每十個網頁就有一個是 AI 寫的——新發布網頁更高達三分之一：Pew 網路大調查深度解析

網際網路上到底有多少內容是機器寫的？多年來，這個問題只存在於網路鄉野傳說之中——「死亡網際網路理論」（Dead Internet Theory）這個帶著陰謀論色彩的說法，主張網路上多數內容都是由機器人生成的，但始終缺乏嚴謹數據支撐而容易被駁斥。2026 年 8 月 20 日，Pew Research Center 的 Data Labs 團隊發布了迄今最可信的答案：在 2026 年 7 月隨機抽樣的一萬個英文網頁中，約有十分之一出現「由 AI 撰寫或大幅編輯」的明顯跡象。而若只看 ChatGPT 於 2022 年 11 月問世之後發布的網頁，這個比例超過三分之一。

這項研究由 Pew 資深資料科學家 Samuel Bestvater 領銜，與 Aaron Smith、Carson TerBush、Chris Baronavski 及 Janakee Chavda 合作完成，是迄今針對公開網路 AI 寫作規模最完整的系統性審計——而其細部數據所訴說的故事，比單一總數字更令人不安。

研究怎麼做

Pew 的語料庫來自 Common Crawl——這個開放網頁爬取檔案庫是學術界理解網路樣貌的重要基礎。研究團隊收集了將近 50 萬個（約 49 萬個）英文網頁，時間跨度從 2021 年 1 月到 2026 年 7 月。這個起始點很重要：它建立了 ChatGPT 出現前約兩年的基線，讓研究者能夠親眼「看著」AI 的指紋從數據中浮現，而不是事後推測。

在分類網頁時，Pew 將文本交給 Open Pangram——由偵測新創公司 Pangram 開發的開放權重 AI 偵測模型。這個模型並不是在找單一的鐵證，而是尋找用字、措辭與句子結構中的統計模式，這些模式能區分機器生成的文字與人類寫作——每一個語言「特徵」單獨看都很微弱，但放到大規模數據中聚合起來便具有診斷力。

Pew 對方法限制毫不諱言：AI 偵測器在兩個方向上都會誤判個別文件。但正如報告所言，當你把大量文本放在一起聚合分析時，人類與機器寫作之間的系統性差異就會浮現、超越雜訊。這種「只在聚合層級下結論」的嚴謹態度，正是這項研究比過去那些引發學術誠信爭議的偵測器案例更站得住腳的原因。

關鍵數字：一個正在明顯變質的網路

三層發現特別值得注意。

快照數據。 2026 年 7 月隨機抽樣的一萬個網頁中，10% 出現顯著的 AI 寫作跡象。這數字聽起來或許溫和——直到你想起分母裡還包含所有仍被索引、但屬於 AI 出現之前時代的陳年網頁。

趨勢。 若過濾掉舊網頁、只看 ChatGPT 發布後才上線的頁面，2026 年 7 月快照中超過 35% 帶有 AI 寫作跡象。這條曲線自 2022 年底以來穩定攀升、至今沒有高原期的跡象——每一次後續抽樣的比例都高於前一次，隨著 ChatGPT、Claude、Gemini 等聊天機器人接連問世一路走高。

網域差異。 AI 寫作並未平均分布。約十分之一的 .com 網頁出現 AI 跡象——大約是 .org 網域（4.6%）的兩倍，更是 .edu 與 .gov 網域（兩者皆約 1%）的十倍。圖表數據將這種分歧呈現得非常清楚：.com 網頁的 AI 佔比從 2021 年 1 月的 1.09% 跳升到 2026 年 1 月的 9.35%，而 .edu 和 .gov 幾乎停留在低於 1% 的基線上紋絲不動。事實證明，商業誘因是合成內容最強的預測指標。

語言指紋

這項研究最令人心驚（也最安靜）的部分，是量化了 AI 如何實實在在地改變了網路的書寫方式。Pew 將今日網路與 2023 年快照比較後發現：

• 破折號（em dash）出現頻率約翻倍——這個 AI 訓練資料中新聞文體的標點，如今正在殖民人類的文字風格。
• 牛津逗號增加 63%——每萬字的出現次數從 2023 年初的 34.0 升至 2026 年 1 月的 55.5。
• AI 偏好詞彙增加超過一倍。 「delve」、「interplay」、「testament」、「underscore」、「pivotal」、「tapestry」等詞——完整追蹤清單涵蓋從「additionally」到「vibrant」共 27 個詞——從每萬字 11.9 次攀升至 26.0 次。
• 負面平行句式（「it’s not just X, it’s Y」）幾乎增至三倍——不過絕對值仍然少見（每萬字從 0.87 次增至 2.36 次）。

詞彙圖表背後的數據值得細看：em dash 密度從 2023 年 1 月每萬字 5.79 次，升至 2026 年 1 月的 11.19 次。這些不是抽象的風格討論——而是線上英文散文質地在人口層級上的可量測位移，由模型從訓練資料吸收而來的偏好驅動，如今又以規模化方式反射回網路上。

Pew 也謹慎指出：任何單一網頁出現 em dash 或「delve」當然不構成 AI 寫作的證明——人類也會用這些。這個訊號只有在聚合時才有意義，這也正是研究團隊將其定位為「統計指紋」而非「逐頁判決」的原因。

為什麼重要

對訓練資料而言。 AI 產業的基本假設——網路會持續供應新鮮的人類文本——正在即時弱化。隨著 2022 年後的網頁日益充斥機器產出，模型崩塌（model collapse）與資料污染的擔憂從理論變成可量測的現實。.com 網域約 10%（且持續上升）的比例，恰恰是爬蟲抓取最兇的地方。

對信任與溯源而言。 網域差異帶來一則難得的好消息：機構網域（.edu、.gov）大致守住了，顯示編輯審查流程與問責機制仍能有效攔阻合成內容。這種對比——商業網路潰堤、機構網路死守——可能成為下一個十年內容溯源的最終分界線。

對死亡網際網路辯論而言。 CNET 等媒體將這項研究與死亡網際網路理論並置討論，結論頗具平衡感：理論的強版本（多數內容是機器人）仍為假，但它的方向直覺獲得印證——三分之一的全新商業網頁帶有 AI 指紋，這已不再是邊緣妄想。根據 Pew 自家的調查，美國約半數成人已在用 AI 聊天機器人、24% 天天使用，合成文本的供給端與需求端正在互相加成。

對偵測器懷疑論而言。 Pew 選擇同步公開完整方法論頁面、只在聚合層級下主張、並坦承偵測器的錯誤率，這種知識上的謙遜正是這個領域需要的示範。此研究發表之際，相關辯論正熾——The Verge 最近的報導就記錄了 Pangram 等偵測公司宣稱偽陽性率低到萬分之一，但獨立分析有時測得 2%——這個落差本研究並未解決，但藉由從不宣稱逐頁確定性而部分繞開了地雷。

結語

Pew 把一個迷因變成了一項量測。抽樣網路的 10%——以及後 ChatGPT 時代網路的三分之一強——如今帶有機器指紋，而線上英文的語言基底正可量測地向模型偏好彎折。真正重要的開放問題仍在眼前：當偵測軍備競賽打完之後，這條曲線會不會繼續攀升？監管層級的溯源機制（浮水印、C2PA 式來源認證）能否落地？當 AI 輔助寫作成為常態，.edu 與 .gov 這些堅守區域能否倖存？唯一不再有爭議的是方向——那個曾經訓練出模型的網路，正在被模型改寫。