由于2016年人工智能的“三驾马车”：大数据、超级计算平台和机器学习技术都取得了突破性进展，人工智能在2016年迎来了又一个爆点，被称为“人工智能元年”。知名投资人王煜全在“前哨大会”上也曾表示，人工智能的革命期已过，现在进入了“收获期”。而在2017年业界的声音也的确进入了该领域的下一个阶段——更加强调人工智能技术的落地。而以脑力工作为主的媒体业，在“写稿机器人”这样的人工智能技术出现后也势必将带来新的变革。
国内：已解决快讯类内容，算法尚待进步
写稿机器人背后的核心技术，主要涉及的有包括智能撰文技术、内容抽取技术、要闻萃取技术这三项。早在2015年9月，腾讯财经一篇名为《8月CPI同比上涨2.0% 创12月新高》的文章引起了媒体人的普遍关注，大家的关注点不在它的与日常消息稿无异的内容，而是写这篇文章的写稿机器人“Dream Writer”，它不止引用了统计局的数据，还加入了业内人士如国家统计局城市司高级统计师余秋梅等人对数据的分析，足以完成基本的消息报道工作，如体育赛事、股票信息的报道。
据腾讯财经中心副总监刘康近日表示，目前财经+科技应用的发稿量超过2000篇/天，体育稿量500篇/天，包括每天行情报盘、上市公司公告精要报道，以及体育赛事每轮每场的消息。可见，自2015年至今腾讯的写稿机器人正出色的完成着相关资讯的工作。
除了首发写稿机器人的腾讯外，新华社的“快笔小新”、今日头条的“xiaomingbot”也在2015年末陆续跟进。在这三家中，“xiaomingbot”要更为先进，如报道球赛时，有能力根据不赛前预测与赛事结果，转换语气，相比冷冰冰的报道数据多了点“人情味”。
不过如前文所述，国内的写稿机器人目前只能完成基本的信息处理、文章撰写工作，所以它也限制在了内容较为精简，数据信息为主的使用场景，体育赛事中繁多的数据，网站编辑自己去处理反而不如写稿机器人精准，所以这种数据套话的文章未来或将被写稿机器人全面替代。不过，媒体人的价值还是在于对于事件的深度思考与判断，这一点是人工智能技术还远远无法替代的。
国外：应用领域更广泛也更深入
相比国内，国外的先进媒体在写稿机器人方面显然要更进一步，毕竟早在2010年就有一家名为NarrativeScience的公司推出了名为Quill的写作软件，它可以完成数字内容的文章化，自动生成如财报、比赛报告等相关文章，可以说是写稿机器人的雏形。
美联社（AP）在2014年7月开始采用AutomatedInsights公司的Wordsmith平台自动编写企业财报，每季度可生成4000篇财报，相比此前编辑们每季度的400份财报来说提升巨大。而这套人工智能系统还拥有“自主学习”功能，在三个月内自主掌握了新闻写作基本规范，并且更低的错误率还改善了文章质量。而美联社的人工智能的下一个方向是——将文字报道自动转为语音广播。目前该项目也已经进入了开发期间。
另一家美媒《华盛顿邮报》采用的写稿机器人名为Heliograf，它目前已经完成过奥运会积分/奖牌榜以及美国选举相关的新闻报道，利用美联社等媒体的数据和结果，试试撰写新闻更新至网站与Twitter，相比美联社来说，华盛顿邮报的新闻题材相对要更加广泛。
突发性新闻的撰写对于新闻记者来说总是要忙出一头汗，但写稿机器人却能更快的传达信息。如《洛杉矶时报》在2014年美国加州4.4级地震期间成为报道新闻最快的媒体，从撰写到发布仅3分钟，这是由于它的系统可以在收到美国地址勘探局的信息时，迅速将数据套入系统模板中生成突发新闻。除此之外，《洛杉矶时报》正依靠人工智能建立的犯罪信息库，用以在暴力、自杀事件上进行辅助报道，不过目前该系统也同样还并未能实现深度分析类文章。
相比撰写消息类稿件，辅助编辑人员写作对于当前的人工智能技术来说也具有相当的可行性，《纽约时报》的Blossomblot可以根据社交平台的文章进行大数据分析，推测哪类型内容更具热度，辅助编辑挑选合适的素材，经过该报内部统计，经过Blossomblot筛选后的文章点击量是普通文章的38倍！除此之外，Blossmblot的机器学习能力还能提供配图、摘要、甚至制定标题。
在辅助功能方面，路透社与Graphiq的合作也颇具成效，利用Graphiq庞大的可视化数据库的智能算法，可以预先假设要报道的事件，并让人工智能迅速抓取相关数据，与报道相匹配，也就是为你的新闻稿提供相关的数据资料，节省编辑的时间。
此外，对于新闻线索的收集也是人工智能越发显示出威力的一个方向，入驻FacebookMessenger的新闻媒体拥有Facebook的聊天机器人Chatbot的开发权限，在用于新闻内容推荐的同时，Chatbot还可以进行新闻线索收集，如《华盛顿邮报》曾利用它开发的机器人Feels，搜集美国选民在总统大选期间的的倾向。