先问个扎心的问题：你上一次不借助任何AI，从头到尾自己写出一段完整文字，是什么时候？
这不是灵魂拷问。今年8月，几份研究几乎同时把同一个结论摆上台面：经过AI的文字，正在悄悄让所有人"越写越像"。而且速度快得超出大多数人的感知。
我花了不少时间把这几份研究和配套的新规翻了一遍，帮你把噪音去掉，留下真正有用的部分。
一、这一个月到底发生了什么
同一个月里，出现了三份Nature系研究，外加几条新规：
1）南加州大学（USC）团队在Nature子刊《Nature Human Behaviour》发表论文：分析了超过88万篇文本，发现大模型作为写作助手普及后，语言多样性在下降。
2）《Nature》新闻栏目报道了德国图宾根大学团队的研究：2025年末发表在PubMed Central的英文生物医学论文，近90%显示出大语言模型辅助写作的痕迹。知乎
3）一项发表在《Nature》上的研究（清华大学团队参与、知乎本周讨论度很高）：用AI做科研的科学家，个人产出大幅上升，但科学研究的集体覆盖面反而变窄了。
与此同时，出版巨头Elsevier更新了旗下所有期刊的生成式AI使用政策；国内网文平台也在划线，晋江文学城刚在行业大会上明确：错别字校对、语句润色、简易大纲可以用AI，代写正文、润色核心剧情、流水线洗稿一律禁止。
一边是研究证实"文字正在趋同"，一边是机构开始"划线管理"。这两件事放在一起看，比单看任何一条都重要。
二、三份研究，各说了什么
第一份：USC的语言同质化研究，证据最扎实。
研究团队分析了超过88万篇文本，覆盖新闻、学术论文、议论文、社交媒体帖子和演讲。36氪他们做了三步：
第一步，看真实世界。拉了三个2018到2024年的大规模纵向数据集：arXiv论文摘要约8万篇、Patch News地方新闻约38万篇、Reddit创意故事约32万篇。用检测工具判断哪些是AI写的，再追踪"写作复杂度"这个指标的方差变化。结论一致：方差在缩小，也就是大家写得越来越像。
第二步，做控制实验。从ChatGPT出现之前的人类原创文本里随机抽1000篇，分别用GPT-3.5、Llama 3 70B、Gemini Pro，以"帮我改写""改善语法"这类中性指令润色。结果：87%的文本意思几乎没变（相似度超过0.95），但写作风格的方差被显著压缩。知乎而且换模型、换提示词，结论都成立。
第三步最尖锐：我们还能从文字里认出"这是谁写的"吗？团队训练分类器，根据文本去猜作者的年龄、性别、人格、价值观。换成AI润色过的文本后，预测准确率平均下降约6%。研究者说，模型不是在擦除身份信号，而是把不同作者的文字推向同一个"默认人设"。36氪
他们还发现，语言心理学里的一些经典规律，比如"外向者更爱用积极情绪词"，在润色后的文本里有的还成立，有的被冲掉了。是选择性侵蚀，不是一刀切。这对依赖文本做研究的学科是个隐藏雷。
这篇论文里有一句话我印象很深：语言多样性的流失"并非源于审查或删除，而是在一次次’帮我润色一下’中，被温柔地抹平"。
第二份：图宾根大学的论文痕迹研究，数字最吓人。
团队分析了2017到2025年间超过119万篇结构完整的英文生物医学论文，追踪379个大模型偏爱的特征词。结果：
AI写作痕迹占比，2023年约19%，2024年升到52%，2025年末达到89%。知乎
具体到论文各部分，“讨论”（Discussion）部分AI味最浓。道理不复杂：方法和结果部分要写实验数据和统计，AI容易瞎编，研究者不太敢全权托付；讨论部分更像"铺陈观点、包装故事"，就成了外包重灾区。
还有个值得注意的发现：非英语母语国家的研究者，使用比例明显更高。AI在这里扮演的是"语言均衡器"，客观上缓解了英语写作壁垒带来的发表不公。这一点不该被忽略。
但要泼两盆冷水：这是8月12日发在arXiv的预印本，尚未经过同行评审；方法是词频统计，估算的是群体趋势，不是逐篇判定"这篇是不是AI写的"。论文共同作者、根特大学的Dmitry Kobak说，他第一次看到结果时的反应是"我确信我们一定哪里搞错了"，反复核查后才放心。多伦多学者Kyle Siler的形容更直白——牙膏已经挤出来了，而且再也挤不回去了。知乎
这不是孤例。另一项独立分析针对12750篇arXiv论文，AI痕迹检出率的基线只有0.4%，最近的季度已经升到32%；分学科看，计算机科学高达65%，数学只有0.7%。36氪
斯坦福大学的团队走得更远：2025年8月，他们发表在《Nature Human Behaviour》上的研究分析了112万篇论文，截至2024年9月，计算机科学论文摘要中被判定经过LLM修改的比例最高已达22.5%；更早的2024年3月，ICLR 2024的审稿意见里已有约10.6%的句子被LLM大幅修改过。36氪不同团队、不同方法，曲线指向同一个方向。
第三份：清华团队参与讨论的Nature研究，视角最宏观。
这项研究分析了4130万篇自然科学论文，用语言模型识别"AI增强研究"（在专家标注集上F1达到0.875）。结论很分裂：
个人层面，参与AI增强研究的科学家，发表论文数是其他人的3.02倍，引用数是4.84倍。收益巨大。
但集体层面，按论文的语义向量计算，AI相关研究的集体知识覆盖范围缩小了4.63%，研究者之间的后续互动减少约22%。200多个子领域里，七成以上出现收缩。
个体效率和集体多样性，可以同时朝相反方向走。这不是猜想——2024年《Science Advances》有过一个293人的实验：让参与者写八句话的短篇故事，拿到AI点子的组，单篇作品平均得分更高，但组内作品彼此也更像。
三、把三份研究放在一起，你会看到一条完整的链
1）写作风格趋同（USC）；2）学术写作几乎全面渗透（图宾根）；3）知识生产的覆盖面收窄（Nature）。
“AI味"从此不再是个玄学问题。模型的原理就是预测"统计上最可能的下一个词”，最可能，就意味着最平均。当数以亿计的邮件、周报、论文、文案都流经同一套模型，所有人的文字都会被拉向同一个统计中心。
而且这里有个更麻烦的反馈循环：AI润色过的文本正在进入在线语料库，这些语料又会用来训练下一代模型。趋同会自我强化。
四、先别慌，有几条边界要说清
判断型内容不能只说吓人的部分，边界也得讲明白：
89%是"检测到痕迹的估算比例"，不等于"89%的论文是AI代写的"。润色一句和代写全文是两回事。伦敦大学学院的Andrew Gray就指出，现有检测工具很难区分"AI修改了语法"和"AI全篇生成"。
而且工具本身会误伤：一项对照实验把大模型时代之前、完全由人类写成的论文喂给主流检测工具，误报率在不同工具间高达27%到74%——哪怕你完全没用过AI，也可能被判"有AI痕迹"。36氪
图宾根的是预印本；USC的6%是平均降幅；清华参与讨论的那项研究是宏观相关性，不能直接写成"大模型导致科学缩水"——知乎上那篇高赞讨论自己也特意强调了这一点。知乎
反过来，AI写作的好处也是真实的：表达更顺畅、写作门槛更低、非英语研究者的发表劣势被缓解。研究本身都不否认这些。问题从来不是"要不要用"，而是"怎么用、用到什么程度"。
五、不同身份的人，接下来该怎么写
如果你是要交论文的学生：
规则方向已经非常明确。Elsevier的新规可以概括成三句：AI可以辅助，但责任在人；AI可以披露，但不能隐瞒；AI可以参与非核心环节，但不能替代署名。知乎
图像还有一条更硬的红线：解释性图片可以，原始数据图像不行——NEJM刚发生因AI篡改图像撤稿的案例，审稿人也不得把稿件上传至AI模型。知乎国内高校这两年也在密集出台AIGC比例红线。交稿前先查清学校和目标期刊的要求，主动披露正在从可选项变成必选项。
如果你是职场写作者、自媒体作者：
模型压缩的恰恰是"方差"——而方差就是你的个人细节、真实案例、第一手经验。一个比较稳的姿势是：让AI搭骨架、整理资料、检查逻辑，但让这篇文章成为"你写的"的那部分——具体例子、立场、情绪——自己写。
顺带说一句：如果你的方案是"全文一键润色+去AI味提示词"，知乎最近有个热门回答说得很透——那只会让你的文章从AI味v1.0，变成AI味v2.0。
如果你是网文或小说作者：
平台的红线已经落地。晋江的新规是：允许错别字校对、语句润色、简易大纲构思；禁止AI代写正文、润色核心剧情、流水线洗稿。知乎更现实的用法是把AI当陪练：《十日终焉》的原著作者就在借助AI批判自己的写作大纲，以此打磨作品。知乎用它当编辑，别用它当代笔。
如果你是纯粹的读者：
你可以开始培养一个新直觉：读到过于均匀、顺滑、毫无毛边的文字，多留一个心眼，想想"这到底是谁写的"。另外，如果你不希望自己的表达被AI味侵蚀，最有效的办法不是背提示词，而是保持阅读——多读那些有"人味"的文字。输入决定输出，大家的阅读都靠AI摘要的时候，写出来的东西自然也会趋同。
六、接下来值得盯的三个信号
1）更多期刊和高校的AI披露规则。Elsevier只是这个月动作最大的一个，跟进是大概率事件。
2）检测工具的进化，正在从被动检测走向主动水印。《Nature》本周专门刊文讨论：检测技术在大幅进步，但目前仍分不清"润色"和"生成"；而另一边，更激进的路线已经出现——8月16日，Anthropic宣布给Claude生成的文字和图片加入隐形水印，水印不藏在格式里，而是编织进模型选词的概率过程本身。36氪
但水印上线仅24小时，开源移除工具watermarks-remover就出现在GitHub上，Star数很快突破一万；甚至有人做出名叫Error-Prone的工具，让AI故意写差一点、塞进错别字来"自证是人"。以前，人们用工具给文章纠错；现在，为了证明自己是人，人类开始让AI帮忙犯错。36氪36氪
3）下一代模型的训练数据。AI文本回灌训练语料之后，语言方差是继续收窄还是反弹，值得长期观察。
最后说两句。
USC那篇研究的报道，开头引了奥威尔《1984》里的话——我们正在把语言塑造成它最终的形态。知乎这话有点重，但方向未必错。
图宾根论文的第一作者Lena Holzwarth说了一句更实在的话——把想法反复琢磨、硬着头皮写出来的过程，本身就是科学的一部分。知乎
把"科学"换成"写作"，这句话依然成立。那些让你卡壳、删改、重来的部分，从来不是写作的成本——它们就是写作本身。
