PPT、文章越专业越像AI？当“专业感”变得太便宜
前段时间，我发现一个很微妙的现象。一份 PPT 如果文字很多、布局有些凌乱，图片还是直接从网页上截下来的，大家一般不会说它像 AI；可你只要把网格对齐，颜色统一，标题层级做清楚，再放上几个干净的图标，就很容易听见一句：“AI 做的吧？”
文章也差不多。写得太顺，叫 AI 味；网页卡片太整齐，叫 AI 味；海报太像发布会，叫 AI 味；一句话里出现个破折号，也有人开始现场刑侦。有时候我甚至怀疑，Adobe 要是晚出生几年，大家可能会觉得整个平面设计史都是大模型生成的。
当然，这种感觉并非完全没有来由。如今模型确实能够批量制造一种成熟、完整、四平八稳的表达，很多作品看上去无懈可击，仔细一看却没有多少属于作者自己的东西。问题在于，“AI味”这个词太容易从一种感受，滑向一种判决。有人说“我不喜欢这种风格”，这只是审美；再往前走一步，说“这东西没什么价值”，就已经开始评价质量；如果继续推断“作者大概没真正想过”“项目可能也不是他做的”，甚至“他一定违规了”，事情就完全不同了。
判断成本没有明显增加，结论却越来越贵。几秒钟形成的印象，开始结算别人几天、几个月，甚至几年积累出来的信用。
我真正想讨论的，就是这种不对称。AI 时代大规模降价的，不只有作品的生产，还有我们对作品作出判断的方式。当专业外观、真人感、创作痕迹，乃至“识别 AI 的能力”都可以被工业化以后，我们仍然需要判断好坏、分配机会、确认归属和执行规则，却不能继续假装过去那些便宜的信号，还拥有过去的证明力。
一、表达降价：专业外观为什么不再稀缺
均值工业化
PPT 本来就是一种压缩工具。十页文档压成三页，复杂技术压成一张架构图，一堆实验数据压成几条结论，都是为了让别人用更少的时间理解更多的信息。没人汇报的时候会把代码仓库从第一行念到最后一行，所以压缩本身没有什么问题。
AI 改变的是这种压缩的成本。过去你往往得先理解系统，再慢慢琢磨怎么把它画出来；现在只需要告诉模型：“帮我做一页大模型安全评测平台技术架构图，要高级，要有科技感。”十秒以后，一套“数据层—模型层—安全层—应用层”的彩色盒子就出来了，配色统一，连线工整，旁边还有几个盾牌和数据库图标，看上去比不少真实项目的文档还像那么回事。
合理到你甚至不好意思问：这四层到底谁调用谁？数据是实时还是离线？安全层做输入检测还是输出审核？模型层为什么单独摆在中间？多问几句，有时候整张图就开始像乐高一样松。
这并不说明 AI 不能帮助人理解系统，只说明它最先大幅降低的，是把一个东西表达成专业形态的成本。内容还在原来的速度上走，外观已经坐上高铁了。
不过，“普通人快速获得专业版式”并不是大模型时代才发生的事。微软早在 2015 年推出 PowerPoint Designer 时，就已经让系统自动推荐专业布局；当时微软披露，这套功能与专业设计师合作准备了超过 12,000 套设计蓝图。模板、智能排版、图标库，再到今天用自然语言直接生成整套页面，专业外观一直在降价，只是这一轮降得特别快。
图片来源：微软 Office
很多今天被叫作 AI 风格的东西，其实比 ChatGPT 年纪大得多。咨询报告、商业汇报和产品发布会一直喜欢统一配色、清晰层级、简洁图标和规整卡片，理由也谈不上神秘：好读。老板一天看十份汇报，不是来参加艺术展的，他希望三秒知道这一页说什么，十秒知道结论，半分钟决定要不要继续问。成熟商业排版因此会逼着人做一些很无聊、但确实有效的事：标题说人话，重要信息放前面，颜色不要满天飞，图也不要为了显得复杂而复杂。
AI 恰好学习了大量这样的材料。它喜欢生成标题、摘要、要点和结论，喜欢统一图标、信息分层和简洁配色，并不奇怪，因为这些东西原本就是人类过去几十年一点点筛选、总结、标准化留下来的经验。我们今天批评 AI “太平均”，某种程度上也是在批评人类自己总结出来的平均经验。
图片来源：SlideBazaar
真正发生变化的是规模。一个原本只是工具箱里的常用工具，逐渐成了几乎所有问题的默认答案。模型偏爱那些稳妥、常见、不容易犯错的选择，而当足够多的人都使用同一套稳妥选择，稳妥本身就会长出一种风格。好经验没有犯错，只是出现得太频繁以后，原本提供选择的经验，开始替人规定选择。
你要是把一份十年前的咨询报告扔给今天没怎么看过商业材料的人，他没准也会说：“这个好像 Kimi 生成的。”那就有点穿越了。
图片来源：艺字网
信号通胀
以前一个学生做出一页像咨询公司报告的 PPT，别人很容易顺手脑补一串东西：这个人至少花过时间，可能做过调研，看过案例，自己画过图，调过字号，处理过版式。这些推断从来不严谨，可过去获得这种外观确实需要一定成本，于是外观多少携带了一点关于投入的信息。
模板、自动排版和自然语言生成，把这种成本一层层削掉以后，同样的视觉结果可能来自三天的手工设计，也可能来自一句提示词。视觉语言本身没有变差，它只是不再像以前那么稀缺。一部分“专业感”被工业化了。
图片来源：SecAI前沿制图
PPT 又比普通网页麻烦一点，因为它不仅让“看起来专业”变便宜，还会让“看起来懂”变便宜。一张漂亮的架构图天然会给人一种错觉：画图的人应该理解这些模块。未必。有时候只是模型很理解，一张专业架构图通常应该长什么样。
图片来源：SecAI前沿制图
过去，表达能力和实际能力多少存在某种绑定。一个项目还没做明白，汇报通常也带着一点学生作业感；系统不会写的时候，多半也画不出特别成熟的系统架构。现在这条线被单独拉快了，一个项目完全可能视觉质量九十分，讲述能力八十分，工程能力七十分，实际成熟度只有六十分。
这并不意味着大家都在装。恰恰相反，很多技术能力很强、以前 PPT 做得惨不忍睹的人，现在终于可以借助 AI，把自己的真实能力展示得像样一点。过去表达差容易被当成内容差，表达好也容易被当成内容好，如今这两种推断都不再可靠。AI 解救了一部分不会包装的人，也让另一部分没有多少内容的人获得了相似的包装能力。它打散了表达与能力之间原本相对稳定的绑定。
文章也是这样。以前有些人不是没东西，是说不出来，脑子里明明有一个完整判断，真让他写，重点埋在第十七段；让他讲五分钟，最后只剩一句“反正大概就是这个意思”。有思想和有能力把思想准确传递给别人，本来就是两种能力。2023 年《Science》的一项实验研究发现，使用 ChatGPT 完成职业写作任务的参与者平均耗时下降约 40%，输出质量提高约 18%。AI 确实能够减少一部分“明明有内容，却被表达拖了后腿”的损耗。
可同一台机器也能处理另一种原料。没多少东西，同样可以整理得结构完整，标题、案例、转折、金句都能补齐，最后再跑一次 Humanizer，连所谓“活人感”也可以生成。于是我们得到的不只有更多被顺利表达出来的思想，还有大量成型得非常漂亮的空白。
AI 未必首先降低了好文章的门槛，它更直接地降低了“看起来像一篇文章”的门槛；它也没有让所有人突然理解系统架构，只是让所有人更容易做出一个像系统架构的东西。这就是专业外观降价以后，评价者首先需要面对的事实。
二、代理信号失效：为什么过程开始承担溢价
我们过去依赖过很多不严谨、却足够便宜的代理信号。PPT 成熟，大概认真做过；文章流畅，大概认真组织过；图画得专业，大概比较懂项目。这些推断以前也会错，只是错得没有今天这么方便。现在，一个漂亮 PPT 底下可能是空的，一篇被 AI 润色得非常成熟的文章，背后也可能真有一个作者想了几个月的判断。信号和内容开始解绑，读者自然就要寻找新的判断依据。
假设有两篇看起来都很成熟的文章。一篇作者查了三周资料，反复修改论点，最后让 AI 帮忙整理表达；另一篇十秒钟生成，补几个案例，再跑一遍 Humanizer。在第一眼的分诊层，它们可能长得差不多。如果读者暂时分不清哪篇值三周、哪篇值十秒钟，他就很难继续按照“三周的成本”给前者分配注意力、信任和机会。
这和经济学里那个著名的“柠檬市场”有些相似。Akerlof 用二手车解释信息不对称：卖家知道商品质量，买家却很难看出来，于是低质量商品可能挤压高质量商品，严重时甚至让整个市场收缩。放到内容市场，道理也类似。当十秒钟的生成物和三周的真实分析，在最便宜的评价层几乎无法区分，“看起来专业”本身的市场价格就会向十秒钟那边靠近。
这里的价格不一定是钱，也可能是读者愿意给你的三分钟，评委愿不愿意继续追问，编辑愿不愿意认真看第二遍，招聘者愿不愿意相信这是你的真实能力。更麻烦的是，生产者自己也会开始算账：如果别人根本分不出来，我为什么还要花三周，做一件十秒钟就能看起来差不多的东西？
高质量生产者可能因此减少投入，也可能离开这种便宜的分诊市场，转向更昂贵的验证渠道：公开源码、提供原始数据、展示实验记录、留下版本历史，或者通过现场答辩证明自己确实能够继续操作作品。过去这些材料往往只是生产过程中留下的边角料，如今却开始承担一部分来源证明的功能。
这有点像艺术品的 provenance。作品之外，来源链条也参与定价。可来源一旦值钱，来源也会被生产：只要真人创作记录有溢价，就会有人制造真人创作记录；只要修改历史能够证明思考，就会有人专门准备漂亮的修改历史。证明作品是真的，需要认证；证明认证是真的，又需要可信的认证机构。听起来荒唐，很多信任体系本来就是这么长出来的。
摄影出现以后，艺术史也经历过某种相似的重新定价。这里不能简单说摄影导致了印象派，历史没有这么听话；但机械图像越来越擅长准确呈现现实以后，画家和版画家确实不得不重新面对一个问题：如果“像”变便宜了，手工图像还靠什么定义自己？笔触、光线、颗粒、不完整、主观观看，某些过去可能被视为不够精确的特征，开始获得新的价值。接下来的一幕就很熟悉了，粗粝笔触可以学，不完整可以学，所谓手感也可以学，昨天还在反抗机械复制的东西，明天就可能进入教材和风格模板。
稀缺性不会因为一种形式降价就自动消失，它会迁移到新的地方；而新的地方一旦被发现，又会成为下一轮复制的对象。这种迁移没有一个永远安全的终点，恰恰是我们今天讨论“AI味”时需要记住的事情。
三、方差收缩：AI味究竟从哪里来
完全否认“AI味”也没有必要。它确实对应着一些可以观察和测量的风格趋同。2026 年《Nature Human Behaviour》的一项研究横跨 7 个数据集、超过 88 万篇文本，研究发现，大模型参与润色和改写以后，核心内容大体仍能保留，但写作风格会明显趋同；在不同数据集和模型中，写作复杂度的方差下降约 21% 到 50%。
这些结果讨论的是分布，而不是某一个句式的身份证。它们不能证明所有 AI 都有同一种味道，更不能证明一篇文章出现破折号、三段式或者“不是 A，而是 B”，就一定来自模型。真正值得观察的是，段落展开是不是越来越容易预测，结构变化是不是越来越少，不同作者经过类似模型处理以后，是不是逐渐向某个中间区域靠近。
有时候，最重的 AI 味并不是你突然认出了某一个词，而是上一句还没读完，你已经大概知道下一句准备怎么转折。
今天很多被叫作 AI 味的表达，其实早于 AI。“你以为……其实……”“真正的问题不是……而是……”“底层逻辑”“核心命题”“先说结论”，这些东西在营销号、公众号爆款文、SEO 内容、商业软文和知识区视频里早就大量存在。我们今天闻到的很多 AI 味，可能首先是互联网味。
不过，人类营销号其实很参差。有人开头气势汹汹，写到后面没劲了；第一个论点写八百字，第三个只剩两百字；有人转折没接住，有人例子举了一半，还有人写到最后自己都想下班。人写的东西本来就有毛边。生成文本给人的另一种感觉，恰恰是毛边太少：三个论点差不多长，该举例的地方都有例子，该转折的地方完成转折，每一部分都像得到了同等程度的照顾，没有哪里特别糟，也很少有哪里突然失控。
这意味着风格趋同至少发生在两个环节。原料端，模型学习了互联网上大量成熟、保险、已经被验证过的平均经验；加工端，生成和润色又继续把原本参差、烂尾、轻重不一的部分往中间拉。AI 没有发明营销号，它更像是把营销号送进了一台工业砂光机，没接住的转折被接住，虎头蛇尾被补齐，轻重不一的段落重新拉平，结果当然更完整，也更容易让人产生一种奇怪的感觉：为什么每个地方，都完成得这么像“应该完成的样子”？
来源与质量的分离
知道一种风格确实存在以后，下一步就该把它和质量判断分开。一个很简单的测试是：看到一句话觉得 AI 味很重，先暂时把来源遮掉，假设你不知道它来自人还是模型，再看一次，问题还在不在？
如果一段话连续五次使用“不是 A，而是 B”，每一次转折看起来很大，实际上前后没有信息增量，只是在制造一种论证正在推进的幻觉，那就应该删。如果 A 和 B 本来不冲突，却为了制造金句感，硬写成“问题不是技术，而是人性”，也可以批评它制造了一个假的二元对立。
可如果一句话只是说：“这里限制系统性能的不是计算量，而是内存带宽。”判断准确，句式完成了工作，它就没有义务因为 ChatGPT 也爱这么说，而故意绕一圈。来源可以提供怀疑的理由，却不能替质量判断交卷。
同样一句话，放在不同场景里也会有不同的要求。QQ群里有人问“这个是不是炸了”，朋友回“早炸了，下午就在报这个”，很自然；把它原封不动放进技术事故报告，多少就有点行为艺术。技术文档应该完整，论文应该严谨，商业汇报应该结构化，聊天则允许大量省略、内部梗和上下文跳跃。这些全部都是人类语言，不存在一种统一的真人风格。
模型可以被告知“这是大学同学QQ群，写得自然一点”，但它可能只知道统计意义上的大学同学QQ群，不知道你这个群昨晚两点发生过什么。群里有人突然发一句“又来了”，所有人都笑了；有人说“老地方”，大家就知道去哪；有人说“他又开始了”，甚至不需要解释“他”是谁。这些话自然，并不是因为句子短，而是背后塞着大量没有写出来的信息。大家知道彼此知道什么，所以不必把所有东西再讲一遍。
当然，把上下文宣布成最后一道护城河也有点早。今天模型不知道群里昨天发生过什么，以后它可能直接拥有全部聊天记录；今天它不知道一个架构为什么改了三次，以后它可能同时读 Git 提交、需求文档、会议纪要、Issue、Code Review 和邮件。很多今天高度私有、很难复制的背景信息，正在一点点变成机器可以读取的基础设施。
到那时候，“发生过什么”本身也许不难获取，真正困难的是这么多事情里哪些与当前问题有关，两份资料冲突时相信哪一份，昨天的共识为什么今天应该推翻。上下文可以成为输入，输入之间的关系仍然需要重新建立。对于作者来说，重要的也不是守着一种机器暂时学不会的口吻，而是拥有足够具体的经验和判断，知道哪些信息该进入文章，哪些应该被舍弃。
四、反AI味套利：当反模板变成下一套模板
“AI味”变成一种普遍焦虑以后，很快就会长出另一门生意：教你识别 AI 味，再教你去掉 AI 味。短视频里列出十条，出现破折号，危险；喜欢三段式，危险；总说“不是 A，而是 B”，危险；段落太整齐，危险。最后再顺手给一套 Prompt，告诉你怎样修改才能像真人。
这套生意最有意思的地方，在于它和自己批评的对象，使用的其实是差不多的方法。它们都在寻找一套最省力、最容易复制、最容易批量执行的规则。一边说真正的人类写作不能这么模板化，一边把“怎样像真人”总结成二十条模板；一边嘲笑模型偷懒，一边教人只看破折号、三段式和句子长短，就完成一次文本鉴定。
这当然特别适合短视频。“语言风格受到语域、训练背景、上下文、作者习惯和生成过程共同影响”，不太适合做三十秒口播；“出现这五个特征，一眼识破 AI 文”，就好多了。一个本来需要上下文、需要经验，甚至未必存在确定答案的判断，被压缩成几个极其便宜的表面特征，然后再把这套便宜判断包装成一种能力。
某种程度上，“AI味警察”和“去AI味大师”做的是同一门生意。前者制造怀疑，后者出售解药，而它们共同需要一个前提：表面上必须存在一套稳定、容易识别、也容易修改的 AI 指纹。不然一边没东西可抓，另一边也没东西可卖。
减少机械重复、修掉明显的模板痕迹，本身当然是正常的编辑工作。一篇文章连续五次“不是 A，而是 B”，删掉几次很合理；一套 PPT 每页都是三个卡片加一张大图，看腻了也确实该改。问题出在把局部的编辑经验，包装成识别来源的万能鉴定术。“这个句式用多了，看起来机械”，是在谈作品；“用了这个句式，所以大概率是 AI 写的”，已经开始推断生产过程，中间隔着一段并没有得到证明的距离。
于是去 AI 味产业真正出售的，很多时候也不是写作能力，而是如何通过当前这一版审美检测。今天大家抓破折号，就删破折号；明天抓三段式，就故意写得参差一点；后天发现模型太爱完整转折，那就专门塞一点口语、断句、留白和没说完的话。单独看，这些都可以是正常的编辑选择，可一旦大家为了证明自己不像 AI 而集体这么做，它们很快又会变成下一套模板。
公开经验一直有一个很有意思的命运。一个人总结出来，别人发现确实好用，更多人开始模仿，经验被写进教程，教程变成规范，规范再被自动化。到最后，原本用来区分“好不好”的东西，越来越难继续区分“谁是谁”。
今天大家集体删“不是 A，而是 B”，明天所有 Humanizer 开始短句、留白、故意不完整，再穿插几句看似随手的口语。过一阵子大家一看：“怎么一股去 AI 味的 AI 味？”这并不奇怪，去 AI 味一旦被写成 Skill，它就已经开始制造下一代 AI 味了。
当然，公开经验不会因为传播就自动失效。“标题应该有层级”“论据最好能追溯”这些东西，就算所有人都知道，仍然有价值。真正会折旧的，是那些高度依赖稀缺性和区分度的信号。某种版式以前显得高级，是因为不常见；某种写法以前显得有个人风格，是因为没有铺满整个互联网。一旦复制成本降到接近零，它们就会被重新定价。我们消灭的可能从来不是模板，只是模板当前的版本号。
更荒唐的是，这种反模板最后甚至会反过来改造真人。一个人原本很自然地使用破折号，因为怕别人说“AI 写的吧”，开始主动删掉；一个人本来喜欢把论证整理得很整齐，为了显得更像真人，故意留下几处不平衡。做 PPT 也是一样，为了证明不是 AI 做的，故意把字号搞乱一点，把图片错开一点，把颜色做土一点。
到了这里，事情已经倒过来了。AI 在模仿人，人又开始模仿“不会被认成 AI 的人”。如果粗糙、错位和不完整开始被当成人类身份证，我们其实没有走出模板，只是换了一套模板。原本想识别人类痕迹的评价，最后开始规定一个人应该留下什么样的人类痕迹，这才是“AI味”焦虑最荒唐的一种副作用。
信号折旧与认知摩擦
过去一种风格从新鲜变成套路，往往需要很长时间：有人先这么写，别人觉得好用，培训班总结方法，行业慢慢形成惯例，再过几年所有人看腻。机器复制以后，这个过程被压缩了。一个 Prompt 被公开，一套排版被总结，一种去 AI 味规则被写进 Skill，不再需要几十万人分别学会，模型可以替他们一起学。
评价标准也会跟着折旧。过去觉得 PPT 做得漂亮，说明花过功夫；失效以后，评审开始问技术细节。大家知道会问技术细节，就准备技术细节；评审再问为什么这么选、条件变了怎么办、系统到底有没有真的改过。这些问题一旦稳定下来，也会被总结、训练和模拟。判断标准越来越像软件维护，旧规则失效，补丁出现，补丁被适应，再更新。
人的注意力却没有一起升级。老师不可能每半年重新发明一套答辩方法，招聘者不会天天研究最新的项目包装套路，普通读者更不会为了判断一篇文章，一直追踪“本月最新 AI 文风特征”。人会累，累了以后，通常会干一件非常符合人类文明史的事：把麻烦重新交给工具。而一旦连识别 AI 味本身也开始被工具化，下一轮循环就已经准备好了。
作者自己也会遇到类似的问题。一篇两万字的文章写完以后，你不可能把每一个已经十分顺滑的句子重新当成嫌疑人，从第一性原理验证一遍。写作过程中，人一直依赖一些便宜的内部信号，其中一个就是拧巴。一句话怎么写都接不上，一个转折改了三遍还是觉得哪里不对，一个概念解释了半天，自己越解释越虚，这些问题有时候只是表达能力不足，有时候却是思想在报警。
过去为了把一句话写顺，人常常不得不顺便处理那个“不太对”：我到底想说什么？A 和 B 真的是因果关系吗？这个转折凭什么成立？AI 出现以后，这一步可以被无痛跳过去。你说“这里有点拧巴，帮我润色一下”，十秒以后语法通了，节奏顺了，转折也有了，红色故障灯熄灭，发动机修没修好却不一定。
所以我越来越觉得，AI 最有价值的用法之一，不是把所有摩擦都抛光，而是帮助人分辨哪些摩擦值得留下来处理。“帮我写顺”像抛光机，“先别帮我改，告诉我这里为什么拧巴”才开始像诊断仪。一道题怎么都推不下去，一段代码怎么改都不对，一个论点必须靠五个转折才能勉强连起来，这些东西不会自动证明你错了，却很便宜地告诉你：这里可能值得贵一点地想。
五、廉价裁决：当风格标签长出制度牙齿
“AI味”并不是互联网第一次发明这种词。以前也有“鸡汤味”“营销号味”“学生感”“网文腔”，它们都有一个共同优势：快。不用完整解释结构哪里出了问题，只需要指出它像某一类自己不太看得上的东西，一个复杂的质量判断，就被压缩成风格归类。
这一轮真正值得警惕的地方，是廉价评价开始长出制度牙齿。以前一句“营销号味太重”，最多让人嘲笑你；一句“学生感很强”，可能让设计师觉得作品不够成熟。“AI味”后面却可能跟着一个检测百分比，再往后，可能跟着学校的学术诚信程序、成绩、比赛资格甚至处分。旧标签主要属于意见，新的标签开始进入程序。过去的廉价否定，最多让作品掉价；这一轮，它有机会让作者被处分。
百分号真正危险的地方，也不在于它自动让判断更准确，而在于它让一个模糊评价长出了像证据一样的外观。“我觉得像 AI”听起来只是感觉，“AI 检测率 83%”却突然像测量，于是原本只是“这里值得再检查一下”，慢慢变成“系统已经给答案了”。机器输出一个数字，人只负责执行，这样最省事，也最容易让举证责任倒过来。
怀疑闭环与举证责任
这种怀疑还很容易形成一个闭环。你不回应，可以被理解成默认；解释多了，又像急了；拿出草稿和版本历史自证，甚至还能被反问一句：“没问题为什么准备这么充分？”到这里，作者已经很难提供一种不会被重新解释的回应。否认可以是心虚，解释可以是辩解，自证也可以继续成为可疑，指控者提出的只是一个可能性，被指控者却被要求证明这个可能性不存在。
猜错十次，通常没人记得；猜中一次，就可以说“我早就说过”。失败成本很低，偶尔猜中却能够不断强化“我会识别”的身份。这种结构放在评论区里，可能只是烦人；放进师生、评审、招聘和学术诚信这些存在权力差异的关系里，就开始决定谁必须证明自己是清白的。
一个老师怀疑学生使用了 AI，一句“检测率有点高”很容易，接下来学生可能需要交草稿、版本历史、引用记录和创作过程。一个招聘者觉得候选人的项目“包装感太重”，同样只需要几秒，轮到候选人时，他得解释架构、展示代码、回答追问，证明项目确实是自己做过的。
让被怀疑者提供证据，本身并不荒谬。真正失衡的是，拥有裁决权的一方可以把验证责任和误判风险几乎全部转嫁出去。评价者只负责怀疑，被评价者负责证明怀疑是错的；怀疑只需要一句话，清白却开始按页收费。
如果一个判断可能改变别人的成绩、资格、职业机会或者信用，拥有裁决权的一方就不能只承担提出怀疑的成本，还必须承担与后果相称的确认义务。 否则检测器甚至不需要特别准确，只要它能够触发举证责任转移，就已经拥有了相当大的力量。
偏差继承与量化幻觉
斯坦福团队那组关于 AI 检测器的数据，在这里值得多停一下。研究者使用 7 种当时广泛使用的 GPT 检测器，测试了 91 篇由非英语母语者撰写的 TOEFL 作文，这些文章全部由人完成，平均却有 61.3% 被误判成 AI。19.8% 的文章甚至被 7 个检测器一致判成 AI，至少被其中一个检测器标记的比例达到 97.8%。
如果只停在这里，很容易总结成“检测器不太准”。可研究者继续往下看，发现这些被误判的文章往往拥有更低的 perplexity，简单说，就是更容易被模型预测，词汇范围窄一点，句法变化少一点，表达更规律一点，恰好也是很多非母语写作者容易出现的特征。后来，研究者让 ChatGPT 把这些 TOEFL 作文的词汇改得更接近英语母语者，平均误判率从 61.3% 降到了 11.6%。
两个数字放在一起，事情已经不只是检测器偶尔会错。同一个人的思想，只因为语言表面更接近母语写作，机器眼里的 AI 嫌疑就大幅下降。一个人明明什么 AI 都没用，只因为英语写得没那么像母语者，检测器反而更容易觉得他像机器。
这组研究不能直接证明所有 AI 检测器都是“非精英写作检测”，但它揭示了一个很具体的问题：误判不会必然平均地落在所有人头上。过去，一些语言特征可能被叫作“不够地道”“学生感重”，今天同一批统计特征又可能换一个更技术化的名字回来，叫“像 AI”。旧的等级差异，并不会因为检测器出现就自动消失，有时候只是获得了一张新的技术凭证。
OpenAI 自己在 2023 年也曾推出 AI 文本分类器。在官方 challenge set 上，它只能正确识别 26% 的 AI 文本，同时会把 9% 的人类文本错误标成 AI，后来这个分类器因为准确率低被下线。这里需要注意的是，检测器输出的百分比，并不自动等于“这篇文章有多少概率是 AI 写的”，更不等于“这篇文章有多少内容由 AI 生成”。不同工具的分数含义、阈值和校准方式并不相同，把一个看似精确的数字直接理解成事实概率，本身就是另一层误用。
工具参与判断当然没有什么奇怪，人类早就在用查重、异常检测、风控和反作弊系统帮助筛选。关键在于，工具是在提示去哪里看，还是替人把裁决做完。Turnitin 自己的官方指南也明确提醒，AI 写作检测可能误识别人类文本、AI 生成文本和 AI 改写文本，不能单独作为对学生采取不利措施的依据。
检测器可以帮助决定哪里值得多看一眼，至于看完以后要不要改变一个人的分数、资格或者信用，需要另一层证据。真正荒谬的地方，不在机器偶尔猜错，而在于我们让一次猜测拥有了判决的格式。
六、诊断定位：评价为什么需要更高的分辨率
真正让人难受的，往往也不是被批评，而是评价的分辨率配不上作品投入的分辨率。你可能花几天想一个观点到底成不成立，查资料，删掉站不住的论据，重新整理前后的逻辑，好不容易把一个模糊想法写清楚，对方看半分钟，说一句“AI味挺重”，然后没了。最麻烦的不是难听，而是你甚至不知道改什么。
如果语言啰嗦，那就说语言啰嗦；如果 PPT 信息密度低，那就说信息密度低；如果架构图只是为了好看，没有表达真实关系，就指出它的抽象层级有问题；如果所有页面都是三个卡片加一张大图，那就说视觉语言过度重复。作者可以不同意，也可以反驳，至少知道争论发生在哪里。
“AI味太重”最方便的一点，就在于它可以跳过这个定位过程。语言啰嗦、信息密度低、假转折、语域不匹配、视觉重复，本来是完全不同的问题，一个 AI 味全装进去了。它允许人绕过最费力的那一步：把一种模糊的不舒服，翻译成一个可解释、可讨论、可修改的问题。
审美人人都有，可把审美判断拆开，是有门槛的。很多时候，对方未必什么都没感觉到，恰恰可能是感觉很多，只是没有足够精确的语言，把这些感觉一层层拆出来。一个人的评价感受，可能比他的评价语言更丰富。
这时候，专业概念就开始有用了。“语域不匹配”“视觉层级混乱”“信息密度低”“假转折”，这些词不是评价资格证，而是坐标。同样看一张 PPT，说“丑”，有一点信息；说“有点挤”，再多一点；如果能指出“标题和正文没有拉开层级，三个模块视觉权重太接近，所以第一眼不知道先看哪里”，问题就清楚得多。
为什么有些页面东西很多，却一点不乱？为什么有些页面明明没几个元素，还是显得廉价？为什么同样是留白，有的是克制，有的是空？这些问题一开始经常只是感觉，你先觉得不对，知道“视觉层级”以后，才可能发现原来三个元素在抢同一层注意力；知道“语域”以后，会开始注意一句话本身可能什么都没写错，只是放错了场景；知道“信息密度”以后，会发现文章写得长，不等于信息很多。
“假转折”也是一个很好的例子。某些“不是 A，而是 B”真正的问题根本不是句式，而是那个 A 压根没人主张，只是为了让 B 显得更像洞见，临时立了一个靶子。没有这个概念的时候，你可能只是觉得文章很会说话，却总有哪里不对；有了它，才发现作者一直在反驳一个不存在的对手。
专业概念真正有意思的地方，还不只是在你已经看见问题以后，帮你给它起个名字。很多时候，是先有了那个概念，你才第一次看见那个问题。语言不只是描述认知，它也参与制造认知的分辨率。
所以术语真正厉害的地方，不是把评价说得更高级，而是用更少的话，压缩更多已经被验证过的观察。“视觉层级”四个字，背后其实压着一整套关于注意力顺序、元素权重和信息组织的经验。能用更少的话，把一个复杂现象描述得更准确，本身就是一种知识压缩能力。
这也恰好能看见专业术语和“AI味”这种标签真正的差别。它们表面上都在压缩复杂现象，区别却在于，好的压缩展开以后还能找到原来的问题。你说“视觉层级混乱”，继续追问，可以展开成标题权重、元素尺寸、对比度和阅读顺序；你说“语域不匹配”，可以讨论是谁在说话、对谁说、为什么这种表达放在这个场景里不合适。可一句“AI味重”，如果继续往下只剩“反正就是像”，它就没有真正完成定位。
审美让人察觉问题，知识帮助人辨认问题，语言让问题能够被别人理解和检验。好的评价不只是宣布结论，还应该允许后面的信息继续进来，允许修改、反驳、追加证据，也允许发现原来的评价本身就错了。定位系统之所以有价值，是因为定位以后还能移动。
专家压缩与伪具体
不过，一句话短，也不意味着它一定浅。一个做了二十年编辑的人扫一眼说“这篇 AI 味有点重”，和一个刚看完《AI写作十大特征》的人说同一句话，背后的信息量可能差得非常远。专业经验积累到一定程度以后，本来就会被压缩。老设计师看一眼页面，说“重心不对”；资深工程师扫一眼架构，说“这里以后肯定出问题”，他们未必当场给你念一篇论文，很多复杂判断在长期训练以后，最后输出的就是一句直觉。
真正值得看的，是需要的时候能不能重新展开。如果追问下去，编辑能够指出语域、节奏、段落结构和信息增量，前面那句“AI味重”完全可能只是一个压缩后的入口；如果最后只剩“反正就是像”，那才开始有问题。
反过来，具体也不等于深。AI 自己就特别会制造伪具体：“建议加强论据”“部分段落略有重复”“可以进一步提高结构连贯性”，五条一列，像认真批改了半小时。如果这些话根本没有准确对应到文章里，它们也只是更精致的噪声。评价真正稳定的标准，不是句子长短，也不是术语数量，而是它有没有准确落到作品上，并且提供可以检验的新信息。
AI 很适合把一句“这里读起来有点怪”，拆成几个可以逐项检查的假设：也许是语域，也许是信息密度，也许是逻辑跳跃，也许是段落节奏。这很方便，但拆得具体不代表拆得对，它负责提出坐标，作品本身负责验证坐标。一个作者真正需要的，也不是一份看起来很专业的批改报告，而是能够帮助自己把问题定位到可以继续思考的地方。
七、可操作性验证：理解能否经得起变化
再回到 PPT。有一个很典型的场面，假设同一个小团队，两次汇报讲的是同一套系统。第一场的架构图是模型生成的，配色高级，阴影圆角全到位。评审老师指着“网关层”和“推理服务”问：“这一步是同步调用，还是异步消息？”台下安静两秒，回答的人说：“这上面的模块……我们基本都有。”真去代码仓库里找，压根没有一个对应的网关层。模型只是觉得一张专业架构图这里应该有个东西，于是帮你补了一个。
第二场，另一位同学的图丑得多，PPT 自带形状，连线全是手拖，两个字号还不一样。老师问到一半，他按 Esc，把两个方框拉开，往中间塞了一个新的框：“这里上周刚加了个缓存，原图还没更新，我补一下。”三十秒，改完。
两张图真正的差别不在美观。第一张图是系统的想象，第二张图背后有一个可以继续操作的系统。图只是系统的表达，并不是系统本身。
AI 生成技术图最麻烦的地方就在于它会补，觉得这里应该有 Database，就画 Database；觉得那里缺一道安全防护，就加一个盾牌。真实系统到底有没有，它未必知道，它只知道这种系统通常长什么样。文字也会发生同样的事，这里似乎该有转折，就补一个；这里像是该升华，就升华一下；科普文好像该来个比喻，就塞一个。形式慢慢开始反过来制造内容。
真正深度参与过项目的人，优势通常不是 PPT 更不像 AI，而是知道这张图为什么长成这样。老师问这一块能不能拆，他知道怎么拆；老板说数字口径换一下，他知道去哪换；评委问为什么这两层并列，他能判断这是图的抽象问题，还是系统本身的问题。
理解不只是能复述一个已经完成的答案，更重要的是结果发生变化以后，你还能继续操作它。资源砍一半怎么办？某个模块删掉以后会发生什么？数据口径换了还能不能重算？遇到一个从没准备过的问题，能不能把已有知识重新组合？这些问题当然也可以提前准备，但随着条件不断变化，纯粹依靠包装维持表演的成本会越来越高。
这里有一个很有意思的成本定点。一张漂亮 PPT 很便宜，背一套架构解释贵一点，准备二十个常见追问再贵一点，现场修改更贵，条件突然改变以后还能继续判断，成本继续增加。如果一个人为了长期假装自己懂，最后不得不真的读代码、理解数据流、掌握模块关系、处理反例、修改系统，那么伪装理解的成本，就会逐渐逼近获得理解本身的成本。到了这里，在能力这一本账上，极高水平地假装会和真的会，边界确实会变薄，因为为了继续装会，最后真的得会。
可这只能证明能力，不能自动证明成果归属。一个学生找人代写了一篇论文，为了答辩，他把整篇论文从头到尾学了一遍，最后公式会推，实验会讲，换一个条件也能继续分析。在能力上，他现在可能真的会了；论文当初是谁写的，却不会跟着改变。能力可以后来获得，作者身份不能后来补写。
这也是为什么我们不能把所有问题都塞进“经不经得起拆”这一条标准。它比“看起来漂亮”可靠得多，却仍然只能回答它能够回答的问题。文章也是一样，一篇文章写得像公众号，不代表它浅；写得像论文，也不自动变深。架构图不是系统，PPT 不是项目，文体也不是思想。工具可以帮你画图、润色、整理结构，甚至指出自己没注意到的问题，最后那层判断却不能完全外包：这张图到底准不准确，这个比喻有没有歪，这个论据撑不撑得住，这句话是不是确实表达了自己想说的东西？
文章真正稀缺的，未必是“像不像人写”，更重要的是里面到底有没有一个人在判断，以及这个判断最后由谁承担。
八、验证预算：为什么不能把初筛当成判决
成品不够可靠，当然可以继续往后拆。每个箭头能不能解释，每个数字能不能追溯，每个模块是不是真的存在，哪一块是自己做的；文章也可以拆，事实是真的吗，论据撑得起结论吗，条件变化以后还成立吗。“经得起拆”比“看起来漂亮”可靠，可它也不会永远可靠。
只要评委开始稳定追问技术细节，候选人就会准备技术细节；面试官喜欢问为什么这么设计，网上就会出现二十套“技术选型深度回答”；大家发现现场修改更能证明理解，也可以专门训练现场修改。公开标准有一个共同命运，它会训练被评价的人。评审往后走一步，表演就会跟上一步，这场追逐最后撞上的墙，并不是缺少更聪明的问题，而是成本。
一个老师面对五十个学生，一个编辑每天收到几十篇稿子，一个投资人桌上摆着几百份商业计划书，一个招聘者可能只有十分钟决定要不要把候选人送进下一轮，他们能支付多深的验证？很有限。要求源码，比看 PPT 可靠，前提是有人真的去看；要求实验记录和版本历史，可以提高伪装成本，前提是有人有能力读懂。评委多追问十分钟，候选人的伪装成本上升，评委自己也多付了十分钟。
验证从来有两个价格，被评价者付一个，评价者也付一个。真正硬的问题在于，谁决定这笔验证预算怎么花？老师和学生之间，通常是老师决定；招聘者和候选人之间，通常是招聘者决定；编辑甚至可能在作者完全不知道原因的情况下结束一次评价。被评价者恰恰很难说：“这个结论太重了，请你再为我支付两个小时验证成本。”
验证预算因此不只是技术问题，也是权力问题。现实里很容易出现一种结构：决定由一方作出，验证费用却由另一方承担。这当然有效率，可效率和接近事实，并不是同一个目标。一个系统如果只优化“让拥有裁决权的人最快做完决定”，就很容易把误判成本留给那些没有裁决权的人。
路由与结算
我们当然不可能取消第一印象。十秒钟的第一印象，最适合回答“我要不要再看十秒”；一轮初筛，适合回答“这个人值不值得进入下一轮”；检测器，适合回答“这里是不是值得增加审查”。这些都是路由问题，负责把有限注意力送往下一站。
事情最容易出错的地方，是把路由信号直接拿来结算信用。“这个项目看起来比较包装”，直接跳到“不是他做的”；“这篇文本检测值比较高”，直接跳到“学生作弊”，中间那一大块没有支付的验证成本，被省掉了。
低预算只能购买低强度结论。 十秒钟可以决定要不要继续看，不能直接决定一个人的真实能力；一次检测可以提示风险，不能独自完成一次作弊判定。第一印象当然还得用，只是要给它限定权限。高后果裁决，需要追加证据，而不是把“我没时间验证”伪装成“我已经验证过了”。
这里还有一个真正难缠的问题。如果深度验证在大多数现实场景里本来就付不起，那是不是应该接受世界会保持一个稳定的误判率？面试不可能变成半年实习，投稿初筛不可能每篇审三天，老师也不可能给每份作业做完整取证。第一次判断注定会粗糙，制度设计就不该只盯着怎么让第一次猜得再准一点，还应该认真考虑猜错以后怎么办。
有没有复核，有没有申诉，有没有第二个独立判断，有没有机会补交证据，一次错误决定是不是可逆，多严重的处分需要多高的证据标准？这些问题听起来没有“下一代 AI 检测模型”那么先进，却可能更直接地决定一个评价系统是否可靠。有时候，可救济性比把第一次判断的准确率再提高几个百分点更便宜，也更重要。
一个系统真正可靠，不只体现在第一次猜得准不准，还体现在猜错以后能不能回来。
九、账本分离：四种判断为什么不能互相替考
走到这里，“这是不是 AI 做的”这个问题本身就显得有点太大了。它看起来只问一句，里面却混着四本完全不同的账：质量、能力、归属和合规。它们可以互相提供线索，但不能互相替考；如果不拆开，我们就会不断用一种证据回答另一种问题，最后把所有争论都搅成一团。
质量账：作品本身好不好
第一本最简单，问的是这个东西本身到底好不好。文章事实对不对，论据撑不撑得住结论，有没有信息增量；PPT 的视觉层级是否清楚，架构图有没有准确表达真实系统；代码能不能跑，数据有没有问题，都属于这一笔。
质量账首先应该看作品。AI 参与润色，不会自动让一篇文章变差；完全人工写成，也没有质量免检资格。如果一句话逻辑成立、信息准确、完成了它该完成的工作，模型也会这么说，并不会让它突然失效。反过来，一段话就算百分之百手敲，该空还是空。
来源在这里可以提供风险线索，例如提醒我们检查虚构引用、事实错误或者模板化表达，但最终仍然要回到作品上兑现。不能因为知道它来自 AI，就替它免除质量检查，也不能因为知道它来自 AI，就直接宣布它没有质量。
能力账：这个人到底会不会
第二本换了问题，问的是这个人到底会不会。这时候只看成品就不够了，因为一张架构图可以生成，一篇技术文章可以润色，一套答辩话术也可以提前准备。能力更容易在变化里暴露：为什么这么设计，资源砍一半怎么办，模块删掉以后会发生什么，数据口径换了还能不能重算，遇到一个没准备过的问题，能不能把已有知识重新组合？
成品是冻结的结果，能力则体现在结果改变以后还能不能继续操作。前面讨论的现场修改、条件追问和真实项目实践，主要就是在结算这一本账。
这也解释了为什么一个人即使大量使用 AI，仍然可能具备很强的能力。工具参与了生产，不等于使用者没有理解；同样，一个人把 AI 生成的项目讲得很流畅，也不能自动证明他具备相应能力。需要判断能力，就应该设计能够观察能力的任务，而不是拿成品外观代替能力测试。
归属账：成果实际上是谁完成的
第三本问的是这份成果实际上是谁完成的。谁提出了核心问题，谁写了代码，谁做了实验，谁整理了数据，谁写了正文，AI 在其中承担了什么，团队成员分别贡献了什么？这些都是生产过程中的历史事实。
归属账不能被能力账替代。一个人后来把代写论文全部学懂，不会因此成为当初的作者；反过来，一个人使用 AI 辅助写作，也不意味着他没有提出观点、完成研究或者承担主要创作。具体贡献需要具体确认，不能靠一句“像 AI”推断出来。
版本历史、代码提交、原始数据、修改记录、实验日志、团队分工和创作过程，在这里就有了价值。它们不能自动证明作品质量高，却能帮助回答这份信用应该记给谁。来源链条当然也可能被伪造，所以它不是一张万能通行证，但至少比单纯依靠成品风格，更接近归属问题本身。
合规账：是否违反了事先存在的规则
最后还有一种情况。一份 PPT 内容准确，汇报的人也真的理解项目，大部分东西确实是他做的，可比赛规则明确写着某种生成方式不允许使用，那么前三本账都可能没问题，第四本照样会出事。
合规账问的是行为是否违反了事先存在的规则。考试能不能使用生成式 AI，允许查资料吗，允许润色吗，代码补全到什么程度，论文要求披露哪些 AI 使用，比赛里哪些环节必须本人完成？这些问题不能依靠作品质量来回答，也不能依靠作者是否真的有能力来回答。
这本账反而是四本账里最应该提前说清楚的。质量可能有主观性，能力需要观察，归属有时候很难追溯，规则至少可以提前说。好的规则不应该只写“禁止不当使用 AI”，这几乎等于没写；它至少应该尽量告诉参与者什么允许、什么禁止、什么需要披露，什么证据只够启动进一步调查，什么证据才足够作出不利裁决，以及有没有解释和申诉的空间。
如果规则自己没有说清楚，最后再靠“我感觉你这篇很像 AI”去补制度留下来的洞，真正模糊的可能不是学生的行为，而是规则本身。
四本账拆开以后，很多争论就会清楚得多。质量看作品，能力看变化中的操作，归属看实际生产过程，合规看事先规则。四本账都可以查，只是别拿同一张收据结四次账。
十、判断定价：十秒钟究竟能买什么
四本账一拆开，前面那个“AI味”问题反而容易处理了。有人扫一眼，说“AI 做的吧”，没关系，第一印象不可能消失，直觉也不应该被禁止，检测器当然可以继续使用。问题只剩下，这条信号到底配结哪一本账？
“这段很像 AI”，可能足够让编辑决定多看一遍；“这个项目包装感很重”，可能足够让面试官再问几个技术细节；“检测结果异常”，也完全可以成为启动进一步审查的理由。它们都很适合做路由，麻烦发生在路由结束以后。
一句“这个像 AI”，直接结算质量账，说东西肯定很差；再顺手结算能力账，说这个人肯定不会；接着结算归属账，说肯定不是他做的；最后连合规账一起结，说他作弊了。一条信号干了四份工作，当然快，只是快得有点离谱。
所以一句“AI味挺重”，很多时候可以理解成一句报价：我准备为这个判断支付十秒。十秒当然能买东西，能买要不要继续看、值不值得警惕、要不要追加验证，却买不起一个人的真实能力，买不起一份成果的完整归属，买不起一次作弊判定，更买不起几个月甚至几年积累出来的信用。
如果现实真的只允许支付十秒，那就只买十秒买得起的结论。剩下的事情，要么追加证据，要么换一种判断方式，要么允许申诉和复核。有时候还可以做一件特别不现代的事：承认现在不知道。“我不知道”听起来没有“AI检测率 83%”那么像科学，可它至少没有把还没支付的验证成本，偷偷伪装成已经得到的答案。
对于生产者来说，方向也类似。如果你的三周总是输给别人的十秒，出路大概不是继续训练怎样在十秒钟里证明三周，而是让十秒负责入口，把真正昂贵的东西放到十秒买不起的地方。能展示的就展示，能追溯的就追溯，能现场操作的就现场操作，让作品背后的判断、过程和能力，有机会被真正看见。
而对拥有判断权的人来说，还得补上另一半：不要因为你只愿意支付十秒，就假装世界只值十秒。
AI 时代真正麻烦的，并不是我们再也判断不了，而是过去一句“这是不是你做的”，现在必须被拆成几个不同的问题：东西到底好不好，你到底会不会，它实际上是谁做的，这件事符不符合事先的规则。这些问题完全可能得到不同的答案，证据也应该不同。
“AI味”可以是一种感觉，可以成为一次讨论的入口，也可以提醒我们注意风格趋同和生产方式的变化。它真正不该拥有的，是凭借一种低成本的印象，替质量、能力、归属和合规一起作出裁决。
当专业感变得太便宜，我们需要重新定价的，不只是作品，还有判断本身。
参考资料与来源
- Microsoft 365 Blog
- Noy & Zhang, Science, 2023
- Sourati et al., Nature Human Behaviour, 2026
- Akerlof, “The Market for Lemons”
- Liang et al., Patterns, 2023
- OpenAI AI Classifier
- Turnitin AI Writing Detection Guide
- The Metropolitan Museum of Art 相关资料。
