凌晨一点，你躺在被窝里刷短视频。一条讲“AI让普通人月入十万”的内容划过，配图精致，文案丝滑，评论区一片“学到了”。你点了收藏，继续往下滑。滑到第三条的时候，你突然停住了——说不上来哪里怪，但就是觉得这东西“不对味”。像吃了一口摆盘精美、却没有任何味道的菜。

不是你的错觉。

你刷的内容，可能早就不是人写的了

有研究者做过抽样，某些内容平台上，通篇由AI生成的图文比例已经夸张到让人沉默。更别说那些半自动的：真人给个标题，AI扩写正文，AI配图，AI起十个备用标题，再让AI生成几百条评论。一个小编加三个AI工具，一天能出货几十篇。人类创作者还在为一个金句纠结半小时，对面已经批量投放了两百条。

你可能会说，那又怎样？反正内容好看就行。

问题恰恰出在这里。

真正的麻烦，是AI开始吃自己吐出来的东西

2024年，牛津和剑桥的研究者发过一篇论文，标题翻译过来大概叫《AI模型在被递归生成的数据训练后会崩溃》。说人话就是：拿AI写的内容去训练下一代AI，几轮之后，模型会开始退化、遗忘、胡言乱语——这个现象有个名字，叫“模型坍缩”。

想象一锅汤。你不停地往里加水，水是干净的，但汤越来越淡。加到最后，锅里只剩下水，你却说这是高汤。

现在的中文互联网，正在经历这个过程。

大模型公司要数据，去爬公开互联网。但公开互联网上，AI生成的内容占比越来越高。爬回来的“养料”里，混着大量低质、重复、逻辑不自洽的垃圾。而这些垃圾，又被塞进下一轮训练。整个过程没有恶意，甚至每一步都很理性——但合在一起，就是一个完美的自噬闭环。

谁在制造这堆东西？答案有点扎心

平台。算法天然偏爱高产量、高完播率、高情绪刺激的内容。AI能低成本满足这一切，人类的原创反而跑不过它。某平台的推荐机制里，一个账号日更三十条和日更三条，曝光机会差着数量级。你说创作者会怎么选？

MCN。矩阵号、批量号、AI换脸带货、AI数字人口播，成本压到几分钱一条。质量差的喂给下一个号继续测，跑通的模板复制一百遍。

还有你我。每一篇被随手点赞、转发、收藏的AI水货，都在给算法一个信号：这种东西，可以多来点。

这不是“技术问题”，是人给自己挖的坑

很多人聊AI污染，习惯性地怪技术，仿佛只要模型再聪明一点，就能自动分辨好内容坏内容。但真相是，垃圾的源头不在模型，在激励机制。

平台要停留时长，MCN要低成本流量，广告主要曝光，模型公司要数据——四方利益完美咬合，唯一被牺牲的，是“内容本身是否值得存在”。

更讽刺的是，真正能救下一代的，可能是那些看起来“不完美”的东西：错别字、停顿、口癖、跑题、临时起意的玩笑、真实的愤怒和没来由的温柔。这些“人类脏数据”，恰恰是模型学不会、也造不出来的稀缺品。AI写得越工整，人类越糙的东西反而越值钱。

悬崖边上，还有得选吗？

有，但不好走。对平台来说，得敢于给“低产高质”的账号流量，而不是继续奖励日更机器。对创作者来说，得接受一个事实：用AI省下的时间，如果只是用来生成更多内容，那你只是在加速自己被淘汰。对普通用户来说，最简单的反抗就是——看到那种“完美到没有体温”的内容，别点赞，别转发，划走。

我们花了几十年把互联网建起来，别让它在我们手里变成一座由AI精心装修、却没有一个活人住的小区。

下次刷到那种丝滑得不真实的内容，不妨停一秒。那一秒的迟疑，可能就是人类最后的护城河。