皮尤研究中心的一项新分析显示，自ChatGPT于2022年底发布以来，互联网上由AI生成的文本内容比例显著上升。研究人员对近50万个英文网页进行了扫描，结果发现，在ChatGPT发布后新出现的页面中，超过三分之一带有明显的AI生成痕迹。

这项分析基于Common Crawl网络档案库中的文本样本，并使用AI检测工具Open Pangram进行识别。在2026年7月的样本中，约10%的被检网页显示出明确的机器写作特征。但如果只看ChatGPT发布之后上线的页面，这一比例急剧攀升至三分之一以上，且自2022年末以来，疑似AI生成的网页内容占比持续稳步增长。

打开网易新闻 查看精彩图片

商业网站是AI文本的重灾区

从域名类型来看，差异十分明显。约十分之一的.com商业域名网页含有AI生成文本的迹象，.org域名网站的这一比例为4.6%，而.edu教育机构和.gov政府网站的占比均仅约1%。这意味着，商业网站包含AI生成文本的可能性大约是学校或政府机构网站的十倍。

皮尤的分析还发现，自2023年以来，一些特定的语言模式在网络上变得愈发常见。例如，破折号（em dash）的使用频率比2023年翻了一番，牛津逗号的使用量则跃升了63%。

AI偏爱的词汇正在“泛滥”

一些AI模型偏爱的词汇，如“delve”（钻研）、“interplay”（相互作用）、“testament”（证明）、“pivotal”（关键的）、“landscape”（格局）、“tapestry”（画卷）、“bolstered”（增强）、“crucial”（至关重要的）、“meticulous”（一丝不苟的）和“vibrant”（充满活力的），在网上的出现频率均增长了一倍以上。遵循“it's not just X, it's Y”（不仅是X，更是Y）句式的否定平行结构，其出现频率也几乎增长了两倍，尽管在绝对数量上仍属少见。另一项针对企业公关文件的研究发现，这一特定句式自2022年以来使用量翻了四番。

2026年4月，伦敦帝国理工学院、互联网档案馆和斯坦福大学联合开展的一项研究也得出了类似结论。该研究发现，约35%的新发布网站是完全或部分由AI生成的。研究者还发现，AI文本之间的语义相似度高出33%，整体语气也更为积极，但他们同时提醒，公众对AI负面影响的感知往往远超数据实际支持的程度。

不过，这类研究本身也存在局限。皮尤研究中心指出，目前的检测工具很难准确区分完全由AI自动生成的文本与仅部分借助AI辅助撰写的文字，因此“AI文本”的界定标准依然模糊。