文生視頻類人工智能的意識形態風險及其防控路徑

基金項目：“網絡空間意識形態風險嬉變機理及其防控路徑研究（AHSHY2023D140）

中圖分類號：D63 文獻標識碼：A 文章編號：1003-854X（2025）08-0067-08

進入21世紀，生成式人工智能蓬勃發展，為經濟社會發展注入了強勁動能。繼2022年11月底推出文本生成式人工智能模型ChatGPT之后，美國OpenAI公司于2024年2月中旬發布文生視頻類人工智能（Text-to-VideoAgent）大模型Sora，這標志著生成式人工智能的研發和應用取得重大突破性進展。隨后，各種類型的文生視頻類人工智能模型如雨后春筍般涌現，如DeepSeek、Manus、Kling、ViduQ1、Seedance1.0、RunwayGen-3Alpha、GoogleVeo2、Pika1.0等。這些文生視頻類人工智能模型大都依托算法邏輯和深度學習優勢，快速而精準地抓取海量數據，將其分模態優化、整合并實現精準輸出，再強化其多角度鏡頭切換與動態敘事功能的自我迭代，給人們的生產生活帶來了極大的沖擊和影響。文生視頻類人工智能正通過跨地域、多主體的協同創新，持續拓展視頻創作的視覺風格邊界與人文價值范疇，顯示出廣闊的應用前景和巨大的發展潛力。然而，正如哈貝馬斯所指出的那樣，科學技術應用過程中難免與意識形態交織糾纏而“難舍難離”。文生視頻類人工智能的工具理性極度張揚乃至僭越，也必然將其視覺風格的算法滲透到政治、經濟、文化和社會等領域，在一定程度上激發其作為一種隱性意識形態的潛質，從而具有了意識形態屬性。在人工智能技術推動視覺文化產業繁榮發展的當下，承載視覺文化產品的媒體平臺已成為我國主流意識形態傳播的前沿陣地。因此，研究和探討文生視頻類人工智能對我國意識形態工作的挑戰及其應對策略，具有重大的時代價值和現實意義。

目前，學界就文生視頻類人工智能對意識形態的影響已展開了初步的探討。具體來說，現有的研究成果主要聚焦于視覺敘事維度、感官超越維度、認知異化維度，著重從文生視頻類人工智能的敘事方式、技術特征、文化認知等方面來分析其可能誘發的意識形態風險，但總體看來尚缺乏對其底層算法的深入研究。隨著視頻生成技術的進步，對文生視頻類人工智能意識形態風險的分析有必要關注其視覺風格的算法這一底層邏輯。借鑒《藝術風格的神經算法》一文對藝術風格的算法所下的定義①，筆者認為“視覺風格的算法”是指文生視頻類人工智能對任意圖像的內容與風格進行拆分、拼接和整合，依據觀眾不同的視覺化偏好進行藝術性圖像創作的一種神經網絡算法。本文將主要以Sora為例，基于視覺風格的算法邏輯分析文生視頻類人工智能意識形態風險的生成機理、客觀表征和防控路徑。

一、文生視頻類人工智能意識形態風險的生成機理

當下，文生視頻類人工智能的意識形態傳播更多是基于視覺風格的算法邏輯，主要通過敘事隱喻、技術超越、算法生產影響主體的價值觀念、感官世界、文化認知，從而誘發意識形態風險。在視覺風格的算法下，文生視頻類人工智能意識形態風險的生成邏輯主要體現為動態影像隱形傳輸特定的價值觀念、技術升維加劇感官世界的失真失序、算法生產內容侵蝕主體的認知根基。

（一）視覺化敘事：動態影像隱形傳輸特定的價值觀念

視覺化敘事憑借其直觀、沉浸的動態影像優勢，已成為數字時代塑造社會認知的核心方式。人們日益通過“觀看”動態畫面而非閱讀靜態文本來理解世界、接受信息、重構政治隱喻等。這種轉變賦予了視覺風格的算法以強大的意識形態承載與傳播功能，它不僅能高效傳遞龐雜信息，更能將特定的價值觀念、政治隱喻包裹在生動的影像敘事之中，潛移默化地影響受眾的思想與認知。文生視頻類人工智能的出現，極大地強化并革新了這一意識形態傳播機制，其核心在于實現了基于用戶畫像的視覺化敘事的定制化生產與精準投送，對傳統的大眾傳播模式構成顛覆性挑戰。

第一，視覺化敘事的意識形態滲透力：超越靜態文本的“隱形說服”。視覺化敘事的意識形態功能具有高度隱蔽性，其設計、構圖、角色設定、情節走向、符號象征等無不暗含價值判斷與立場取向，但這些元素通常融合在流暢的感官體驗里，不易被觀眾主動識別和批判。哈貝馬斯指出，“技術統治的意識同以往的一切意識形態相比較，‘意識形態性較少'”。正是因為披著“技術中立”和“視覺真實”的外衣，視覺化敘事所蘊含的意識形態才更具滲透力。觀眾在沉浸于視覺化敘事時，不僅被動接受信息，其情感與認知也更易被敘事風格的算法所牽引，主動參與到政治寓意的建構中，從而在不知不覺中接納或強化了敘事內嵌的意識形態預設。文生視頻類人工智能生成的高度逼真、時空連貫的視頻，進一步模糊了“再現”與“現實”的界限，放大了這種“隱形說服”的效果，使特定價值觀念得以更“自然而然”地融入日常生活，實現日常化、生活化、細節化的意識形態勸服。

第二，算法驅動下的“定制化意識形態投送”：瓦解大眾傳播的認知防線。文生視頻類人工智能的核心技術突破，不僅在于其強大的生成能力，更在于其與大語言模型和用戶數據分析的深度耦合。這使得文生視頻模型不僅能夠深度解讀用戶指令，精確理解用戶描述中的顯性需求和潛在偏好，還能構建精細的用戶畫像，結合用戶在平臺的歷史行為、互動數據、內容偏好等（即使指令本身并不包含），推斷其價值取向、興趣點、認知傾向甚至情緒狀態，在此基礎上動態生成“量身定制”的精美敘事。基于上述分析可知，算法會驅動模型生成高度符合用戶既有認知框架和審美價值偏好的視頻內容。例如，對同一主題（如“社會公平”），模型可能為不同用戶生成視覺敘事視角、情感基調、符號選擇迥異的視頻版本。這種基于用戶畫像的定制化敘事生產，標志著意識形態傳播從“廣播時代”（面向無差別大眾）向“窄播 + 精準注射時代”的轉變。它巧妙地繞過了傳統大眾傳播模式下受眾可能存在的集體性批判意識或“共識防線”。特定群體（如政治宣傳者、極端主義者、商業利益集團等）能夠利用此機制設計特定的文本指令，或通過操控數據輸入影響用戶畫像，誘導AI生成強化其立場、抹黑對手或推銷特定價值觀的視頻內容，并精準推送給易感人群。最新研究（如斯坦福網絡政策中心的報告）顯示，這種認知“微目標”的能力將使虛假信息、煽動性內容和特定意識形態的傳播效率倍增且更加難以防范。

第三，資本對算法敘事的操縱：全球性意識形態競爭的新場域。馬克思指出：“資本只有一種生活本能，這就是增殖自身，創造剩余價值，用自己的不變部分即生產資料吸吮盡可能多的剩余勞動。”資本的這一增殖本能，在數字時代獲得了新的表現形式。數據作為核心生產要素，其價值不僅體現于經濟層面，更深刻地嵌人社會的意識形態領域。對數據資源與算法控制權的爭奪，成為資本增殖與權力擴張的關鍵。文生視頻類人工智能，作為資本密集型和技術密集型產物，其開發與應用不可避免地受到資本邏輯和地緣政治權力的影響。一方面，主導平臺遵循“流量優先”和“用戶黏性最大化”的原則定制視覺化敘事內容，這就意味著算法會優先迎合（甚至強化）用戶的既有偏見和極端傾向（“過濾氣泡”效應在動態視頻層面加劇），服務于平臺的商業利益，遮蔽其內部的資本邏輯與潛在政治傾向。另一方面，文生視頻類人工智能的算法已不僅是工具，更成為一種融合社會權力結構、具有高度自主性的新型權力譜系，它掌握著“視覺現實定義權”和“敘事構建權”。

（二）超深度偽造：技術升維加劇感官世界的失真失序

隨著視覺數字技術的不斷躍升，人工智能的更迭演化經歷了從“一維”階段對垂直領域人類技能的機器學習到“二維”階段對人類語義的智能化與通用化整合。如今，文生視頻類人工智能的問世意味著生成式人工智能完成了“三維”階段對于物理世界的系統模擬和場景構造。正是這一關鍵性技術升維，構成了文生視頻在技術能力與社會應用兩個層面上實現了對傳統深度偽造技術（Deepfake）的根本性超越，并由此顯著加劇了感官世界的失真失序風險。

第一，技術層面的飛躍：從局部篡改到世界模擬。傳統的深度偽造技術本質上是利用AI對已有視頻或音頻素材進行局部修改（如面部替換、語音克隆等）或多片段拼接，其核心是“篡改”而非“創造”，高度依賴源素材，技術門檻高（需專業知識與特定目標數據），產出效率相對有限。這種深度偽造技術不具備真正意義上的智能性特征，歸根結底“是少數領域內專家的工具，對于公眾而言卻沒有任何使用性”。而文生視頻類人工智能的深度偽造技術突破了上述限制，生產效率大幅提升，可以說引發了新一輪的范式轉變。以Sora為例，基于擴散模型與轉換模型架構，通過海量視頻數據的自監督學習（Self-SupervisedLearning），它實現了直接學習物理世界的動態規律（如光影、材質、運動、簡單物理交互），其核心能力在于從零生成符合物理直覺、時空立體、意識連續的動態場景。用戶無需提供原始素材或掌握復雜工具，僅需自然語言描述即可生成高度逼真、內容全新的視頻。這種“世界建模”（WorldModeling）能力，標志著AI已經深度介人現實感知維度。

第二，應用層面的顛覆：從精英工具到“全民生成”。深度偽造的高技術門檻天然地限制了其內容的生產和流通規模，使其風險相對可控，而文生視頻類人工智能則實現了前所未有的技術下放，全民皆可參與使得風險難以防控。它將強大的視頻生成能力轉化為近乎“公共產品”級別的工具，徹底打破了視頻創作的技術壁壘。其直觀的交互方式（文本輸人）和快速的生成速度，預示著“全民生成時代”的到來。數量龐大、背景各異的用戶，在各類描述性指令驅動下，能夠指數級地生產超越深度偽造質量的虛構影像。

第三，失真失序：感官世界的“認知風暴”。技術的飛躍（高度逼真）與應用的普及（海量生成）共同作用，使得基于文生視頻的有害或誤導性內容（如虛假新聞、政治抹黑、社會恐慌、認知操控等）的潛在影響力被急劇放大，成為影響公眾認知的“超級放大器”。這種技術升維，在一定程度上加劇了感官世界的失真失序。例如，對于社交媒體上習慣于快速瀏覽、缺乏專業鑒別能力的普通用戶而言，視覺風格優美的、精致的、科技感強的AI生成視頻會輕而易舉地擊破用戶的心理防線。MIT等機構的最新研究表明，人類對AI生成視頻的辨別能力普遍不足，尤其在信息過載和情緒化語境下。當虛假信息披上“眼見為實”的動態影像外衣時，其欺騙性和說服力遠超圖文或傳統的篡改視頻，會嚴重挑戰公眾對視覺證據的信任基礎，導致共享的感官現實（SensoryReality）被系統性侵蝕，陷入失真失序狀態。

（三）多重性遮蔽：算法生產內容侵蝕主體的認知根基

文生視頻類人工智能強大的內容生成能力，使其在提供前所未有的視覺風格產品，為廣大用戶創造便利的同時，也潛藏著對主體認知根基的系統性侵蝕風險。文生視頻類人工智能通過特定的運作機制，對構成批判性認知的關鍵維度施加了“遮蔽”效應，使文化符號脫離其歷史土壤、受眾的價值反思意識被麻痹、用戶的文化解釋權被剝奪，從而為特定意識形態的無阻力滲透鋪平了道路。

第一，歷史深度的遮蔽：符號抽離與“無根審美”的泛濫。文生視頻類人工智能生成內容的核心邏輯是依據海量數據中的統計關聯和視覺模式進行合成，它擅長捕捉符號（如特定服飾、建筑風格、儀式場景等）的表象特征并加以組合，卻天然缺乏對符號背后具體歷史情境、社會矛盾與文化演進脈絡的理解。如，Sora模型生成的“傳統文化”、“歷史場景”或“民族元素”，本質上是去歷史化、去語境化的視覺拼貼。它將承載著豐富歷史信息、斗爭記憶和集體經驗的符號，從其賴以生存的具體歷史土壤中抽離出來，轉化為純粹的、可供消費的“視覺奇觀”或“美學元素”。這種處理方式，使得文化在模型輸出中淪為一種“無根源的審美對象”。觀眾看到的可能是華麗精致的“古風”畫面，卻無從感知其中蘊含的真實歷史張力、社會變遷軌跡或審美認知的深層根基。在此情境下，歷史維度被悄然抹平，文化符號失去了其作為歷史見證者和意義載體的批判性力量，僅剩下可供觀賞和消費的空洞形式。

第二，價值批判的遮蔽：“和諧”幻象對反思的抑制。為了追求視覺上的松弛感、飽和度、畫面張力和吸引力，文生視頻模型在生成內容時，其底層算法往往傾向于規避尖銳沖突、復雜矛盾或令人不適的真實場景，更偏好生成畫面和諧、構圖優美、情緒正向或符合主流“審美安全區”的內容。這種對“和諧”與“華美”的系統性偏好，形成了一種強大的視覺風格體驗濾鏡。當模型被用于描繪社會現象、歷史事件或現實議題時，其輸出極易消解或柔化其中蘊含的權力結構、社會不公、歷史傷痛等批判性維度。例如，Sora在生成關于西方“貧富差距”的視頻時，算法可能更傾向于展示具有“戲劇張力”但缺乏真實刺痛感的對比畫面，或最終導向一個模糊化的、“充滿希望”的調和性結尾。這種視覺上的“美化”或“平滑化”處理，實質上抑制了受眾進行價值反思和政治批判的沖動。沉浸在流暢、悅目的影像中，觀眾容易滿足于表面的感官體驗，而鈍化了對影像背后可能存在的壓迫性結構、意識形態操控或歷史不義的警覺與追問，批判性思維的空間被視覺的舒適感所擠壓。

第三，主體性的遮蔽：算法賦義剝奪文化解釋權。文生視頻類人工智能的運作，高度依賴于其訓練數據中蘊含的潛在意義關聯和視覺風格算法的演繹。當用戶輸入一個指令，如“生成一個代表自由的視頻”時，模型并非基于對“自由”哲學內涵的深刻理解，而是依據其數據集中“自由”一詞最常關聯的視覺符號組合（如飛翔的鳥、飄揚的旗幟、空曠的原野等）來生成畫面。用戶在這一過程中，看似是內容生成的發起者，實則在很大程度上被動接受了由算法預先定義和篩選的符號意義體系。模型決定了哪些視覺元素能代表某個概念，以及這些元素如何被組合、呈現，用戶文化解釋的主動權和多樣性被算法悄然接管。長此以往，用戶對文化符號的理解和詮釋將越來越依賴于算法提供的、經過高度簡化和模式化的視覺模板，個體基于自身經驗、知識背景和批判立場進行獨立解讀，賦予符號個性化或反叛性意義的能力被削弱甚至剝奪。文化意義的生成與流通越來越被禁錮在算法劃定的框架內，用戶最終淪為算法定義的文化意義的被動接受者。

二、文生視頻類人工智能意識形態風險的客觀表征

在視覺風格的算法邏輯下，文生視頻類人工智能的運用更容易讓人感到“快樂”，進而會間接地影響甚至重塑主體的感覺、情感和認知。因此，文生視頻類人工智能誘發的意識形態風險具有極強的隱蔽性，具體來說主要有：信息失真和群體極化誘發意識形態認知風險、“偏見再生產”和“算法黑箱”誘發意識形態操縱風險、認知異化和文化認同弱化誘發意識形態安全風險。

（一）信息失真和群體極化，誘發意識形態認知風險

視覺風格的算法驅動的文生視頻類人工智能所擁有的“世界建模”能力，標志著AI對物理世界和人類社會的動態模擬達到了前所未有的逼真度。然而，這種強大的生成能力本質上是對現實的虛擬重構而非客觀記錄。其產出的影像，無論多么栩栩如生，描繪的都是從未真實發生的事件或現象。在視覺信息業已成為傳播與認知重要載體的當下，此類高度擬真但本質上虛假的動態影像，其辨識難度遠超傳統的深度偽造，構成“后真相時代”信息生態的一大威脅。技術門檻的斷崖式降低必然導致海量良莠不齊、真偽莫辨的文生視頻內容充斥信息渠道，使得系統性信息失真成為常態。這種失真并非簡單的錯誤，而是與特定的意識形態意圖交織，并通過算法推薦機制催化群體極化效應，最終誘發深刻的意識形態認知風險。

一方面，視覺失真扭曲主體認知。文生視頻類人工智能所產出的高質量影像，憑借其精確模擬光影、材質、運動及簡單物理交互的能力，創造出具有高度感官說服力的“超真實”（Hyperreal）幻象。其鮮活的色彩、逼真的場景與人物表現，不僅在信息豐度上遠超文字，更是直接激發強烈的情感共鳴，賦予虛假信息前所未有的“可信度溢價”。當這種能力被用于蓄意制造包含不實信息、捏造事件或惡意敘事（如歪曲歷史事件、虛構社會沖突、抹黑特定制度等）的視頻時，其迷惑性和危害性將被急劇放大。蓄意者通過精心設計的文本指令即可生成極具欺騙性的視覺“證據”，從而扭曲人們的認知。這些經過“感覺強化”的虛假或有害信息，會通過社交媒體等平臺大規模、持續性地涌人公眾視野。長期浸潤于此，人們的價值判斷基準將被沖擊，對社會真實狀況的信任將被瓦解，最終將導致政府公信力遭受系統性損害。“真相”與“虛構”的界限在高度擬真的視覺洪流中變得模糊不清，認知的根基發生動搖。

另一方面，感覺失真催生極化漩渦。上述真假混雜、極具感官沖擊力的文生視頻內容，因其戲劇性和情緒煽動性，極易在社交平臺上獲得病毒式傳播。而平臺算法推薦機制（基于用戶畫像的個性化推送）在此過程中會進一步加劇意識形態認知風險，造成群體極化。視覺風格的算法推薦會敏銳地捕捉用戶對某類（即使是虛假或極端的）視頻的任何關注信號，如短暫停留、點贊、分享，隨即在短期內進行高強度、定向化的同類內容推送，迅速將用戶裹挾進特定的信息繭房。在此基礎上，視覺風格的算法構建的封閉信息環境會使用戶不斷接觸強化其既有偏見或預設立場的內容，包括大量AI生成的定制化視覺“證據”，使得圈層內部的觀點高度同質化、情感不斷激化，對外部的不同觀點產生強烈的敵意與排斥，從而催生堅固的“認知部落”。這種算法推薦強化了的群體極化效應，將導致輿論場域極端化、對立化趨勢加劇，壓縮理性對話空間，甚至可能誘發線下群體沖突。

（二）“偏見再生產”和“算法黑箱”，誘發意識形態操縱風險

文生視頻類人工智能在重塑信息生產與傳播格局的同時，其內在的技術邏輯與運作機制為錯誤社會思潮提供了隱蔽的滲透通道。這種風險并非源于公開的對抗，而是通過模型訓練數據的“先天烙印”、用戶交互的“誘導性設計”以及“算法黑箱”的掩護，將特定意識形態無聲地編織進生成的視覺內容，在用戶看似自主的“客制化”體驗中實現深層次的認知引導與價值形塑。

首先，感官數據訓練主導內容的“偏見再生產”。文生視頻類人工智能的“感官數據”源于海量大數據和多模態深度學習，而這些數據本身并非是中性的，它天然攜帶了來源地的文化偏見、社會刻板印象、政治立場甚至意識形態傾向。這些“感官數據”在模型訓練過程中被無差別吸收并固化，與此同時，數據清洗與篩選規則主要由技術公司設定，缺乏多元價值視角的深度參與和有效制衡。對“質量”的判斷往往側重于技術指標（如清晰度、豐富度等），而忽略或低估其隱含的價值負載和意識形態風險。如此一來，當用戶輸入一個看似中立的指令時，模型并非基于科學真理生成內容，而是依據其訓練數據中該指令最常關聯的、帶有特定意識形態色彩的視覺風格模式進行輸出。例如，它可能更傾向于生成符合主流敘事框架的內容場景，或強化特定文化背景下的刻板印象。這種基于統計關聯的“偏見再生產”，使得生成的視覺內容成為錯誤信息的“自動化傳播載體”，觀眾在接收信息時，其認知框架已在不知不覺中被預設的價值立場所滲透。

其次，“客制化”幻象衍生“算法黑箱”。文生視頻類人工智能的直觀文本輸入界面，營造出一種用戶完全掌控內容生成的“客制化”幻象。這種交互設計的易用性，恰恰是其潛移默化地操縱意識形態的關鍵。當用戶沉浸在“所想即所得”的體驗中時，其警惕性將顯著降低，容易將視覺風格的算法生成的結果視為自身意志的直接延伸，而非一個經過復雜計算過程的產物。行為學研究表明，這種“控制錯覺”會顯著提升用戶對生成內容的信任度和接受度。而文生視頻模型（尤其是基于擴散模型和轉換模型的復雜系統）的內部決策機制又具有高度的不透明性和不可解釋性。用戶無法準確追蹤一個視頻片段為何被賦予特定的符號意義、為何選擇某種敘事視角、為何回避某些歷史關聯。這一“客制化”幻象所衍生的“算法黑箱”，為隱蔽的意識形態操縱提供了完美的掩護。而掌握了核心技術、海量數據和分發渠道的大型科技資本，在“算法黑箱”的掩護下，其“技術權力”將超越工具層面，成為一種新型的、具有自主性的社會政治力量。

（三）認知異化和文化認同弱化，誘發意識形態安全風險

文生視頻類人工智能通過歷史深度遮蔽、價值批判遮蔽和主體性遮蔽三重機制，將有可能系統性地消解主體的認知結構，最終弱化群體的文化認同，從而誘發深層次的意識形態安全風險。這種風險不再局限于表層的信息失真或思潮滲透，而是直指文化認同的核心建構過程。當歷史維度被抹平、批判意識被麻痹、解釋主權被剝奪時，主流意識形態賴以生存的文化土壤便面臨根基性侵蝕。較之傳統風險，此類威脅更具隱蔽性、根源性及代際傳遞性。

第一，符號能指與歷史所指的斷裂。文生視頻類模型對歷史維度的消解，本質上是通過符號能指與歷史所指的割裂實現的。其技術邏輯依賴數據集的統計關聯性而非歷史因果性，導致生成內容呈現出三重異化。首先，歷史語境被系統性剝離。文生視頻模型通過海量數據訓練捕捉視覺符號的表征模式，卻無法理解符號背后的歷史實踐內涵。以Sora為例，當輸入“中國傳統家庭”指令時，模型會高頻生成四合院、燈籠、團圓飯等符號，但剝離了宗法制度、倫理秩序、家族變遷等歷史實踐維度，使文化符號淪為空洞的審美元素。這種去語境化操作，切斷了符號與具體歷史矛盾的聯系，使文化記憶被壓縮為扁平的視覺標簽。其次，歷史矛盾被算法化抹除。為追求畫面和諧與傳播效率，文生視頻模型的視覺風格算法往往會主動過濾沖突性的歷史場景。例如，2024年EUAIOffce測試顯示，在Sora中輸入“殖民歷史”指令時， 83% 的生成視頻展現建筑融合、技術傳播等“進步敘事”，而殖民掠奪、文化壓迫等本質矛盾僅占 7% 的呈現比例。歷史由此被重構為去沖突化的風格演變史，消解了歷史唯物主義的斗爭維度。再次，集體記憶存在置換風險。當用戶輸入“20世紀中國鄉村”時，西方主導模型基于LAION-5B數據集關聯生成破敗草房、饑餓兒童等刻板畫面，而同期水利建設、掃盲運動等積極實踐被系統性忽略。這種經由數據偏見實現的歷史重構，本質上是通過技術霸權實施的文化記憶殖民。綜上所述，三重遮蔽合力催生出的歷史虛無主義思潮將使得歷史與特定符號割裂開來。當年輕群體通過文生視頻獲取的“歷史”由碎片化符號和去矛盾敘事構成時，代際文化傳承便失去了時間縱深感。

第二，認知異化麻痹文化的反思意識。文生視頻類人工智能通過技術美學建構視覺烏托邦，在視覺體驗替代理性反思的機制中實現了對文化批判意識的消解。一方面，文生視頻模型訓練數據多源于商業圖庫與影視作品，其視覺風格的算法偏好天然傾向“構圖和諧”“情緒正向”的內容。清華大學的相關研究顯示，輸入“城市發展”指令時，Sora生成的內容中摩天大樓（ 72% ）、霓虹夜景（ 68% ）等現代化符號占比顯著高于棚戶區（ 5% ）、農民工（ 3% ）等社會代價表征。③這種系統性可視化過濾，實質是將復雜的社會發展進程簡化為技術樂觀主義的進步神話，遮蔽了發展中的階層分化、資源沖突和文化差異。另一方面，文生視頻模型訓練數據即使涉及底層議題，模型亦通過柔光濾鏡、唯美構圖實現現實刺痛感的轉化，造成文化反思意識的麻痹。如生成“工廠工人”時，高頻出現微笑工匠、金色晨曦中的勞作等浪漫化場景，真實的職業傷害、異化勞動被轉化為消費主義懷舊符號。這種審美升華機制（AestheticSublimation）剝奪了受眾的共情憤怒，瓦解了社會批判的感官基礎，侵蝕了文化的反思意識。如此一來，批判意識將在文生視頻模型所營造的“和諧幻象”中遭到雙重瓦解，技術美學在感性層面通過視覺愉悅抑制文化的反思沖動，在理性層面通過技術主義敘事替代制度批判，最終導致文化反思的無意識化。

第三，算法賦義剝奪文化的解釋權。文生視頻類人工智能通過預設符號意義體系，在人機交互的偽互動性中完成文化解釋權的轉移。例如，當用戶輸入“自由”指令時，Sora依據OpenAI數據庫的統計關聯，將 78% 的結果綁定為“曠野獨行”“沖破牢籠”等個人主義意象，而“集體協商”“制度保障”等共同體維度僅占 12% 。③這種硬編碼的價值預設，實則是將特定文明的經驗普遍化為人類共同價值，構成文化解釋的算法霸權。相關研究也表明，長期使用文生視頻會使用戶在描述文化概念時直接調用模型生成過的視覺符號，獨立的抽象思考能力將顯著退化。用戶從文化意義的創造者降格為算法模板的復述者，主體性在技術依賴中持續消解。有學者指出，“當人類將意義闡釋權讓渡給算法，文明便陷入存在論危機”①。文明層面的終極風險在于，將文化認同從基于歷史實踐的集體記憶退化為基于算法即時生成的視覺快感。當意義生產權讓渡于模型時，意識形態安全的核心防線便從認知對抗潰散至存在論層面。

三、文生視頻類人工智能意識形態風險的防控路徑

美國學者梅斯特羅維奇曾提出“后情感”理論，認為情感不是人發源于內心的本真的、自由的、向往美好生活的“真”“善”“美”的情感，而是發達工業社會中一種替代的、虛擬的、合成的、可操縱的情感。受視覺風格算法的影響，人們對主流意識形態的認同容易陷入“一種替代的、虛擬的、合成的、可操縱的”情境。為此，需要加強敘事主體建設、規范視覺內容生產、強化算法技術賦能，正確認知和有效防控文生視頻類人工智能誘發的意識形態風險。

（一）加強敘事主體建設，著力提升敘事能力

在多元思想各行其道的當下，人們在認知操縱與群體極化中極易造成情感泛化，從而喪失理性思維。面對文生視頻類人工智能可能誘發的意識形態風險，必須通過加強視覺化敘事主體建設，提升視覺化敘事能力，同時注重對受眾群體的培養，從而提高主流意識形態的傳播力與影響力。

第一，加強視覺化敘事主體的隊伍建設。在娛樂主義、消費主義裹挾視覺化敘事與傳播的當下，主流意識形態宣傳工作亟需建立起一支具備高度政治定力與政治覺悟的敘事主體隊伍。一方面，在接收與消費視覺風格的文化產品時，首先應自覺分辨并規避其中摻雜的虛假元素與錯誤思潮。另一方面，應積極關注視覺文化產品傳播過程中的意識形態誤區，發揮主流意識形態的視覺化敘事表意功能，準確把握當下視覺文化發展的趨勢并熟練掌握新媒體操作技術，從而利用不同的媒介形式對主流意識形態展開視覺化敘事宣傳。

第二，著力提升視覺化敘事能力。隨著泛娛樂化現象在文生視頻技術的助推下不斷融人人們的日常生活，文生視頻類人工智能的意識形態傳播想要突破信息繭房與圈層固化的困境，就應積極轉變觀念，在堅持主流價值觀念的同時優化內容呈現方式。要通過將主流意識形態話語與視覺化敘事相結合的方式，將蘊含主流價值觀念的視頻內容同當下人們的利益訴求和現實環境相契合，積極展開思想與情感上的平等交流對話。與此同時，還要及時關注并積極引導各圈層領域用戶群體的情感走向，利用視覺化敘事疏解不良情緒，充分發揮主流意識形態視覺化敘事的正向力量。值得注意的是，在這一過程中，要避免將主流意識形態以說教的形式套路化、空洞化地灌輸給受眾群體，應嘗試采取更加通俗易懂、更加具有親和力的呈現方式將主流意識形態傳遞出去。在敘事手法上，要充分利用視覺化敘事多元化的視角和表現形式，兼顧趣味性與嚴肅性，積極引導視覺化敘事的娛樂化方向，同時充分彰顯主流意識形態的價值引領作用，實現價值與宣傳的有機統一，從而提升主流意識形態的吸引力。

第三，培養視覺化敘事受眾群體的判別能力和理性思維。視覺化敘事受眾自身必須具備較高的媒介素養與理性的批判思維，如此方能有效地抵御不良信息與錯誤思潮對主體認知的扭曲與操縱。一方面，應增強受眾自身對視覺文化產品的篩選與甄別能力，使其盡量不去主動接觸媒介環境中低俗糟粕的影視產品，從而規避算法推薦下海量不良信息與虛假內容對于主體認知的“狂轟濫炸”。另一方面，要培養受眾自身的理性思維，使其在接觸到真假參半或帶有錯誤思想傾向的影視作品時，能夠以批判性的思維考量其背后的錯誤價值導向，并理性地同他人進行話題討論，從而有效地維護媒體場域下理性平和的社交氛圍。

（二）規范視覺內容生產，構筑高效管理平臺

馬克思指出，技術“只是人類文化中的一個元素，它起的作用的好壞，取決于社會集團對其利用的好壞。機器本身不提出任何要求，也不保證做到什么。提出要求和保證做到什么，這是人類的精神任務”。隨著文生視頻技術的不斷更新迭代，智能生成影像中所摻雜的虛假元素以及錯誤思潮更具隱蔽性和迷惑性。面對文生視頻類人工智能日新月異的發展態勢，對倫理與責任的審視與考量尤為重要。應建立高效嚴密的內容過濾體系與監管審核機制，完善規范視覺內容生產的相關法律法規

第一，優化內容過濾與審核機制。為了有效避免文生視頻類人工智能創造出低俗、低質、低劣的內容，媒體平臺應設定嚴密的過濾條款，并與層層分級的內容審核配套實施。在內容過濾上，對于限制級內容應直接通過系統嗅探予以限制，禁止生成涉及暴力、色情或仇恨的內容，禁止盜用現實人物的肖像進行內容創作。與此同時，對文生視頻類人工智能的內容應貼上數據標簽，可供后續溯源中查詢視頻的元數據信息。此外，還應培養觀眾辨別視覺風格的算法下內容生產優劣的能力。在內容審核過程中，平臺可根據話題角度的不同逐級劃分門類，并依照各自門類的特點采取針對性的審核標準。例如，針對傳播量大、關注度高的視頻內容，要采取純人工審核。而對于非敏感性題材的日常普通視頻，可采取人工與技術相結合的方式，進行全天候的系統抽樣審核。在此過程中，主管部門應加快建立專門針對視頻內容“生產－審核一傳播一監管”各環節的相關法律法規，確保審核機制有法可依，提升視頻信息的監管效果。

第二，加大平臺監管力度，落實責任制。對于文生視頻類人工智能的內容生成定性難、取證難和執法難等問題，應建立長效監管責任機制，形成事前－事中－事后的全鏈條監督流程。在智能化影像生產前，媒體平臺應引入實名認證機制，通過多種方式來驗證用戶身份，包括手機號碼驗證、實名認證和人臉識別等，進一步提高身份驗證的準確性和安全性。通過加強用戶身份驗證，平臺可以配合內容審核進行精準問責，從而有效減少違規內容的生產與傳播。在傳播過程中，監管平臺應建立健全“持證”準入制度和“黑名單”制度，對內容創作者提供相對寬松的準入機制，同時采取各種措施對平臺上的內容進行定期、定量和多方位的抽查，一旦追責將被平臺打人黑名單，對情節嚴重者還應依規依法給予相應處罰。與此同時，應建立舉報和投訴的獎勵機制，動員平臺用戶共同監督平臺的內容生產和傳播，對那些受利益驅使、妄圖利用文生視頻從事危及意識形態安全的不法分子加以嚴厲懲處。

第三，完善相關行業領域的法律法規，建立約束機制。目前，對于文生視頻類人工智能的內容生產尚缺乏全面性、長期性和針對性的專門法律法規。為此，有必要加速推動相關行業領域法律法規的制定和完善，為平臺的審核與監管提供明確的依據，也使用戶明確知曉影像生成技術的使用邊界。一方面，針對相關技術領域的開發者，從事內容創作的媒體組織與個人，要分別建立相應的約束機制，以規范其技術活動與創作行為，確保從源頭規避各類由文生視頻引發的社會問題。另一方面，對于生成式影像內容及其二次創作傳播過程中的突出問題，要結合具體案情細化法律法規的條款說明，提升相關立法在內容生產、平臺管理與大眾傳播各環節的覆蓋率以及具體實施過程中的合理性，尤其需要對有組織、成規模的智能影像創作團隊背后的資本進行重點關注，提高對失范行為的事前威慢力度和事后打擊力度。

（三）強化算法技術賦能，營造良好媒介生態

習近平總書記指出：“要加強人工智能同保障和改善民生的結合，從保障和改善民生、為人民創造美好生活的需要出發，推動人工智能在人們日常工作、學習、生活中的深度運用，創造更加智能的工作方式和生活方式。”對于文生視頻類人工智能技術，要將深度運用和風險防范相結合。應該強化算法技術賦能，以技術手段對抗技術帶來的風險。

第一，加強對算法的優化與規訓。文生視頻類人工智能的問世必將掀起新一輪智能影像生成大模型的競爭浪潮，在大力發展新質生產力的當下，我國自主研發的文生視頻模型也正在陸續推出。因此，要對此類大模型的智能算法進行優化，從開發代碼、數據喂養等階段對算法的規則進行系統性完善，將正確政治導向與主流價值觀念嵌入算法的初始設計中，充分重視生成式算法技術的倫理向度，克服其在文本指令的要求下倫理缺位的技術缺陷，使其成為主流價值觀的重要載體，從而最大化地發揮算法技術的正向功能。

第二，優化主流意識形態視覺敘事的推送策略。算法推薦會迎合用戶的價值取向，不斷推送同質化的視頻信息，從而使用戶陷入信息繭房，導致認知閉塞和信息獲取的片面性，進而加劇圈層效應。為此，應引入大數據嗅探與算法抓取技術，對不同圈層的輿論風向進行實時監控與分析，并針對不同的話題社群增加主流意識形態優質內容的推送頻率，向用戶投送針對性的視頻內容，以阻止謠言的擴散，紓解不滿的情緒。要利用智能算法技術整合碎片數據，制定更具針對性的推送策略，從而糾正算法技術可能帶來的認知偏差，擴展用戶的認知視野。

第三，善用文生視頻技術營造良好的媒介生態。在不久的未來，人機協同的創作模式下推出的海量生成式智能影像必將推動多元化視覺文化產業的繁榮發展。因此，主流意識形態宣傳隊伍需要積極接入并善用生成式人工智能模型，建構起內容創作一平臺投送一生態維護的智能化傳播格局，為用戶多樣化的視覺信息來源注人充滿生機和活力的主流敘事，從而在供給側矯正用戶的認知偏差，有效引導輿論走向，維護好主流意識形態視覺文化市場的生態環境。

作者簡介：向繼友，安徽大學馬克思主義學院副教授，北京大學訪問學者，安徽合肥，230601。

（責任編輯 劉龍伏）