一句话看懂：皮尤研究中心对近50万个英文网页的分析显示，自ChatGPT发布以来，超过三分之一的网页内容可能由AI生成，商业网站中的AI文本比例远高于教育或政府网站。
事件核心：发生了什么
皮尤研究中心基于Common Crawl网页存档，使用AI检测工具Open Pangram，分析了近50万个英文网页。结果显示，在2026年7月的样本中，约10%的网页明显含有AI生成文本；而如果只看ChatGPT发布后产生的网页，这一比例飙升到三分之一以上。该趋势自2022年底ChatGPT上线后持续上升，从未回落。
从域名分布看，.com商业网站中约十分之一的页面带有AI创作痕迹，.org网站为4.6%，而.edu和.gov网站均只有约1%。商业网站使用AI文本的频率大约是教育或政府网站的十倍。皮尤还发现，自2023年以来，AI常用词汇和句式在网络上明显增多：破折号使用频率翻倍，牛津逗号使用量增长63%，”delve”（钻研）、”testament”（见证）、”pivotal”（关键）、”tapestry”（画卷）等AI偏好词汇的出现频率均翻了一倍以上。
为什么重要
这项研究首次用大规模数据证实了AI生成内容对公共互联网语料的结构性改变。此前，伦敦帝国理工学院、互联网档案馆和斯坦福大学在2026年4月的联合研究也得出了相近结论：约35%的新建网站内容完全或部分由AI生成，且AI文本之间的语义相似度高出33%，语气普遍更积极。这些数据意味着，互联网正在从人类创作主导转向人机混合创作，而用于训练下一代大模型的公开数据中，AI文本占比将越来越高，可能引发模型训练中的”数据污染”问题，影响输出的多样性和质量。
对用户/开发者/创作者的影响
对内容创作者而言，核心问题不在于”是否使用AI”，而在于”如何界定AI参与的程度”——从全自动生成、人工润色到模型辅助个别句子，不同使用方式在检测工具上很难区分。Open Pangram等检测模型目前只能给出粗略的”机器写还是人写”判断，无法准确反映AI参与的比例或阶段，误判依然频繁。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对开发者来说，如果正在构建依赖公开网页数据的应用或微调模型，需要警惕语料中AI文本比例过高带来的同质化风险。对普通用户，这项研究也提醒：网上越来越多的内容可能出自AI，评估信息时需关注来源域名的可信度（如.edu、.gov相对可靠），而非仅看文本是否通顺。
值得关注的后续
第一，AI文本检测工具能否从”粗判”走向”精判”，区分完全自动生成与AI辅助改写，这直接影响学术诚信和内容审核的落地。第二，Anthropic计划为Claude输出添加水印一事引发的争议仍在发酵，若主流大模型厂商跟进，AI文本的可追溯性将改变当前生态。第三，随着生成式AI进一步渗透，公共网页数据中AI文本占比是否会突破50%，以及这对下一代大模型训练可能造成什么影响，值得持续观察。
