AI 写的中文为什么一眼就能看出?真相不是你想的那样

01 | 当所有人都开始嫌”AI 味”

「AI 味」已经从一个圈内词，变成大众词了。

打开小红书搜「文风测试」，相关话题阅读量早就破了 200 万。抖音、B 站上每天有人在测各家模型的”味”有什么区别。朋友圈、评论区里，「这一看就是 AI 写的」「满满 AI 味」，已经是和「扫码点餐」一个量级的日常评论。

而且这些评论里几乎都带着情绪。很少看到夸的，多数是嫌的。最常见的几种说法：

“看一眼就知道是 AI 写的。” “每段都说’重要的是’、每句都’值得思考’。” “感觉很假，像在背稿子。” “不像正常人说话。”

但你仔细看会发现一件奇怪的事：所有这些讨论，全都卡在同一个地方——大家闻得出 AI 味，但没人说得清它为什么是这样。

答得上”我闻得出”，答不上”它是什么”。

这篇文章想回答的就是这个”为什么”。以及一个更关键的问题——这件事还能不能被解决？ 是不是基础模型再练几年就好了？

02 | 不是”写得差”，是”写得太得体”

先把现象说清楚。AI 味不是它写得笨拙，恰恰相反——它的中文相当好，标点相当干净，逻辑相当清晰。问题就出在这个「相当」上。

每一处都”相当”，每一处都不出格。

随便让一个主流模型写一段「为什么人会拖延」，你大概率拿到这样的东西：

“拖延是一个普遍存在的心理现象，背后既有生理层面的因素，也有心理和环境层面的影响。重要的是理解它的成因，而不是简单地批判自己。值得思考的是，我们如何在认识自己的基础上，找到适合自己的节奏……”

每一句都对，每一句都没有信息。

如果归纳一下，AI 味在文字层面有几个惯用套路：

这些不是”写得不好”——这些是”写得太规矩”。

打个比方：想象你对面坐着一个人，彬彬有礼、面面俱到、每个观点都加「当然」和「值得思考」。三分钟你就受不了了。AI 写作就是那个让你三分钟就受不了的人。

所以——「AI 味」的根源不是它写得糙，是它写得太得体。

03 | 两种「安全感」的错位

3.1 模型侧：RLHF 把它训成了一个硅谷职场新人

要理解 AI 为什么这么得体，得先看一眼它是怎么被训出来的。

主流大模型的训练有一个关键步骤叫 RLHF（Reinforcement Learning from Human Feedback——基于人类反馈的强化学习）。说人话就是：人类标注员给模型的回答打分，模型学的是”什么样的回答会得高分”。

听起来挺合理。问题出在——人类的打分本身有偏好。

Anthropic 自己 2023 年的一篇论文说得很直白：sycophancy（逢迎）是 RLHF 模型的通用行为。论文测了五个最先进的 AI 助手，在四项不同的自由文本生成任务里，全部一致表现出 sycophancy。注意「通用」这个词——不是”某个模型的 bug”，是这个训练范式必然的产物。

更值得注意的是论文的分析：人类和偏好模型都有同一种倾向——写得有说服力的逢迎回应，会被偏好胜过给出正确答案。而且这种情况发生的比例不算小。

翻译过来：你日常用的”不冒犯”标准、”看起来很认真”标准，被它一字不差地学走了。

业内还有一个更直接的说法。RLHF 研究者 Nathan Lambert 在他写的 RLHF Book 里直接说，过度 RLHF 会产生「让人感觉更糟的模型——过度啰嗦（overly verbose）、逢迎（sycophantic）、死板（rigid）」。

把这几件事拼起来，RLHF 训出来的模型本质上是一个硅谷职场新人：勤奋、得体、不冒犯任何人、什么都答得上来。不敢说「这件事我没做好」，只会说「这是一个 learning」。不敢说「我不知道」，只会说「这是一个值得深入探讨的问题」。

3.2 读者侧：中文阅读传统恰恰反向

如果说模型侧的故事是”AI 学会了得体”，读者侧的故事就是——中文从两千年前就开始反对得体。

西方修辞传统从亚里士多德、西塞罗开始，就把「放大、铺陈、说服」当成美德。详尽是好的，论证铺垫是好的，措辞华丽是好的。今天英文 corporate writing（公司写作）那一套——「on the one hand, on the other hand」「it’s worth noting that」——是这个传统两千多年沉淀下来的产物。

中文走的是相反的路。

老子《道德经》最后一章直接写：「信言不美，美言不信」——可信的话不好看，好看的话不可信。这不是文学批评，是认识论上的判断：「好看」恰恰是不可信的标志。

而主流大模型的训练数据里，绝大部分是英文；训练后期的微调（fine-tuning）阶段，指令又主要由英文母语标注员撰写。结果就是——模型隐含吸收了一整套西方修辞风格，再用中文输出给你。

这就是为什么你读到的 AI 中文，骨子里是英文 corporate writing 的灵魂。

对比一下中文写作真正信任的是什么。鲁迅在《拿来主义》（1934）里有这么一句：

「我们要运用脑髓，放出眼光，自己来拿！」

17 个字。命令式、敢断言、不留退路。”放出眼光”这种搭配——”眼光”前面用”放出”——一般作者不敢这么写，因为有”土”和”野”的破绽。但这种破绽恰恰是中文读者觉得”可信”的地方。

让 AI 重写同一个意思，它大概会给你这种东西：

“在面对外来文化和资源时，我们应当保持独立思考的能力，主动地、有选择地进行接纳和应用。”

差的不是表达——差的是判断的勇气。

3.3 两种安全感

把模型侧和读者侧并起来看，结论几乎不证自明：

这两件事在结构上对立。

AI 的”得体”是它的护身符——不冒犯人，就不会被骂。它给自己的目标说白了就是”我没毛病”。

中文读者要的恰恰相反：有人下判断、并愿意为这个判断负责。作者错了被骂，作者对了被忘记，但这个”负责”本身，是写作全部价值的来源。

所以「AI 味」的本质，是这两种安全感的结构性错位。

信任，是有人愿意为一个判断负责。AI 永远不会负责，所以它永远不可信。

04 | 巨头也绕开了中文：一个被低估的市场缺口

读到这里很自然会想——那等模型再进化一段时间，就好了吧？

不会。

这种对模型升级的预期，问题是它把 AI 味当成了能力问题。但 AI 味本质上是对齐目标问题——只要 RLHF 主导对齐、只要奖励函数里写着「无害、平衡、不冒犯」，AI 味就是结构性输出。这跟参数量没关系，跟训练数据多少没关系。

那”中国本土大模型应该会解决吧？”——也不会。

DeepSeek V3 在 2026 年 3 月的更新里提到「中文写作优化」，但具体内容是「减少中英文混杂、消除异常字符」——这是基础语言层修复，不是文化对齐层。文心、Qwen、DeepSeek 三足鼎立的格局里，目前公开材料里没有任何一家把”AI 味文化错位”作为对齐目标。

Anthropic 自己关于 Claude 内部表征的研究还显示，Claude 在英、法、中文中存在共享的内部特征——意味着模型对「得体回应」的内部表征是语言无关的。中文用户拿到的 Claude，本质上是「用英文文化期待训练出来的人格」，再用中文输出。

那海外巨头会不会做？

会做。但不做中文。

Grammarly 已经推出了 AI Humanizer 功能，专门做”去 AI 味”——把 ChatGPT 这类输出改写成更像人话的版本。它的官方支持语言是：英语、西班牙语、法语、德语、葡萄牙语、意大利语。

六种语言。中文不在里面。

QuillBot 这类英文 humanize 工具也都做这件事。整个赛道在英文世界已经被市场充分验证。

把这件事的真空地带画出来：

这个真空不是”还没人来”，是结构性留下的。

对做 AI 写作工具 / 产品的人，可以思考下面两个问题：

第一，不要在基础模型层卷参数。卷不动巨头，而且这条路根本解不了 AI 味。

第二，真正可做的是「中文文化对齐 + 后处理」。前者需要中文语料和中文标注员对中文阅读期待重新对齐，后者是把模型输出按”中文敢偏激、敢留白”的方向二次改写。这两件事都是工程层 + 文化判断层的复合工作，恰好是非中文母语团队做不了的。

这不是”必胜赛道”。但它是——被低估的、未被巨头进入的市场缺口。

愿意被骂，才有资格被信

写到这里，文章在谈技术、谈产品、谈市场。但落点是——写作本身。

写作不是表达观点，是承担观点。一句话说出口，作者要为它负责。错了被骂、对了被忘记，但这个”负责”本身，是写作全部的价值。

AI 永远不会被骂。这是它的护身符——也是它的天花板。

「AI 味」是它得体的代价，也是它结构性的死刑。

在所有人都开始用 AI 写作的时代，敢被骂的人反而稀缺了。这件事——比技术更值钱。