加密新闻

生成式模型在网络空间中的渗透规模远比人们通常认为的更为严重。我对最新数据的分析显示：互联网上约10%的网页带有明显的合成文本痕迹。然而，如果只看2022年11月ChatGPT首次亮相后发布的内容，情况则截然不同——超过三分之一的此类页面由人工智能创建或经过大幅编辑。

方法论与数据

研究过程中，分析了2026年7月通过Common Crawl收集的10,000个英语页面的随机样本。为识别AI作者身份，采用了一种机器学习模型，用于查找生成式算法特有的语言模式。乍一看，10%是一个不起眼的数字，但它包含了大量在现代神经网络时代之前创建的过时内容。当过滤数据并仅保留“新鲜”出版物时，合成内容的占比飙升至33%甚至更高。

AI在哪些领域如鱼得水

合成内容在不同域名区域中的分布极不均衡。商业网站（.com）以约10%的比例领先——这是.org区域（4.6%）的两倍。而教育（.edu）和政府（.gov）资源则仅显示约1%的微小比例。这种不均衡是可以解释的：商业平台积极自动化生产商品描述、SEO文章和新闻短讯，在这些领域速度比深度更重要。在ChatGPT传播初期，各区域之间的差距并不明显，这表明AI文本的商业化正在加速。

重要说明

需要强调的是：该研究并非断言每篇此类文本完全由机器撰写。这基于风格标记的概率性评估。许多作者可能使用AI进行草稿撰写或轻度编辑，这也属于“大幅编辑”的范畴。这不是精确统计，而是一个不可忽视的趋势指标。

我的结论：我们正在见证内容生产中的结构性转变。市场已不能再默认依赖文本的“人类”来源。问题不在于是否使用AI，而在于如何区分高质量分析与大规模生成内容。投资者和读者在评估资源信息可靠性时，应考虑这一因素。