“澎湃美數課”欄目主編呂妍：AI時代，以“長期主義”做數據新聞

在流量為王、碎片化閱讀趨勢愈發明顯的時代，用戶注意力被各種信息切割得支離破碎。在數據新聞領域，澎湃新聞“澎湃美數課”欄目以設計為突破口，探索出一條能讓信息快速有效傳達的新路子。美數課團隊曾獲美國新聞媒體視覺設計協會（Society of News Design,SND）、最佳數字設計獎（Best of Digital Design）、亞洲出版協會卓越新聞獎、Sigma數據新聞獎、等眾多國內外獎項。

從開創欄目至今，呂妍在數據新聞領域已經深耕了多年。自2014年7月上線，“澎湃美數課”秉持“數字是骨骼，設計是靈魂；與新聞相關，又與新聞無關”的理念，已發布超2500篇作品，覆蓋社會民生、自然科學等多領域。面對碎片化的趨勢，呂妍以設計為突破口革新欄目，她組建國內首個融合調查記者、數據科學家與交互設計師的跨界團隊，以“三維敘事”重構數據新聞。

AIGC興起后，呂妍和團隊也在積極探索。比如，他們在作品中用AI開了一個腦洞，試圖與經典電影角色對話。在中用AI來重現那些不為大眾熟知的為AI發展作出貢獻的女性。

澎湃新聞是如何做數據新聞的？在AI時代，中國的數據新聞創作又有了哪些新特征？新聞學子又該立足時代背景學習數據新聞？

帶著這些困惑，深度訓練營與呂妍進行了一次對話。

澎湃新聞數據新聞團隊賬號（圖片來源于公眾號截圖）

Q：如何看待數據新聞在不同內容生態中的定位和發展潛力？

A：數據新聞這個領域，先天條件并不是很差。我的意思是，假如和短劇對標，數據新聞的受眾面肯定窄得多。但如果與紀錄片對標，也許會寬一點。在新的語態下，內容產品都是有新機會的，只是池子大小的問題。現在用戶池子最大的內容品類可能是短視頻，它占據了大家最多的時間。但做內容也不是需要全部在一個池子里面“卷”，要發揮比較優勢，在一個大小合適的池子里取得相對頭部的地位，然后把這種優勢落地到各種場景，盡量完成內容轉化的鏈條就很好。

我認為未來是一個數據化的社會。舉個例子，澎湃新聞自2018年開始打造“湃客頻道”這個外部創作者平臺，我負責挖掘數據領域的賬號，當時我本以為這類賬號只有大概二三十個，畢竟那時專注于數據新聞創作的主體數量看起來并不多。然而，僅僅八個月時間，我們便挖掘到將近100個相關賬號。由此可見，許多創作者甚至不了解“數據新聞”的概念，但其從事的工作卻是與之高度相似的。這些創作者可能是研究者，對所在領域的數據內容進行專業解讀；也可能是垂直領域的賬號運營者，通過可視化手段在自身領域內贏得競爭優勢。

這個經歷給了我極大的信心，因為我意識到，在“數據新聞”的概念之外，還存在“數據創作”“數據內容”等范疇。這是一個有用的形式，也吸引了不同身份的創作者在他們各自的領域和視野中去運用。因此，我始終認為，我們應以更廣闊的視角看待這一內容創作形式。況且在數據化社會中，每天都會有海量數據產生，這對信息傳播也提出了新要求。

Q：你認為數據新聞團隊要具備哪些特質？

A：我們團隊一方面保持著快速上手的習慣，另一方面較為務實，期望將技術應用于契合實際需求的事情中。從長期發展的視角來看，若僅僅依靠噱頭，難以持久。

當然，數據新聞實際上還存在許多種發展路線。數據新聞這一領域有吸引力，原因之一是它具有很強的延展性：它能與用戶緊密結合，呈現形式千變萬化；它也能夠產出深度的內容，或是產出以數據驅動的硬核內容。

當前，能夠出色開展數據新聞工作的團隊數量并不多，這是涉及對團隊成效進行評估的問題。近些年，媒體行業已不再是過去瘋狂擴張、大量投入的階段。在當下具體的媒體環境中，無論是通過打造影響力還是商業化變現來證明自身能力，走什么樣的路，其實都是因團隊而異的。

Q：針對數據新聞，目前團隊有哪些新的探索？

A：我們團隊的核心使命不僅僅是聚焦數據相關事務，而是致力于技術與內容的融合，這是團隊基因的延續。AI作為一項核心技術，自然是我們跟進的重點。

我們對自身的要求，是要更懂數據。要知其然，更要知其所以然，同時對數據的跟進需更加及時。舉個例子，在數據快訊方面，一旦有數據披露，我們便會第一時間發布相關內容。此外，我們還將開展一些新嘗試，不僅關注數據本身，還會探究數據的產生過程以及應如何解讀，更多地在敘事手段、創作形式上探索。

未來社會將高度數據化，尤其隨著AI自動化完成任務能力的提升，人們更需要具備對其數據內容資料準確性的辨別能力。因此，我們覺得當下培養數據素養已成為一個值得重點關注的問題，是時候投入更多精力去深耕這一新階段了。

Q：在選題策劃階段，會考慮技術的介入嗎？

A：技術并非核心考量部分，主要起到輔助作用。當前我們工作重點更聚焦于選題策劃，相較于以往簡單的數據查詢與甄別，現在更需深入思考與衡量“什么才是解決問題的關鍵”。這并非通過培訓就能實現，團隊成員需要通過深挖領域來積累經驗，與專業人士交流合作。

每個難題都有不同的解決方法，經驗很重要。踩的坑多了，在一個新的坑到來之前自然就能預判到，或者能在新坑出現的時候知道該怎么解決。比如有時選擇不發布，有時尋找新的節點再發布，有時低調處理后發布，有時則改變思路重新創作等等。

Q：能否舉個例子？

A：我們做的“沸騰之夏”項目收集了近70年中大約700座城市夏季的氣象歷史數據，形成了一個能個性化查看自己城市氣候檔案的交互項目。這個項目是比較傳統意義上數據新聞的核心使用場景，通過詳細數據，能讓大家在自己最關心的城市感受到氣候變化產生的廣泛影響。它比較特別的地方在于，開頭選擇不同城市后，會形成非常個性化的文案。后臺設置維度也很豐富，比如夏季不熱的城市和以熱著稱的城市，顯示的文案會不一樣。

從一定程度來講，這個作品完成了探索型和解釋型的融合。一般數據新聞內容要么是解釋性的，比如圖文，每個人看到的內容和傳達的信息恒定；要么是探索性的，比如疫情數據，可篩選時間段、城市等，偏工具類型。而上述項目中每個人看到的敘事內容更定制化，內容呈現比工具型更有敘事感，算是傳統意義上數據新聞比較好的體現。

澎湃美術課作品《沸騰之夏 你的城市還好嗎》

Q：在“澎湃美數課”與“對齊Lab”兩個賬號的創作中，團隊如何理解AI與數據新聞的關系？AI在哪些操作環節中發揮了實際作用？

A：一方面，AI從長期來講是核心的變革性力量；另一方面，數據新聞作為一種報道形式，與傳統報道有很大差異性，注重上手精神，即親自體驗新事物、新形式，注重將新技術和新聞內容表達結合。數據新聞曾經側重于調查新聞(investigative Journalism)，即通過數據挖掘發現重要線索；它的源頭之一計算機輔助報道(Computer-Assisted Reporting)，則是強調和技術使用結合，因此，數據新聞團隊也有開源精神，強調寫代碼等。

從數據新聞的淵源看，它本身就注重新技術與新聞內容表達結合，AI作為重要變革力量，數據新聞團隊關注和使用AI是自然過程。在操作層面，以我們的項目為例，AI能在短時間內完成人工可能花費很長時間且效果不一定完善的工作，在數據處理、分析等環節提高效率。

同時，AI也是未來變革世界的重要力量，數據新聞團隊注重新技術和新聞的結合，數據新聞本身的淵源也決定了它對新技術的開放態度。所以我們在討論使用AI時，并不局限于數據新聞領域，而是讓AI可以在更多的場景發揮作用。

“讀60萬字哪吒原著畫出封神宇宙，DeepSeek還能這樣用？”項目截圖

Q：目前AI市場已涌現出非常多類型的產品，您如何看待這些產品目前的能力？團隊是否已形成一定的使用習慣？

A：我覺得它們都已經夠好用了。對它們的評價也要取決于對標對象。要是拿它跟頂級作家名篇、頂級繪畫水平相比，那AI暫時還沒有可比性，畢竟絕大多數人也沒法達到那種高度。但要是對標剛有一定經驗或初入職場的人，在不同項目維度上，目前AI有時真能有一定優勢。

2021年是我對AI能力認知的一個分水嶺，當時有人用Midjourney作畫得了一等獎，那時我就感覺AI的能力到了一個轉折點，它能做到很多水平不錯的事情。在懂得使用它的人手里，確實能完成更厲害的事。ChatGPT的誕生更是加深了我這種意識。

AI技術的進化速度非常快。比如，最早大家吐槽的問題，后來很短時間內就有新模型能解決了。目前AI的能力也許達到了70分的水平，而我們可以看到當下有多少人類生產的內容產品是在70分以下。由此就能明白為什么AI以后一定是變革性的力量，能替代一些生產力或者創造出新的崗位職責和生產模式。當然，它肯定會有一些負面問題，不過現在我們先只評估它的能力。

目前各家技術都還在迭代，不同的工具在能力維度都有差異，很難一概而論確定哪一個就是最優解，我們仍在廣泛嘗試。例如大模型Claude有很強的寫代碼能力，以及Manus、Cursor這些工具也比較擅長幫人寫代碼。DeepSeek的推理能力很好且回答深入且有情商。在視覺方面，平面設計會更多使用Midjourney，視頻層面則更多使用可靈、即夢等國產AI工具。我們也發現國產的可靈生成出來的人物形象更像中國人，更適合我們的一些創作需求。在數據處理方面，AI還可以幫助做一些編碼工作，海量的數據預處理也比較適合AI去做。當然它有時可能不準確，需要有比較好的品控，有時可能需要重做。

Q：近期“澎湃美數課”與“對齊Lab”有許多AI相關的作品很受歡迎。您可以和我們舉例分享創作的過程嗎？

A：很多創作角度是持續追蹤后產生的。比如我們關注AI關注到一定程度，就會自然而然關注到算力問題。AI產品爆火隨之會引發諸多輿論，例如OpenAI爆火帶來的風險。我們在如此節點選擇做AI背后的環境問題的科普，也更容易引起大家注意。

選題很難一概而論，但我們檢驗選題是否“好”有三大要素：

一是時間由頭。比如算力問題，借助“環境日”這一特殊時間節點來開展，因為在這個節點大家有了解這類事情的需求。

二是切入方式。要明確想回答什么問題，通過什么信息回答，有時也涉及形式選擇。例如選擇條漫形式，可能更貼近人、有親和力。切入角度就要考慮不同方面，不能只是簡單提及環境日要做算力主題，或者金價上漲要做黃金價格的題目。因為這不是完整的報題，還需明確具體怎么做，就像寫論文開題要考慮具體實施步驟一樣。

三是資料來源。即使有好的切入角度、想回答很棒的問題，但如果沒有掌握相關信息、資料，數據獲取不到，時間不可控等，也無法完成選題。我們要求大家對這些問題有系統性思考后再進行討論，不然就是浪費時間，影響內容產出。

Q：您如何從受眾興趣、閱讀門檻的角度考量AI主題的數據新聞作品？

A：2024年3、4月之后，部分受眾出現了信息回避反應。我們甚至設想，在標題中不提及AI，是否能讓受眾更愿意閱讀相關內容。例如去年關于“蘿卜快跑”的一篇報道效果很好，這篇報道沒有著重強調AI，而是從更實際、落地的角度探討問題。部分受眾可能覺得AI暫時用不上，頻繁提及會引發他們的回避情緒。

AI工具還在演變之中，作品太細致地呈現使用步驟會缺乏強針對性。所以我們會更多以“手記”的方式，講思路層面的運用，包括過程中發現不同工具的優缺點等等，不會像之前的“美數課堂”一樣，做很多操作層面的梳理。AI工具迭代速度非常快，可能兩個月之后，現在的做法已經失去意義了，AI功能也已經有了新變化。

一款AI產品剛推出時，往往處于紅利期，但久而久之受眾看膩了，就會產生厭倦。我們所倡導的長期主義，在于持續尋找和探索合適的場景，去運用AI并關心整體工作流程如何優化。

AI仍在發展，目前我們尚未進入系統性流程變革的階段。盡管在一些垂直領域已經出現了封裝成熟的產品，但這也對我們自身工作也提出了反向要求：工作本身要具備足夠的模塊化。

Q：數據新聞業對AI的關注是否只是階段性追逐熱點？

A：并不是。AI的傳播紅利期不長且有規律性，這三年都是春節前后，因資本市場炒概念股以及有重磅產品發布而有熱度。從長遠來講，AI肯定會有很多創新，真正有創新的產品帶來的傳播熱度還會有。團隊更希望長期主義去做，有流量紅利時多用AI，沒有流量紅利時也會堅持做適合用AI的項目。

Q：AI對數據新聞創作已有諸多幫助，那么創作的全流程是否都已經能完全交付給AI來完成？AI是否已經能取代記者？

A：我覺得還沒到時候。現在AI輔助過程需要人工參與的部分較多，雖能在一些環節節省時間，但非常需要人力指導、核查和引導。當有一天Manus、Deepseek不再是熱點時，我們去看它生成的內容，不一定會非常有吸引力。

大家一開始會因使用AI工具而感到新奇，但時間長了會更關注用AI做出的東西本身好不好。同時，我們團隊的性質不是產研團隊，澎湃的“派生萬物”工具的任務是將AI相對成熟、能達標準線以上的功能模塊化、工具化，而本團隊任務更多是做實驗性質、與內容結合的非標準化產品，不過對于能提高效率的事，會鼓勵大家更多嘗試，比如用AI看文件等。

Q：當AI技術能大量取代記者的工作時，您是否對于新聞業有所擔憂？

A：我覺得每一次技術變革肯定都會有利益獲得者和受損者。AI一方面會取代一些崗位，另一方面也會創造一些新的崗位，前提是它能促進生產力發展。因此，技術變革更多帶來的是一種變局。

在這個過程中，關鍵是要確定自己是面向未來的。從這個角度來講，我們團隊的人是充分自信的。我覺得對我們思維的震撼，可能比很多人來得更早，至少在ChatGPT出現以后，我們就被狠狠震撼到了。我記得當時我們團隊有個男生，甚至都焦慮得睡不著覺，他覺得未來一下子就撲面而來了。但當你思考過后就會發現，AI不是要把所有人都淘汰，它只是會產生分工上的差異。

如果被分工到類似流水線或者更基礎、單一的崗位，那可能就會成為利益受損的一方。但要是能被AI賦能，去完成更多的事情，那性質就不一樣了。我們能明顯感覺到，AI能夠縮短從頭腦中的想法到手部實踐之間的距離。這幾天我們密集使用Manus，這種感受更強了。想法和審美品位變得非常重要。

比如，你到底要讓AI做什么，以及怎樣和它合作，這是極為關鍵的。很多技能化的工作，AI都能做到70%的程度，甚至更高。所以這就使我們在工作中需要體現的能力發生了變化，而這個變化過程中，肯定會有新的機會出現。

Q：對于記者而言，如何培養自己的核心競爭力以應對新技術的沖擊？

A：人的想法以及想用AI做什么事很關鍵。比如，我們用DeepSeek做上述的相關內容，在這之前的幾個月，我們一直在琢磨用AI做“向量化”的事情。雖然起初并非打算用DeepSeek，但本質是讓傳統純粹文本化、缺乏向量化的內容“活”起來。沒有向量化就失去了很多將信息串聯、組織起來進行觀察的可能性。腦海中有相關想法后，我們結合DeepSeek以及“封神”這兩個熱點，最終決定開展這個項目。

“讀60萬字哪吒原著畫出封神宇宙，DeepSeek還能這樣用？”作品截圖

初期使用AI時，適合做一些容錯率相對高的事。如果用它做實證報道，對準確性要求極高，而做一些相對軟性的題目，AI的發揮空間會更大，更適合進行內容方面的嘗試。所以，想法很重要。這里的想法看似很虛，實則基于創作者的個人積累、綜合素質，以及對讀者和用戶品味、關注方式的洞察。

另外，我一直不太喜歡只從數據新聞的角度思考AI。我想，未來AIGC的內容會成為主流，就如同現在市面上絕大多數蔬菜是大棚蔬菜，因為其效率更高、性價比更高。在這種環境下，“有機蔬菜”（即有人味的內容）就會變得很昂貴。以后大家看到的絕大多數內容都是AI生成的，可能會缺乏興趣，此時如果看到有人味的內容，或許就很愿意為這個品牌、這個內容買單。

通過運營及其他能力的輔助，是否有可能讓深度內容的價值顯現出來？正如現在大家覺得有機蔬菜有原本的味道，愿意為之付出更多成本一樣。所以對于內容生產者而言，主流或許是AI的天下，對平臺機制來說，各種邏輯也會受到影響，但始終有機會存在于能提供優質內容的人手中。

Q：新聞領域目前對于AI使用的規范如何？您如何處理在AI運用中的質量把控？

A：我在用AI創作時有一些核查手段。AI可以完成數據集的編碼，比如社交媒體上爬下來的數據需要通過抽查檢驗的方式看它打的標合不合適。此外，讓AI做一個項目時，它的策劃思路可能不太適合當下考慮，這時就要補充提示詞，引導它修改方案，完善所做的事情。這分別屬于準確性維度和思路維度的把控。

對于AI的使用規范，我們現在的原則是主動披露。比如，在視頻里加上角標，在稿件里加上后記。讓大家知道是怎么使用AI的，有哪些心得。今年3月剛出的《人工智能生成合成內容標識辦法》，也是關于規范人工智能生成合成內容標識的條例。

除了主動披露，現階段媒體的一個原始身份是媒體老師要通過報道的方式，去觀察AI現象。所以我們欄目除了上手使用AI之外，也做一些對于AI關鍵現象的觀察。例如“3·15”晚會的時候，我們關注到AI相關行業產生消費者權益受損的問題。所以我們不僅是使用者，也是瞭望者。

國內新聞業是擁抱新技術的，大眾也樂見一些新的應用。只要你用的好，大眾不太會產生比較原教旨的反對的聲音。但海外有些市場，用戶的阻力會大一些，認為內容生產不應該借助AI幫助。

Q：歐美數據新聞發展較早，我們后來居上，相比之下，國內外數據新聞的發展方向及挑戰的差異是什么？

A：各自都有各自的挑戰。比如，《紐約時報》要PK的對象，不只是《華盛頓郵報》，還有是YouTube或者TikTok上的大量內容。我們PK的也不只是別的媒體，甚至可能還有短劇。所有的內容產品都被放在一個池子里，要競爭的是注意力。例如在抖音這個同樣的平臺里，又有短劇，又有新聞短視頻，之間是在橫向競爭的。

所以國內外的媒體行業，都處于語態切換、傳播鏈條改變的狀態中，處在變化梳理的階段。各自都有各自的緣由和課題。

Q：如何提升數據素養？有哪些值得借鑒的數據收集方法論？

A：數據收集很難一言以蔽之，沒有萬金油式的來源。有兩個方式可以幫助考慮找數據的事情：

一是去看一些好的作品，分析其數據來源。對這些作品進行解構，思考為什么自己也想做的題，別人能做出來，他們是怎么做的，用了什么數據，數據來源標注了什么，甚至可以對原數據進行回溯，這是一種學習方法。

二是對數據的認知要更加寬泛。很多人對數據的認知相對狹窄，認為只有統計數據、別人給的數據、行業研報的數據才是數據，但其實數據是我們處理接收到的信息的一種方式。比如，我們做過的關于上海相親角的選題，數據來源是相親廣告。這些廣告形式不同（有的是打印的），但都包含“我是什么樣的人（年齡、性別、房產情況、戶口情況等）”以及“我希望你是什么樣的人（年齡、條件、學歷等）”兩部分信息。通過對這些廣告進行梳理，整理條件，形成了一個數據庫，從中能體現出相親市場中大家認為的條件匹配、門當戶對的概念以及背后的社會觀念。

比較推薦一本書叫《Dear Data》，書中兩個設計師一個在倫敦，一個在紐約，互相每周寄一個明信片，約定一周做一個共同主題（比如這周聽到的“謝謝”），各自用自己收集數據的方式收集，再用想要的可視化形式呈現。他們側重的點不同，比如有人側重在什么情境下說“謝謝”（有人幫助、給予情緒價值等情境），有人側重對什么人說“謝謝”，它有不一樣的這個穿透方式。作者當時做這個項目就是想要關注一些不被人當成數據的數據。

《Dear Data》插圖

因為對數據的認知，有時會影響找數據的難易程度。我覺得我們生活中萬物都是數據。

Q：“澎湃美數課”團隊內部有哪些提升數據敏感度的學習或訓練方法？有哪些經典的學習案例？

A：我們團隊最早較多看外媒的案例來學習，因為他們發展得更早，經驗更豐富。后來，我們越來越強調要從更多樣的渠道吸收知識。比如，可以從展覽獲取靈感，也可以從暢銷書當中學習。對于數據的理解，有時即便找到數據，也可能不清楚數據的含義以及來源。還有一些相關書籍會講述使用數據的邏輯方式，從定量研究或其他社科角度去思考問題。現在比較強調要從更高維度的來源進行積累。有時也會讓團隊成員，比如設計師，去看美院的畢業展，觀察在沒有框架限制的情況下，創作者是如何切入一個題材的。雖然看的這些東西不都直接與數據新聞相關，但這是提升整體水平的一種積累方式。

Q：根據您的觀察，當前高校數據新聞課程與媒體行業實踐之間的銜接情況如何？存在哪些亟待解決的問題？

A：高校在這方面比之前做得更好。現在很多學校都有這樣的課程。但是具體比較難以一概而論。有一些高校，就已經做得挺好，學生在學習一個學期之后，就能完成一個比較成型的作品。不同的作品完成度也不一樣。

數據新聞這個領域是很看作品的。我們招聘時，也不看專業，就是看作品，并且能講清楚完成作品的過程。這些內容涉及的環節比較多，所以在實習的時候很難手把手地教，也需要在課程里有一定的積累。

Q：在當今技術浪潮中，高校學生應如何不斷精進自身能力？您能否從行業的角度給出一些建議？

A：首先，盡可能多試。對新技術感興趣的同學，不要畏懼，應多去嘗試各類工具。我有時接觸到的一些學生會表現出對AI介入的批判性看法，或是覺得AI能力不夠。如果希望未來的發展方向和AI應用結合得比較緊密，那么在學校里就可以用起來，在一些作業里主動嘗試和AI進行結合。其實許多前沿的AI藝術家都很年輕，他們有的在學生時代就深入開展技術應用。

其次，試錯是創新的必經之路。畢竟先使用新技術，才能率先享受其帶來的紅利。我們應秉持這樣的心態。當下人們有時會憂慮，自己的付出在未來可能變得毫無意義。但實際上，若明確了自身興趣，就難免要有所付出。不管是短期還是長期，由于技術更迭，所學內容必然會發生變化。但全程參與和嘗試所積累的經驗，能助力我應對未來的新問題。

另外，要抓住更雋永、持久的東西，比如讀一些你關注的領域的真正好的書，例如社會學、傳播學等領域的經典著作。這些作品蘊含的理念能夠穿越時代。如果自我定位并非單純的技術應用者，而是偏向于構建框架的角色，那書底子就要厚。例如，向AI提出有創意的問題，而創意正源于積累和閱讀。

學校相對是一個能夠讓人不浮躁地讀書的環境。盡管社會壓力較大，但專注于這些看似“無用”之事，其實十分必要。有些事出了校園再去做，可能就變得困難重重。

采訪｜王天越 姚欣言

作者｜王天越 姚欣言 華苒君

編輯｜林歆瑤 胡頡頏

值班編輯｜畢詠璇

運營總監｜葉沛琪