当前，以人工智能为代表的新型信息技术深度融入信息传播全链条，驱动网络舆论生态格局发生系统性变革，对舆论引导工作带来严峻挑战。网络舆情治理作为意识形态工作的重要组成部分，关系着政府公信力、意识形态安全与社会公共治理水平，是新时代推进网络空间治理现代化进程中需要破解的重要课题。

一、智媒时代网络舆论环境新变化

（一）传播场域：从固定传播渠道进入媒介泛在化

智媒时代下，媒介泛在化正深刻影响着网络舆论的生成环境与扩散速度，媒介从传统意义上公众认知世界的“窗口”，已经逐步成为社会生活环境的有机组成部分。舆情触发的隐蔽性和突发性增强，信息的传播与接收无需启动传统终端，人机交互更加趋于自然、隐蔽。物理空间与虚拟空间深度融合，线上线下边界持续消解，各类智能设备能够第一时间捕捉突发事件并转化为传播内容，舆论生成与扩散的技术边界与物理边界被渐渐打破。

媒介泛在化导致舆情传播的复杂性和不确定性显著上升，舆情能够通过多种终端、场景同步触达不同圈层用户，快速突破地域和人群限制，形成跨域共振效应。原本地方性的社会矛盾有可能转化为全国范围的公共问题，各地区不同群体之间的利益或看法容易在共振下对立起来，给社会治理带来一定困难和挑战。

（二）传播主体：从单一主体主导迈向人与智能媒介的双向互嵌

随着人工智能技术的发展，智能媒介在舆论场上渐渐展现出类主体特征，其特性主要源于自身所依赖的技术条件。从技术角度来看，智能媒介具备语境化推理能力，即根据受众情绪的典型反应来安排舆论中出现的有关情感的符号，借以调动目标群体的情感状态。就传播内容本身来说，智能媒介传播的效率是呈指数级上升的、观点性内容的感情色彩更为浓厚、在算法推荐下具有更高的信息密度，因此也更容易引发点赞、评论、转发等各类网络行为的发生。

同时，人类与智能媒介的关系已超越传统的工具使用范畴，呈现出双向塑造、深度互嵌的共生特征。人类主体通过数据供给、算法训练、规则设定等手段可以调节智能媒介的运作，引导舆论走向；智能媒介通过算法推荐、个性化分发、智能交互等方式来组织信息又会改变人的认知结构、思考模式乃至表达倾向，从而影响公共议程设置、观点形成和情绪走向。因此，人与智能媒介不是彼此孤立的成分，而是互相嵌入的有机体，共同组成了智媒时代的传播主体生态。

（三）传播结构：从线性传播过渡到非线性自主演化

智媒技术的发展正逐步改变传统以人为核心的线性传播结构，形成算法驱动的分布式非线性传播网络。在社交媒体阶段，舆情流动是呈网状分布的，但总体上还是由人来控制，舆论走向基本可判断、可干预，舆论引导已有比较成熟的方法。当人工智能广泛使用之后，算法成为舆情扩散的主要调度力量，舆情演化的周期性规律不易把握，并呈现出多点爆发、彼此交织、难以预测的特征。

智能媒介的自我进化特征使舆情发展呈现出一定程度的自主演化态势。基于机器学习和数据反馈机制，智能媒介能够实时采集用户行为和互动数据，自主优化算法模型和传播策略。但此时的运算不一定是完全可靠的状态，有时会爆发较严重的“幻觉”问题，这种现象可能让智能媒介挣脱人类对它们的控制，并依其内在运算逻辑行动，甚至联合人类主体共同设置议程、调控情感，分割舆论主流观点并控制舆论传播路径。

二、智媒时代网络舆情演化的核心规律

（一）演化节奏：舆情酝酿周期压缩，传播扩散速率显著提升

媒介泛在化背景下各互联网平台能第一时间捕捉到具有爆发潜力的敏感信号，在舆情事件尚未进入公共议程之前，主动介入流量分配，提前赋予其额外曝光权重，压缩舆情酝酿周期。这实质上是媒体平台对舆情发酵的前置性干预，不再等舆情在传播场域中自行发酵，而是基于智能终端的实时监测和基于机器学习的预测，直接促使其进入爆发期，剥夺了事件在舆论场中本应经历的冷静期和沉淀期。

智能终端的全域分布实现了信息的即时触达，提高了舆情传播速度，跨平台算法推荐形成包围式传播，增强了舆情扩散的渗透密度。舆情传播在自然交互技术和个性化算法推荐下实现了从“人找信息”到“信息找人”的转变，这种转变有利于公众对实时信息的把握，减少公众认知时滞。跨平台算法推荐把同一事件以多种形式带入不同平台，使事件没有困于单一平台的信息茧房，而让其成为网络空间中的共同话题，形成一种弥漫性传播格局。

（二）演化动力：网民诉求与技术力量共同推动舆情演化

算法技术通过反馈迭代机制深度介入网络舆情演化，成为当下左右网络舆情走向的关键变量。算法反馈迭代机制是将网络用户的群体行为转化为可计算的数字信号，再通过算法将这种信号放大或缩小，因此，今天的舆情不仅是公众声音的集合，还是算法根据用户行为数据计算出的结果。这种机制以用户行为数据为基础，通过实时调整推送策略，构建起“数据－推送－行为－再数据”的闭环，最终让舆情演化呈现出“动态强化”的鲜明特征。

以算法技术为代表的技术力量，本质上是网民诉求的杠杆而非替代品，智媒时代下，技术力量与网民诉求共同推动网络舆情的演化发展。教育、医疗、就业等关系到公众切身利益的话题依然是引爆舆情的核心燃料，技术的作用在于拉近心理距离，让发生在远方的不公事件产生近身的刺痛感，将旁观者变为参与者。对公权力运行是否规范、程序是否正义、结果是否公平的追问，始终是舆情诉求的内核，技术降低了监督门槛，拓展了监督半径，但监督的深层驱动力依然来源于网民心中的那杆公平秤。

（三）演化趋势：整体发展走向更难预判，易滋生次生舆情

智媒技术进一步消解了组织化媒体的中心地位，形成了多个去中心化个体节点，个体节点间的弱连接关系为舆情信息的非线性传播提供了条件，使舆情演化整体走向更难预判。智媒技术的介入强化了个体间交流互动的流畅度和便捷性，个体以节点方式突破了大规模同质化信息传播的限制，构建起差异化的连通聚合。分属不同群体的个体节点通过点赞、评论、转发等弱连接瞬间，使围绕公共议题的各种观点呈现涌现特征，任何一个节点都有可能是一个潜在的舆论爆发点，任何一次节点间的弱连接都有可能导致舆情朝着难以预判的方向发展。

非线性自主演化的传播结构往往使舆情事件在传播中被表征为一个个象征性符号，该符号脱离了舆情事件的具体语境后变得可移植、可嫁接。智能媒介凭借其积累的历史数据和机器学习能力，能够对正在发酵过程中的舆情事件迅速归纳其性质和特征，并压缩提炼为一个抽象化符号，用于声讨该舆情事件之外的其他公共议题，从而导致原生舆情尚未平息之际又引发次生舆情。

三、智媒时代网络舆情的引领策略

（一）立足媒介泛在化格局，打通舆情即时响应路径

第一，坚守即时发声原则，应对媒介泛在化背景下舆情生成的瞬时性特征。当舆情出现后需要第一时间发布权威信息，不让谣言蔓延，并通过设定“快报事实、慎报原因、续报进展”的响应节奏控制舆论走向。

第二，实施多渠道响应策略，增加权威信息覆盖面。根据不同渠道传播特点，分别采用图文、音频、视频、直播等形式及时回答网民问题，坚持事实传递和情感共鸣相结合，避免激化网民对立情绪。

第三，打造扁平化舆情处置模式，破解舆情跨域扩散难题。要对旧式科层制度中所设的权责界限做必要突破，按实际需要来安排扁平化决策主体及其职责，让各相关部门真正一起应对舆情，达到信息互通、资源共用、行为协同的效果。同时，按舆情风险程度引入第三方力量予以协助，把原来的“事后响应”改进为“风险预判－即时处置”的动态程序。

（二）把握人机协同互嵌态势，塑造多元主体动态责任环境

第一，锚定技术源头，压实开发者的前置性责任。在人机协同互嵌的舆情生成链条中，人工智能技术的开发者是起点部分，所对应的责任包括算法、模型及有关价值判断的初始设定。要形成这样的责任格局，就要把价值观对齐、过滤技术等纳入模型训练程序之中，从概率上遏制虚假信息、歧视性言论的生成，使舆情应对的关口提前到代码阶段，让开发者在技术前端就成为控制舆情负熵的首要责任人。

第二，把牢分发枢纽，界定平台的过程性责任。在AI提供的内容进入传播环节后，原来的开发者即不再是唯一责任主体，此时需重点关注内容的扩编、分发及人机界面管理。媒体平台应对AI的产出内容作清楚标记、把高敏感度的人机对话控制在适当范围、对煽动性信息做实时智能筛查，承担起舆情扩散过程中的把关责任。

第三，聚焦使用主体，明晰网民的主体责任。当网民利用AI生产或传播具有社会煽动性的谣言或深度伪造内容时，责任权重便开始向用户端倾斜。将数字智能素养的普及纳入责任培育的总体路径，使网民清楚地知道网络环境中每一条评论的发送都是受法律约束的行为，不盲目发言或轻信传言，逐步建立起对网络社会的责任感。

（三）厘清智能自主演化逻辑，建立长效化舆情治理机制

第一，强化源头管理，构建舆情溯源追踪系统，适配去中心化多节点的非线性传播结构。对AI生成内容作溯源规范处理，规定AI生成工具要自带溯源手段，将所生成的文本、图片、音视频等都以数字水印或区块链方式予以标记，使其可查证、易监管、无法被篡改。

第二，优化舆论引导方法，根据舆情演化趋势进行动态调适。首先，开发舆情引导智能体，与网民进行个性化、共情式对话，针对网民的疑问给出准确、易懂的回应。其次，通过情感分析技术识别网民情感倾向，从而调整回应的方式和语气，提升沟通效果。最后，通过分析网民点赞、评论、转发等互动数据，实时调整舆论引导策略。

第三，完善网络环境修复措施，维护健康舆论生态。根据舆情的性质与影响判断舆情风险等级并进行分级处置，避免“一刀切”。坚持疏堵结合，加强政策解读的同时缓解公众负面情绪，广泛凝聚共识，维护健康良好的网络生态。

智媒时代下网络空间的挑战与机遇并存，人工智能技术的持续发展决定了网络舆情风险治理是一个长期迭代的过程。要积极识变、应变、求变，把准网络舆情演化规律，不断提高舆论引导能力，营造持续健康良好的网络环境。

【作者：陈文泰，河南大学新闻与传播学院副教授 本文系河南省高等学校智库研究项目《重大突发事件中的网络舆情演化规律与引领工作方法研究（2026ZKYJ49）》阶段性研究成果】