AI 内容占互联网多少？皮尤最新量化研究

皮尤研究中心（Pew Research Center）发布最新分析，基于 Common Crawl 网络档案抽取近 49 万个英文网页样本，结合 Open Pangram AI 检测工具，对 2021 至 2026 年间互联网上 AI 生成内容的占比进行了系统量化。研究发现，AI 写作痕迹在商业网站已相当普遍，但在教育与政府类官方域仍属少数。

一、整体趋势：商业域 AI 内容最密集

研究将网页按顶级域名分组对比。自 2022 年 11 月 ChatGPT 公开发布前后，.com、.org、.edu 和 .gov 四类域名的 AI 写作信号出现率基本接近。但到 2026 年初，差距已明显拉开：

• .com 域约 9.4% 的页面呈现明显 AI 创作或编辑痕迹；
• .org 域约 4.6%，约为 .com 的一半；
• .edu 与 .gov 域均仅约 1%，约为 .com 域的十分之一。

数据以六个月为采样窗口，单期样本量在 1.7 万至 4.1 万页之间，时间跨度覆盖 ChatGPT 发布前后的完整周期。

二、AI 写作特征在网络上越来越常见

AI 检测模型并非完美，单篇文档存在双向误判风险，但在大规模语料中可以观察到稳定的语言特征差异：

• 破折号（em dash）：使用频率约为 2023 年的两倍；
• 牛津逗号（Oxford comma）：使用频率增长约 63%；
• AI 高频词汇：包括 delve、interplay、testament、bolstered、crucial、tapestry、pivotal 等，使用量较 2023 年翻倍以上；
• 否定平行句式（如「not just X, it's Y」）：出现频率增长近三倍，尽管整体仍属罕见。

这些特征源于训练数据中部分写作风格的过度代表性，使模型倾向模仿并放大这些模式。随着 AI 生成内容增多，相关语言痕迹在网络文本中变得越来越普遍。

三、为什么 .edu 与 .gov 域 AI 痕迹最少

研究指出，AI 写作信号在 .edu 和 .gov 域长期维持在 1% 上下，可能与以下因素相关：

• 官方机构对内容发布有更严格的审核流程；
• 学术与公文写作对原创性和署名规范要求较高；
• 这类站点更新频率相对较低，文本积累以历史人工内容为主。

相比之下，商业网站更新频繁、内容生产压力大，更容易采用 AI 辅助写作或直接生成内容。

四、检测局限与研究意义

研究者提醒，Open Pangram 等检测工具对单篇文档的判断可能存在误判，因此群体层面的统计趋势比个体判定更具参考价值。这项研究为理解 AI 对网络信息生态的影响提供了量化基础，也凸显了在 AI 内容激增的背景下，内容真实性、署名规范与平台信任机制面临的新挑战。

研究的样本均来自英文网页，对中文等其他语种网络的 AI 内容占比尚无直接数据，但方法论可被复用。