%“非常信任”，但用户信任建立路径多元且脆弱，新闻达人需经营“可信”形象 [87][90][91] 信息核查行为 - 超八成受访者会核实达人内容，其中22.0%每次都会核实，表明用户对“新闻达人”信任但保留警惕 [92] 制造未来：“新闻达人”六大发展趋势 趋势一 - 媒介巨变下新闻行业生产、分发与商业模式重构，需重建信任、构筑社群、再生影响力，“新闻达人”探索可作研究样本 [101][103] 趋势二 - AIGC将融入内容创作全流程，未来3 - 5年人机协同“智能化创作”普及，“新闻达人”能力模型重构 [104][105][106] 趋势三 - 短视频“新闻达人”向“实时交互型智能体”演进，实现知识服务、拓展互动维度、沉淀开发垂类领域价值 [107][108][109] 趋势四 - 直播成新闻达人运营影响力、塑造用户关系、推动议题互动的关键场域，可构建公共议题讨论、建立稳定受众关系 [110][111][112] 趋势五 - “新闻达人”从个体创作者向系统化生产与专业化运营者转型，组织化生产成自然选择，主流媒体反向MCN化 [113][114][115] 趋势六 - “全球本土化”叙事填补视角盲区、满足用户信息升级需求，成为新闻达人专业化、组织化和国际化的核心抓手 [116][117]

核心观点 - 公司持续推进"中医+AI"战略落地 通过构建可复制 标准化的产业体系夯实技术与模式优势 为中医AI商业化奠定坚实基础[1] - 公司发布10大"国医AI分身" 覆盖8大中医核心专科领域 基于10位名医临床经验深度构建 系统具备诊疗思维与辨证逻辑的智能模型 确保辅助诊疗结果与专家决策保持高度一致[1][2] - "国医AI分身"实现商业化落地 选取"线上复诊"场景进行针对性布局 通过"AI预诊+专家决策"人机协同工作机制 破解医疗AI商业化困局[3] 技术架构与数据体系 - 公司探索出清晰可复制的专家数字分身打造路径 通过"采集-清洗-转换-合成-质检"数据处理自动化链路实现异构数据高效利用和规模化复制[10][11] - 自主搭建中医AI模型底座和中医医疗服务"multi-agent"智能体 构建坚实行业技术壁垒 支持AI分身在真实场景中辅助医生完成问诊 诊断 病历生成与处方合规审核等多个环节[11] - 通过"大模型+领域知识"双引擎构建完整中医垂直领域AI解决方案 攻克AI落地垂直行业细节难题 AI分身在专家模拟一致性上已达86%以上[11][12] 商业化应用与成效 - "线上复诊"服务展现良好商业化前景和用户接受度 广东省名中医李浩主任AI分身在服务启用两周内已有数十名患者选择该服务[9] - AI分身辅助专家开展"线上复诊"服务 理论上可将专家生产力提升5倍以上 专家仅需平均约6分钟专注于核心决策即可完成线上诊疗[9] - 患者普遍认可服务质量 表示医患沟通更充分 有更多时间理解诊疗方案 整体体验与线下一致[9] 产学研合作生态 - 依托与华为 清华大学等头部AI公司及科研机构深度协作 构建完整中医药AI产学研用生态体系[12] - 清华大学团队深度参与模型算法优化与场景适配 华为依托昇腾AI算力平台和全栈AI能力提供强力算力支持与工程基础[12] 未来发展战略 - 计划持续拓展名医阵容 推出更多专家AI分身 构建以人机协同为核心的AI互联网中医院生态[9] - 通过创新业务模式激活顶尖专家资源 系统性释放名医诊疗能力 构建以诊疗服务为核心的新型服务生态[13] - 以技术迭代与商业模式创新为双轮驱动 精准匹配医生与患者需求 实现服务规模提升与市场覆盖扩展[13]

公司战略与AI布局 - 今年以来固生堂在AI领域动作频频，6月7日发布首个"国医AI分身"，8月1日再发布10大"国医AI分身"，覆盖8大中医核心专科领域，持续推进"中医+AI"战略落地 [1] - 此次规模性拓展是公司构建可复制、标准化产业体系的重要突破，进一步夯实技术与模式优势，为中医AI商业化奠定坚实基础 [1] - 公司计划持续拓展名医阵容，推出更多专家AI分身，构建以人机协同为核心的AI互联网中医院生态 [7] 国医AI分身技术特点 - 10个"国医AI分身"基于10位名医的临床经验深度构建，包括国医大师施杞、全国名中医蔡淦等 [2] - 系统通过构建具备诊疗思维与辨证逻辑的智能模型，完整学习和应用专家在病情问询、辨证论治等中医诊疗过程中的核心思路 [2] - 公司已探索出清晰可复制的专家数字分身打造路径，首批上线专家均有30年以上诊疗经验，通过多源异构数据处理自动化链路实现规模化复制 [8] - 中医AI模型底座能快速解析名医提供的多模态数据，自动完成数据质量校验与优化，配合专家有限干预实现模型快速升级 [8] 商业化应用与成效 - 公司选取"线上复诊"场景进行针对性布局，推出"AI预诊+专家决策"的人机协同工作机制，高效承接复诊患者需求 [4] - 广东省名中医李浩主任的AI分身在服务启用两周内已有数十名患者选择"线上复诊"服务，专家仅需平均约6分钟专注于核心决策即可完成线上诊疗 [7] - 通过AI分身辅助专家开展"线上复诊"服务，理论上可将专家的生产力提升5倍以上 [7] - AI分身在专家模拟一致性上已达86%以上，辨证准确性与用药合理性均获专家本人高度评价 [9] 技术合作与生态构建 - 公司依托与华为、清华大学等头部AI公司及科研机构的深度协作，构建完整的中医药AI产学研用生态体系 [9] - 清华大学人工智能研究院常务副院长孙茂松带领团队深度参与模型算法优化与场景适配 [9] - 与华为合作依托昇腾AI算力平台和全栈AI能力，为中医AI提供强有力的算力支持与工程基础 [9] 行业影响与未来规划 - "国医AI分身"作为业内领先成功实现商业化落地的AI辅助中医诊疗产品，有望重塑中医行业的服务模式与竞争格局 [7] - 公司将围绕"国医AI分身"平台持续拓展业务边界，通过创新业务模式激活顶尖专家资源，系统性释放名医诊疗能力 [10] - 构建以诊疗服务为核心的新型服务生态，通过增强人文关怀和融合四诊硬件数据等手段持续打磨产品 [10] - 以技术迭代与商业模式创新为双轮驱动，为中医药智能化发展开辟新的增长路径 [10]

人工智能在高等教育改革中的核心作用 - 人工智能正成为高等教育改革的重要推动力 国家高度重视其与教育体系的深度融合 各地出台配套政策推动课程教材、培养方式、实习实践及评价机制等改革创新[1] 教学模式结构性变革 - 传统"教师-学生"二元结构演进为"师-生-机"三元学习结构 孕育人机协同新型教育生态[2] - 需关注人机协作对群体行为的影响机制：包括各参与方教学目标期望存在认知偏差、需建立人机交互伦理审查框架、防范群体学习中出现的"技术依赖衰减"现象[2] - 人工智能介入重构学习群体社会关系 增强群体内部社会联系并调解观念冲突[2] - 学生需培养数智化学习能力与AI协同创新思维 教师需更新知识体系并增强技术融合意识 同时完善算法审计与伦理约束体系[3] 教学场景应用优化 - 人工智能构建个性化自适应学习系统 实现三重突破：生成定制化学习内容、开展动态化交互反馈、制定专属学习路径 帮助学生高效突破最近发展区并培养自主学习能力[4] - 人工智能重构教学全流程 通过智能算法按布鲁姆教育目标分类理论自动生成教学材料 提高学生学习成绩和满意度[4] - 人工智能推动教学管理数字化转型 构建教学要素智能匹配模型 服务于教学资源分配、日程安排、质量评估和培养方案优化等场景 其预测能力还可助力学生升学就业与专业建设[5] 科研范式创新与生态融合 - 科研范式正向人工智能科学（AI4S）范式历史性跃迁 深度融合经验范式、理论范式、计算范式和数据驱动范式特征[6] - 高等教育改革与科技创新形成高效循环：教育为科研奠基 科研促进教育数智化转型 通过国家自然科学基金青年学生项目等载体激发人工智能新理论与新应用涌现[7] - 科技突破推动高等教育在学习、教学、评价和管理各环节发生深刻变化[7] - AI4S前沿成果多诞生于企业研发体系 因企业拥有丰富算力和海量数据 且最清楚行业应用场景与客户需求[8] - 高等教育机构需与企业紧密合作 在培养方案中融入学科前沿与产业实际内容 通过课程设计、学科竞赛、专业实习等环节让学生参与企业项目[8] - 企业可通过合作获取前沿科研成果并储备创新人才[8] 风险与挑战 - 过度依赖人工智能解决方案可能对师生和教学管理人员的能动性、批判性思维和创造力产生负面影响[9] - 学习者能力差异会导致人工智能使用差距 加剧学习资源利用的"马太效应"[9] - 技术素养薄弱的学习者可能陷入"低水平重复"陷阱 与具备技术优势者形成两极分化[9] - 需培养学习者人工智能素养 即掌握与AI有效互动并能批判性评估其输出结果的能力[9]

复星AI战略转型 - 公司选择All in AI，从"业务+AI"转向"AI+业务"的战略转型，目标是成为行业领先的AI应用者而非基础模型开发者 [1][6] - 类比福特T型车案例，强调拥抱AI是时代必然选择，否则将被淘汰 [3] - 92%的全球500强企业已部署AI工作流，AI正以周为单位重构商业规则 [4] AI时代核心特征 - AI被定义为革命性基础设施，其颠覆性类似蒸汽机、电力、互联网对历史的改写 [4] - AI重构生产关系，实现人机协同决策，生产力在广度、深度、速度上实现指数级提升 [4] - 未来竞争格局取决于AI应用能力，"应用好淘汰应用差"是生存法则 [5] 复星医药AI实践 - 制药行业存在"三十定律"：10年研发周期、数十亿美金投入、不足10%成功率 [7] - 开发AI决策平台PharmAID，信息准确率提升50%，信息获取效率提升30% [7] - 通过AI工具将透明质酸酶开发周期从18个月缩短至5个月 [7] AI领导力框架 - 提出"三个共生"理念：人脑与机脑共生、传统与数字经济共生、企业个体与生态共生 [7] - 强调AI领导力核心是实现"全员共生"，终极形态是"全员伙伴"的人机命运共同体 [7][8] - 中国AI力量崛起，以DeepSeek为代表正从技术跟随者向规则定义者跃迁 [3]

联影智能医疗AI技术进展 - 联影智能在WAIC 2025论坛上展示"技术无疆，全球共济"主题，汇聚产研、医、投各界嘉宾探讨医疗AI普惠路径 [2] - 公司与中山大学肿瘤防治中心合作开发的脑转移瘤AI系统已在全国400多家医院落地，覆盖70%影像科工作量 [4][5] - 骨转移瘤AI应用同步推出，与脑转移瘤系统共同提升肿瘤诊断效率 [5] 智能诊室解决方案创新 - 联影智能与中山大学肿瘤防治中心合作开发智慧诊室方案，通过AI预问诊系统实现纸质报告结构化录入，提升就诊效率 [6] - 电子病历智能体可实时转写医患对话并自动生成规范病历，支持跨院报告调取，减少重复检查 [6][7] 胸部CT一扫多查智能体突破 - 联影智能与复旦大学附属中山医院合作开发的胸部一扫多查智能体覆盖73种胸部异常，基于40多万CT影像数据训练，平均AUC达94% [9][11] - 人机协同挑战显示AI辅助组诊断效率提升25%，实现图像-报告实时联动，医生工作模式从"写报告"变为"审报告" [8][9][12] - 该技术突破单病种小模型局限，可同步检出肺结节、骨折等多项异常，减少操作负担 [11] 未来研发方向 - 公司计划联合中山医院、河南省人民医院等机构研发腹部、脑部等全身多部位一扫多查智能体 [13]

人工智能大会展示 - 大会展示超过800家企业参展 3000余项前沿展品 包括40余款大模型 50余款AI终端及100余款全球首发或中国首秀新品 参展规模创历届之最 [1] - AI辅助医生队通过智能体应用实现病灶精准检出与诊断报告同步生成 效率显著提升 [1] - 中山大学肿瘤防治中心预问诊AI智能体实现患者实时互动 支持个人信息收集与既往检查结果上传 [1] 医疗AI行业规模与渗透率 - 中国医疗AI市场规模预计2025年突破3000亿元 [3] - 2024年全国三甲医院人工智能技术应用覆盖率达92.6% 较五年前不足30%实现大幅提升 [2] 肿瘤诊疗AI应用 - 中山大学肿瘤防治中心与联影智能联合开发脑转移瘤与骨转移瘤AI应用 实现病灶智能检出与自动生成影像报告 已在全国400余家医院落地 [4][5] - 脑转移瘤诊断占三甲医院影像科工作量70% AI系统通过1mm薄层重建磁共振图像处理上百张图像 显著降低医生工作难度 [4] 智能问诊与病历管理 - 智慧诊室解决方案通过AI实现预问诊环节结构化语义识别技术 自动转换纸质报告为结构化数据 支持一键录入院内系统 [6][7] - 电子病历智能体实时转写医患对话并自动生成规范病历 支持跨院患者外院报告自动调取 [7] 影像诊断效率提升 - 胸部一扫多查智能体辅助医生诊断效率提升25% AI组8分钟完成诊断与报告撰写 无AI组需手动逐帧排查 [8][9] - AI实现多病种一站式检测 解决单病种小模型需频繁切换问题 并实现图像-报告实时联动 [9] 慢病管理与智能体开发 - Jack安心智能体连接智能硬件 为心脏瓣膜病患者提供诊后管理服务 包括健康分析 异常预警及复查提醒 [12][13] - 智能体学习300余种临床瓣膜病权威知识库 结合院士团队诊疗逻辑与AI技术 [13] 行业标准与生态建设 - 发布首个《医疗健康行业智能体AI医生》标准体系 涵盖技术性能 隐私安全 数据治理及专科应用4大方向 [14] - AQ平台已入驻269个医生智能体 超80%为全国三甲医院顶尖专科团队或医生 [14]

医疗AI技术应用进展 - 复旦大学附属中山医院放射科团队在AI辅助下完成影像诊断与报告撰写，整体效率提升25% [1] - 中山大学肿瘤防治中心与联影智能合作开发脑转移瘤和骨转移瘤AI系统，已在全国400余家医院落地应用 [2] - 联影智能与中山大学肿瘤防治中心合作开发智慧诊室解决方案，实现患者检查报告一键录入和病历自动生成 [3][4] 技术创新与突破 - 联影智能与复旦大学中山医院合作开发胸部一扫多查智能体，可自动检出73种胸部异常，平均AUC值达94% [7] - 传统单病种AI模型需频繁切换，而一扫多查智能体实现多病种同时检测，大幅提升诊断效率 [6][7] - 该系统收集40多万胸部CT影像数据，临床专家全程参与算法优化，更贴合实际诊疗需求 [7] 医疗AI普惠化实践 - 新疆莎车县人民医院与联影智能合作开发肺结核AI，助力百万人口县的快速筛查 [9] - 印尼国立综合医院引进中国医疗AI技术，成功检测出当地医生未发现的早期肺癌病例 [11] - 联影智能计划与更多医疗机构合作开发腹部、脑部等全身多部位一扫多查智能体 [8] 行业发展趋势 - 医疗AI已渗透到影像诊断、预问诊、病历生成等多个环节，显著提升医疗效率 [1][3][4] - AI技术不仅提高诊断准确性，还降低人力成本，使低年资医生也能达到较高诊断水平 [7] - 中国医疗AI技术开始走向海外市场，为发展中国家提供高质量医疗服务 [11]

消费者体验问题 - 消费者在知识付费平台遇到虚假宣传课程时，AI客服无法有效处理退款请求，需多次尝试才能转接人工客服，且排队时间长达半小时[1] - 当前AI客服系统普遍存在转人工客服入口隐蔽、需通过多轮引导式提问才能找到的问题，增加了消费者沟通难度[1] - 消费者反映AI客服无法感知情绪变化，对模糊语意理解能力差，导致沟通体验不佳[2] 企业运营现状 - 外包客服团队通常按日常咨询量配置人员，100人团队每日处理3000-5000个订单咨询，但节假日订单量可能激增3倍导致人力不足[2] - 企业采用AI客服拦截常规咨询流，将有限人工资源优先分配给紧急问题，这种策略在订单高峰期造成服务缺口[2] - 客服团队绩效直接与投诉数量挂钩，但现有AI系统无法有效降低投诉率[2] 行业改进建议 - 专家建议企业优化"人机协同"机制，明确设置人工客服入口，在AI无法解答时主动弹出转人工按钮[2] - 应建立合理的客服考核制度和薪酬体系，加强客服人才保障力度以提升服务质量[2] - AI客服系统需要提升对复杂问题和非结构化需求的处理能力，特别是情绪感知和模糊语意理解方面[2]

AI对企业管理的系统性影响 - AI不仅是效率工具，更是管理思维的系统性变革，需战略定位、组织诊断和基建准备[1] - 实现"AI原生"管理需从数据结构、组织流程到价值体系全面重塑[2] - 仅将AI视为裁员工具可能导致管理混乱而非效率提升[2] 组织架构与岗位演变 - 企业增设首席AI官（CAIO）职位，推动AI从分散应用到系统管理[3][7] - AI加速中层职能弱化，但健康的中层体系仍承担文化传导等核心功能[10][11] - 岗位变化是技术演进的必然结果，类似工业革命催生新职业[6] AI Agent的应用实践 - AI Agent已覆盖HR全周期管理，如离职员工价值挖掘和招聘流程自动化[9] - AI Agent能突破传统招聘标准，发现非名校背景的适配人才[9] - 管理者需平衡AI决策建议与人类终审权，涉及伦理与责任归属[10] 人效提升与转型误区 - 人效提升本质是价值创造而非单纯裁员，需前期投入重塑流程[13] - 企业需复合型人才将AI与业务深度结合，该领域人才仍稀缺[13] - 中小企业可通过AI实现管理专业化，但核心竞争力仍在于主业[26] 管理挑战与应对策略 - AI打破信息不对称，要求管理者适应透明化环境[16] - 影子AI风险需通过内部平台建设与PDCA循环管理[21][23] - 员工激励需物质与非物资手段结合，如AI培训带来的成长愉悦[19][20] 数据伦理与安全治理 - 企业需构建合规AI平台替代员工私自使用的外部工具[23] - 数据治理规则不完善可能导致代码泄露等安全隐患[23] - 权限管理与流程优化是降低AI负面效应的关键[16] 未来人机协同模式 - 硅基人需像人类员工一样被分配部门职责和绩效目标[27] - 算力与AI Agent配置将成为组织设计新维度[28] - 人类需保留终审权以确保AI符合伦理框架[28]