文章核心观点 - 互联网正被海量AI生成内容淹没，导致其真实性和有机的人类互动特性逐渐丧失，即“死亡互联网理论”正在成为现实 [2][3][5][6] - 生成式AI的普及加剧了这一问题，并可能引发更严重的“模型崩溃”危机，即AI模型在自身生成的数据上训练会导致性能退化 [27][31][32] - 行业领袖普遍认为需要建立内容溯源和鉴别机制，但核心在于确保AI服务于人类的“真实”，而不仅仅是区分内容来源 [34][39][45][46] “死亡互联网”理论的起源与现状 - 该理论核心观点是互联网因失去真实性而“死亡”，早期互联网有机的用户驱动特性被计算机生成的内容所取代 [15][17] - 理论在2021年通过网络论坛流行，生成式AI的出现为其提供了更多现实依据 [15][18] - 具体表现包括社交媒体上的热帖、文章甚至互动网友都可能由AI生成，内容带有可识别的“AI味”，如突然转折、堆砌词汇等 [5][7][8] AI内容泛滥的数据支撑与影响 - 流量数据显示自动化流量占比显著：Cloudflare监测显示机器人流量约占整体应用流量的31%，Imperva报告指出2024年自动化流量达51%，其中恶意“坏机器人”占37% [22] - 内容生成出现里程碑：Graphite数据显示，2024年11月网络上的AI生成文章数量首次超过人类撰写文章 [25] - “坏机器人”在生成式AI时代更善于伪装，其行为从生成无意义评论到恶意扭曲公司业绩数据不等 [23] 模型崩溃：升级版危机 - 核心危机是“模型崩溃”，即大模型使用AI生成数据进行递归训练时，会逐渐遗忘原始人类语言数据的细节和多样性，导致模型能力下降 [30][31][32] - 此过程被类比为不断复印照片导致清晰度下降，最终产出同质化、劣质的AI内容，形成恶性循环 [32] - 这意味着AI内容的数量增长不仅改变信息结构，更可能重塑网络生态并引发根本性的模型能力危机 [27][33] 行业应对与治理方向 - 行业领袖如Sam Altman认为内容质量比来源更重要，但强调需要“可验证的来源”和治理工具来提升信任度 [39] - 平台方如YouTube、Meta正通过给AI内容“贴标”、“降权/限制变现”等方式试图限制其扩散 [41] - 立法层面开始跟进，例如美国2025年5月19日出台的《TAKE IT DOWN 法案》将故意发布AI生成深度伪造内容定为犯罪行为 [42] - 最终方向是让AI服务于人类的真实，在人机共生时代守住真实性 [46][47]