先说一个AI重度用户都熟悉的场面：写方案、做PPT、赶论文，急需要一个数——“全球失学儿童有多少”“某国人均预期寿命”“去年全球城镇化率”。你随手问AI，它秒回，数字精确到小数点后一位，语气笃定得像央行年报。你敢直接抄进去吗？
这周，联合国替所有人把这口气测明白了。
一、13.3万条回答，平均准确率21.2%
联合国儿童基金会（UNICEF）的首席统计师João Pedro Azevedo带队，拿六款主流大模型，针对全球发展指标相关问题生成了超过13.3万条回答，结果平均准确率只有21.2%。 被测名单你可能都眼熟：OpenAI的GPT-4o和GPT-4o-mini、Anthropic的Claude Sonnet 4.5和Haiku 4.5、谷歌的Gemini 2.5 Flash和2.0 Flash。36氪雷科技
三个数字比那个总分更值得记：
大概五分之三的回答，根本给不出一个能用的数字，模型全程含糊其辞。雷科技
同一批问题隔两天再问一遍，两次都提供了数字的模型中，只有大约一半返回了相同的数字。你今天问和后天问，AI嘴里的"权威数据"自己就打架。36氪
这还是联合国自己的统计专家、用自家数据出题、主场作战的结果。
换句话说，你随手一问拿到的那个漂亮数字，大概率不是"查到的"，是"编得像的"。
当然，往这盆热水里也得兑两勺冷水：这份测试目前还是工作论文，正准备投期刊，还没过同行评审。 测的也多是上一代的中端型号，不是你今天手上开满血档的旗舰。但它戳的那个结构性问题不会因为模型换代就消失——只要训练语料里同一个指标躺着不同年份、不同口径的版本，模型就永远有"挑一个最顺眼的数"的冲动。36氪
二、为什么AI偏偏在数字上最容易翻车
知乎上"怎么解决生成式AI给出的数据不准确的问题"这类问题，今年下半年就没冷过。B站那边更狠，一条"又一个把AI幻觉当真的孩子"两天19万播放，评论区全是被AI数字坑过的难兄难弟。
翻车的原因其实不神秘：
数字是长尾。全球发展指标这种数据，训练语料里出现的次数远不如"怎么做红烧肉"，模型对它们没有稳定的"肌肉记忆"，只能靠概率硬凑。
口径打架。同一个"城镇化率"，联合国、世行、各国统计局可能各有一个版本。企业里也一样——三个部门问同一个问题得到三个答案，不是AI算错了，而是"到底哪个是对的数"本身就没定下来。知乎专栏
AI不爱说"我不知道"。对模型来说，编一个格式完美、来源模糊的数，比老实承认"查不到"的"代价"低多了。谷歌Data Commons团队负责人Prem Ramaswami自己也承认：给AI提供权威数据，并不一定会让AI给的结论具有权威性，“引用或发布之前，最好还是有人把把关”。雷科技
三、联合国的解法：把数据改成"AI能直接吃"的格式
也正是在这周，联合国和谷歌把补救方案端上了桌：正式上线UN System Data Commons（联合国系统数据共享平台），一个开源、面向AI的数据平台，把关键全球统计数据整合成单一可检索的资源。 在这之前，联合国各机构手里的数据虽然权威，却散落在彼此隔离的孤岛里，数据分析师往往要耗费数月做繁琐的人工处理，才能真正开始分析。IT时代网微信
说人话，这个平台干三件事：
把散落在各个联合国机构、格式互相冲突的统计数据，整合成一个互相关联的"AI就绪知识图谱"，用大白话就能直接检索，不用再像以前那样在老版UNdata门户里一层层翻数据库；
支持MCP（模型上下文协议），AI智能体可以直接连上来查数、查出处，还能自动把多个指标拉到一起生成图表和分析；
每个数字都记得自己从哪来，AI帮你查出来的东西，能一路追溯回最原始的联合国数据源。
进度也不含糊：已有26个联合国下属机构加入，上线时近20家的数据已经可用，目标是2027年把联合国系统80%的统计数据集都搬上来。 谷歌旗下的Google.org出了200万美元支持，平台跑在联合国自己管的实例上，以后自己维护、自己做大。雷科技
为什么联合国这么急？因为用户行为已经变了。UNICEF那个每月600多万人次访问的数据网站，今年从ChatGPT回答里点链接进来的访问量同比涨了67%，把各种AI助手都算上，大约每10次访问就有1次来自AI。 大家已经不搜网页了，大家问AI——而AI嘴里的数字，八成不靠谱。雷科技
四、你现在就能做的三件事
不用等到2027，今天就能把风险降下来。
第一，认清三类高危题。 以后问AI，碰到这三种数字先本能地警觉：①冷门长尾统计（某国小众指标、细分人群数据）；②口径敏感的指标（含税不含税、汇率折算、统计年份）；③时效敏感的最新数据（“今年”"上季度"开头的）。越是精确到小数点的回答，越要怀疑。
第二，用联合国的土办法自检。 Azevedo团队自己用的招你就能抄：同一问题隔两天再问一遍，或者换个模型问一遍——数字对不上，立刻作废。再进一步，让AI给出处，并且真的点开那条来源看一眼：给不出链接、链接打不开、链接里根本没有这个数的，一律按编的处理。
第三，重要数字回一手源。 写论文、发报告、做PPT给领导的数据，别让AI当二道贩子：统计类直接查UN System Data Commons、各国统计局、世行WHO这类原始库；搞技术的可以把Data Commons的MCP接口直接接进自己的AI工作流，让模型查数而不是背数。企业里做"AI问数"的，换模型之前先查口径、元数据、时效这些数据环节——很多问数偏差并不是换一个模型就能解决的，需要模型、语义、数据和权限共同治理。知乎专栏
五、谁该看、谁可以先等等
赶论文的留学生和学生党：最该紧张的一批。AI生成的数据进了论文，被查出来的定性是"伪造数据"，知乎和小红书上"用AI编数据被撤学位"的求助帖不是段子。 引用必须回到一手源，AI只帮你找路，不帮你背书。小红书
做自媒体、写报告、做方案的：数字双源交叉是底线，被读者抓到一个编的数，人设就塌一半。
只是日常闲聊问AI的：不用焦虑，继续问，但别把AI随口报的数当谈资转述出去——21.2%的准确率，传谣概率比看起来高得多。
搞AI工程/数据的：UN System Data Commons的MCP支持值得今天就去试，"AI就绪数据"这个方向接下来两年会滚雪球。
最后给一个值得持续盯的信号：联合国这次把数据格式改成AI可直接调用，开了官方机构"为AI重构数据"的先河。如果世行、OECD、各国统计局跟上，AI查数这件事会从"开盲盒"慢慢变成"查字典"。但在那之前——AI给你的每个漂亮数字，都值得你多问一句：你这数，哪来的？
