平台先动手：举报与发现流门槛

反感正在变成产品侧的调整。领英（LinkedIn）上线了一个「看起来像 AI 垃圾内容」的举报按钮，让用户直接标记平台上的机器生成内容；Snapchat 宣布完全由 AI 生成的视频将不再进入其发现流的推荐；写作平台 Substack 则加入了 AI 检测工具，用来审核作者发布的内容。三家公司动作的时间点很近，像是对同一股情绪的同步回应。

这些改动并不等于封杀 AI。Snapchat 的规则针对的是推荐资格而非内容本身，用自带 AI 工具增强的真人创作仍可被推荐；Substack 的检测也只是辅助审核。真正的分歧在于：AI 是在辅助创作，还是彻底取代了创作过程。

「我从未同意过」：同意权之争

WIRED 服务专栏作者 Reece Rogers 在报道中把矛头指向一个更底层的问题——同意。许多人的不满在于：自己的网络互动数据被大规模抓取去训练模型，Instagram 在未告知的情况下给账号开了允许他人生成我的深度伪造的开关，谷歌把 AI 生成的答案硬塞进搜索结果顶部。功能是一个个被塞进常用软件的，而用户几乎没有参与决策。

Broussard 对 WIRED 说，同意权之所以重要，是因为它关联到女性、性少数、少数族裔在网络上长期被剥削和滥用的历史，科技公司从来对同意不敏感。塔夫茨大学研究科技与人类学的副教授 Nick Seaver 也指出，企业往往是先把功能铺开、看哪个能留下来，因为没人真正知道这东西到底要干嘛。

关掉的功能与街头的抗议

公众的反击并非只停留在抱怨。谷歌在 404 Media 报道后，几乎立刻撤回了让用户用生成式 AI 修改谷歌地球卫星图像的功能；Meta 在舆论和数百万播放量的批评视频压力下，三天后就关掉了 Instagram 的那项深度伪造工具。营销物料里的生成式 AI 也遇冷：麦当劳、可口可乐把 AI 视觉塞进广告后，引来大量负面反应，连本地小店用 AI 海报宣传活动时也会挨骂。

更上游的抵触转向了数据中心。AI 工具依赖的算力中心在许多社区拔地而起，《AI 骗局》（The AI Con）的合著者 Emily Bender 指出，数据中心是环境与经济损失的交汇点，正把不同政治立场的人拉到同一边，围绕数据中心的抗议近期出现了跨阵营联合。

在旧金山，即便是热衷工具的软件开发者，许多使用也是被动的。一名 Block 公司在裁员期间对员工说，如果工具真的好，大家自己就会用，自上而下的强制推行反而招来抵触。Broussard 提醒，面对资金雄厚的大公司，集体行动依然有用——公开压力确实能让一些不受欢迎的 AI 功能下线。

来源：WIRED | Reece Rogers | https://www.wired.com/story/the-ai-slop-backlash-is-actually-having-an-impact/

article_id: e7038b7a8e568b4fd4e77fd8ac080f2d

title_zh: Suno 给 AI 歌打水印：每月下载次数也要限

source: The Verge

published_at: 2026-08-07

—

AI 音乐生成平台 Suno 正试图摆脱”侵权与垃圾内容制造机”的标签。8 月 6 日，Suno 联合创始人兼首席执行官 Mikey Shulman 发表了一篇长文，公布两项关键举措：引入新的音频水印（watermarking）与指纹（fingerprinting）技术，同时调整内容下载策略，以限制低质 AI 歌曲的扩散并提升透明度。

Shulman 在文中表示，新的透明化工具配合水印与指纹技术，与”新兴行业标准”保持一致，能更容易地识别出由 Suno 生成的内容。他还提到，公司正计划与分发平台合作，共同打击欺诈与滥用行为。不过 Suno 并未立即回应关于新政策与技术细节的具体询问，目前仍缺乏可量化的说明。

下载限制并非临时起意。去年，Suno 在与华纳音乐集团（Warner Music Group）达成和解后，就曾承诺改变下载规则；同一时期，华纳与另一家 AI 音乐平台 Udio 的和解直接导致后者彻底关停了输出内容的下载功能。Suno 当时称，下载将仅限于付费订阅用户，且每位用户每月可下载的数量设有上限，但具体数值至今尚未公布。

在立场表述上，Shulman 反复强调公司对透明度的承诺、对版权方的尊重，以及人类创作的价值。但他也谨慎地表示，评判单件作品的艺术价值”不是 Suno 该做的事”，最终是否披露 AI 工具的使用，应由艺术家和平台自行决定。

这套表态背后是沉重的法律与舆论压力。Suno 正面临环球音乐（UMG）与索尼（Sony）的版权诉讼；在德国，集体管理组织 GEMA 已作出对其不利的判决；此外，平台还曾发生约 5500 万用户数据泄露事件。水印与指纹技术能否真正厘清”谁生成了什么”，将直接影响它能否在监管与诉讼夹缝中拿到合规通行证。

对普通用户而言，这意味着未来在 Suno 上生成的歌曲会带上可识别的痕迹，下载也会受到订阅层级与次数的约束。与其说这是一次技术升级，不如说是一家 AI 音乐公司为了换取行业接纳而交出的投名状。

来源：The Verge

你大概听过这样的说法：AI 正在让程序员变成“10 倍工程师”。但一份来自 ACM Queue 的研究却先问了另一个问题——程序员的时间，到底有多少在写代码？答案是，不到 14%。

2025 年，微软研究团队追踪了 450 多名工程师后发现，开发者平均每天花在写代码上的时间只有 14%。早前研究里，状态较好的工作日编码占比约 18%，状态差的工作日则跌到 11%。读文档、开会、理解旧系统、调试、测试、配置环境、做设计，才是占据他们日程的大头。

这个数字本身并不新鲜。新鲜的是，生成式 AI 铺天盖地宣传“自动写代码”时，恰好暴露了行业里长期被忽略的一个事实：把写代码速度翻倍，整体效率的提升也到不了 15%。因为写代码从来不是瓶颈。

02 微软团队总结的八大误区

这篇题为 *Eight Myths on Software Engineering and GenAI* 的论文由 Jenna Butler、Brian Houck、Margaret-Anne Storey 等微软与高校研究者共同撰写，逐条拆解了围绕生成式 AI 与软件工程的主流误解。

误区一：开发者大部分时间都在写代码。 如上所述，14% 的数字已经否定了这一点。

误区二：写代码是项目瓶颈。 如果编码只占 15%，即使 AI 把编码速度翻倍，对整体进度的推动也小于 15%。更麻烦的是，快速产出未经验证的代码会把压力转移到下游的代码审查、测试和集成，反而可能拖慢交付。

误区三：AI 生成的代码行数是衡量生产力的好指标。 比尔·盖茨曾把“用代码行数衡量软件生产力”比作“用飞机重量衡量飞行进度”。2014 年的一篇统计研究也指出，代码行数并未通过效度检验，作为指标用途有限。微软 CEO 在 2025 年 4 月提到公司“最多 30% 的代码由 AI 编写”，但这仍不能说明质量、速度或商业价值。

误区四：AI 对所有工程师的帮助都一样。 研究结果并不一致。有研究发现 GitHub Copilot 带来明显提升，也有研究显示开源资深开发者使用 AI 后完成任务的时间反而平均增加了 18%。有经验的开发者在熟悉任务上获益更大，但专业年限与提示词信心反而呈负相关。

误区五：AI 能把普通开发者变成 10 倍开发者。 很多研究基于孤立的小型任务得出“55% 生产力提升”的结论，但真实团队环境复杂得多。开发者之间的表现差异主要来自任务本身，而非恒定个人能力。

误区六：用好 AI 是开发者个人的事。 文章指出，真正改变生产力的是组织层面的系统工程，而不是每个人自己摸索提示词。

误区七：好用的 AI 工具自然会被采用。 Stack Overflow 2025 年调查显示，80% 的开发者用过 AI 工具，但只有 29% 相信其准确性。能力惩罚、伦理担忧、对“去技能化”的恐惧都会拖慢采用。

误区八：有了 GenAI，大企业就能以小团队速度创新。 初创公司依赖公开框架和代码，正是大模型训练数据的主要来源；而企业依赖专有遗留系统，AI 没见过这些代码，还要面对合规、安全、隐私和向后兼容的约束。

03 这对企业和团队意味着什么

研究者认为，当前围绕 AI 写代码的叙事，本质上是在优化一个本来就不够大的工作切片。如果组织真正想提升软件交付效率，重点应该放在：减少会议和上下文切换、改善遗留系统可理解性、把代码审查和测试流程做得更轻更快，以及建立可信的 AI 使用规范。

换言之，AI 可以是杠杆，但它撬动的支点不是键盘，而是整个工程系统的设计。

来源：ACM Queue / *Eight Myths on Software Engineering and GenAI*（2026 年 5 月）

实验怎么做的

这项研究发表在学术期刊《判断与决策》（Judgment and Decision Making）上。研究团队请 1682 名成年人各读一篇短篇小说，六篇备选作品中三篇由人类创作、三篇由 ChatGPT 生成，每篇 AI 作品都与一篇人类作品主题相近。

关键设计在于：研究者会告诉参与者手上这篇是人写的还是 AI 写的——但这个信息并不总是真的。随后参与者需要为故事的沉浸感、吸引力和整体质量打分。

结果出现了两条方向相反的规律。读到 AI 生成故事的参与者，给出的沉浸感和质量评分高于读到人类作品的那一组；而与此同时，凡是被告知“这是人写的”的故事，评分都会更高——无论它实际出自谁手。

人类分辨不出来

研究团队又追加了两轮实验。905 名成年人各拿到两篇主题相同的故事，其中只有一篇由人类执笔，要求他们指认哪篇是人写的。

一轮实验中约 40% 的人猜对，这个成绩甚至低于随机瞎猜；另一轮为 52%。作者在论文中写道：“没有任何总体证据表明参与者能够区分人类写作与 AI 生成的内容。”

有意思的是，参与者自评的小说阅读经验与判断准确率无关，反倒是对 AI 系统的熟悉程度与准确率相关。论文资深作者、美国宾夕法尼亚州维拉诺瓦大学的 Deena Skolnick Weisberg 博士解释：“AI 写作有一种特定的风格，练一练就能认出来——就像我们能认出不同人类作者的独特风格一样。”

更好看，是因为更好读

Weisberg 认为，参与者偏爱标注为“人类创作”的作品，源于对真实性的渴求；而他们实际上更喜欢 AI 生成的故事，是因为这些文本更容易读、更容易消化。

“AI 系统已经能生成被认为至少不逊于、甚至优于人类作品的短篇小说，”她说，“我们应该据此更新对 AI 能力的判断。”

不过身为创意写作者的 Weisberg 同时强调，这并不意味着写作该交给 AI，技术产出的小说很可能与人类的作品是两回事。“我们或许需要为 AI 生成的小说、以及人机合写的小说腾出空间，但这不代表欣赏人类创造过程的余地就消失了，”她说，“人写作是为了创造性的自我表达，是为了挑战自己，或者为了理解自己的经历。AI 能生成像人写的故事，改变不了这些。”

尖锐的反对声

未参与该研究的英国伯明翰大学电影与创意写作教授 Luke Kennard 提出了严厉批评。他认为公众容易把 AI 拟人化，“想象成某种带着善意中立面孔的发光机器人，可它其实只是基于海量被窃取的真实写作数据库的预测代码，实体部分是庞大、昂贵而具破坏性的数据中心，给周边社区带来灾难性后果”。

Kennard 强调，AI 并不是拼写检查或同义词词典那样的“工具”，而是一种生存层面的威胁。“当然，只要提示词给得对、再打磨打磨，它有能力吐出一首连贯甚至读着不错的诗。既然它是在人类数千年的作品上训练出来的，做不到才叫丢人，”他说，“我想我们真正该问的问题是：这值得吗？答案是绝对、彻底地不值得。”

两种态度的碰撞，恰好构成了这项研究最耐人寻味的部分：技术层面的“能不能”似乎已经有了答案，而价值层面的“该不该”，争论才刚刚开始。

来源：The Guardian

Snap：不是反对 AI，是反对”全自动流水线”

按照 Snap 官方公告的说法，从本月起，完全由 AI 生成的视频将不再具备 Spotlight 的推荐资格。需要注意的是，这条规则针对的是”推荐资格”，而不是内容本身——这类视频依然可以存在于平台上，只是很难再被算法推送给创作者的粉丝之外的人。对靠播放量涨粉或变现的账号来说，失去推荐资格几乎等同于失去价值。

Snap 明确表示这不是在拒绝 AI。使用 Snapchat 自带的 AI 创作工具对内容进行”增强或编辑”，依然可以获得推荐，同时会带上透明度标识。区别在于，AI 究竟是在辅助创作者，还是彻底取代了创作过程：真人拍摄的画面加上 AI 特效可以被推荐，靠提示词和模板批量生成的成片则不行。Snap 在公告中还提到，Spotlight 的全球独立创作者数量同比增长超过 120%，公司有充分理由不让这批人被自动化账号淹没。

两周之内，四家平台先后出手

YouTube 本月更新了变现政策，明确把三类”非原创内容”排除在获利资格之外：套路化、重复性、模板化的内容。这几类内容恰恰是生成式工具最容易大批量制造的。此外，由 AI 人设讨论健康、理财等敏感话题的视频也被纳入限制范围。去年就有研究发现，YouTube 上存在大量完全由 AI 生成内容构成的频道，其中不少拥有数百万订阅者，有的年收入达到数百万美元。

YouTube 信任与安全负责人 Matt Halprin 在谈到新规时说：「同样的技术确实能带来很棒的东西，但它也催生了内容农场那一类东西，而那正是我们不想要的。」

职场社交平台 LinkedIn 本周上线了举报入口，用户可以直接标记疑似由 AI 生成的帖子或评论——按钮上写的就是”看着像 AI 垃圾”。该平台首席产品官 Hari Srinivasan 表示，AI 垃圾内容是所有人的头等大事，最近几个月平台已经拦截了”数十亿次”AI 生成评论的发布尝试，目前每天仍能抓到数十万次自动化评论。同时，LinkedIn 撤下了此前写帖时自动弹出的”用 AI 润色”提示，改回单纯的校对工具。

订阅制写作平台 Substack 则推出了一款供读者识别 AI 撰写内容的工具。联合创始人兼首席执行官 Chris Best 在发布时引用了一项研究：社交媒体上多达 40% 的文字内容如今是虚假或由 AI 生成的。他的判断是：「奖励虚假内容的平台，只会引发一场逐底竞争。」他还有一句更直接的感慨——「现在越来越难分清网上什么是真的了。」

再往前看，图片社交平台 Pinterest 去年就允许用户”调低”推荐流中的 AI 内容比例；Meta 本月上线的一项 Instagram 功能——允许用户用 AI 修改公开账号发布的照片——因为遭到强烈反对已被整个撤回。

为什么平台突然集体紧张

生成式工具把内容生产的时间和成本压到了极低。一个人不需要拍摄、不需要演员、不需要创意，就能一天产出几十条成片。对于以互动数据为核心的推荐系统来说，这构成了实实在在的威胁：自动化账号的发布频率远超个人创作者，即便每条内容价值有限，也足以在信息流中形成压倒性的数量优势；而以互动率为主要训练目标的算法，往往会先奖励那些猎奇或情绪化的合成内容，再谈质量。

更深一层的风险在信任。已有研究显示，用户普遍认同 AI 生成内容”低质、重复”的描述；另一项调查则发现，一个人在信息流里刷到的 AI 内容越多，他就越不相信自己看到的任何线上内容是真实的。这才是平台真正害怕的结果——真假难辨到最后，用户干脆什么都不信。

中国市场同样在推进标识化

在内容标识这条路上，中国市场的做法更偏向强制。《人工智能生成合成内容标识办法》已于 2025 年 9 月 1 日起施行，要求生成合成内容添加显式标识与隐式标识，各大内容平台随后陆续上线了 AI 内容标注与提示功能。相比之下，海外平台目前的做法更多是在推荐权重和变现资格上做减法，思路不同，但指向的问题是同一个。

来源：BBC News《Snapchat joins other popular platforms in fight against ‘AI slop’》（Kali Hays）、Snap 官方公告、TechCrunch、Engadget

按照两家餐饮巨头最近披露的财报，星巴克年收入约为 372 亿美元，麦当劳约为 269 亿美元，合计约 641 亿美元。也就是说，成立仅五年的 Anthropic，一家公司的营收体量就足以同时覆盖全球最大的咖啡连锁和最大的快餐品牌，还能富余近 70 亿美元。

两家 AI 公司，年化收入合计 1200 亿美元

这份由分析师 Tae Kim 在其《Key Context》通讯中重点解读的数据还显示，Anthropic 与 OpenAI 两家公司的年化收入运行率合计约为 1200 亿美元，其中 Anthropic 约占六成。若这一收入水平能够持续，两家公司将跻身全球营收规模最大的企业行列。

对比之下更能看出增长之快：星巴克创立于 1971 年，在全球经营超过 4 万家门店；麦当劳的历史可以追溯到上世纪 40 年代，全球餐厅数量超过 4.3 万家。而 Anthropic 由 Dario Amodei、Daniela Amodei 兄妹领衔的前 OpenAI 研究人员创立于 2021 年，只用了五年时间就走到了同一收入量级。

企业客户成为增长主引擎

支撑这条陡峭增长曲线的，是企业级市场对生成式 AI 的旺盛需求。Anthropic 凭借 Claude 系列模型在企业客户中攻城略地，业务已覆盖金融、医疗、科技等多个行业，并持续扩大与亚马逊云科技（AWS）、谷歌云等云服务商的分发合作。OpenAI 方面也在同步发力，近期扩展了 ChatGPT 企业版，推出更多开发者工具，并与大量寻求 AI 生产力软件的企业签约。

两家公司不约而同地把重心压向企业客户，原因很直接：相比个人订阅，企业订单客单价更高、续费更稳定，能带来规模更大的经常性收入。路透社此前报道称，Anthropic 已在多个行业拿下重量级商业客户。

高收入不等于高利润

需要指出的是，「年化收入运行率」是把当前月度收入乘以 12 推算出的指标，反映的是增长势头而非全年实际落袋的收入；而且收入规模与盈利完全是两回事。目前 AI 公司仍在激进投入研发与算力，微软、Alphabet、Meta、亚马逊等科技巨头过去一年已合计承诺数千亿美元用于 AI 基础设施、数据中心和先进芯片，AI 公司的大部分收入最终又流回了基础设施建设。

不过，对于押注 AI 的投资者而言，这份数据至少说明一件事：动辄以万亿美元计的 AI 投入，正在以前所未有的速度转化为真金白银的收入。正如 Tae Kim 的调侃：「当 Claude 可以直接给你菜谱时，谁还需要出门吃饭呢？」

来源：Axios、国际财经时报