過去5年，媒體行業一直都在進行著資訊化建設向融媒體平臺建設的轉變。一些融媒體的建設演變總結如下：
- 新聞終端的端側內容矩陣建設，如App新聞端，社交平臺上的官方媒體等
- 新聞+本地生活雙旗艦客戶端，兼顧主流媒體核心宣傳，同時也在推進探索本地民生經營新平臺
- 重塑融媒體使用者增長鏈路，以技術帶動使用者的體驗和服務，在多媒體終端，基於使用者生命週期挖掘使用者價值
AI元年開始，也是融媒到智媒的開始
擁抱新技術，產品才有可能破圈出海。內卷下的媒體，以怎樣的方式創新，是讓自身服務“出圈”的關鍵。
2013年，在全國宣傳思想工作會議上首次提出，要加快傳統媒體和新興媒體融合發展，充分運用新技術新應用創新媒體傳播方式，佔領資訊傳播制高點。
轉眼十年。2023年，以AIGC（人工智慧生產內容）為代表的人工智慧技術加速迭代演進，媒體融合進入媒體智慧化快速發展新時代。
如何運用好人工智慧技術為媒體深度融合提供強有力支撐？這一備受關注的課題。
縱觀這兩年，傳媒企業一直在探索AI+內容的服務或體驗最佳化，甚至說是營收變現的新路徑。一些常見的創新探索類目包括：
1、AI生成內容（AIGC）
有別於以往內容生產模式在PGC（專業生成內容）+ UGC（使用者生成內容），AIGC（人工智慧生成內容）是新的內容生產渠道。例如：新京報貝殼財經積極嘗試新技術，目前部分財經快訊來自AI寫作。新京報動新聞作為專業的動畫新聞欄目，也在研究嘗試新的數字化技術，包括虛擬數字人IP的打造和應用、VR全景影片的嘗試和探索以及虛擬製片的接觸和探索。
2、AR/XR技術賦能虛擬數字人的升級迭代
AI技術爆發前，虛擬數字人的發展非常緩慢。2023年AI演算法、算力的主推下，5G、虛擬增強技術、智慧硬體等技術的升級，數字人得到的空前的技術支撐和爆發。
例如，新華智雲文化數字作業系統，掃描二維碼就能走進畫中與湯顯祖、王安石等古人“對話”，體驗一場“穿越時空”。“我們結合大模型、AIGC、數字人等先進技術的文化數字作業系統，深度挖掘地方文化地標、歷史名人大資料，智慧生產AI文旅產品，能夠更快更廣地傳播中華優秀傳統文化。”據相關負責人介紹，該技術應用已經服務全國300多家文旅機構，賦能京杭大運河、江西滕王閣等知名文化遺產。
3、AI助手實現人機高效協同
作為新一輪科技革命和產業變革的重要驅動力量，人工智慧技術取得突破性進展，它正顛覆性地改變著傳統新聞生產與傳播流程，重塑著整個傳媒業態。AI助手幫助企業員工提速的實踐尤其多。
例如，芒果TV已經運用AIGC技術生成基於原創文字的有聲劇、幫助策劃撰寫劇本。
從效率提升延展至價值挖掘
從上面幾個典型的AI相關的應用場景，除了虛擬數字人應用在to C使用者服務以提升感官體驗外，其他兩個主要場景更多是在提高內部工作效率場景上，AI技術在使用者價值挖掘和使用者服務方面並沒有太多的實踐場景。
1、構建超級APP的大背景
全球權威諮詢機構Gartner於2022年10月19日釋出企業機構在2023年需要探索的十大戰略技術趨勢，超級APP（Superapps）也在榜單之中。似乎不僅僅在中國，也不僅僅侷限在業務應用和實踐層面，擴充套件至全球技術層面，超級APP的構建也同樣是閃亮的焦點。相比起2022年上榜的組裝式應用，似乎更聚焦至智慧裝置（尤其是App）的快速構建技術上。
傳媒行業也不例外。從融媒體向智媒體發展的路上，「融媒體超級APP」的理念應許而生：集合多個應用功能，除了滿足媒體的新聞傳播需求，與此同時，基於跨端開發框架，幫助融媒體平臺成長為超級APP。
更進一步，傳媒的超級APP 2.0時代，應該是探索與AI技術相融合，平臺更通用、開放和融合的形態。
2、超級跨端：小程式技術
小程式技術近年來越來越重要：許多大廠都開始入局小程式，微信小程式場景生態已經超千萬。市面上成熟的小程式容器技術（如：FinClip等），是企業構建超級APP的基礎能力。當APP整合了小程式容器 SDK 之後，不論是 iPhone, Android, Flutter,React Native, 電腦、電視、車載或物聯網裝置， 都能夠讓不同的應用或終端裝置快速具備執行小程式的能力，而且同一個小程式場景可以分發到不同終端中執行，不需要針對不同終端編寫不同程式碼。
以FinClip為例，不僅僅提供IOS，andriod等SDK，還在中國信創化、鴻蒙化的國產浪潮下，推出了適配國產作業系統（如麒麟、UOS、HarmonyOS等）
3、LLM+小程式生態，雙輪效應無限放大
微信小程式平臺推出已經有7年的時間，小程式場景生態1000+萬，場景非常的豐富，為傳媒企業構建超級App奠定了堅實的市場生態基礎。與此同時，小程式技術也是LLM服務結合的最佳語法：
- 頁面內容可被抽取和訓練
- API服務可被抽取和訓練
- 內容更新頁面和API資訊可直接關聯提取和學習
- 同層渲染、小元件服務能力服務可以切塊輸出
- 三方內容也可以遵循相同的訓練方式
常規App的場景構建，入口都是平鋪式的圖示，隨著App內場景的逐漸豐富、甚至是爆炸式的增長，平臺需要投入大量的運營人員，基於使用者的綜合行為進行“人工”推薦，且不說運營策略增長會有瓶頸，手工的資料探勘很有可能會忽略使用者的真實需求。
基於LLM的應用推薦，就不會有上述問題。App上的應用，透過推薦語料的關聯，平臺只需要基於大模型訓練後的推薦，前端結合AI助手進行更智慧的推薦，加上小程式技術天然可以將應用場景以定位到某個具體頁面，甚至頁面中元件的形態呈現在客戶面前。
想象無限。
融媒體時代，小程式框架已經成為傳媒企業不可或缺的工具。它不僅能夠幫助企業快速構建移動應用，還能助力企業在AI實踐下實現服務變現。透過小程式框架，傳媒企業可以將傳統媒體內容轉化為可互動、可分享的數字化內容，並提供更加個性化的使用者體驗。同時，小程式框架還可以幫助企業打通資料壁壘，實現使用者資料的深度挖掘和分析，從而為使用者提供更加精準的營銷服務。
展望未來，小程式框架必將繼續發揮其重要作用，助力傳媒企業在AI實踐下實現服務變現。傳媒企業應積極擁抱小程式框架，不斷創新應用場景，為使用者提供更加優質的服務。