什么样的文章，“一看就是AI写的”？

2026 年夏，第 23 届台积电青年学生文学奖得奖名单揭晓，小说组第一次决审时取得最高评价的《实白》随后却被匿名检举，指控其使用了 AI 创作。作者随即和主办方进行了数轮沟通说明申辩，提供了创作阶段的各种相关资料，表示自己只使用了 AI 修改错别字，并未使用 AI 进行创作。但最终，《实白》仍被取消了首奖名次，降为优胜。这是该奖第一次因 AI 嫌疑而撤换首奖。

随后舆论愈演愈烈，更有网友指出散文组的优胜奖《我爸在看电视》几乎全篇多次使用 AI 常见句式，而文学奖的官方账号下公布的各组的参赛文章评论区，更是一片鉴 AI 之声。

但风潮已起，打开任何一个社交平台，但凡超过了 300 字的文章，不管什么文体，评论区几乎必定会出现“一看就是 AI 写的”“AI 味好重”这类句式。不管愿不愿意，鉴别 AI 似乎已经成为了这个时代读者们一种新的阅读本能。

但怎么鉴别呢？图片和视频虽然同样深陷 AI 的泥潭，但想要抹去一张图或者一段视频的 AI 痕迹，多少需要一点操作或是技术门槛。但文字不一样，人人能读写，人人会改动，故而成为了鉴别 AI 这场战争中最激烈的战场。

鉴别一段文字是否是 AI 写的，一种主流的方法是特征识别。特征识别不需要 AI 厂商的配合，每家大语言模型的输入都有一些自己的奇妙句式，发展到如今已经能被做成了梗图，甚至可以开始被人类模仿。

“哈哈，这恰恰说明 AI 的语言特征已经深入人心了。”

“不是大家变敏感了，而是 AI 的表达方式太有辨识度了。”

“更狠的是，这些梗图的传播本身就是一场全民参与的语感训练。”

熟悉 AI 的朋友们都知道，怀疑容易定罪难，定罪得要有法条。维基百科作为全球最大的由志愿者协作编辑的在线百科全书网站，大概算是最早开始以规章条款认真对待 AI 生成文本的地方。

2023 年底，一群维基百科的编辑者们建立了一个名为“WikiProject AI Cleanup”的项目。他们标记了 500 多篇疑似 AI 撰写的文章，然后于 2025 年 8 月发布了一份 AI 检测指南来发布他们认为 AI 写作常见的规律，例如 AI 喜欢列排比句说 123，又或者 AI 喜欢将普通事物冠以“最关键的”“至关重要的”等“凸显重要性”的形容词，以及一些根本找不出来源的“专家认为”“有人发现”“研究证明”，指南甚至列举了不同版本的不同厂商的模型的“方言”特征。到了 2026 年 3 月，英文维基百科以 44 对 2 的投票结果正式禁止 AI 生成内容出现在词条中。

这份报告很快就成为了识别 AI 写作的重要参考文献，但人力有时而穷，面对 AI 产生的海量内容，人是不够用的，自然，我们需要工具。

以当前国内认可度较高知名度较广的 AI 文本检测工具“朱雀”为例，它由腾讯公司的朱雀实验室开发，使用了数百万份 AI 生成的和人类创作的内容来进行训练，包括学术论文，小说，散文，新闻等文体，通过自然语言处理和特征提取大数据分析等技术来判断人类创作和 AI 写作的细微区别，最终给出一个扇形图，显示被检测文字由人类撰写还是 AI 生成或者可能是 AI 的三类比例。简单来说，这类工具分析了各类 AI 写作的模式特征，例如用词的可预测性、平稳的句式结构、或是段落的分布与过渡等等，然后给出了 AI 生成的概率，从而进行识别。

有了能处理海量文本的工具后，各大网文平台开始着手处理日益变多的 AI 小说，2026 年 8 月，拥有 7000 万用户的起点中文网一举下架了大量疑似使用 AI 创作的小说，其中不乏均订过万的爆款作品。一向被认定为是 AI 小说重灾区的番茄小说，整个 7月也处理了 5.4 万本 AI 低质书籍，拒绝了 16 万本的 AI 生成和空洞水文书籍的签约。

看起来鉴别 AI 在这个方向上蒸蒸日上，一切向好。但真的靠谱吗？

我们可以从朱雀工具的一个小变化来管中窥豹。朱雀自己的跑分数据其实看起来很不错，在中英文的几个常见的文本测试集上都有超过 96% 的正确率，部分测试集甚至有 100%。但这些测试集都是干净的二分数据集——要么是人写的，要么是 AI 写的。而实际的应用场景远比测试集复杂，存在着不少灰色地带：人类的写作用 AI 润色，AI 的写作人类去修改，又或是人类恰好写出了符合 AI 写作习惯的特征句等等。这类灰色区域尚不包括在测试集的覆盖范围内。

或许正因为如此，为了更准确的表明检测的能力，朱雀自己也做出了调整，早期它给出的结果尚且只是人类/AI 的二类式比例断定，现在已经改成了人类/疑似 AI/AI 的三类比例扇形图，对疑似 AI 部分，朱雀的说明是“显示了一些和 AI 生成文本文本相似的表达模式，但仍需上下文判断，并非最终确定结果。”

技术上是诚实的，但“疑似使用 AI”和“确认使用 AI”的话语份量，在舆论场上其实是等价的，几乎没有区别。

2026 年 7 月，尼日利亚裔作家 Jerry Falade 的出道作犯罪小说（Call Me, I'll Hide the Body）引发了 14 家出版社的版权代理竞标大战，最终 Macmillan 出版集团旗下的 Minotaur 出版社以超过 200 万美元的竞价拿下合约。但随后一次会议上，有编辑提出对书稿的句型和语感提出质疑，认为该书可能使用了 AI。Falade 否认了这一猜测，坚称自己只是使用 AI 查资料和转换英式与美式英语，没有让 AI 代笔创作。由于无法证明这部小说从开始创作到完成时完全是由人类创作的，最终整笔交易还是被叫停了，而 Falade 的经纪人和公司也全面终止了和他的合作。

注意，这里举证的责任反而落在了被指控者身上，因为“疑似使用 AI”，所以要拿出“没有使用 AI”的证明，但这基本上是不可能完成的自证。

因此，无论是 AI 腔梗图，还是维基的检测指南，或者是朱雀的概率扇形图，特征识别这条检测道路上都会存在着一个困境，你没有办法跨越“像不像 AI”和“是不是 AI”之间的鸿沟，看似 99% 的准确率是针对海量数据的，但每一次误判的代价，都会由具体的人来承担。

同时，每一次误判引发的声浪，都会侵蚀这种检测本身的公信力，那些完全靠自己创作的人会开始怀疑 AI 判定的误杀率，那么真正使用 AI 的人就可以利用这些怀疑浑水摸鱼，检测工具越不被信任，真正的 AI 使用就会越安全，这条道路就会陷入死循环。

更何况，有人总结 AI 的写作特征，就有人研究如何让 AI 避开这类特征，基于维基的检测被人原封不动做成反检测插件“Humanizer.skill”，中文也有人开发“活人感写作.skill”工具包，教 AI 写人话。特征识别，是一场没法赢的军备竞赛。

2026 年 8 月，AI 公司 Anthropic 确认 Claude 在之后的版本更新中将会给所有生成的文字添加不可见的数字水印，而 9 月 1 日刚刚发布的 Fable 5.1 和 Mythos 5.1，也已经正式带上了水印。

这举是为了符合欧盟的《人工智能法案》，该法案目前已经进入一般适用阶段。 其中要求生成音频、视频、图像、文本以及通用人工智能的提供者，需要确保人工智能的输出以机器可读的格式进行标注，并可以检测是否是 AI 生成的内容。大约有 190 个公司和组织已经签署了配套的《人工智能生成内容透明度行为准则》，其中包括 Anthropic、Google、OpenAI 等著名 AI 大厂，只有马斯克的 xAI 暂时未列其中。Google 的 Gemini 更是早在 2024 年就已经部署了水印 SynthID-Text。

那么什么是数字水印？和朱雀这类检测工具又有什么不同？

大语言模型生成文本的原理是每一步都在基于前文来预测下一个词元的概率分布。例如“今天天气真”后面，“好”的概率可能是 40%，“热”是 30%，“冷”是 20%，“糟糕”是 9%，“怪”是 1%，模型会抽取一个随机数，比如 0.66，位于 0.4~0.7 之间，所以选择了“热”，然后继续预测下一个。

一种无偏水印的做法就是在这个随机数中动手脚，如果在选择随机数时，用一把只有模型发布者才知道的密钥生成伪随机数，这些随机数本身看起来仍然服从均匀分布，因此从结果上看，“好”仍然有 40% 的机会出现，“热”还是 30%，整个模型的输出概率分布没有因此改变。但知道密钥的人，却能发现生成出来的词元序列能和密钥生成的伪随机数序列之间存在一种特殊的统计相关性，从而标记出 AI 生成的痕迹。

就像一枚硬币，正常情况下掷出正面和反面的概率都是 50%，但是如果有一枚被你做了手脚的硬币，和一张只有自己知道的秘密表格，写着 010101101010111000。对于不知道这张表格的人来说，这枚硬币掷出正面和反面的概率仍然和正常硬币一样，但当你拿出秘密表格，就会发现它掷出的结果序列总是和这个表格的序列对应，那么这种一致性就很难用偶然来解释，可以被认定是有问题的了。

那么如果人类拿着 AI 生成的文本做自己的改写和调整呢？水印还是否能识别？答案是“能”，一定程度的修改并不能将水印完全洗掉，有相关研究显示，在他们测试的两种语言模型上，即使随机修改了 40% 左右的词元，文本中的数字水印仍然能够被可靠检测 。统计学家也在进一步研究，在人类的修改已经大量稀释信号以后，如何还能从剩下的微弱相关性中将其检测出来。

当然这套方案也并非全无疏漏。除了需要各大厂商的支持之外，首先，水印的检测效果和文本长度相关，越短的文本越难以显示出统计规律。

同时，水印也很难嵌入到那些非常确定的文本，例如“自然哲学的数学”后面几乎只可能是“原理”，这种时候模型也没有足够的随机选择空间来藏下水印。

其次，虽然需要受到法律监管的 AI 服务提供商们可能必须加上水印，但自己本地部署的开源模型加不加水印完全可以由自己决定。即使是闭源模型的水印，也并非无法攻击和削弱。如使用不含水印的模型或者程序对文本进行回译，一定程度上有效降低检测出水印的可能。另外也可以通过逆向工程的方法来进行攻击，通过大量查询来学习水印的统计规律，不一定需要真正破解密钥，就有可能擦除水印，甚至将伪造的水印植入到人类写的文本上。

但无论如何，水印是一个有数学保证的判断，以目前的技术路线来看，检测不出水印，并不能说文本不是 AI 生成。但检测出水印，基本上一定有 AI 的参与。也就是说，水印是目前最靠谱的 AI 鉴别方法。

不过——人们发现自己似乎并不想要它。

Anthropic 宣布强制水印的当天就引发了舆论狂潮，不少用户反应激烈，有人取消了付费订阅，有人在社交媒体上抱怨，而 Github 上用于剥离水印的改写工具，更是在几天之内便获得了 10000 颗星星，这代表着对于相当一部分 AI 用户来说，他们其实并不乐见自己使用 AI 时被识别出来。

考虑到 AI 从诞生之初到如今的舆论环境，反对 AI 来参与创作工作是预料之中。这背后可能折射出的是一个古老而朴素的议题：价值。以创作而言，从前也不乏代笔与伪作，但它们是个案，不是系统性的威胁。AI 不同，它让创作的门槛降低了太多。文章的文通字顺，画作藏色与构图的技巧，这些曾经需要品味和时间才能训练出的成果，现在可以近乎零成本地批量生成。能走量的东西，单价就会贬值。在成品质量有更明确标准的领域——比如写代码，程序员们的反应就是接受了重新定价的现实，并努力迎接 AI，达成和 AI 共生的局面。但在难以标价的领域，同人创作，二次元绘画，视频剪辑，价值的标准更为模糊，一切判定的基础不得不建立在“人的努力”这个前提上。一旦前提被动摇，价值的基础就迅速坍塌。

而在这个过程中，鉴别 AI 也悄悄变成了一种诡异的焦虑——如果我能看出这是 AI 写的，就说明我的品味和眼光还在，而被 AI 蒙蔽，就榨出了我们认知皮袍下的“小”。鉴别 AI，本质上是在维护“人的创作”这件事的稀缺性，也在维护“我还能分辨”这件事的尊严。故而 AI 一开始便带有了原罪。

但另一方面，AI 更为广泛的应用可能并不在这些创意工作中，周报、邮件、有理有据的回复、斟酌再三的沟通，这些充斥着日常的琐碎工作，大家更想统统交给 AI。工具被发明出来就是让大家使用的，那么为什么又不能使用 AI 呢。

这两种现实同时存在，于是一种微妙的矛盾心态出现了。

那些要求鉴别 AI 的人很可能也在以各种形式使用 AI，同一个人完全可以早上使用 AI 写周报，中午转一篇 AI 又证明了某某数学定理的文章，晚上在社交平台对着一篇同人文言之凿凿“一看就是 AI”。

这看起来当然是一种双重标准。

但问题又没有那么简单，使用 AI 本来就是一个连续的光谱，让 AI 查错别字是使用，让 AI 翻译一句话是使用，让 AI 写周报是使用，让 AI 写小说还是使用，但如果 AI 可以被鉴别，这段连续光谱就会被二值化成非黑即白的回答“使用了 AI/没有使用 AI”。

作为读者，你希望每个作者都认真对待你，不要使用 AI 敷衍你，而作为使用者，你希望自己使用 AI 的痕迹不被任何人看见，想要拥有不被有色眼镜看待的自由。我们希望别人使用 AI 时可以被标记，却希望自己使用 AI 时仍然保留隐藏它的权利。

这种环境影响着所有人，包括我自己。

我喜欢引号、冒号、破折号，也喜欢密集的数字，确凿的时间，隐蔽而有趣的联想，这些都是在 AI 出现之前我就喜欢的写作习惯，但现在当我每次使用它们，我都会犹豫一下，我甚至再也没有写过“不是……而是”这一无比经典的辩证句式。

而你，想要 AI 可以被鉴别吗？