AI生成低质量视频泛滥YouTube:算法推荐超20%为AI内容,产业化趋势引关注

你的视频推荐流,正在被AI“吞噬”

一项最新调查发现,YouTube算法向新用户展示的视频中,有超过20%的内容是AI制造的低质量视频。这意味着,我们平时刷到的每5条视频中,可能就有1条是AI快速生成的产物。

AI生成低质量视频泛滥YouTube:算法推荐超20%为AI内容,产业化趋势引关注

不仅如此,这类内容贫乏的AI视频正逐渐走向产业化,甚至演变成一门规模不断扩大的“生意”。

AI低质量视频开始“量产”

这一结论来自美国创意软件公司Kapwing。该公司调查了全球15,000个最受欢迎的YouTube频道,发现其中278个频道的内容几乎全部由AI生成。

AI生成低质量视频泛滥YouTube:算法推荐超20%为AI内容,产业化趋势引关注

Kapwing将AI生成的低质量内容主要分为三类:
1. 几乎未经审核、直接被投入平台分发系统的AI内容。
2. 虽然经过审核,但只勉强达到最低质量门槛的AI内容。
3. 所有被大规模、低成本生产出来的AI内容。

为排除样本偏差,研究人员创建了一个全新的YouTube账号,在零用户画像的状态下测试平台推荐。结果显示,在系统推荐的前500条视频中,有104条被判定为AI生成的低质量内容。其中约三分之一的内容信息量极低,属于纯粹的“没营养”视频,唯一目的就是骗取点击和关注。

AI生成低质量视频泛滥YouTube:算法推荐超20%为AI内容,产业化趋势引关注

AI低质量内容能广泛传播,说明其背后存在受众基础。Kapwing发现,这些频道的受众遍布全球。在某些国家,关注度尤其惊人:西班牙约有2000万人关注热门AI频道,接近全国人口的一半;埃及的AI频道粉丝规模约1800万,美国约1450万,巴西也有1350万。

另一家媒体《卫报》的调查也得出类似结论:YouTube增长最快的频道中,近10%是AI生成的低质量视频,即便平台已采取措施遏制,其累计观看次数仍达数百万。

这些频道的内容形态高度同质化。例如,一个名为“Bandar Apna Dost”的高观看量频道,累计播放量高达24亿次。其内容围绕一只拟人化的恒河猴和一个绿巨人原型的肌肉角色展开,Kapwing估算该频道年收入可达425万美元。

AI生成低质量视频泛滥YouTube:算法推荐超20%为AI内容,产业化趋势引关注

类似的例子不少。如频道“Pouty Frenchie”累计播放量超过20亿次,内容明显面向儿童:一只法国斗牛犬开车前往糖果森林、吃水晶寿司,背景音搭配儿童笑声和夸张音效。

这些高播放量视频的共性是:剧情极其简单,叙事偏低龄化,几乎不需要任何理解成本。在快节奏的现代生活中,许多用户倾向于消费这种轻松、无需动脑的内容。至于视频是否由AI生成,对不少观众而言可能并不重要。

产业化运作:从随手玩到一门生意

在内容生产端,AI低质量内容早已不是随手尝试,而是按产业化模式在运作。

有报道指出,在一些社交媒体平台上,关于如何高效制作低质量内容的经验已被公开教学、反复售卖,从选题、模板到变现路径,都被拆解得一清二楚。

这些低质量内容的创作者呈现出一定的地域共性。研究发现,许多创作者来自网络基础设施完善但整体经济水平不高的英语国家或中等收入国家,如乌克兰、印度、肯尼亚、尼日利亚和巴西。一方面,这些地区的创作者能相对自由地访问主流平台;另一方面,他们在YouTube上可能获得的收入,往往高于当地的中位数工资水平。

AI内容制作成本极低、上手门槛不高且确实能赚钱,这促使越来越多人涌入其中。

AI生成低质量视频泛滥YouTube:算法推荐超20%为AI内容,产业化趋势引关注

于是,AI低质量内容逐渐变成了一门性价比极高的生意。当一门生意被证明有利可图时,配套的“上游角色”也随之出现。有人不再直接制作内容,转而兜售所谓的爆款技巧、模板课程和变现路径。在许多情况下,这些“卖方法”的人,赚得比批量生产内容的人还要多。

AI生成低质量视频泛滥YouTube:算法推荐超20%为AI内容,产业化趋势引关注

这门生意的核心在于能否持续产出“大家爱看”的内容。一套循环由此形成:越是无脑、越容易吸引眼球的内容,越容易被点击;点击越多,算法推荐就越多;推荐越多,生产端就越疯狂地复制。到最后,内容本身已不重要,重要的是它能否触发下一次点击。

平台生态的挤压与治理困境

这种循环并非没有代价。当低成本、可复制的AI内容大量涌入分发系统时,平台生态中真正受到挤压的,往往是那些依赖原创能力的中小创作者。

近期一些平台推出的AI编辑、二次创作功能加剧了这种焦虑。例如在X平台,用户可以直接对已有内容进行AI修改,这引起了许多原创创作者的不满。

AI生成低质量视频泛滥YouTube:算法推荐超20%为AI内容,产业化趋势引关注

自己精心创作的作品,转眼成为平台AI随意修改的素材,这无疑令人沮丧。严格来说,这类功能生成的内容不完全等同于AI低质量内容,但它们清晰地指向同一个趋势:一些主流平台,正在默认甚至鼓励AI的规模化生产进入内容体系。

平台并非没有采取治理措施,如添加标签、加强审核、降低权重、封禁账号等。例如,YouTube选择用标签结合算法进行管理,Meta则采取了强制标注和批量封号等更严厉的手段。

但现实问题在于——只要推荐算法依然优先奖励高互动率、高停留时长,低质内容即便被打上标签,依然可能在信息流中被反复放大和快速填充。结果是,尽管有标签、降权和各种治理动作,AI低质量内容的泛滥并未得到根本遏制。

AI生成低质量视频泛滥YouTube:算法推荐超20%为AI内容,产业化趋势引关注

简而言之,AI低质量内容泛滥的问题,短期内难以彻底解决。平台仍在寻找办法,算法仍在计算指标,AI仍在疯狂生产内容,而用户仍在一条接一条地刷着视频。

我们很难分辨,自己刷到的究竟是人类的创作、AI的流水线产品,还是某个模型为提升完播率而精心设计的注意力陷阱。在这个连视频都可能不是真人拍摄的时代,唯一能确定的真实感受或许是:

“这视频我居然又看完了。”


关注“鲸栖”小程序,掌握最新AI资讯

本文来自网络搜集,不代表鲸林向海立场,如有侵权,联系删除。转载请注明出处:http://www.itsolotime.com/archives/16686

(0)
上一篇 2026年1月2日 上午10:56
下一篇 2026年1月2日 上午11:32

相关推荐

  • 让AI自我辩驳:Google角色反转提示技巧,准确率提升40%

    如何迫使 AI 自我辩驳,揪出错误推理,产出更锐利、更可靠的答案 绝大多数用户现在及未来都将通过网页与 AI 交互。他们唯一的工具是浏览器,结果完全取决于他们能写出的提示词。因此,多数人在使用先进 AI 工具时感到隐隐的失望,也就不足为奇。 你提出一个严肃的问题。AI 的回应自信、清晰、结构完备,乍看之下相当出色。但几分钟后,你开始觉得哪里不对劲——或许是漏…

    2026年1月21日
    12700
  • 颠覆认知:扩散模型表征对齐中,空间结构竟比全局语义更重要

    在扩散模型的训练优化领域,表征对齐(REPA)技术自去年十月问世以来,一直被视为加速扩散Transformer训练的关键突破。该方法通过将预训练视觉编码器的表征蒸馏为中间扩散特征来指导生成式训练,显著提升了训练效率。然而,一个根本性问题长期悬而未决:对于生成任务而言,目标表征的哪个维度更为关键?是编码器捕获的全局语义信息(通常以ImageNet-1K分类准确…

    2025年12月13日
    17000
  • GLM-5:开源AI新标杆,24小时自主编程打造GBA模拟器

    GLM-5:开源AI新标杆,24小时自主编程打造GBA模拟器 当看到GLM-5正式发布后的能力,才惊觉前几天神秘模型Pony Alpha的热度还是有点保守了。 因为这一次,GLM-5直接把开源AI也拽进了长任务时代。 瞧,GLM-5直接身兼数职,自己连续跑代码超过24小时,完成700次工具调用、800次上下文切换之后…… 它直接用JavaScript,从零手…

    2026年2月12日
    13000
  • OpenClaw(Clawdbot)实现主动通话功能:AI助手迈向交互新纪元

    OpenClaw(Clawdbot)实现主动通话功能:AI助手迈向交互新纪元 在人工智能助手领域,实现自然、主动的对话一直是技术演进的核心目标。近日,开源项目 OpenClaw(亦被称为 Clawdbot)宣布成功实现了主动通话功能,标志着 AI 助手从被动响应迈向了主动交互的新阶段。 传统的 AI 助手大多遵循“一问一答”的模式,需要用户主动发起对话。而 …

    AI产业动态 2026年2月7日
    25600
  • REFRAG:突破RAG性能瓶颈,利用注意力稀疏性实现30倍加速

    随着大语言模型在检索增强生成(RAG)系统中的广泛应用,一个日益突出的性能问题浮出水面:上下文窗口的持续扩展导致首个token生成延迟呈二次方增长,严重制约了系统的实时响应能力。传统RAG流程虽然简单直接——将查询编码为向量,从向量数据库中检索相似文本块,然后完整输入给LLM处理——但这种方法存在显著效率缺陷。大多数检索到的文本块包含大量无关内容,迫使LLM…

    2025年10月17日
    18200