数字景观正在迅速转型：我对最新数据的分析显示，互联网上大约10%的网页带有明显的机器生成或深度编辑痕迹。然而，更令人担忧的数字隐藏在动态变化中——在ChatGPT首次亮相后发布的材料中，合成内容的比例超过了33%。

扩张规模：从10%到三分之一

在研究中，分析了从2026年7月通过Common Crawl档案收集的10,000个英语页面的随机样本。识别过程中使用了一种机器学习模型，该模型专门用于寻找生成式神经网络特有的语言模式。乍一看，10%是一个适中的指标，但它包含了在先进LLM时代之前创建的大量“史前”内容。

如果过滤掉这些遗留内容，仅关注2022年11月之后出现的出版物，情况就会发生根本性变化。超过三分之一的此类页面显示出AI创作的高概率。这直接证明了生成模型已成为网络大部分文本生产的主要工具。

合成内容的分布：商业领域领先

AI内容在不同域名区域中的分布极不均匀，这表明了技术的务实应用。在.com区域中，大约每十个页面中就有一个显示出生成痕迹。相比之下，在非商业的.org区域中，这一比例低了一半——为4.6%。最“干净”的仍然是教育（.edu）和政府（.gov）资源，其中合成内容的比例仅勉强达到1%。

这种差异是可以解释的：商业平台积极自动化创建SEO文本、产品卡片和新闻推送。在ChatGPT传播初期，各区域之间的差距很小，但如今市场已根据AI采用程度明确细分。

方法论上的谨慎

重要的是要理解这一评估的局限性。该研究不检查每个页面的编辑历史，也不询问作者。结论基于对与AI生成相关的语言标记的统计分析。这是一个概率评估，而非精确计数。此外，“大幅编辑”内容的类别排除了轻微校对，这使得评估甚至有些保守。

我的评论：市场已经过了不可逆转的临界点。我们看到的不仅仅是趋势，而是内容经济中的根本性转变。然而，利用AI追求数量的竞赛带来了信息贬值和“数字噪音”增长的风险。在未来几年，关键资产将不再是生成速度，而是对来源的信任和数据验证的质量。能够建立混合编辑流程（AI增强而非替代分析）的参与者将获得决定性优势。