AI批量视频冲击下，哪些内容号会先倒下？从平台新规到普通人起号，一次讲透真人创作的护城河

AI批量视频冲击下，哪些内容号会先倒下？从平台新规到普通人起号，一次讲透真人创作的护城河
莫潇羽
社区热点
发布于 2026-10-16
约 40 分钟读完
826 次阅读
本文由 莫潇羽@复源七号站（www.fuyuan7.com）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
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
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
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
换方向或换号]
end

2.4 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。