AI新聞台的「第一性原則」

古希臘哲學家阿里士多德提出「第一性原則」（First Principle Thinking），即從系統中最基本的命題或原理出發，進行邏輯推理，以打破知識的壁壘，回歸事物的本源，尋找本質性的答案。用通俗一點說，就是放棄所有既定的假設和傳統的做法，從根本事實重新思考問題。

「第一性原則」這個哲學原理，被馬斯克發揚光大，得到廣泛的重視。但我們在日常思考中，如想尋求創新方法，很多時會用上類近的思考方式，我過去叫它做「還原基本步」。

這裡有一個小經驗可以分享。2005年，我在一個報業集團內設計一個新產品，想和當時非常火熱的《蘋果日報》競爭。《蘋果日報》用巨大的資本打造美輪美奐的報紙，高峰期光是娛樂版也有80版，豐富多彩，最高銷量大約20多萬份。

我們就思考，廣告客戶落廣告，主要是想針對數量較多的優質客戶群，真是要這樣不惜工本地用天量人手去堆疊內容嗎？有沒有其他方法呢？

結果我們決定用免費報紙去攻堅。《蘋果日報》賣20多萬份，我們計劃印80萬份，然後找調查公司做讀者調查，測算《蘋果日報》在每一個區的讀者構成，發現不同區域的《蘋果》高收入讀者群比例不同。我們就完全按蘋果的高收入讀者群的分佈比例，在18區的私人屋邨派發免費報紙，蘋果高收入讀者多的地區我們派多一點，少的我們派少一點。

結果非常成功，我們的免費報紙的高收入讀者人數是《蘋果》的150%。廣告客戶看著我們的讀者調查數字，也不能不信服，我們的確覆蓋了比《蘋果》更高更多的優質讀者，結果大量搶走《蘋果》的廣告。

時光流轉，到馬斯克做火箭的時候，他用「第一性原則」去思考商業模式就更加精彩了。馬斯克問的問題並不是「如何做更便宜的火箭」，而是「如何讓人類成為多星球物種，可以移民火星」，這决定了所有思考的底層邏輯。

我們可以分4層來拆解他的思考方式：

第一層、物理極限（還原問題的本質）

要移民火星就要將大量的人和物料運去外太空，傳統火箭太貴，因為當時典型火箭只能夠一次性使用。馬斯克就問物理學的終極答案：做火箭的物料究竟有多貴呢？結果發現將所有鋁合金、碳纖維等全部加起來，成本只佔火箭售價的2%，證明其餘98%是各種一次性的壟斷溢價。

在從零開始，推到軌道運輸的物理成本底線，就是：做火箭的材料折舊+燃料成本。既然飛機可以重複使用，火箭為什麼不可以重複使用呢？如果可以重複的話，材料折舊成本就會大量縮減。所以他第一步就將火箭還原為「可回收的飛行器」。

第二層，工程重構（推翻隱含假設）

傳統認為回收火箭會犧牲運力，但馬斯克用「第一性原則」追問：犧牲部分運力和成本暴增哪個更加致命？答案當然是成本了。於是他放棄最大化運力的思路，轉向最低成本加足夠運力，用27台小型引擎並聯，做出「獵鷹9號」火箭，代替昂貴的大型火箭引擎。

獵鷹9號的並聯引擎即使有幾台失效，最後仍然可以完成任務，這就是用冗餘的低成本設計，去取代極高可靠性的極品零件的高成本模式。

第三層、供應鏈降維（垂直整合）

傳統上美國太空總署和軍方供應商，單是買一個閥門都要幾十萬美元。馬斯克計算後，直接自建工廠生產70%以上的零件，就可以節省大量金錢。比如火箭的整流罩外部報價600萬美元，自造只需要200萬美元。這一步是將採購還原為自造。

第四層、規模效應（終極目標）

要登陸火星的星艦設計就更加極端，是用不鏽鋼代替昂貴的碳纖維，因為不鏽鋼低溫之後強度反而增加，焊接成本便宜。乍看用不鏽鋼是一種倒退，但按「第一性原則」計算單位質量到軌成本，用不鏽鋼單次發射成本降至200萬美元，運力卻是航天飛機的10倍。只有降到這個量級，才能支持每日發射星艦，達到大量移民火星的最終目標。

馬斯克的思考方式從來不問「可不可做到」，只問「物理上是否容許」。如果物理上是容許的，剩下就是時間和錢的問題。

這展示了一個殘酷的現實：絕大多數的行業慣性都是歷史慣性，而不是物理規律，等如有很多浪費。

國家推動「互聯網+」經濟戰略，各行各行都在思考發展Al行業模型。我們構思做一個24小時AI新聞台，也要打破行業慣性。如果用「第一性原則」思考AI新聞台，有幾個過程：

第一，還原新聞本質（物理極限）

傳統新聞台預設自己是內容生產者加播出管道，但如果按「第一性原則」去追問，觀眾真正要的是什麼呢？並不是24小時有人說話，而是在最短時間之內，用最簡單的方式，獲取最可靠的訊息，以輔助各種決策。

所以新聞台的物理底線是：事實+時效+可信度+公共責任，其他一切，包括新聞主播的妝容、片頭的音樂、記者在現場做一個「扒」告訴大家他在那裡、大量播出的背後人員，都是歷史慣性，或傳統技術局限的產物，並非觀眾對新聞需求的本質。

第二，推翻隱含假設（那些「必須」其實不必須）

傳統新聞界認為有很多「必須」，例如：A）必須有人類記者寫稿，但這個思維是錯的，這個行動本質是從信源到文本的轉化，AI不但在結構化數據上寫文章更快更準，在還有很多二手內容改寫（例如國際新聞、大陸新聞）都更精準；

B）必須有人類主播，這個假設也是錯的，主播的本質是資訊的口語化呈現，數字人主播同樣可以呈現。至於外貌，你要數字人有多好看，就可以有多好看；

C）必須有人類編輯全面把關，這個問題比較棘手，但本質首要是對内容的可信度校驗，可以拆解為交叉信源比對、來源的歷史信譽評分，再加可快速闢謠的算法，人類編輯只介入10%最難判斷的灰色地帶。另外對公共責任的價值判斷，也適宜由人類最後把關。

所以做AI電視台，不是問AI能做什麼，而是問如果今天從零開始創辦一個新聞台，沒有任何歷史包袱，它最精簡的形態是什麼？答案是一個新聞原材料供應鏈（事實API），加一個新聞質檢系統（可信度引擎），再加一個自然語言介面（使用者聽得懂的表述方式）。把握這3個方向，就可以繞過傳統電視新聞台的模式，做出全新的AI新聞台。這個AI新聞台由人類作最後的價值把關，並由尖端的人類工作者作深度報導，發掘有創意的獨特內容。

我們研發新聞業的AI行業模型，是一種行業的嘗試，其實各行各業都要運用「第一性原則」，重新思考整個行業的生產流程，研究是否可用更加少的成本，最後做出遠比現在強大的產品。

盧永雄

AI時代已經到來。這是自1769年英國人瓦特成功改造第一部新型鈕科門蒸汽機之後，另一個巨大的生產力革命，現在正如海嘯般湧到。

我兩年前在蘇州出席一個新聞業研討會時，提出一個大膽假設：「10年之內，90%的人類傳媒工作者的現有工作，將被AI取代。」當時很多人不同意我的意見，認為AI並不可靠，工作時有錯漏。但是我當時的真正想法更激進，AI時代正在到來，最終可能是「一人媒體」，AI不只取代90%人類現有的工作，是可以取代99%人類現有的工作。

《巴士的報》近年潛心研發AI在新聞業的應用，最近終於手搓一個小作業出來——「巴士的24小時AI新聞台」，近日啟播。這個AI新聞台絕大部分工序是AI自動製作生成，當然大家會比較注意到的是「年青貌美」的台前主播，但在主播背後連續不斷播報的新聞，有大量的製作和播出工序，我們基本上已實現全流程自動化。

巴士的AI TV的連結：https://www.bastillepost.com/hongkong/article/16450062

這個「巴士的AI新聞台」小作業還有很多瑕疵，仍在不斷改進，難免受到這樣那樣的批評。不過在戴完頭盔之後，還要告訴大家，我自己過去也想像不到，可以這麼快就做出一個24小時AI新聞台。我們已把90%工序AI自動化，原來預想10年後AI可取代90%人類工作者現有工作，結果兩年就發生了！

這種大變的背後，帶來幾方面的思考：

第一，大量節省人手

要做一個24小時視頻新聞台，本來涉及巨量的人手。我30多年前在亞視新聞部工作，當時即使只是播出一日幾次的早午晚深夜的新聞節目，也涉及數以百計的人手，超過1億元的年支出。30年前的1億，以現今的物價水平，至少要2.5億，而且還不是一個24小時新聞台。

在AI出現前，如果有人請我做顧問，說要搞一個24小時新聞台，問我需要多少人手? 我會說，如果完全沒有新聞「湯底」，要預400、500人；如果有非電視的新聞「湯底」(例如做新聞網的《巴士的報》)，估計要100人；如果是一個現有的電視台，有電視新聞「湯底」，估計也要50人。

以我們自己來算，原本要100人的工作，現在可以減少90%以上人手。AI的發展大量減省人手，傳媒機構可以削減員工，或保留同樣數量的員工，做更加高階的工作。

Al除了「替代」，更重要是可以「賦能」，釋放的人力可做創新產品、獨家採訪、評論分析、深度調查、人機互動等。懂得用Al，人類工作者可以變得很高能。

第二，長期研發成果

我一年前跟一個做大語言模型(LLM)的高層聊起，他說他們3年的研發，遇上市面一個新的大模型推出後，做到的事情比他們更強，他們的3年研發就完全打水漂了。

我對這個說法深有感受。我們一早感覺到AI的時代快將到來，所以在網站創立初期，已經決定將所有修改稿件的數據完全保留下來，讓將來可以訓練AI，學習我們寫作或改稿的風格。大約10年前，我們也委託了一間香港的創科公司，請他們為我們研發AI寫作機械人，當時要求甚至簡單到只是改稿，即是負責編輯修改記者文字稿的功能。但可惜我們當時並沒有遇上梁文鋒，百萬投入完全打了水漂，出來的產品不符合要求。

但我們還是不斷嘗試，到了2022年OpenAI的ChatGPT大模型出來之後，我們發覺AI的時代終於到來。到去年1月DeepSeek面世，有國產的開源大模型出現，更加強了我們的信心。有了這些大模型的基礎，就等於解決了過半的難題。

第三，發展行業模型

在AI的時代，大家都看到大語言模型的重要，但真是落實到應用方面，其中一個重要方向是發展「行業模型」，這就是內地所講的「人工智能+」的戰略。各行各業都要研發自己行業的AI應用，藉此大力提升生產力。我們一直都有做IT技術服務公司，有自己的團隊。2022年開始部署全面轉型，當時接觸某內地科技巨頭，他們有自己的大語言模型，但不向外公佈，即不做To C，只做To B的生意，對接不同的行業的AI自動化。但他們要求合作方有巨額的金錢投入，結果我們決定自行研發，因為我們對自己的行業了解得更多。

要研發一個新聞業的行業模型，可以適配網站、報章、電台、電視台，甚至創新形態媒體的各種要求，還需要對我們行業的每一個工序逐一拆解。

可以借用具身機械人作為例子。我聽過一個內地人工智能專家解說，要用具身機械人做家庭傭工，粗算都有200個工序，每一個工序可能有100、200種場景，現在就是要訓練具身機械人去熟習每一個工序和各種場景，例如沖咖啡這種工序，就有很多不同場景。新聞業也一樣，有數以百計的工序，如果我們想自動生成一條電視新聞片，涉及寫作、改稿、變成語音、蒐集影片素材、自動剪接等多種工序，每種工序當然亦都有多種場景、過百種困難，要逐一拆解。

我們做出24小時的AI新聞台，已經解決了大部分工序和場景的困難。現在剩下的人力干預部分，主要是記者採訪，以及編輯改稿的部分，其他較少涉及採訪的新聞，如國際新聞、內地新聞等等，已經完全可以自動生成。

第四，打造智能體總編輯

一個終極問題是：總編輯能否被取代呢？正如具身機械人家庭傭工那樣，它最後要是智能體，才有綜合解決問題的能力。我們也朝向打造智能體總編輯的方向努力，相信最後能取代「一般總編輯」的工作(超級高能老總較難由AI取代)。以總編輯其中一個工作為例，他/她審稿時要決定一則新聞能否出街，這個決定至少包括1.內容是否準確、2.有無法律風險、3.觀眾是否接受，最後還有4.價值觀對齊。如果總編輯智能體能夠學習到上述4個領域的知識，並且能夠保存記憶，相信它已具備了總編輯決定新聞是否能出街的功能。當然真正高階智能體有自我學習能力，可以決定一些他過去沒有面對過的問題。

未來媒體的區別在於有沒有「超级人類總编輯」，可以生產出AI仍無法生產出的高價值內容。

在AI的年代，各行各業都面對極大挑戰。這是最好的時代，如果你想用最少人手做相當好的傳媒。這也是最壞的時代，如果你是不太想用大腦的員工，AI很易取代普通員工的普通工作。不要問我人類還有什麼工作可做，如果你懂得人機互動，不斷學習，你會遠比你過去能想像的強大。

《巴士的報》決定All in AI(全身投入人工智能)，會變身成為一個科技企業，擁抱AI這個海嘯的時代。

盧永雄

後記：我們歡迎與第三方合作，而且現在已經有媒體客戶。無論是現有媒體想改善工序，或是任何人想自己做一個媒體，歡迎接觸我們。「一人媒體」的時代，已經到來。