8 月 20 日，皮尤研究中心（Pew Research Center）发布了一项估测网页中 AI 写作比例的研究：它从 Common Crawl 网页存档中，随机抽取 2021 年 1 月到 2026 年 7 月之间 49 次抓取快照、每次 1 万页，共 49 万页英文网页，用开源检测模型逐页打分。结论分两层：在 2026 年 7 月的快照里，样本网页约 10% 显示出显著的 AI 写作痕迹；把范围收窄到有发布日期记录、在 ChatGPT 于 2022 年 11 月推出之后才上线的网页，这一比例升到超过三分之一（35%）。
从网页存档随机抽样，再用两款检测模型核对
Pew 公开了抽样与检测方法，便于其他研究者复现。数据来自 Common Crawl——一个每月抓取一次可公开访问网页的非营利存档，付费墙或需登录的页面天然被欠采样。Pew 从 49 次快照中每次随机抽 1 万页，并同时取每页的 WARC 记录（完整 HTML）与 WET 文件（正文文本）。
检测用的是 Open Pangram，即 Pangram 的开源权重模型 editlens_Llama-3.2-3B：它给每页输出 0 到 1 的分数，0 表示纯人工、1 表示纯 AI，Pew 把 ≥0.2 判为存在「有意义的 AI 写作或编辑痕迹」——这意味着它捕捉的是「AI 写」和「被 AI 大幅改写」两类内容，而非只有完全生成。
研究还用另一款模型检查了结果的一致性。Pew 把其中 62,370 页（来自 7 次快照）用商业版 Pangram 3.3 重跑一遍，两个模型在 96% 的案例里结论一致，Cohen's kappa 为 0.61。作者据此认为，主要结论并不只依赖某一个模型。他们也承认检测器是概率工具，对单页的判定不能当定论，但把它一致地套用在大规模样本上，足以追踪 AI 内容占比随时间的变化。
全部样本与带日期的新页面，占比为何不同
两个数字并不矛盾，口径不同。10% 对应全部网页样本，其中包括大量 ChatGPT 发布前就存在的旧页面，不能直接表示新发布内容中的占比。Pew 过滤掉旧页、只保留 ChatGPT 之后发布的页面后，得到 35%。
发布日期的缺失也限制了这一估计：只有约 10%–15% 的网页在 HTML 里带发布日期字段，所以 35% 严格说是「带发布日期的、ChatGPT 后上线内容」里的比例，而非全网。Pew 没有回避这一点，而是把它与另一项独立研究对照——Dolezal 等人用 Internet Archive 的 Wayback Machine 数据，发现到 2025 年中约 35% 的新发布网站被判定为 AI 生成或 AI 辅助。两项研究采用不同数据源和检测方法，得到相近比例，为这一估计提供了旁证；但两者的时间与样本范围并不相同。
商业域名网页中的 AI 痕迹，多于教育和政府域名
研究还比较了不同域名的网页。ChatGPT 刚发布时，AI 写作痕迹在 .com、.org、.edu、.gov 的分布还大致相当；到 2026 年，.com 域名的网页约一成（10%）显示 AI 痕迹，.org 为 4.6%，.edu 和 .gov 都只有约 1%——.com 是 .edu/.gov 的约 10 倍。
一种可能的解释是：.com 聚集了商业、营销与低门槛量产内容，更容易采用 AI 批量写作；.edu 的学术与 .gov 的政府页面则有更强的审核与人力流程。这说明，AI 写作痕迹在不同类型的网页中分布不均。具体差异由哪些因素造成，仍需进一步分析。
Pew 还追踪了几类常见于 AI 写作的语言特征：每 1 万词中，破折号（em dash）从 2023 年 1 月的 5.79 次升到 2026 年 1 月的 11.19 次，牛津逗号从 34.04 升到 55.51，被其归为「AI 词汇」的用法从 11.94 升到 26.02，否定平行结构（如「不是 X，而是 Y」）从 0.87 升到 2.36。这些特征单独看不能证明某篇文本由 AI 写，其在大规模语料中的上升趋势，与 AI 写作逐渐增多的检测结果相呼应。
AI 内容质量研究：表达更趋同，其他担忧尚未获证实
TechCrunch 在报道里把 Pew 的数据与 Cloudflare 最近报告的「bot 流量首次超过人类流量」并置，概括为「机器人在读机器人写的内容」。这个画面容易滑向「死互联网理论」。Dolezal 等人的研究则进一步区分了内容质量问题：他们用同样的检测思路，逐一检验了公众对「AI 文本污染互联网」的六种具体担忧，结果只有两条被数据支持。
- 得到该研究数据支持的是：语义收缩——AI 生成网站的语义相似度比非 AI 网站高 33%，即观点与表达在趋同；以及正向化——AI 生成内容的积极情绪分数比非 AI 高 107%，样本中的 AI 内容语气更积极。
- 未得到该研究统计结果支持的是：事实错误率上升（truth decay，ρ=−0.19，p=0.27）、外链减少（epistemic islands）、文本冗长（entropy dilution）、风格单一化（stylistic monoculture）——尽管调查里超过一半乃至 83% 的受访者相信这些都会发生。
这意味着两层结论应当分开。第一层是「量」：AI 写作确实在以可测量的速度占据新内容，35% 是一个有旁证的数字。第二层是「质」：这项研究尚未发现事实错误增多或引用来源减少的统计证据，但检测到了语义相似度与积极情绪的变化。因此，不能仅凭数量占比，就断定 AI 内容的全部影响。
检测会误判，付费内容与无日期页面也限制了结论
这项测量还有几项限制。检测器是概率工具，会误判个别页面，Open Pangram 对 2022 年前的旧页有更高的假阳性率，所以 2021–2022 年的低比例只能当作近似值；付费墙与需登录页面欠采样；35% 只适用于带发布日期的子集；「AI 写作痕迹」涵盖「由 AI 写」与「被 AI 大幅编辑」，不等于「完全由 AI 生成」。作者 Samuel Bestvater 是 Pew 的高级数据科学家，这是 Data Labs 的原创计算社会科学研究，而非外部厂商的营销数据。
后续可以继续追踪这组时间序列：这套 49 次快照的方法可以逐年续跑。如果「ChatGPT 后内容」的比例继续上升，或者 .edu/.gov 域名中的比例也开始上升，就能进一步判断 AI 写作如何扩展到不同类型的网页。
