AI 把内容成本打成了零，但你的注意力涨成了天价
我最近干了一件挺无聊的事：连续读了二十篇同一个话题的 AI 深度分析文章。标题分别是《AI 正在重塑 X 的未来》《别再用旧方法做 X 了》《关于 X，你可能一直搞错了》……
然后我发现，它们讲的是同一件事。
不是观点一样。是连比喻都一样：都用了「齿轮」「电梯」「北极星」；都用了「不是……而是……」这个句式；都在第三段来一句「真正的价值不在于工具本身，而在于使用它的人」；都在结尾鼓励我「保持好奇，拥抱变化」。
二十篇文章，像一个人换二十件衣服去见你。
这事儿挺有意思，因为它是 AI 内容生产的一个副作用，不是 bug——但它正在把整个网络的信息密度往下拽。
一、写作成本归零之后，垃圾邮件的形态也跟着变了
先说个不太舒服的推论。
在 AI 之前，产生一篇「看起来还过得去」的文章是有成本的：要读资料、要查资料、要写字、要排版。这道门槛挡住了一大批只想水一篇的人。
现在这道门槛塌了。塌到什么程度？一个下午能生成二十篇结构完整、措辞得体、废话密度均匀的「深度好文」，而且它们全都不带错别字，全都不带语病——因为语病本来就该由人来承担。
这跟历史上每一次内容成本下降的后果都一致：
- 印刷术之后有了垃圾邮件和垃圾报纸；
- 博客时代有了 SEO 农场；
- 短视频时代有了信息茧房和批量搬运号；
- 现在，AI 让「正确、完整、无聊」的文字可以无限复制。
问题不在于 AI 写得差。事实上 AI 写得比大多数博客都好——它语法正确、逻辑通顺、不跑题。它的问题是：它写的是平均值。
而整个互联网的知识价值，从来都藏在偏离平均值的那些地方。
均值是安全的，也是没有信息量的。你不会因为一篇「均值好文」转发，也不会因为它更新自己的认知。真正被点开的、被收藏的、被引用三年的，是那些说了一句「不对，其实应该反过来」的文章。
二、AI 写的文章，正在变成一种「可识别的语气」
如果一个读者每天读二十篇 AI 生成的文章，他其实不需要懂 AI 就能分辨出来。判断方法很简单：看它有没有观点。
典型的 AI 深度长文长这样：
- 结构永远是「背景 → 现状 → 优点 → 挑战 → 未来展望」，五段式，一次不落；
- 每段都有一句金句，但金句之间互相不冲突，也不互相推进；
- 列举例子时永远选最安全的、最著名的那几个，绝不选冷门的、有争议的；
- 遇到需要下判断的地方，一律用「取决于具体情况」「需要综合考量」滑过去；
- 结尾必有情绪收尾，必有「未来已来」「保持好奇」。
这不是模型笨。这是它在训练分布里学到的「什么叫好文章」——而互联网上的好文章，长得就像好文章该长的样子。训练数据里那些真正有锋芒的段落，往往因为太刺眼、争议大、或者被举报过，没能进入语料。
模型学的是最不惹事的表达方式。这在写代码时是优点，在写观点时是致命的。
顺带说个更隐蔽的现象：AI 内容还带毒副作用。读多了 AI 写的文章，你会发现自己写出来的东西也变成那种味道——因为人会被自己读过的东西校准。语言是有传染病的。
三、行业在往哪儿走：内容通胀已经开始反噬
有几个信号值得留意：
信号一：搜索引擎开始做「AI 内容降权」。 这不是猜测，是已经在发生的策略调整。Google 早前就在打击「为搜索而生成」的低质批量页面；各类社区论坛开始用「疑似 AI 味」的标签压制无脑灌水。平台比谁都清楚：一旦 AI 内容占比超过某个阈值，用户就会流失，流量池本身会缩。
信号二：AI 助手正在成为新的「看门人」。 当越来越多人在用 AI 摘要网页而不是直接读原文时，原创内容会先经过一层「AI 改写」再到达人耳。二手洗三手之后，作者的锋利度基本被磨平了。你写得多毒，摘要里都变成「该文章认为……」。
信号三：模型自己开始提供「有观点」的内容。 这对写作者来说才是最狠的。你拼观点？模型现场给你拼三个，还带优劣对比表。等你写完，它已经能再写一篇骂你那篇的。
所以我的判断是：纯粹靠「信息 + 结构」的内容，已经进入死亡倒计时。 这类内容 2020 年能拿全网流量，现在只能拿到零头。
那还剩下什么？
剩下三样模型短期内搞不定的东西：
- 第一手经历：你踩过的坑、你跑过的数字、你被甲方骂过的现场。模型没有身体，也没有账单。
- 明确的责任：敢说「我推荐 A，因为 B 厂商坑过我三次」，需要有署名的代价。模型署不了名。
- 品味：知道哪个细节值得写、哪个比喻太滥、哪段话读者会划走。这种判断是压缩率极高的经验，模型还在补这个课。
换句话说：AI 之后，写作的竞争从「能不能写好」变成了「有没有资格写」。
四、Prompt 心法：怎么让 AI 别写出一眼假的东西
这是我最近用得最多的几招，效果比换模型明显得多。
招一：让模型先当杠精，再当作者。
先别写文章。先扮演一个最挑剔的读者，把我给你的每个论点挑一遍刺：
哪个是常识？谁早说过？哪个结论缺证据？哪个比喻已经被用烂了？
输出「会被质疑的五个点」，我确认之后你再动笔。这一招的价值在于：它把「模型的平均值倾向」逼到台面上让你看见。你不提示它，它不会自己怀疑自己。
招二：明令禁止句式黑名单。
禁用以下表达：「不只是……更是」「真正的……在于」「赋能」「闭环」「底层逻辑」
「值得注意的是」「总而言之」「在当今这个……的时代」
每段不超过 3 句。不要用「想象一下」开头。别笑，这是最粗暴也最有效的一招。AI 的口头禅是它的指纹，删掉指纹，文章至少不像是批量生成的。
招三：要求「具体优先于正确」。
提示里加一句：「宁可举一个真实的、具体的例子，也不要给一个概括性的正确结论。抽象的判断如果找不到例子支撑，就删掉它。」
这一招直接干掉了 AI 最爱的那类空话——因为空话都是「正确的抽象」。
招四：给它反面素材。
只喂给模型正面材料，它只会顺着写。让它同时读一份「行业里已经失败的做法」和一份「反对这个观点的评论」，然后要求它选边站、给理由、并说明自己可能错在哪。
模型的立场感是被材料逼出来的，不是被指令喊出来的。
招五：结构留白。
不要让它输出「一篇 2000 字的深度分析」，改成分段任务：先写三个观点，每个观点只写 200 字并且必须带一个具体场景；然后你挑；然后扩写。人工在这一步介入一次，成品的「人味」就完全不一样了。
五、说点不太客气的
我自己也在用 AI 写东西，这篇文章的初稿也有 AI 参与。所以我不装。
但正因为我参与，我更清楚一件事：AI 让「写出来」这个动作变得毫无门槛，同时也让「写出来」这件事彻底失去了门槛意义。以前你能通过一篇文章的字斟句酌，判断出作者花在这上面的心思；现在判断不了。
结果就是读者的怀疑阈值被整体拉高了。以前读三句觉得不对味就划走，现在读三句觉得「还行」就划走——因为下一篇文章读起来更顺滑。注意力被喂得越来越刁，成本越来越贵。
所以我越来越觉得，接下来值钱的是这么几种人：真的动手做过的人，敢为结论署名的人，以及愿意花时间跟读者一起把一个复杂问题聊明白的人。
AI 会把「写得快」变成基本操作，把「想清楚」变成稀缺资源。
而后者，从来都是最难卖、也最值钱的那门生意。
最后一句留给还在用 AI 写作的人：把 AI 当放大镜，别当替身。它能放大你的判断力，也能放大你的平庸——用完记得自己看一眼成品，这一步千万别省。
