Pew 研究：ChatGPT 釋出後上線的新網頁，超三分之一由 AI 撰寫

前段時間網路基礎設施巨頭 Cloudflare 剛測出來，網際網路上機器人的訪問流量已經正式超過了人類。很多人當時還在笑稱「死網理論」成真了，但大家還沒反應過來的是：這些機器人在網上到底都在看些什麼？

答案可能比想像的更荒誕，它們大機率在看別的機器人寫出來的網頁。

Pew Research（皮尤研究中心）釋出了一項最新研究，他們從 Common Crawl 網頁歸檔里拉取了過去五年左右的近 50 萬個英文網頁，時間跨度從 ChatGPT 在 2022 年 11 月釋出前幾年一直算到現在。研究團隊通過 Open Pangram 的檢測技術，篩查了這些內容裡到底有多少是 AI 寫的。

商業網站成了 AI 灌水重災區

如果把時間線拉長，在 2026 年 7 月抓取的 10000 個隨機網頁大樣本里，大概有 10% 的頁面顯示出顯著的 AI 撰寫痕跡。但這個數字其實被稀釋了，因為裡面混雜了大量 ChatGPT 誕生前就已經存在的古董網頁。

當研究人員把這些老網頁剔除、只看 ChatGPT 問世之後新建的頁面時，真實比例立刻跳了出來：超過三分之一，也就是整整 35% 的新網頁，都帶有明顯的 AI 撰寫或被 AI 大幅修改過的特徵。

更有意思的是域名背後的差異。商業性質最濃的 .com 網站，成了 AI 生成內容的最大溫床。資料顯示，.com 域名的 AI 撰寫率幾乎是 .edu（教育）和 .gov（政府）站點的 10 倍，後兩者只有大約 1% 的頁面能測出 AI 痕跡，而 .org 網站的比例也只有 4.6%。

除了檢測演算法給出的置信度，AI 寫作特有的一些語言習慣在這幾年也暴增。比如英文破折號、牛津逗號的高頻出現，還有那些典型的 AI 句式，像「這不是 X，而是 Y」，在網路文章裡隨處可見。

當然，檢測工具 Pangram 也存在誤判的可能，但放在近 50 萬網頁的宏觀尺度下，網際網路內容生態的傾斜趨勢已經完全藏不住了。

為什麼重要

我們認為，這項資料最直接的警示，在於普通人獲取可信資訊的成本正在成倍增加。你在搜尋引擎裡點開一篇看似詳盡的導購、教程或行業科普，很有可能只是某個站長用指令碼批次跑出來的 SEO 垃圾，裡面夾雜著看似工整卻毫無實證的幻覺。

對創作者和開發者來說，這也是一個危險的分水嶺。靠拼湊文字走量的低端內容生意已經徹底沒有門檻了，但繼續往公開網路倒垃圾，換來的只會是搜尋演算法更激進的清洗。真正值錢的，反而是那些帶著第一視角實測、一手資料和鮮活人類經驗的內容，門檻反而被變相拔高了。

更深層的影響還在於大模型自身的未來。大模型需要吃人類資料來訓練，但現在新產生的公開資料裡有三分之一本身就是 AI 吐出來的。當後來的模型不得不吃前任模型拉出來的殘留物時，「模型自噬」和模型崩潰的風險就會越來越高。公開網際網路作為優質訓練集的作用正在肉眼可見地衰退，往後真正高質量的語料，大機率只能鎖在付費牆和封閉社群裡了。