把广电视听行业的 AI 渗透率推到 95%，难点不只是把模型接进节目制作流程，而是让 AI 在大量真实业务中稳定、合规、可衡量地创造价值。至少有几道关要过： 首先是数据与知识底座。视听业务沉淀了节目、字幕、音视频素材、版权信息、播出编单和用户反馈等数据，但格式、元数据和权限往往分散。若素材无法准确检索、权属和使用范围不清，生成式工具就可能找错片段、引用过期信息或越权使用内容。需要建立可治理的数据目录、统一标注与质量标准，并把版权、授权期限、地域和用途等约束纳入检索和制作链路，而不是只做一个素材库。 其次是可靠性与专业适配。通用模型能辅助写稿、摘要、字幕、翻译和检索，却可能产生事实错误、人物与场景识别偏差、专名误译或不符合播出规范的表达。新闻、政务、纪录片、少儿等场景容错差异很大，不能以“能生成”作为可上线标准。应按任务建立评测集和验收门槛，记录模型版本与来源，保留人工复核和回退机制；对高风险内容，AI 应是辅助而非最终审核者。 第三是版权、隐私与安全。训练数据、输入素材、生成结果分别涉及不同权利和责任。声音、肖像克隆及合成内容还带来冒用风险。机构需要明确哪些素材可上传到何种模型、供应商是否留存或再训练、生成内容如何标识和追溯，以及发生侵权、泄露或错误播出时由谁处置。内部部署也不自动等于安全，仍需权限隔离、日志审计、数据最小化和供应链评估。 第四是系统集成与成本收益。生产流程横跨采集、编辑、审核、媒资、播控和分发，单点工具如果不能接入既有系统，容易增加重复劳动。视频理解和生成还可能消耗较多算力，延迟、并发、版权清理和人工校验都是总成本的一部分。应先挑选重复度高、质量可量化且风险可控的环节做试点，用节省工时、返工率、错误率、交付速度和单位内容成本等指标比较前后效果，再决定扩展；不能只数采购了多少工具或开通了多少账号。 最后是组织和能力建设。编辑、技术、法务、版权、网安和管理部门需要共同制定流程，明确人工责任边界，并让一线人员参与工具设计与反馈。否则可能出现“有平台、少使用”，或为了追求覆盖率把低效、不可控的应用也计入渗透。 因此，95%更适合作为推动行业广泛探索的目标，关键在于先讲清统计口径：按机构、业务环节还是内容产量计算，什么算“有效应用”，是否要求持续使用并达到质量与安全标准。真正的落地路径应是先统一口径和底线，再以高价值场景试点、评估、改进，逐步规模化。技术覆盖面可以很高，但人的专业判断、责任审核和版权治理不能被覆盖率替代。