注册用户本文由 莫潇羽@无忆研习社（www.wuyi.wiki）撰写，转载请注明出处。
快速摘要
AI 批量生产的低质视频，已经在海外最大的视频平台上占到了相当可观的推荐份额：有研究用新注册账号测试，推荐流前 500 条里大约每五条就有一条是 AI 低质内容。最先被冲击的，是那些“靠资料堆出来、换个人也能做”的内容：无人出镜的叙事解说、资料型科普、选题跟风号。但这场仗并不是 AI 单方面碾压——平台从 2025 年 7 月起把“重复内容”政策升级为“不真实内容”政策，2026 年起按频道整体执法，国内也从 2025 年 9 月 1 日起强制要求 AI 生成内容做显式和隐式标识。结论很直接：被淘汰的不是“真人”，而是“可被替代的内容”；而一个普通人亲身经历、亲手验证、能拿出证据的内容，恰恰是 AI 流水线最难复制、平台也最愿意保护的那一类。
这篇文章我会按这个顺序拆：AI 批量号到底在抢谁的饭碗，人工流水线为什么在成本上拼不过，平台和监管怎么出手，观众为什么会被低质内容“截胡”，什么样的内容 AI 学不走，普通人该从哪下手，以及 AI 该怎么用才不把自己做成另一个批量号。
想看完整拆解，往下翻。
一、AI批量号到底在抢谁的饭碗
1.1 先把“AI低质内容”说清楚
最近一两年，海外内容圈有个词被反复提起，英文叫 AI slop，直译过来是“AI 剩饭”“AI 泡沫水”之类，意思都差不多：用生成式 AI 批量拼出来、几乎没有人工判断参与、只为了吃推荐流量的内容。国内一般叫“AI 低质内容”或者“AI 批量号”，我下面就统一用这两个说法。
这里有个容易混淆的地方要先讲清楚：用了 AI 不等于低质内容。一个博主用 AI 帮忙查资料、修音频、做字幕，片子依旧是他自己的判断、自己的经历、自己的表达，这跟“丢一个关键词进去，脚本、配音、画面、剪辑全自动跑完，一天发十几条”是两回事。前者是工具，后者是流水线。平台现在打击的也是后者。
1.2 规模有多大，用公开数据说话
我平时比较关注海外平台的内容生态，因为很多趋势会在一两年后传导到国内。这里挑几份公开研究给大家看个大概。
视频编辑工具公司 Kapwing 在 2025 年底发布过一份调查报告，他们扫了 YouTube 上大约 15000 个热门频道，从里面找出 278 个几乎只发 AI 生成内容的频道。这批频道累计播放量在 630 亿左右，研究方估算它们一年的广告分成规模在 1 亿美元以上。更直观的是另一个实验：研究人员新注册一个账号，看平台推给它的前 500 条视频，结果有 104 条被判定为 AI 低质内容，占两成出头；另外还有大约三分之一属于那种看完什么也没留下的“刷脑”类短视频。
英国《卫报》的分析也给过一个口径：在增长最快的一批 YouTube 频道里，接近一成是 AI 批量号。
|
指标 |
公开研究给出的数字 |
来源与时间 |
|
被调查的热门频道数 |
约 15000 个 |
Kapwing，2025 年底 |
|
其中纯 AI 内容频道 |
278 个 |
同上 |
|
这批频道累计播放 |
约 630 亿次 |
同上 |
|
新账号前 500 条推荐中的 AI 低质内容 |
104 条，约两成 |
同上 |
|
增长最快频道中 AI 批量号占比 |
接近一成 |
《卫报》分析 |
这些数字都是第三方研究的估算，口径和统计方法不同，结果会有出入，看趋势即可，具体以原始报告为准。
1.3 最先被冲击的是哪几类内容
光看总量还不够，关键是看它冲击的是谁。我把自己这一年刷海外平台、看国内搬运内容的观察整理了一下，大致能分成下面几档：
冲击强度（由强到弱）
██████████ 无人出镜的叙事解说：悬疑故事、历史奇闻、都市传说、案件复盘
█████████ 资料型科普：动物冷知识、宇宙百科、历史人物盘点
████████ 名单盘点类：十大××、最××的五个××
██████ 影视/书籍解说（另有版权风险，国内尤其敏感）
████ 教程类：通用软件操作、通用技巧
██ 真人出镜的个人经验分享、行业一线观察
█ 带强现场感的记录：实地探访、实操过程、长期追踪为什么是这个顺序？道理不复杂。排在前面的几类，有一个共同点：内容的价值主要来自“资料”，而不是来自“这个人”。资料是公开的，选题是公开的，谁来讲区别不大。以前这类内容的门槛在于你要有人写稿、有人配音、有人做画面，需要一个团队花时间去打磨；现在这道门槛被 AI 一口气削平了。
排在后面的几类就不一样了。一个人实地去了哪里、亲手试了什么、踩了什么坑、得出什么判断，这些东西不在任何一份公开资料里，AI 没有原料可以拼。
1.4 一个典型的“洗选题”流程
我之前专门研究过这类批量号的操作逻辑，大体上是这么一条链路（下面是我根据公开讨论整理的通用流程，不针对任何具体账号）：
flowchart LR
A[扫描热门频道<br/>找高播放选题] --> B[抓取标题与封面思路]
B --> C[大模型改写脚本<br/>换说法、换结构]
C --> D[AI 配音 + AI 生图/生视频]
D --> E[自动剪辑合成]
E --> F[批量上传<br/>一天多条]
F --> G{数据好吗}
G -- 好 --> H[同类选题继续放大]
G -- 差 --> I[换号、换赛道]这条链路最让原创者难受的地方在于：它几乎每一步都“踩在线内”。选题本身是公共的，同一件历史事件谁都可以讲；脚本被大模型改写过，字面上不重复；画面是 AI 现生成的，跟原视频的素材也不一样。你很难拿着证据说“这就是抄我的”，但观众的注意力实打实地被分走了。
这也是我想先说明白的第一个判断：AI 批量号抢的，主要是“信息搬运型”内容的饭碗，而不是“人”的饭碗。后面所有的分析，都围绕这一点展开。
二、拆开算一笔账：人工流水线为什么拼不过
2.1 一条长视频背后，人工团队要付出什么
很多刚入行的朋友对“做一条视频要多少成本”没概念，这里我用一个虚构的、但很典型的小团队来拆一下。假设一个四人团队做一期 20 到 30 分钟的叙事类长视频：
|
环节 |
主要工作 |
大致工时（人·天） |
|
选题与资料 |
找选题、查资料、核实事实 |
2 到 4 |
|
写稿 |
搭结构、写钩子、反复改稿 |
3 到 5 |
|
配音 |
录音、补录、降噪 |
1 到 2 |
|
画面 |
找素材、做动画或建模 |
4 到 8 |
|
剪辑包装 |
剪辑、调色、字幕、封面 |
2 到 4 |
|
合计 |
— |
约 12 到 23 人·天 |
以上为通用化示意，不同题材、不同团队差异很大，仅用于说明成本结构。
人·天是个行业里常用的说法，白话讲就是“一个人干一天的工作量”。12 到 23 个人·天，摊到四个人头上，差不多就是两到三周出一期。这还是在团队配合顺畅、没有返工的情况下。
2.2 换成批量流水线，账就变了
再看批量号那边。脚本由大模型生成，配音用合成语音，画面用生图、生视频工具，剪辑用模板自动合成。人在里面的角色主要是“按按钮”和“挑数据好的继续做”。同样时长的一条视频，从选题到上传可能只需要几个小时，而且多条可以并行跑。
我把两边的成本结构用一个简单的式子写出来，方便大家理解：
单条成本 = (人力工时 × 单位人力成本 + 工具费用) ÷ 产出条数
人工团队：人力工时大、产出条数小 → 单条成本高
批量流水线：人力工时小、工具费用低、产出条数大 → 单条成本极低两边放在一起对比，效率差距常常是几十倍的量级。具体倍数取决于题材和工具，我不想给一个看起来很精确、其实没法验证的数字，但量级上的差距是实打实的。
2.3 真正可怕的不是效率，是“试错成本”
很多人只盯着“它做得快”，我觉得更关键的是另一层：试错成本几乎为零。
人工团队做一期片子，投入两三周，如果选题没押中、数据扑街，这两三周就算交了学费。所以人工团队做选题会很谨慎，宁可少做也要做稳。
批量号完全是另一种打法。一天发几条，哪条数据好就围绕哪个方向继续放大，数据差的直接放弃；账号被限流了，就换一个账号重新来。原创者花时间摸索出来的“哪类选题有人看、哪类没人看”，在批量号眼里就是一份现成的测试报告。
flowchart TB
subgraph 人工团队
A1[两三周打磨一期] --> A2{数据}
A2 -- 好 --> A3[继续做]
A2 -- 差 --> A4[损失两三周]
end
subgraph 批量流水线
B1[一天多条] --> B2{数据}
B2 -- 好 --> B3[同类放大]
B2 -- 差 --> B4[几乎零损失<br/>换方向或换号]
end2.4 但这笔账有个隐藏前提
算到这里，看起来人工团队必输无疑。不过这笔账有个前提，很多唱衰真人创作的说法都默认它成立：平台会一直按播放量给钱，并且不区分内容是怎么做出来的。
这个前提，恰恰正在被打破。批量号的模式能跑通，靠的是“发得多、换得快、不在乎单个账号的生死”；一旦平台开始按频道整体判定、整体清退，一旦每条 AI 内容都要被打上标识，这种“广撒网”的打法，成本结构就会被彻底改写。
我自己琢磨这件事的时候，最大的感受是：只看效率，就会得出“真人没戏了”的结论；把平台规则这个变量加进来，结论会完全不一样。下一章我就专门讲平台和监管这一侧，这部分也是我觉得最被低估的。
2.5 放到国内环境里，这笔账还要再打个折
上面这笔账，更多是按海外平台的情况算的。放到国内，批量流水线的“成本优势”还要再打一个折扣，原因有几个。
一是标识成本。国内要求 AI 生成合成内容必须加显式标识和隐式标识，平台还会主动检测、对疑似内容加提示。批量号想“装成真人内容”去吃流量，这条路在制度上是走不通的；老老实实打上标识，又会让一部分观众直接划走。
二是审核成本。国内主流平台对内容的审核本来就比较严，事实性错误、夸大表述、未经授权使用他人素材，都可能导致限流或处罚。AI 批量生成的内容恰恰最容易在事实准确性上出问题，量越大，触线的概率越高。
三是账号成本。国内主流平台普遍实行实名注册，一个人能稳定运营的账号数量有限，“这个号不行就换一个”的打法，执行起来远没有想象中轻松，违规记录还可能影响到同一主体名下的其他账号。
国内环境下批量号的额外成本：
显式 + 隐式标识 → 难以伪装成真人内容
平台审核 + 事实核查 → 量越大，越容易触线
实名注册 + 违规关联 → “换号重来”代价更高我的感受是，国内创作者面对 AI 批量号的冲击，压力比海外同行要小一些。但这不代表可以高枕无忧：标识规则管得住“装真人”，管不住“同质化”。一个合规标注了 AI 的科普号，照样能分走资料型内容的注意力。所以真正的应对之道，还是得落到内容本身的不可替代性上。
三、平台没有坐视不管：从政策更名到频道级清退
3.1 YouTube 的政策时间线
先说海外。下面这部分属于行业科普，帮大家理解平台规则的演变方向；国内创作者不需要、也不建议去境外平台运营，境外服务的使用需遵守国内网络与内容管理相关规定。
YouTube 的创作者分成计划（官方叫 YouTube Partner Program，简称 YPP，白话讲就是“平台和创作者分广告钱的那套机制”）一直有一条规矩：重复的、批量生产的内容不能参与分成。只是过去这条规矩写得比较含糊，执行也松。
转折点在 2025 年 7 月 15 日。平台把这条政策的名字从“重复内容”改成了“不真实内容”（英文是 inauthentic content），并明确说明它覆盖“批量生产或重复的内容”。官方给出的界定大意是：看起来像是用模板做出来、不同视频之间几乎没有变化，或者很容易被大规模复制的内容，都在这个范围里。
平台方面的创作者联络负责人当时专门出来解释，说这只是一次“小更新”，这类内容本来就不能分成，用 AI 工具辅助叙事的频道依旧可以正常参与分成。这句话很关键，我们后面还会回来讲。
真正让行业感到震动的是后续的执法：
timeline
title YouTube 针对批量内容的主要动作
2025年7月15日 : “重复内容”政策更名为“不真实内容”
: 明确覆盖批量生产与模板化内容
2026年1月 : 平台 CEO 年度公开信把治理 AI 低质内容列为年度重点之一
: 第一波大规模执法，一批 AI 批量频道被封禁或清空
2026年7月中旬 : 对“不真实内容”政策做进一步细分说明
: 列出三类不可参与分成的内容2026 年 1 月那一波，公开报道的口径是：16 个频道被终止或清空，这些频道合计大约 3500 万订阅、47 亿次累计播放。前面 Kapwing 榜单上的一些头部 AI 频道，后来再去看，要么整个频道没了，要么频道还在、视频全没了。同一个月，YouTube CEO 在年度公开信里点名了 AI 低质内容带来的担忧，并把治理这类内容列为当年的重点方向之一。
到了 2026 年 7 月中旬，平台又对这项政策做了进一步说明，按公开报道的归纳，不能参与分成的内容被细分成三类：
|
类别 |
大致含义 |
|
泛化、重复的内容 |
套模板制作，不同视频之间只有很小的变化 |
|
令人不适或刻意制造情绪的内容 |
主要靠制造紧张、不安来骗点击，比如摆拍的“动物遇险再被救” |
|
在敏感话题上提供建议的 AI 虚拟人设 |
用 AI 生成的虚拟形象讲医疗、理财、法律等话题 |
以上海外平台信息仅供了解行业趋势，政策细节以平台官方说明为准。
3.2 最关键的变化：从“按视频”到“按频道”
这一轮治理里，我觉得最关键、也最容易被忽略的一点，是执法单位变了。
以前平台处理问题内容，基本是“一条一条看”：这条违规就处理这条，别的不受影响。现在对于批量内容，判断和处罚越来越多是在频道层面进行的——一个频道整体被认定为批量生产，那就整个频道失去分成资格，严重的直接终止。
这一下就打在了批量号模式的命门上。回想上一章那张对比图，批量号最大的优势是“试错几乎零成本”，靠的是单条内容不值钱、单个账号也不值钱。但如果平台的判定是“你这个频道整体就是批量的”，那就不存在“这条不行换下一条”的空间了；如果被清退后，新开的账号又会被更快识别出来，“换号重来”的成本也会越来越高。
|
对比项 |
按视频处理（过去） |
按频道处理（现在的趋势） |
|
违规影响范围 |
单条视频 |
整个频道 |
|
批量号的应对 |
删掉问题视频继续发 |
很难自救，往往整体失去资格 |
|
对原创者的影响 |
较小 |
一条“看起来像批量”的内容也可能拖累全频道 |
|
对“换号重来”的影响 |
几乎没有 |
识别经验积累后，越来越难 |
表格最后一行我是故意写上的：按频道执法也是一把双刃剑。有分析文章就指出，平台的识别系统在实际运行中，有相当程度依赖“画面里有没有真人出镜”这类信号来判断是不是批量生产，结果一些完全手工制作、只是不露脸的解说频道也容易被误伤。这一点对我们后面讨论“真人感”很重要，先记住。
3.3 标识不影响推荐，但“可替代”会
这里有个常见误解要澄清。很多人以为“给视频打上 AI 标签，就会被平台限流”。按 YouTube 官方的说法并不是这样：AI 内容的披露标签本身不影响推荐分发，也不影响分成资格。披露、分成审核、推荐表现，是三套不同的系统。
那平台到底在打击什么？我把各方解读归纳了一下，核心就是一句话：如果观众把你的频道换成同赛道的另外五个频道，也察觉不出任何区别，那平台就会认为你是可替代的批量内容。
这句话我很认同，也是我写这篇文章的核心立场。平台在意的从来不是“你用没用 AI”，而是“你有没有提供别人提供不了的东西”。
3.4 国内：标识是硬性要求，而且更早落地
再回到国内。国内对 AI 内容的管理思路和海外不太一样，不是从“能不能分成”切入，而是从“必须亮明身份”切入，而且是部门规章加强制性国家标准。
2025 年 9 月 1 日起，国家互联网信息办公室、工业和信息化部、公安部、国家广播电视总局四部门联合发布的《人工智能生成合成内容标识办法》正式施行，同步实施的还有强制性国家标准《网络安全技术 人工智能生成合成内容标识方法》（GB 45438—2025）。
这里有两个概念，新手第一次接触可能会懵，我用白话解释一下：
- 显式标识：观众肉眼能看到、耳朵能听到的提示。比如视频角落写着“AI 生成”，或者音频开头有一句语音提示。
- 隐式标识：藏在文件数据里的信息，观众看不到，但平台和监管能读出来，用来溯源和认定责任。可以理解成给文件盖了一个“隐形钢印”。
国家标准里对视频的显式标识写得很细，我摘几条和创作者关系最大的：
|
内容类型 |
显式标识怎么加 |
关键要求 |
|
文本 |
开头、结尾或中间适当位置加文字提示 |
要包含“AI”以及“生成”或“合成”等字样 |
|
图片 |
边缘或角落加文字提示 |
文字高度不低于画面最短边的 5% |
|
视频 |
起始画面和播放界面显著标注，可在中段或结尾补充 |
文字高度不低于画面最短边的 5%，至少显示 2 秒 |
|
音频 |
开头、结尾或中间插入语音提示或提示音 |
清晰可辨 |
办法施行前后，抖音、快手、B站、微博、微信公众平台、腾讯元宝、DeepSeek 等平台都陆续发了公告，上线了 AI 内容标识或创作者主动声明功能。对普通创作者来说，最需要记住的是这一条：发布或传播 AI 生成合成内容时，不得以任何方式删除、篡改、伪造或隐匿平台添加的 AI 标识。平台对未标识或疑似 AI 生成的内容，也会主动在内容周边添加风险提示。
平台规则与监管口径会持续调整，上面是写稿时的情况，具体请以平台官方公告和主管部门的最新要求为准。
这意味着什么？在国内，想靠 AI 批量号“冒充真人内容”去抢流量，这条路本身就是被堵着的。批量号在国内的生存空间，天然就比海外小一圈。
3.5 我的判断：规则在把天平往回拨
我把这一章的内容收一下。站在 2026 年下半年这个时间点看，AI 批量号的处境是：
技术侧：生成越来越快、越来越便宜 → 对批量号有利
平台侧：按频道判定、清退、细化可分成边界 → 对批量号不利
监管侧：国内强制标识，不得隐匿 → 对批量号不利
观众侧：对低质内容的反感在累积 → 长期对批量号不利技术会继续让“做出一条视频”变得更便宜，这个趋势不可逆；但平台和监管正在让“靠批量内容长期吃流量”变得越来越难。两股力量叠加之后，最吃亏的反而是夹在中间的那批人：内容本身可替代、又没有 AI 那么便宜的人工流水线团队。
这是一个有点反直觉的结论：AI 批量号自己未必能笑到最后，但它确实会先把“人工版的批量内容”挤出去。
四、观众真的不在乎质量吗：低质内容如何截走一个选题
4.1 点开一条视频的那两秒
聊到 AI 低质内容，很多做内容的朋友第一反应是不服气：“这种东西谁看啊？”
说实话，我以前也这么想。后来我认真观察了一段时间自己和身边人刷视频的习惯，结论有点扎心：决定点不点开一条视频的，绝大多数时候只是封面和标题，跟内容本身好不好关系不大。
我们来拆一下一个普通观众在推荐流里的决策过程：
flowchart LR
A[刷到一条视频] --> B{封面和标题<br/>有没有勾到我}
B -- 没有 --> C[划走]
B -- 有 --> D[点进去]
D --> E{前几十秒<br/>能不能留住我}
E -- 不能 --> F[退出，但播放已计入]
E -- 能 --> G[看完或看一部分]
G --> H[点赞/吐槽/直接离开]注意图里的 F 那一步。哪怕观众点进去十几秒就骂一句退出了，这一次播放已经算上了。对于只追求曝光和播放的批量号来说，这一次点击的使命已经完成。观众是不是觉得内容准确、有没有被打动、会不会关注，对它来说都无所谓。
4.2 消遣型内容的容忍度，比我们想象的高
还有一个现实需要正视：很多人刷视频本来就不是为了学知识，而是为了放松、打发时间、睡前听个响。
在这种场景下，观众对内容的要求其实很低：画面别太难看，声音别太难听，讲的东西有点意思就行。事实对不对、逻辑严不严密、有没有深度，很多人根本不在意，也没精力去分辨。海外有一位科技类博主在节目里说过类似的感受：他只是想在做事时放点视频当背景音，结果推荐流里越来越多 AI 内容，体验被破坏得很严重。这反过来也说明，背景音式的消费场景，正是 AI 低质内容最容易钻进去的地方。
做内容的人往往高估了观众对“质量”的敏感度。这个认知偏差，是很多原创者在面对 AI 批量号时最容易吃亏的地方。
4.3 真正的伤害：一个选题被提前“消耗”了
如果只是分走一点播放，其实还不算最伤的。我观察下来，AI 低质内容对原创者最隐蔽的伤害是选题消耗。
举个虚构但很常见的例子。假设有个关于某次深海探险的冷门故事，一位原创作者花了很久查资料、做画面，准备做成一期精良的长视频。结果在他发布之前，已经有好几个批量号用同一个选题发了粗糙版本。一部分观众刷到过那些粗糙版本，留下的印象是“哦，这个我看过了，也就那样”。等精良版本发出来，这部分观众看到标题就直接划走了。
同一个选题的注意力，大致是一个“先到先得”的池子：
观众对某选题的好奇心 ████████████████ 100%
低质版本先发，消耗掉一部分 ██████████░░░░░░
原创版本到场时，剩下的 ░░░░░░░░░░██████
（示意图，比例仅为说明逻辑）更难受的是，观众对这个选题的“第一印象”是被低质版本定义的。他记住的不是“这个故事很精彩”，而是“这个故事挺无聊”。原创者花大力气做的东西，还没开始比，就已经在观众心里被打了折扣。
这就是为什么我前面说，AI 批量号抢的是“信息搬运型”内容的饭碗。因为这类内容的核心资产是选题，而选题是公共的，谁先讲谁占坑。
4.4 那观众会一直这样吗
不会，至少不会一直这样。
我刷了这么多年视频，自己的体会是：观众一开始对新鲜东西包容度很高，但被同类低质内容反复轰炸之后，会慢慢产生一种“识别疲劳”。刷到某种熟悉的 AI 配音、某种千篇一律的生成画面，很多人已经条件反射地划走了。海外平台也在做这件事，一边测试让用户能更多地控制自己的推荐内容，一边在算法层面降低批量内容的权重。
所以我的看法是：短期看，低质内容确实能截走一部分注意力；长期看，观众会用脚投票，把信任留给他们“认得出来的人”。
这个“认得出来的人”，就是下一章要讲的东西。在一个内容几乎可以无限复制的时代，什么才是复制不了的？
4.5 原创者面对“选题被抢”，能做点什么
光吐槽没用，我更关心的是：如果你也是做信息类内容的，选题撞车、被低质版本抢先，该怎么应对？我自己的几个做法，供大家参考。
第一个思路是换掉竞争的维度。批量号能抢的是“这个选题”，抢不走的是“你对这个选题的独特角度”。同样讲一段历史，批量号只能复述公开资料；你如果实地去过相关的地方、读过冷门的一手文献、或者能把这段历史和你自己的行业经验联系起来，那讲出来的就是另一个东西。观众哪怕看过低质版本，也会觉得“这个我没听过”。
第二个思路是从“讲事”转向“讲人”。纯信息内容最怕撞车，因为信息本身就是同质的。但如果你的内容重心放在“我是怎么研究这件事的”“我在查资料过程中发现了什么反常的地方”，选题就从公共资源变成了你的私人经历，别人想抢也抢不走。
第三个思路是主动建立和观众的直接联系。推荐流是平台分配的，今天推给你明天推给别人，不受你控制。但如果观众是因为认可你这个人而关注你，他会主动来找你的内容，这部分注意力是批量号截不走的。我在无忆研习社这边的体会也是这样：搜索引擎带来的读者来来去去，真正稳定的是那批会主动回来看新文章的老读者。
应对选题撞车的三个方向：
抢不走的角度 → 一手资料、实地经历、跨界联系
抢不走的主角 → 把“我怎么研究的”变成内容本身
抢不走的观众 → 让人因为认可你而关注，而不是因为刷到五、什么内容是AI学不走的
5.1 AI 的原料从哪来
要回答“什么 AI 学不走”，得先搞清楚 AI 是怎么“学会”的。
生成式 AI 写稿、生图、配音，本质上都是在已有数据的基础上做重组。说得通俗点，它是一个读过海量公开资料的“超级缝合者”：你问它一段历史，它能把读过的相关内容重新组织一遍讲给你；你让它讲一个科普知识点，它也能讲得头头是道。
但它有一个天然的边界：它只能处理已经被写下来、被公开的东西。没有被写下来的东西，它没有原料可用。
那什么东西是没被写下来的？我想了很久，大致归成这几类：
|
内容类型 |
为什么 AI 拿不到 |
举例 |
|
亲身经历 |
只发生在你身上，没有公开记录 |
你第一次独立处理客户投诉的全过程 |
|
一手实测 |
结果要靠真的去做才能得到 |
同一款工具在你的真实场景里到底好不好用 |
|
现场信息 |
发生在具体时间、具体地点 |
某个展会现场的真实氛围和见闻 |
|
长期追踪 |
需要时间累积，无法一次性生成 |
你记录了一整年的某项实验数据 |
|
个人判断 |
来自你独有的经验组合 |
你作为老员工对某个行业变化的看法 |
|
真实关系 |
建立在你和观众长期互动之上 |
老观众知道你说话算数 |
这张表里的每一行，都有一个共同点：它们的价值来自“这个人”，而不是来自“这份资料”。
5.2 真实感不是一种风格，是一种证据
很多人一说“真实感”，就想到“素颜出镜”“生活化拍摄”“不加滤镜”。这些当然有帮助，但我觉得没抓到重点。
真实感的本质，是可验证性。观众之所以相信一个人，不是因为他看起来很朴素，而是因为他说的话有证据撑着、经得起推敲、而且长期下来前后一致。
我拿自己做网站这件事举个例子。我在无忆研习社写技术类文章的时候，有一个习惯：凡是讲到某个操作，尽量是自己亲手跑过一遍的；跑的时候遇到的报错、绕的弯路、最后怎么解决的，都会写进去。有读者跟我反馈过，说他更愿意看这种“有坑的”文章，因为照着做的时候，遇到同样的报错，知道作者也遇到过、知道怎么过去。
这种信任感，是 AI 生成的“完美教程”给不了的。AI 写出来的东西太顺了，顺得像是没有人真的做过。
AI 生成内容的典型特征：
- 结构工整，面面俱到
- 没有具体的时间、地点、人物
- 没有失败，没有意外，没有“我当时也不知道”
- 结论正确但泛泛，放到哪里都能用
真人一手内容的典型特征：
- 有具体的场景和细节
- 有试错、有返工、有意外
- 有明确的个人立场，敢说“我觉得这样不对”
- 结论有边界：在我的情况下是这样，换个条件可能不一样注意最后一条：有边界的结论。这个特别重要。一个人敢说“这个方法在我这里有用，但你的情况可能不一样”，恰恰说明他是真的做过、真的想过。AI 很少会这么说话，因为它没有“我的情况”。
5.3 “露脸”不是必选项，但“有人”是
前面第三章提到过，有分析认为平台识别批量内容时，会参考画面里有没有真人出镜。那是不是不露脸就没希望了？
我的看法是：露脸确实是一个强信号，对新号尤其有帮助，但它不是唯一的路。真正要做到的是让观众感受到“这背后有一个具体的人”。不露脸也可以做到，比如：
- 用自己的声音而不是合成配音，口音、语气、停顿都是个人特征；
- 拍自己的手、自己的工作台、自己的屏幕操作过程；
- 内容里有大量只有你知道的细节和判断；
- 长期保持同一种说话方式和价值立场，让观众能“认出你”。
我见过不少不露脸的博主，观众照样记得住他。因为他的内容里处处都是他自己。
5.4 同一个选题，真人和批量号的差距在哪
为了让这一点更直观，我用一个虚构的选题做个对比。假设选题是“新手第一次做跨境电商店铺，最容易踩哪些坑”：
|
维度 |
AI 批量版本 |
真人一手版本 |
|
素材来源 |
网上公开的经验帖重新拼接 |
自己开店的真实经历 |
|
具体程度 |
“要注意选品”“要重视物流” |
“我第一批货因为包装尺寸算错，运费多花了一截” |
|
证据 |
无 |
后台截图（关键信息打码）、聊天记录、时间线 |
|
判断 |
面面俱到，不得罪人 |
明确说“这个钱我觉得不该省” |
|
可复制性 |
任何账号都能做出几乎一样的版本 |
只有这个人能讲出这个版本 |
左边那一列，同赛道随便换五个账号，观众可能都分不出来；右边那一列，换个人就讲不出来了。这就是第三章说的“可替代”和“不可替代”的区别，放到具体内容上，差别是很明显的。
5.5 为什么说这是普通人和大团队第一次站在同一起跑线
最后再说一个我觉得挺有意思的变化。
过去做内容，大团队相对普通人有三个明显优势：产能高，能稳定更新；包装好，画面和剪辑更精致；资料多，有专人负责查资料写稿。这三样，普通人一个人很难比得过。
现在呢？产能和包装这两样，AI 已经帮所有人拉到了一个差不多的水平，一个人借助工具也能做出过得去的画面和剪辑。资料这一样更不用说，AI 查资料的能力比大部分人都强。也就是说，大团队过去引以为傲的三样优势，正在被 AI 拉平。
那剩下拉开差距的是什么？是只有“这个人”才有的东西。而在这一点上，大团队并不占优势，甚至可能处于劣势。一个围绕某个主播打造的团队，内容的个人色彩往往被流程稀释了；而一个普通人自己讲自己的事，个人色彩是满格的。
|
竞争维度 |
过去 |
现在 |
|
产能 |
大团队明显占优 |
被 AI 拉平 |
|
包装 |
大团队明显占优 |
被 AI 大幅拉平 |
|
资料 |
大团队占优 |
被 AI 拉平 |
|
个人经历与判断 |
各凭本事 |
成为主要差异来源 |
我不是说大团队会就此没落，好的团队一样会进化，把人的价值放到更核心的位置。我想说的是，对普通人而言，这是一个难得的窗口：比拼的东西，第一次变成了你天然就有的东西。
六、普通人从哪下手：一套从素材到信任的起号思路
6.1 先打消一个顾虑：“我的生活很普通”
聊到这里，很多朋友会说：道理我懂，但我就是个普通上班族，每天的生活也没什么特别的，有什么可讲的？
这个顾虑我特别能理解，我刚开始写东西的时候也这么想。后来我想明白了一件事：“普通”只是你自己看自己的感受，换一个人来看，你每天在做的事情里，有大量他不知道、但想知道的东西。
一个在仓库做了三年的人，知道货是怎么分拣的、旺季是什么节奏、哪些环节最容易出错；一个在小区开了五年便利店的人，知道哪些东西好卖、进货有什么讲究、遇到过哪些奇葩事；一个刚毕业找工作的人，经历过的每一次面试，都是下一个求职者想看的参考。
你不需要人生很传奇，你只需要在某个具体的领域里，比外行多走过几步路。
6.2 我自己的三层思路：素材、讲法、可信度
这几年我在写东西、做网站的过程中，慢慢摸索出一套自己用的思路，分享给大家。它不是什么固定公式，就是三个层次，从下往上搭：
flowchart BT
A[第一层：素材<br/>你手里有什么别人没有的] --> B[第二层：讲法<br/>怎么讲才有现场感]
B --> C[第三层：可信度<br/>怎么让人相信你]6.3 第一层：建一个自己的素材库
大多数人觉得没东西可讲，不是因为真的没有，而是因为没有记录。经历过的事情，过几天就忘了细节，到要讲的时候只剩一句“挺难的”。
我的做法很简单：随手记。手机备忘录、文档、甚至给自己发消息都行。重点记这几样东西：
【素材记录模板】（我自己在用的，供参考）
日期：
事件：一句话说清楚发生了什么
卡点：当时哪里不顺、哪里出乎意料
做法：我当时是怎么处理的（包括走错的路）
结果：最后怎样了，有没有解决
证据：有没有截图、照片、数据、聊天记录可以留存
一句感想：如果重来一次，我会怎么做坚持记一个月，你会发现自己手里的素材比想象的多得多。而且这些素材有一个共同点：全部来自你自己，AI 没有，别人也没有。
我建议大家重点留意三种时刻，这三种时刻产出的素材最有价值：
- 意外的时刻：事情没有按预期发展的时候，往往是最有信息量的时候；
- 做选择的时刻：在两个方案之间犹豫，最后选了哪个、为什么；
- 改变看法的时刻：以前觉得 A 是对的，后来发现不是，中间发生了什么。
6.4 第二层：讲法上，把“结论”换成“过程”
有了素材，怎么讲？我观察过很多新手的第一条视频，最常见的问题是：一上来就讲结论。
“做跨境电商一定要重视物流。”“面试的时候一定要准备好自我介绍。”这些话都对，但观众听完毫无感觉，因为它跟 AI 生成的内容长得一模一样。
我的建议是，把结论往后放，把过程往前放。同样一个道理，换成过程来讲，效果完全不一样：
|
结论式讲法 |
过程式讲法 |
|
做电商一定要重视物流 |
我第一批货发出去，客户等了快一个月才收到，我当时以为是物流慢，后来一查发现是自己选错了渠道…… |
|
面试一定要准备自我介绍 |
我第三次面试的时候，面试官让我用一分钟介绍自己，我脑子一片空白，说了不到二十秒就卡住了…… |
过程式讲法有三个好处：一是有画面感，观众能跟着你走；二是天然带悬念，观众想知道后来怎么样了；三是结论是从过程里长出来的，观众会觉得这个结论是你挣来的，而不是从哪抄来的。
另外有几个讲法上的小技巧，我自己用下来觉得挺管用：
- 多用具体的数字和细节，但只用你自己的真实数字，别编；
- 敢说“我当时也不知道”，展示自己的困惑，比假装什么都懂更有说服力；
- 给结论加边界，“这在我的情况下有效”，而不是“所有人都应该这样”；
- 留一个开放的问题，比如“你们遇到过这种情况吗”，让评论区接着聊。
6.5 第三层：可信度，靠证据和长期一致
最后一层，也是最难、但最值钱的一层：让人相信你。
在 AI 内容泛滥之后，观众会越来越警惕。他们会下意识地问：这是真的吗？这个人真的做过吗？所以，把证据摆出来会变得越来越重要。
可以作为证据的东西有很多：
可作为证据的素材（发布前务必做好隐私处理）：
- 工作或操作过程的实拍、录屏
- 带时间线的记录（比如连续几周的变化）
- 关键数据的截图（敏感信息打码）
- 实物、现场照片
- 前后对比这里我必须提醒一句：展示证据的时候，一定要注意隐私和合规。涉及他人的个人信息、聊天记录里的对方身份、商业数据、内部文件，发布之前都要打码或删除；涉及别人肖像的要取得同意。别为了证明自己是真人，把别人的隐私也一起曝光了。
除了证据，另一个建立信任的方式是长期一致。你今天说的话，三个月后还能对得上；你说你在做某件事，后面的内容能看到这件事的进展。观众跟着你看了一段时间，会形成一种“这个人靠谱”的感觉，这种感觉一旦形成，比任何单条爆款都值钱。
6.6 一条入门视频的结构参考
把上面三层合起来，我给新手一个第一条视频的结构参考，大家可以按自己的情况调整：
【开场】（10 到 20 秒）
直接抛出那个让你意外或卡住的瞬间，不要自我介绍
【背景】（30 秒左右）
用两三句话交代你是谁、在做什么、为什么会遇到这件事
【过程】（主体部分）
按时间顺序讲你怎么处理的，重点讲走错的路和转折点
中间穿插证据：截图、实拍、数据
【结果】（30 秒左右）
最后怎么样了，解决了没有，没解决也照实说
【边界和提问】（15 秒左右）
说清楚这个经验适用于什么情况
抛一个问题给观众这个结构的好处是，你不需要任何口才或剪辑技巧，只要把一件真实发生的事按顺序讲清楚，就是一条有价值的内容。
我在无忆研习社写文章的时候，很多篇也是这个底子：一个真实遇到的问题，一段折腾的过程，一个有边界的结论。写多了你会发现，读者最爱看、最愿意转的，往往不是写得最漂亮的那篇，而是坑最多、最“有人味”的那篇。
七、AI该怎么用：别把自己做成另一个批量号
7.1 我的态度：AI 是工具，不是作者
写到这里，可能有朋友会觉得我在劝大家远离 AI。其实正好相反，我自己每天都在用 AI，查资料、整理思路、处理一些重复性的工作，效率提升很明显。
我反对的不是用 AI，而是让 AI 替你做那些本该由你来做的部分。前面说了，你的内容之所以有价值，是因为里面有你的经历、你的判断、你的证据。如果这几样也交给 AI，那你做出来的东西，跟批量号就没有本质区别了。
一个简单的分工原则，我自己一直这么用：
|
环节 |
适合交给 AI |
必须自己来 |
|
选题 |
帮你扩展思路、列出相关角度 |
决定讲什么，必须是你真有东西可讲的 |
|
资料 |
帮你快速了解背景知识 |
核实事实，尤其是数字和引用 |
|
脚本 |
帮你检查逻辑、润色语句 |
核心经历、关键判断、个人观点 |
|
配音 |
修音、降噪 |
尽量用自己的声音 |
|
画面 |
辅助做示意图、动效 |
证据类画面必须是真实拍摄或录屏 |
|
剪辑 |
自动字幕、粗剪 |
节奏把控、重点取舍 |
一句话概括：AI 负责提效，人负责提供不可替代的那部分。
7.2 用 AI 辅助创作的一个实操流程
下面是我自己的一个简化流程，以写一篇经验类文章或者做一条经验类视频为例：
flowchart TB
A[从素材库里挑一个真实经历] --> B[自己先写一个粗糙的草稿<br/>不追求通顺，只求细节完整]
B --> C[用 AI 检查结构<br/>哪里讲得不清楚、顺序是否合理]
C --> D[自己修改<br/>保留个人语气，拒绝 AI 改写的套话]
D --> E[用 AI 核对背景知识<br/>再自己去权威来源复核]
E --> F[补充证据素材]
F --> G[发布前检查：AI 标识、隐私、版权]这个流程里，最关键的一步是 B：先自己写。很多人习惯先让 AI 出一版，再自己改。我的经验是这样做出来的东西，很容易被 AI 的框架和语气带跑，最后改来改去还是一股“AI 味”。先自己写，哪怕写得很糙，至少骨头是你自己的。
还有一点：AI 给出的事实、数据、引用，一定要自己去复核。生成式 AI 有一个众所周知的毛病，行业里叫“幻觉”，白话讲就是一本正经地编造不存在的信息。你的可信度是一点点攒起来的，被一个 AI 编的错误数据毁掉，太不值了。
7.3 发布前的合规清单
国内发布内容，合规是绕不过去的一关。我把和 AI 相关的几条整理成一个清单，发布前对一遍：
【发布前 AI 合规自查】
□ 内容中是否含有 AI 生成或合成的画面、声音、文字？
→ 有的话，按平台要求主动声明，勾选 AI 内容标识
□ 平台自动添加的 AI 标识，是否被裁剪、遮挡或去除？
→ 不得删除、篡改、伪造或隐匿
□ 是否使用了 AI 声音克隆、AI 换脸等技术？
→ 涉及他人声音、肖像，必须取得本人授权；
不得用于冒充他人或误导观众
□ 是否涉及影视片段、他人作品？
→ 注意版权，未经授权不要搬运或二次剪辑
□ 使用的字体、音乐、图片素材是否有授权？
→ 商用需取得正版授权
□ AI 生成的事实、数据是否已人工核实？
→ 未经核实的内容不要当成事实发布
□ 是否涉及他人隐私、商业机密？
→ 打码或删除各平台对 AI 内容的具体规则不完全一样，也会持续更新，以上是通用要点，发布前请以所在平台的最新规则为准。
我特别想强调一下 AI 声音克隆和换脸这一块。这类技术现在门槛很低，但风险很高：未经授权使用他人声音或肖像，可能涉及侵犯肖像权、声音权益，严重的还可能被用于诈骗。普通创作者最好的做法就是：别碰别人的脸和声音，自己的用起来也要明确标注。
7.4 一个小测试：你是不是正在变成批量号
最后给大家一个我自己常用的自测方法。每发一条内容之前，问自己三个问题：
- 这条内容里，有没有至少一个细节是只有我知道的？
- 如果把我的名字换成同赛道的其他博主，观众能不能察觉到区别？
- 如果有人质疑“你真的做过吗”，我能不能拿出证据？
三个问题里有两个回答“不能”，那就得警惕了。这条内容可能写得很顺、做得很精致，但它正在变成“可替代”的那一类。
这个测试我自己也经常不及格。有时候赶更新，图省事让工具多干一点，写出来的东西读着挺顺，回头一看，里面几乎没有一句是只有我才说得出来的话。遇到这种情况，我的做法是先不发，回到素材库里找一个真实的细节补进去，哪怕只补一段，整篇的味道都会不一样。宁可慢一点，也别让自己的账号一点点滑向那条流水线。
八、我的判断：开口的门槛降低了，被记住的门槛提高了
写到最后，我想把这篇文章的核心判断再收一下。
AI 批量内容的冲击是真实的，而且短期内还会持续。那些依赖公开资料、依赖人工流水线、内容本身可替代的账号，确实会越来越难。这一点没必要回避，也没必要假装乐观。
但我不认同“真人内容已死”这种说法。从平台规则、监管要求到观众心理，所有的力量都在把天平往同一个方向推：可替代的内容会越来越不值钱，不可替代的内容会越来越值钱。而什么是不可替代的？就是一个具体的人，在具体的场景里，亲手做过、亲身经历过、能拿出证据的东西。
这件事对普通人来说是好消息。以前做内容，门槛在于你有没有团队、有没有资源、能不能把东西包装得足够精致；现在包装这件事被 AI 拉平了，真正拉开差距的，变成了你手里有没有真东西。而真东西，每个认真生活、认真工作的人都有。
开口的门槛确实降低了，谁都能用 AI 做出一条看起来不错的内容；但被人记住的门槛反而提高了，你需要让观众相信，这条内容背后站着一个真实的、靠谱的、值得持续关注的人。
我是莫潇羽，在无忆研习社写了不少折腾技术、折腾网站的东西，一路踩坑一路记录。如果说这些年有什么心得，那就是：别怕讲自己的弯路，那恰恰是别人最想看、AI 最写不出来的部分。
个人学习实践总结声明：本文是我（莫潇羽@无忆研习社）基于个人对内容创作行业与 AI 内容生态的长期观察和实践整理而成的方法论总结，文中观点为个人判断，示例均为通用化、虚构化处理，用于学习交流，不构成任何投资、经营或法律建议。文中涉及的海外平台政策仅作行业科普，境外平台及服务的使用需遵守国内网络与内容管理相关规定。文中涉及的平台规则、监管要求、第三方研究数据会动态变化，本文为写稿时的近似情况，请务必以平台官方公告、主管部门发布的最新口径及原始研究报告为准。涉及 AI 生成内容发布的，请按平台要求如实标注；涉及字体、音乐、图片等素材商用的，需取得正版授权。
本文首发于 无忆研习社（www.wuyi.wiki），转载请注明出处。
