两个月前，我们推出了 Chrome 扩展程序，旨在帮助应对社交媒体上日益严重的低质内容泛滥问题。它能让用户在浏览社交媒体时扫描帖子，标记出 AI 生成的内容，从而帮助他们就如何分配注意力做出明智的决定。

Pangram 是一家以研究为先的公司，不仅致力于开发业界领先的 AI 检测算法，还专注于追踪 AI 生成内容的风险和普及程度。社交媒体是这方面最难研究的领域之一——比新闻文章、研究论文或亚马逊评论要难得多。但它也是最关键的领域之一，因为它可能是我们面临的最大量级的 AI 生成内容来源。

我们相信，理解这个问题对于更好地应对它至关重要。因此，我们在 Chrome 扩展程序中加入了一个可选设置，允许用户通过匿名分享他们的扫描统计数据来协助我们的研究。我们将最初几个月的这些数据整理成了下面的报告。

社交媒体上每四篇长文帖子中就有一篇被标记为完全由 AI 生成

在我们标记为 AI 生成的所有帖子中，有三分之二来自 LinkedIn

X/Twitter 上近一半的文章包含 AI 写作内容

AI 生成内容对长文的影响最为严重

在我们的数据集中，AI 生成内容出现在所有社交媒体平台上。所有扫描项目的平均 AI 生成率为 13.8%，但具体比率因平台和内容长度而异。在五个平台中的四个上，长内容比短内容更可能是 AI 生成的。在所有平台上，每四篇长文内容中（超过 250 词的内容中有 25.72%）就有一篇是完全由 AI 生成的。

Substack 是一个例外；在那里，完全由 AI 生成内容的比率保持相当平稳，而较长、内容更充实的帖子实际上比短帖子更不可能是 AI 生成的。

LinkedIn 是 AI 渗透率最高的平台，其超过 40% 的长文帖子被标记为完全由 AI 生成。然而，如果我们将 AI 与人类混合创作的内容也算在内，那么 X/Twitter 的情况最为糟糕：近一半的 X 文章要么完全由 AI 生成（23.9%），要么是 AI 辅助/混合创作（22.9%），只有 53.2% 的 X 文章被标记为完全由人类撰写。

我们的数据显示，AI 生成的内容在所有平台上都是一个普遍问题，尤其对长文内容冲击严重。即使是 Substack——长文平台中 AI 综合使用率最低的平台——仍有超过五分之一（21.9%）的帖子被标记为 AI 生成或 AI 辅助。这与我们在其他写作领域（如报纸评论文章）观察到的 AI 生成内容增长趋势是一致的。

AI 垃圾内容正在淹没 LinkedIn

LinkedIn 在所有平台中拥有最高的 AI 内容占比。LinkedIn 的帖子占我们扫描条目的三分之一，却占我们标记的所有 AI 内容的近三分之二（62%）。与人们可能预期的相反，在关联真实身份的职业场景中，人们极其愿意使用 AI 代自己发言，而在随意和匿名的平台上则不太倾向于使用 AI。

LinkedIn 还通过多种方式鼓励在其平台上使用 AI，包括内置的“用 AI 撰写”按钮（现已更名为“优化帖子”，但仍提供 AI 写作辅助）。人们注意到 LinkedIn 因充斥垃圾内容而名声渐起——或许是为了应对这一问题，LinkedIn 一位高管最近宣布，该平台将使用内部算法检测并降低 AI 生成帖子的排名；讽刺的是，该声明本身也是 AI 生成的。无论该公司是否试图调节其信息流中的 AI 内容，我们的用户仍然在 LinkedIn 上看到大量 AI 撰写的文字。

顶层帖子比回复更倾向于由 AI 生成

在我们的数据中，Reddit 的扫描量在所有平台中最高，占我们扫描内容的 36.7%。然而，Reddit 的 AI 内容综合占比仅为 4.4%，是所有平台中最低的之一。这是由于构成效应：Reddit 上的回复绝大多数由人类撰写（98.1%），而回复总共占我们扫描的 Reddit 内容的 72%。Reddit 上的主帖更可能是 AI 撰写的，占帖子的 11.6%，与 X/Twitter 的 10.0% AI 饱和率相当。同样的模式也出现在 LinkedIn 上，尽管程度较轻：LinkedIn 主帖是 AI 生成的可能性比评论高出 1.35 倍。

尽管 LinkedIn 回复是 AI 生成的可能性低于帖子，但在控制长度后，这种效应发生了逆转：实际上，LinkedIn 评论是 AI 的可能性略高于主帖。对于 Reddit，AI 率的差异与帖子格式无关——在控制长度后，Reddit 主帖是 AI 生成的可能性仍然是评论的 5.25 倍。

Reddit 上无 AI 的回复揭示了许多反机器人策略的一个盲点。虽然 Reddit 的垃圾信息政策有效地清除了那些使用 AI 自动生成垃圾回复的账号，但这种方法只能捕获平台上最低质量的垃圾内容。Reddit 主帖仅占所有 Reddit 内容的四分之一，但它们对受众的影响要大得多，而且其数量较少使得 AI 撰写的帖子能够绕过基于数量的审核机制，例如速率限制。

方法与数据收集

自 2026 年 4 月 24 日 Chrome 扩展程序上线以来，选择共享数据用于研究的用户共同帮助我们创建了一个包含 1,002,627 条帖子的数据集，这些帖子来自互联网上几个最大的社交媒体平台：LinkedIn、Medium、Substack、X/Twitter 和 Reddit。我们数据集中的每条帖子仅计数一次，并且我们只扫描长度超过 50 个单词的内容。每条帖子都使用我们最新的 AI 检测模型 Pangram 3.3 进行分析，该模型的误报率为 0.01%。这个数据集让我们能够直接了解人们当前在信息流中看到的 AI 生成内容。

结论

AI 写作如今在社交媒体上已无处不在。这令人担忧，但也与我们在网络上其他地方的观察一致：研究人员估计，开放互联网上新发布的网站中，有 35% 是 AI 生成或 AI 辅助的。一个完全充斥着未标注 AI 内容的互联网是令人沮丧的，但我们认为这并非不可避免。我们希望通过为网络上的 AI 生成内容提供透明度，让互联网用户重新获得对自己注意力分配方式的掌控。

Max 是一位经验丰富的机器学习工程师。他最近在 Nuro 从事自动驾驶汽车工作，并领导了他们的主动学习项目。他曾在 Google、Two Sigma 和 Yelp 成功部署过多项机器学习产品，拥有丰富的从业经历。

Max 拥有斯坦福大学理论计算机科学学士学位和人工智能硕士学位。除了对构建产品的热情，他还是《万智牌》轮抽社区的活跃成员。