陈安繁：传播的两端正在换成机器，人类退到中间，做中介、做授权、做签名。当我们连AI替自己生产了什么都来不及看，所谓知识的生产权，还剩下多少？
2025年11月24日，澳大利亚麦格理词典把“AI slop”选为年度词汇：由生成式AI制造的、常含错误、而且从来没有人要求过的内容。此外，中文互联网有一个更热门的词：AI味。
多数关于AI味的讨论停留在文风层面：工整的小标题、均匀的段落、“赋能”、“深耕”大量涌现。但把它当成审美问题，会错过真正在发生的事。我研究科学传播与计算传播，这一年让我不安的是传播的结构换了一副骨架。
从“人透过机器对话”到“机器透过人对话”
传播学对媒介的理解搬过两次家。早期是媒介中介的传播（media-mediated communication），报纸、广播、电视站在传播者与受众之间；九十年代之后是计算机中介的传播（computer-mediated communication），电邮、论坛、即时通讯成为通道。两者共享一个前提：链条两端都是人，机器在中间。
这个前提正在失效。
Graphite在2026年发表的一项Common Crawl抽样研究，以三种文字侦测器的平均估计，发现2026年第一季度，被归类为主要由人工智能生成的文章约占抽样内容的49.9%，抽样内容为Common Crawl数据库中2020年1月至2026年3月期间发表的55,400篇英文文章。另一项针对Google前两页英文文章与清单文的研究，则在其2025年样本中将86%归类为人类撰写，14%归类为人工智能生成。换句话说，海量AI内容被生产出来，却几乎没有人类读者：它们被写出来，是为了被机器抓取、索引，成为另一个模型的语料。Imperva于2025年发布的报告显示，根据其2024年跨数千个网域与行业的观测，估计自动化流量（良性与恶意机器人合计）占其统计的全部网页流量51%，人类流量占49%；报告称这是十年来自动化流量首次超过人类流量。
一个新的范式轮廓由此浮现：人类中介的AI间传播（human-mediated AI-to-AI communication）。内容由AI生成、由AI分发、被AI读取，再成为下一个AI的输入；人类站在中间，负责点“发送”、负责署名、负责在出事时承担责任。我们从传播的主体，退回到了信道的位置。
更微妙的是，这条链上许多环节已不对应任何人的意愿。自动化的营销流程、合规摘要、周报与会议纪要，被启动过一次便持续运转。你不是在传播，你只是在被计入传播。
AI信息雪崩：生产的速度，快过了审阅的速度
这个范式带来一个结构性后果，我姑且称之为AI信息雪崩（AI Avalanche）：AI生产内容的速度，系统性地超过人脑审阅内容的速度。雪崩的特征不是量大，而是你来不及躲。
最硬的证据来自程序员，因为那是错误会自己报警的领域：有编译器，有测试，有几十年沉淀的代码审查（code review）文化。古法时代，每一行进入主干的代码原则上都有人读过。今天这件事已经不成立。
Google的DORA团队2025年的报告发现，在其问卷模型中，AI采用与软件交付吞吐量呈正向关联，却与以变更失败率和返工率衡量的交付稳定性呈负向关联：变更失败更多、返工更多。原因很直白：AI把瓶颈推到下游，测试与审查吸收不了这个新速度。
Stack Overflow 2025年开发者调查保留的49,009份有效回复中：在回答是否使用AI的受访者中，84%表示目前使用或计划使用AI工具。在AI输出准确性方面，约33%表示高度或有些信任。在可复选的挫折感题目中，66%表示收到过“几乎正确但不完全正确”的答案，45%表示修正AI生成的代码更费时。
最刺眼的一项来自METR的随机对照实验。METR在2025年2至6月进行的任务层级随机对照实验中，要求16名熟悉其成熟开源专案的开发者完成246项任务。被允许使用当时AI工具的开发者，其完成时间约增加19%；参与者事后却估计AI可令时间减少约20%，两者相差39个百分点。
这是技术能力最强、审查文化最成熟、反馈信号最明确的群体。连他们都守不住人工智能的错误，那些没有编译器的领域呢？研究报告、尽职调查、合规文件、学术综述，这些地方的错误不会报警，只会沉默地继续流传下去。
BetterUp与Stanford Social Media Lab于2025年9月对1,150名美国全职桌面工作者进行线上自陈调查；40%表示过去一个月曾收到过研究所定义的低品质AI生成workslop。同期报道估计，接收者每宗约花两小时理解、讨论、修订或重做；研究者按自报薪资推算，每位受影响员工每月约有186美元的生产力成本。42%的接收者表示，这类经验令其认为发送者较不值得信赖。
效率没有凭空产生，它只是从生产端转移到审阅端，从发送者转移给了接收者。
我们还拥有知识的生产权吗？
署名的前提是知情。如果你没有完整读过发出去的东西，你在署什么名？
MIT Media Lab于2025年发布的一篇尚在审稿中的预印本，在54名受试者的限时作文实验中对ChatGPT、搜寻引擎与无工具情境进行比较：该样本中，无工具组呈现最强、最广的脑电图（EEG）功能连结。研究者亦在特定轮次观察到，部分先前使用LLM的受试者难以准确复述自己作文中的引文。作者将这些初步、教育写作情境下的结果讨论为可能的“认知负债”。这项研究样本小，且仍是预印本，但它测算的指标很精准：作者对文本的归属感（ownership）。
微软研究院与卡内基梅隆大学研究者在CHI 2025发表的调查，收集了319名每周至少一次在工作中使用生成式AI的知识工作者所提供的936则使用案例。研究发现，在任务层次，对GenAI的信心较高与较少自陈批判性思考相关；对自己完成任务的信心较低则与较多自陈批判性思考相关。
这对企业治理的意义相当直接：责任的归属仍然牢牢落在签名的那个人、那个机构身上，而支撑责任的知情前提，已经被速度悄悄掏空。监管者不会接受“我没来得及看”这个抗辩。
同一个机制还解释了另一件常被当作矫情的事：心流的消失。心流的经典条件是明确目标、即时反馈、挑战与技能匹配，都要求人待在过程里。而今天大量知识工作已变成“提出请求、等待、审阅”，人从执行者变成验收者。验收不产生心流，只产生疲惫。那种“我做出来了”的成就感从来不是产出给的，是过程给的；产出还在，过程被拿走了，倦怠就是这么来的。很多人把这误认为工作太多，更准确的说法是，工作里属于自己的那部分变少了。
把自己放回过程里
我不主张抵抗AI，这既不现实也无必要。需要重建的是人在传播链条上的位置感。
守住两端。问题从哪里来是判断力，最后签上名字是责任。中间的检索、整理、翻译、打初稿，再交出去，没有问题；危险的是让模型替你决定什么值得问，以及替你承担说错了算谁的。
为速度设闸。既然雪崩来自生产与审阅的速度差，组织就必须承认审阅是有成本的产能，而不是可无限压缩的余量。一条简单的纪律是：没有人完整读过的东西，不出门。
留一段亲自在场的中段。保留一些低效的、无法压缩的事：把问题在纸上想清楚再去问模型；开会前先写下自己的三条判断，再看AI的版本，注意哪几条是你原本没想到的，哪几条是你被说服放弃的，后面这一类往往更重要。
AI味之所以让人警觉，是因为它是一面镜子。模型从我们的文字里学会说话，它吐出来的套话本来就是人类表达中最容易被模仿的部分。真正该担心的从来不是机器越来越像人，而是人正在自愿退出过程，把自己活成一段带宽。
所以，在今天谈“有意义地生活”，也许不需要多高远的定义。它可能只是：你发出去的东西，你自己读过；你签的名，你认；你在意的事，不因为它慢就把它删掉。
这几件事，模型目前都替不了你。而且最好，一直替不了。
（陈安繁（Anfan Chen），香港浸会大学传理学院传播系研究助理教授。责任编辑邮箱： ）