皮尤研究：约一成 .com 网页已带明显 AI 痕迹

皮尤研究中心（Pew Research Center）发布的一份新研究显示，自 OpenAI 于 2022 年 11 月面向公众推出 ChatGPT 以来，互联网上带有 AI 写作或编辑痕迹的内容显著增多。该研究从 Common Crawl 网络档案中抽取近 49 万个英文网页，覆盖 ChatGPT 发布前后约五年时间，并用 AI 检测工具 Open Pangram 对其文本进行判别。

不同域名 AI 痕迹差异显著

研究显示，AI 痕迹并非均匀出现在各类网站中。ChatGPT 发布前后，.com、.org、.edu 和 .gov 四类顶级域名出现 AI 风格语言特征的比例相近。但到 2026 年初的样本中：

• 约 10% 的 .com 网页显示出明显的 AI 写作或编辑特征；
• .org 域名为 4.6%，约为 .com 的一半；
• .edu 与 .gov 域名均仅约 1%，约为 .com 的十分之一。

这一差异反映出商业网站更快地接纳 AI 写作工具，而教育、政府类官方域名的内容仍以人工撰写为主。

AI 文本的典型语言特征

研究指出，虽然 AI 检测模型并非完美，对单个文档可能误判，但在大规模语料中仍能识别出一组 AI 偏爱的标点、词汇与句式：

• 破折号（em dash）出现频率约为 2023 年的两倍；
• 牛津逗号（Oxford comma）使用频率增长约 63%；
• delve、interplay、testament 等典型 AI 词汇使用量增长超过一倍；
• 「不仅 X，更 Y」式的对比结构增长近三倍，但总体仍较罕见。

这些「AI 印记」本身源于大模型在训练中对某些写作风格的过拟合模仿。随着 AI 生成内容在公网占比上升，这些语言特征也在更多网页中反复出现，形成一种可量化的「机器味」。

研究方法与数据

• 样本来源：Common Crawl 网络档案，覆盖约 49 万个英文网页；
• 检测工具：Open Pangram，用于识别显著的 AI 写作或编辑信号；
• 时间跨度：2021 年 1 月至 2026 年初，以六个月为粒度取滑动平均值；
• 数据方向：皮尤研究中心将其定位为对当前网络内容生态的横截面观察，而非对单一平台或厂商的评估。

研究同时强调，AI 检测并非绝对准确，统计层面的趋势比单篇判断更值得关注。对内容平台、搜索引擎与新闻业而言，这份数据再次提示：AI 内容对公网信息环境的渗透已经具备可观测的规模。