加密新闻

生成式模型在网页空间中的渗透规模远比人们普遍认为的更为严重。我对研究中心最新数据的分析显示，在英语互联网板块中，所有被索引的网页约有10%带有明显的合成文本痕迹。然而，关键数字隐藏得更深——在2022年11月ChatGPT首次亮相后发布的材料中，AI生成内容的占比超过33%。

方法论与真实数据

该研究基于2026年7月通过Common Crawl存档收集的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，该模型经过训练，能够检测生成算法特有的语言模式。需要强调的是：这不是一个二元检测器，而是一种基于文本统计异常的概率性评估。

乍一看，10%可能显得微不足道。但样本包含了大量在现代LLM时代之前创建的遗留内容。当我过滤掉过时页面，仅聚焦于近年来的发布内容时，情况发生了根本性变化：网络上每三个新页面中就有一个带有AI创作或经神经网络大幅编辑的痕迹。

商业领域——合成内容的主要驱动力

AI内容在不同域名区域的分布呈现出清晰的规律。在.com域名中，约10%的页面带有生成痕迹——这比.org域名（4.6%）高出两倍。最具代表性的是教育（.edu）和政府（.gov）网站，其合成内容占比不超过1%。

这种失衡可以用内容经济来解释。商业平台积极自动化生产商品描述、SEO文本和新闻短讯，在这些领域，速度比独特性更重要。在ChatGPT普及初期，各域名之间的差距并不明显，但现在的趋势显而易见：流量变现程度越高，AI的引入就越激进。

对数据的关键说明

尽管数字令人瞩目，我必须指出方法论的限制。该研究不分析编辑历史，也不询问作者。它涉及的是与AI生成在统计上相关的语言标记，但并非绝对证据。此外，“大幅编辑”内容的类别排除了小幅修改，这使得评估趋于保守。

在此背景下，我提醒大家：8月份，Anthropic为Claude模型生成的内容引入了全球标记机制。然而，由于所有LLM缺乏统一标准，市场仍然处于碎片化状态。

我的结论：这些数据对网络生态系统来说是一个警示信号。如果三分之一的新内容由算法生成且没有透明标记，我们正在走向一个信息环境，其中对文本的信任将需要密码学验证。对于分析师和投资者而言，这意味着具有可证明人类创作属性的平台价值将上升——以及对AI出版物监管要求的不可避免的收紧。