这是科睿研究院第817篇原创内容。
字数5790字,阅读全文大约需要12分钟。
2026 年 5 月,海外社交平台上演了一场极具讽刺意味的社会实验。一位用户上传了法国印象派画家莫奈创作于 1914 年的《睡莲》真迹,却特意标注了 AI 生成的标签,配文询问网友这幅 AI 作品哪里比不上莫奈真迹。帖子很快引来大量自称艺术鉴赏家的网友评论,有人批评构图混乱没有空间感,有人指责色彩混乱不符合光学规律,还有人直接定性为没有灵魂的赛博废料,甚至有人写下近两千字的长文,从多个维度拆解这幅作品的缺陷。直到真相揭晓,所有批评都成了笑谈。更耐人寻味的是,实验发起者将这些批评截图做成 NFT,最终以约 4.25 万美元的价格成交。
X平台用户@SHL0MS上传了一幅法国印象派大师克劳德·莫奈的《睡莲》真迹,却故意打上了平台的「Made with AI」标签,并配文:“我刚刚用AI生成了一张莫奈风格的图像。请尽可能详细地描述一下,这幅画作为何不如莫奈的真迹?”面对这条“钓鱼帖”,数百位自称“艺术鉴赏家”的网友纷纷赶来“鉴伪”。有人指出“构图一团糟,毫无空间感”,有人批判“颜色颠倒,缺乏光学混合”,还有人痛斥其“缺乏灵魂,毫无激情的赛博废料”
这场闹剧不是孤立的偶然事件。近两年,随着生成式 AI 快速渗透内容创作领域,一股抵制 AI 的风潮也在全球蔓延。从艺术圈到游戏行业,从学术领域到日常社交平台,很多人还没认真审视作品本身,就先被 AI 标签左右了全部判断。有人靠鉴定 AI 赚取流量,有人因为疑似使用 AI 遭遇网暴,还有项目因为 AI 争议直接夭折。这场围绕 AI 展开的大范围评判,正在慢慢演变成一场全民参与的猎巫运动。我们不妨从认知表现、产业博弈和深层反思三个层面,客观看待这场 AI 与反 AI 的拉锯,厘清其中的荒诞与合理,焦虑与误区。
莫奈真迹的翻车事件,戳破了很多 AI 批评者的认知假象。2024 年挪威卑尔根大学的一项研究早就验证了类似的结论,AI 生成的图像在纯视觉感受上的得分,其实显著高于人类作品,但只要受试者得知作品出自 AI,评分就会立刻大幅下滑。换句话说,很多人反感的从来不是 AI 作品的质量,而是 AI 这个标签本身。同一个作品,挂在美术馆里是传世名作,贴上 AI 标签就成了粗制滥造的废品,判断标准的切换只需要一个标签。这种跳过观察直接下结论的行为,本质上是标签给了人们一种社会许可,让人们可以不用付出认知成本,就能站在道德高地做出否定判断。
这种标签化的审判,在中文互联网同样上演。2025 年初就发生过一起典型的 AI 鉴定翻车事件。一位长期创作的画师宣布要删除账号退出平台,几乎同一时间,有自称 AI 鉴定专家的账号翻出他的作品,标注出多处所谓的 AI 疑点,将作品批评得一文不值。可事实是,这位画师在 AI 兴起前就已经坚持创作多年,所谓的 AI 痕迹不过是鉴定者的主观臆断。事件发酵后,这位所谓的专家只是删掉了错误的鉴定内容,敷衍道歉后继续鉴定其他作品,反而是被冤枉的画师承受了巨大的精神压力。这类靠鉴定 AI 博眼球的账号,抓住了大众对 AI 的抵触情绪,把合理的版权讨论异化成了随意扣帽子的运动,只要被扣上 AI 的帽子,作品就仿佛天然低人一等,创作者的心血也可以被随意践踏。
游戏行业是 AI 猎巫表现最激烈的领域之一。2025 年 12 月,海外游戏厂商 RWS 推出新作《POSTAL: Bullet Paradise》,宣传片发布后很快被玩家指出部分美术素材有 AI 生成痕迹,比如人物手指异常、文字内容混乱。争议爆发后,官方不仅没有妥善回应,反而用激烈言辞回怼玩家,进一步激化了矛盾。仅仅两天时间,发行商就宣布彻底取消这个项目,终止和开发商的合作,成立六年的开发工作室直接宣布关闭。后续开发商才承认,外包的宣传素材确实受到 AI 生成内容的影响,但整个项目已经没有挽回的余地。

postal.fandom.com
无独有偶,2026 年 4 月,国内游戏《第五人格》的角色时装海报被玩家指出有 AI 绘图错误,引发大量玩家不满,玩家自发组织停氪活动,在官方评论区集体留言抵制 AI,要求尊重创作者。两款游戏的风波都指向同一个逻辑,只要和 AI 扯上关系,就等于触碰了玩家心中的道德红线,作品本身的质量反而退居其次。
历史上每一次新技术进入创作领域,都会引发类似的恐慌与抵制。十九世纪摄影技术刚诞生时,画家安格尔曾带领学院画家向政府请愿禁止摄影,诗人波德莱尔直言摄影是自然的奴隶,会把艺术引向堕落。有声电影出现时,卓别林曾公开反对,认为声音会毁掉电影艺术。这些抵制最终都没能阻挡技术的发展,反而在后来成为技术发展史中的经典注脚。今天的反 AI 浪潮里,我们能看到完全相似的论调,很多人指责 AI 懒惰、没有灵魂,认为它会让创作走向平庸。
北爱尔兰贝尔法斯特的圣诞集市上,甚至直接明令禁止销售 AI 生成的艺术品,认为 AI 蚕食了低收入创作者的生存空间。但和历史不同的是,今天的社交平台放大了情绪传播的速度,标签化的判断让抵制变得更加简单粗暴。人们不需要真的懂艺术,不需要真的了解创作过程,只要认出 AI 标签,就可以放心大胆地批评,享受道德审判的快感。这种无需成本的批判,才是 AI 猎巫愈演愈烈的心理基础。
如果说普通用户的抵制更多是情绪驱动,那么创作者群体的行动,则直指 AI 发展最核心的版权问题。2025 年初,纽约佳士得拍卖行首次举办 AI 艺术品专场拍卖会,立刻引来超过六千名艺术家联名反对。艺术家在公开信中明确表示,生成式 AI 的设计本身就带有剥削属性,它未经同意就挪用大量艺术家的作品训练模型,也没有给创作者任何补偿。这种对创作成果的无偿掠夺,是绝大多数创作者抵制 AI 的核心理由。艺术创作需要常年的积累与练习,而 AI 只需要几秒就能生成风格相似的作品,却不用为训练素材支付任何成本,这对职业创作者来说,本身就是不公平的竞争。

图自Facebook@Brae Wyckoff,许多人从恐惧和错误信息的角度出发,对人工智能发起了攻击。这正给照片和文字带来了巨大的信任问题。那些数十年来一直对照片进行修饰的摄影师如今被冠以“滥用人工智能者”(异端)的称谓。使用破折号或分号进行写作的人如今被指责在利用人工智能。或者更糟糕的是,某位作家竟然使用人工智能辅助编辑工作。我们简直像是在目睹一场视觉版的塞勒姆女巫审判。请务必谨慎,不要如此草率地做出评判,或是断言你所看到或阅读的每件事都是人工智能的产物。多年来,你们中的许多人或许都曾不知不觉地接触过人工智能。直到如今人工智能已公开存在,你们才开始进行评判
全球范围内,围绕 AI 版权的司法拉锯已经持续多年。美国艺术家杰森艾伦用 AI 绘画工具生成的作品《太空歌剧院》,曾在艺术竞赛中获得大奖,却被美国版权局拒绝注册版权,理由是作品并非人类创作。艾伦提起诉讼,强调自己输入了数百条指令,付出了大量劳动,但始终没能拿到版权。由于没有版权保护,电商平台上已经有人公开售卖这幅作品,艾伦却无法通过法律途径维权。2026年3月2日,美国最高法院拒绝受理Stephen Thaler提起的AI著作权案件,使下级法院关于“著作权保护要求人类作者”的判决继续有效。需要指出的是,这并非最高法院就AI版权问题作出的实体裁决,而是拒绝对既有判决进行复审。
国内的司法实践也在逐步明确 AI 侵权的判定标准。2025 年 5 月,北京通州法院判决了全市首例 AI 侵犯著作权案,四名涉案人员将原创插画师的作品用 AI 做细微修改后,做成拼图产品销售获利。尽管涉案人员辩称没有百分之百复制原作,但法院和专家论证后认定,AI 处理后的图片和原作构成实质性相同,已经构成侵权,四人最终获刑。这个案例说明,AI 不能成为侵权的挡箭牌,只要核心内容来自他人原创,哪怕经过 AI 加工,依然要承担法律责任。
大型科技公司已经开始为 AI 训练的版权问题付出代价。2025 年 9 月,AI 公司 Anthropic 同意支付 15 亿美元和解金,解决图书作者提起的集体诉讼。诉讼指控 Anthropic 使用盗版书籍训练旗下的大语言模型,和解金额折算下来,每本受版权保护的书籍约能获得三千美元赔偿,创下了 AI 版权赔偿的纪录。紧随其后,苹果公司也因为同样的问题被作者集体起诉。2026 年 2 月,艺术家群体再次对多家 AI 图像生成公司提起集体诉讼,指控这些公司的模型未经授权使用了海量受版权保护的作品。迪士尼和环球影业也加入诉讼行列,向 Midjourney 索赔超过四十亿美元。这些诉讼说明,AI 训练的版权问题已经无法回避,行业正在通过法律手段重新划定权益边界。
但抵制并不是产业的唯一声音,也有很多创作者在探索和 AI 共存的路径。2026 年威尼斯双年展上,一位中国创作者带去了一百件 AI 艺术品现场免费赠送,他认为 AI 是历史上最大规模的艺术权力下放,打碎了专业门槛对普通人的限制,让有想法的人都能参与创作。还有艺术家推出 AI 声音装置,把健康数据转化为旋律,让 AI 成为不同感官之间的翻译者。国内也有不少艺术展引入 AI 辅助创作,向观众展示科技如何丰富艺术的表达形式。
在游戏行业,这种差异更加明显。有数据显示,约六成中国游戏工作室已经把 AI 整合进开发流程,采用率处于全球领先水平。国内玩家大多更关注游戏核心玩法,只要游戏质量过关,用 AI 制作边角素材通常不会引发太大争议。这种实用主义的态度,和海外市场的极端抵制形成了鲜明对比,也让我们看到 AI 落地的更多可能性。

随着 AI 写作的普及,国内互联网掀起了一股识别 AI 腔的热潮。各种 AI 高频词黑名单、去 AI 腔教程随处可见,很多人把 “首先其次最后”“值得注意的是” 这类连接词,当成判断 AI 写作的核心依据。仿佛只要删掉这些词汇,文章就变回了人类创作。围绕 AI 腔的识别和修改,已经形成了一种全民参与的文化运动,很多人坚信,只要抓住几个标志性词汇,就能精准揪出 AI 生成的内容。
但在欧美学术界和技术界,人们对 AI 检测工具始终保持高度怀疑,更不会把几个词汇当成判断标准。自从各类 AI 检测工具推出以来,大量独立研究都发现,检测系统存在严重的误判问题。对英语非母语的学生,误判率远高于母语使用者;对使用规范书面语的少数族裔学生,同样更容易被误判。甚至创意写作里的简洁风格,学术写作里的规范表达,都可能触发检测警报。如果检测工具本身就带有系统性偏见,那么用它来判定作弊或者不诚信,本身就构成了制度性的不公。正因为如此,越来越多的北美高校明确规定,AI 检测结果不能作为学术不端的唯一证据,没有其他佐证的情况下,不能仅凭检测报告启动纪律程序。
词汇层面的 AI 识别,从逻辑上就站不住脚。今天的大语言模型,并不是凭空创造出一套新的语言体系,它是在海量人类文本的基础上训练出来的。它学习的对象包括经典文学、学术论文、新闻报道等各种人类高质量文本,它的表达逻辑本来就来自人类的写作传统。那些被当成 AI 标志的规范表达、逻辑连接词,本来就是人类优秀写作里常见的特征。严谨的学者会用清晰的概念,成熟的作者会安排有序的论证,经验丰富的写作者会使用自然的过渡句,这些都不是 AI 的发明,而是 AI 从人类身上学到的东西。如果仅仅因为文章逻辑清晰、结构完整就怀疑是 AI 写作,那么首先被质疑的,应该是人类自己积累了千百年的写作传统。
AI 检测本身还陷入了无解的军备竞赛。检测工具只能根据上一代模型的特征制定标准,而生成模型一直在不断更新,检测技术永远处于追赶的位置。用户只要稍微调整指令,让 AI 改写润色,就能消除绝大多数表层的语言痕迹。现有研究已经证明,就算删掉所有所谓的 AI 高频词,文章背后的统计结构也不会发生本质变化,专业检测系统的识别率并不会下降多少。普通人靠几个词汇判断 AI,本质上是用最表面的特征,去应对最复杂的生成机制,除了制造焦虑和冤假错案,没有太多实际意义。
比起找 AI 腔,欧美研究者更关注一个更深层的问题,那就是语言同质化和认知收敛。有研究分析了学生使用 AI 前后的写作样本,发现使用 AI 之后,学生之间的词汇多样性出现了明显下降。不同作者的句式结构越来越像,思考问题的角度也越来越趋同。同样的作文题目,十年前不同学生能写出完全不同的切入角度,今天很多学生的思路和结构都高度相似。这种变化不是因为文章都是 AI 写的,而是因为长期使用 AI 的人,会慢慢习惯 AI 的思考框架,按照 AI 提供的路径展开分析。当 AI 的默认认知变成人的思维习惯,真正的 AI 腔就不再是机器的输出,而是人自己的表达。

图自unsplash
这才是 AI 时代最值得警惕的变化。很多人忙着揪出某篇文章是不是 AI 写的,忙着给作品贴标签定罪,却忽略了 AI 正在潜移默化地改变我们的思维方式。当所有人都习惯用同一套框架分析问题,用同一种结构组织语言,个体思想的独特性就会被慢慢消解。比起几个标志性的连接词,这种认知层面的趋同,对创作和思想的伤害要大得多。我们真正需要关注的,从来不是某句话像不像 AI 说的,而是我们自己的思考,是不是已经被 AI 的默认逻辑驯化了。
回到最开始的莫奈实验,它最深刻的启示从来不是网友有多好笑,而是在 AI 时代,容易产生认知幻觉的不只有 AI,还有人类自己。我们越来越习惯用标签代替观察,用立场代替判断,躲在非黑即白的结论里,放弃了独立思考和感受的能力。如果连莫奈的真迹都能因为一个标签被全盘否定,那我们的艺术评价体系,其实已经陷入了一场认知危机。
AI 从来不是非黑即白的存在。它既不是会毁掉所有创作的洪水猛兽,也不是完美无缺的万能工具。它可以降低创作门槛,让更多人有机会表达想法,也确实带来了版权纠纷、就业冲击等现实问题。围绕 AI 的争议,本质上是技术发展和权益分配的碰撞,没有简单的对错答案。
但我们至少可以做到一件事,那就是别让标签取代自己的眼睛。面对一件作品,先去感受它的内容,再去判断它的价值,而不是看到 AI 两个字就先入为主地否定。面对技术变化,多一点理性思考,少一点情绪宣泄,多关注深层的影响,少纠结表面的痕迹。技术的发展永远不会停下脚步,但人类的判断力和感受力,永远是创作最珍贵的内核。守住这份内核,我们才能在技术浪潮里,真正守住属于人的价值。
Gehrmann, Sebastian, et al. "GLTR: Statistical Detection and Visualization of Generated Text." Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, Association for Computational Linguistics, 2019, pp. 2481-2486.
Kobak, Dmitry, et al. "Delving into ChatGPT Usage in Academic Writing through Czech Academic Sentences." arXiv preprint, arXiv:2403.09773, 2024.
Labov, William. Sociolinguistic Patterns. U of Pennsylvania P, 1972.
Liang, Weixin, et al. "GPT Detectors Are Biased against Non-Native English Writers." arXiv preprint, arXiv:2304.02819, 2023.
Sadasivan, Vinu Sankar, et al. "Can AI-Generated Text Be Reliably Detected?" arXiv preprint, arXiv:2303.11156, 2023.
【本文中包含的图片均来源于网络,仅用于信息传播和新闻报道目的。我们尊重并保护所有版权拥有者的权利。若有任何版权问题,或版权拥有者不希望图片被使用,请与我们联系,我们将在收到通知后立即处理并删除相关图片。】