BuzzFeed大膽擁抱ChatGPT ,股價暴漲3倍!但讀者買單AI寫的文章嗎?
BuzzFeed大膽擁抱ChatGPT ,股價暴漲3倍!但讀者買單AI寫的文章嗎?

1995 年,在《數位化生存》一書中,尼古拉斯·尼葛洛龐帝預言,數位化時代將會有一種能夠按照個人喜好及需求排版的「我的日報」。 28 年過去,預言成為現實,推薦演算法的發展催生出「今日頭條」等一批為用戶提供個性化內容推送的新聞聚合產品,「我的日報」已經不足為奇。

一直以來媒體產業的創新與改革都離不開技術驅動,今天隨著 ChatGPT 為代表的生成式 AI 取得突破性進展,媒體業的變革或許又要向前一步。

第一個吃螃蟹的是有著「美版頭條」之稱的數位媒體公司 BuzzFeed,近日其宣布與 OpenAI 開展合作,將使用 ChatGPT 輔助網站內容的製作。消息一出,BuzzFeed 的股價三天內暴漲 300%,成交量超過 4.38 億股。

這對於正處在生存危機中的媒體行業,無疑是一道驚雷。

據外媒報導,包括 BuzzFeed 在內,2023 年以來美國已有多家知名媒體展開裁員行動。在這一背景下,很難說爆火的 ChatGPT 是行業新機遇,還是搶奪從業者飯碗,甚至砸壞媒體招牌的新威脅。

一方面,AI 能夠輔助創作者,提升效率,降低內容創作成本;但另一方面,AIGC 又面臨著諸多拷問:AI 會搶走哪些人的工作? AI 如何避免偏見與歧視、如何避免洗稿與抄襲?在以「真實」「準確」為重的媒體業,AI 的角色定位在哪?

這些問題可能不一定有真正的答案,唯一能確定的是:AIGC一定會像它的「前輩技術」——搜尋引擎、推薦演算法一樣,給媒體行業帶來新的變革和衝擊。

01 ChatGPT 的新工作

對於與 OpenAI 的合作,BuzzFeed CEO 喬納·佩雷蒂在內部郵件中寫道:「2023 年,AI 創作的內容將從研發階段轉變為核心業務的一部分。AI 將幫助優化測試體驗,為我們提供資訊,並為我們的受眾提供個性化內容。」

成立於 2006 年的 BuzzFeed是一個有著巨大影響力的美國數位媒體網站,今天其每月覆蓋的用戶超過 1 億名,每月用戶總瀏覽時長超過8億小時,旗下內容覆蓋文化娛樂、美食、新聞、健康等,深受千禧一代、Z 世代的追捧。

此次與 OpenAI 合作,BuzzFeed 並非從最敏感的新聞版塊切入,而是主要集中在「Quizzes」欄目。

該欄目是由一系列測試問題組成,比如性格測試、興趣愛好測試等等,通過分析用戶對於問題的回答,從而生成有針對性的個人報告。 ChatGPT 加入後,將被用於為每位用戶生成「獨一無二」的個性化報告的編寫過程中,AI 的自動化生成內容將為這一步驟縮減不必要的人工勞動,進而降低內容生產的成本。

Quizzes
ChatGPT 將主要用於 Quizzes 欄目
圖/ 極客公園

對於這一計劃,BuzzFeed 內部的工作人員喜憂參半。

據 Insider,消息公佈後,有員工表示,「不擔心人工智慧搶走自己的工作,擔心的是如果讀者意識到內容不是真人寫作並認為內容品質糟糕,他們很可能會停止使用 BuzzFeed。」

他們認為,BuzzFeed 最吸引人的地方在於個性化內容以及與用戶之間的互動,如果 AI 不能做好這些,BuzzFeed 的吸引力很可能會覆滅。

「一個機器人也許可以寫出模板化的 BuzzFeed 測試,但它無法復刻我們寫作時真正投入其中的那顆心。」有員工總結道。

但也有一些員工對此感到興奮,BuzzFeed 的一位發言人表示:「測試結果需要是完全個性化的,沒有人工智慧,你永遠不可能寫出成千上萬、無限數量的報告結果。」

當被問及是否計劃將 AI 用於新聞寫作時,CEO 喬納·佩雷蒂告訴《紐約時報》:「我認為任何可以提升新聞業以及記者工作效率的事情,我們都會考慮。」

但目前 BuzzFeed 沒有貿然嘗試,在新聞版塊上仍舊堅持由人工生成內容。

BuzzFeed 進行過很多超前嘗試。

從利用演算法進行新聞分發、吸引流量打造爆款,到建立起 1200 人規模的全球新聞團隊,BuzzFeed 一直是數位傳媒公司中積極嘗試的先驅。

2006 年成立的 BuzzFeed 最初是《赫芬頓郵報》旗下的一個內容實驗室,專注於追踪病毒式傳播的網路內容。

創立伊始,BuzzFeed 沒有任何作者或是編輯,網站的大部分內容均為演算法聚合、推薦而來,數據和演算法可以分析出最有可能吸引用戶關注的內容,再通過 BuzzBot 向用戶發送內容鏈接,同時進行多種渠道的分發以吸引用戶流量。

據相關媒體披露,BuzzFeed 運行的軟體每天會對來自 100 個合作網站的數據進行掃描,負責這項工作的內容管理與數據分析後台名為「DashBoard」,DashBoard 的演算法可以通過用戶對文章的閱讀、轉發情況判斷出哪些內容更受歡迎,不同平台對於內容有哪些不同需求,進而精選出富有傳播潛力的「爆款」內容。

彼時 Facebook 才剛剛出現不久,國內外的新聞資訊聚合中心大多還是門戶網站,BuzzFeed 的創新不可謂不大膽。

除了大膽採用推薦演算法,BuzzFeed 的超前性還顯現在利用社交媒體提升自身影響力上。在傳統媒體想破腦袋,希望把流量集中在自家網站上時,BuzzFeed 敏銳地觀察到了社交媒體在下一個十年的重要角色,通過在社交平台上發布「裙子是藍黑還是白金」這類的投票,BuzzFeed 迅速積攢了一大批流量。

裙子顏色投票
曾經造成熱議的裙子顏色投票
圖/ 極客公園

據統計,BuzzFeed 網站 75% 的流量中有超過 50% 的用戶來自外部的社交平台,包括 Pinterest、Twitter 和 Facebook,流量數據一度超越《紐約時報》等全球頂尖媒體。

BuzzBot 廣受歡迎之後,喬納·佩雷蒂才開始成立單獨的 BuzzFeed 網站,並聘請了一批人工編輯對內容進行管理,嘗試在原創新聞內容上發力。但隨之而來的問題是,BuzzFeed 的原創成本不斷提升,並在經濟下行的背景下,虧損愈發嚴重。

財報顯示,2022 年的前三個季度裡,BuzzFeed 已經虧損 1800 萬美元,股價也下跌了超 75%。今年年初,以經濟環境惡化為由,BuzzFeed 已經裁減了 12% 的員工。

曾經,BuzzFeed 利用演算法在傳統媒體與社交媒體中「闖」出了一條道,如今,BuzzFeed 依舊勇敢地信任新的技術。喬納·佩雷蒂誠實地表達了自己對 AI 的期待,「希望人工智慧能夠協助內容創作、提升內容供給,從而努力削減成本,保持公司財務狀況不受影響。」

但問題在於:使用生成式 AI,能否真正幫助媒體公司改寫不斷下滑的「命運」?

延伸閱讀:ChatGPT超吸金!微軟的100億美元投資「瞬間回本」,擁抱AI的CP值多高?

02 失實?洗稿? AI 仍面對重重考驗

近期,傳媒行業整體而言都不太景氣。

2022 年 11 月至 12 月,路透社新聞研究所的研究員調研了 53 個國家和地區的 303 名新聞機構後,於今年 1 月 10 日發布了《2023 年新聞媒體技術趨勢預測》。該報告顯示,媒體目前最大的擔憂來自「成本上升、廣告商投資興趣下降以及讀者訂閱量下降」,不少受訪者預測媒體行業接下來會「降本增效」。

事實的確如此,最近幾個月裡多家媒體展開裁員行動。美國報業集團 Gannett 宣布裁員 6%,美國有線電視新聞網 CNN 解僱數百名員工,美國全國廣播公司年初宣布裁員,《華盛頓郵報》停辦旗下紙質雜誌,數位媒體 Morning Brew、Vimeo、Vice、Protocol 等一眾公司也公佈了各自的裁員計劃。

AI 或許是「降本增效」的一種選擇,實際上,一些記者已經開始使用 AI 輔助日常採編工作。

比如丹麥媒體公司 Zetland 就開發了一款語音轉文字工具,專為記者服務,甚至可以支持小眾語言的轉錄;加拿大的媒體《環球郵報》也曾開發過一款名為 Sophi 的工具,用來管理內容分發任務,優化新聞標題或是選擇最佳發佈時間,從而幫助編輯提升工作效率。

因此,隨著 ChatGPT 這類生成式 AI 技術取得突破性進展,媒體行業很難不躍躍欲試。但從嘗試的結果來看,前景並非那麼光明。

去年 11 月,科技網站 CNET 的編輯團隊之一「CNET Money」發起了一項測試,使用內部設計的 AI 引擎幫助編輯撰寫有關金融服務的內容,並發布了 77 篇短篇文章。具體工作流程為:編輯首先制定故事的大綱,之後 AI 共同參與寫作,最終成稿。

CNET  AI
CNET 的 AI 寫作測試
圖/ 極客公園

但很快,CNET 就發現了文章中存在多個錯誤,以及沒有正確引用他人文章等問題,於是暫時停止了使用 AI 生成文章。

今年 1 月,一篇名為《The Rationalist》的文章同樣遭到了人們的議論。該文的部分內容被指控直接摘錄自科技媒體 Big Technology,最終該文的作者 @PETRA 承認他們使用了生成式 AI(包括 OpenAI、 Jasper 和 Hugging Face 的工具)來創作這篇內容。

由於內容失實、機器人洗稿這類問題的存在,對於重視「真實」「獨家」「原創」的傳媒行業來說,AI 如今尚不能被百分百信任。這或許也是 BuzzFeed 的 CEO 沒敢貿然讓 ChatGPT 參與新聞內容生成的重要原因,喬納·佩雷蒂告訴 CNN,「BuzzFeed 將負責任地使用人工智慧。」

正如國外有專家評論的那樣,「謹慎對待新技術並了解它們的能力和侷限性是很重要的,同樣至關重要的是,不要誇大其潛在危險,並考慮如何以積極和負責任的方式使用它們。」

當下,AI 對於傳媒業的幫助還很有限,但也許未來某天技術的發展能徹底將記者和編輯們從繁重的基礎任務中解脫出來,到那時,專業人士需要提供的,將只是一個充滿創造力的大腦。

本文授權轉載自:極客公園

責任編輯:傅珮晴、錢玉紘

關鍵字: #AI
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓