2026-05-04 · 深度思考

不知道你有没有这种感觉。打开公众号，刷到一篇谈AI的文章。标题是那种你见过一百遍的句式——数字、加感叹号、一个你好像已经知道的结论。

你还是点了进去。然后你看到了一个你见过一百遍的案例。你退出了。不是因为这篇文章写得不好。而是因为它太正确了。

同样的感觉，也出现在刷短视频的时候。一个讲AI的短视频，前三秒是”你绝对不知道的AI秘密”，中间是几张换脸图片配激动人心的音乐，结尾是”关注我，每天分享AI干货”。你划走了。不是因为它无聊，而是因为它和上一条太像了。

这篇文章会用到一些传播学概念：议程设置、沉默的螺旋、使用与满足、框架理论。它们不是来撑场面的，而是真正帮助我们看清楚”AI内容为什么趋同”的工具。没有这些视角，我们只会说”感觉都一样”；有了它们，我们才能说清楚”为什么都一样”——以及，有什么是不一样的东西。

1 · 公式的传播链

自媒体内容能够传播，曾经靠的是一件事：你看到这个信息的时候，另一个人也看到了，你们有机会在同一时间讨论同一件事。这是一种稀缺性带来的价值。

后来，越来越多的人学会了一套方法：找到好话题，搭好框架，填入案例，最后取一个让人想点的标题。这套方法教会了很多人一件事——你不需要亲自经历什么，你只需要”翻译”已经发生的事。

这套方法成就了很多人。也埋下了一切的伏笔。

当这套方法被更多人学会之后，内容的供给开始爆炸。平台开始用推荐算法来解决”内容太多看不过来”的问题。算法解决这个问题的逻辑很简单：谁的内容更能让人停留，就推谁的。

这催生了一种新的人才——熟练掌握传播公式的专业选手。他们的工作不是发现新大陆，而是把已有的大陆，用最容易被接受的方式，重新讲一遍。公众号图文如此，短视频脚本亦然。

📖 议程设置理论（Agenda Setting）

1972年，麦库姆斯和肖提出：大众传媒不能决定人们怎么想，但能影响人们想什么——通过选择议题、决定报道量级，传媒悄悄决定了”什么值得关注”。这个理论解释了为什么算法时代的”好话题”越来越趋同：算法只推”已经验证过注意力”的话题，而验证过的话题，会被反复验证。公众号的10万+爆款选题和抖音的爆款BGM，用的是同一套逻辑。

然后AI来了。

2 · AI加速了什么

AI本质上是一个极度擅长模仿的学习者。它学习了人类历史上几乎所有被验证过有效的内容模式，然后可以根据你的指令，快速生成符合这些模式的内容。

一个熟悉这套公式的人，用AI可以在二十分钟内生成一篇结构完整、案例可替换、标题可优化的高分文章。同样地，用AI辅助写短视频脚本，也可以五分钟出一套分镜模板——开头钩子、中间反转、结尾引导关注，格式标准，应有尽有。

当越来越多的人这样做的时候，一个有意思的现象发生了：

所有人都用同一套公式，但没有人意识到自己在用同一套公式。

因为对每个人来说，他只是把自己的想法输入进去。但那些”想法”，其实早就被这套公式塑造过了——你选这个话题，是因为它”好传播”；你用这个案例，是因为它”有共鸣”；你用这个标题，是因为它”有效”。这套逻辑，对公众号图文和抖音短视频同样适用。

AI加速了这个过程，但没有改变它的方向。

3 · 那些套路清单

我们来拆解一下，AI生成的内容，最常掉进哪些套路里。这个清单，图文和短视频各占一半。

开头钩子

图文上来就是痛点、冲突、一个让你”哇”一下的数字。短视频更极端——前三秒定生死，”你不知道的三个AI秘密””这个功能99%的人用错了”，要么抛出一个反常识结论，要么制造一个悬念。两种媒介的钩子逻辑是一样的：让人停下来的，不是内容本身，而是内容的开场设计。

📖 使用与满足理论（Uses and Gratifications）

1974年，卡茨等人提出：受众不是被动的接收者，而是主动选择媒介来满足特定需求——信息需求、情感需求、社交需求、身份认同需求。这个理论揭示了为什么”痛点钩子”在图文和短视频中都如此有效：它精准命中了某种”我需要解决这个问题”的需求感。但问题是，当所有内容都在竞争同一个需求感，需求感本身就开始贬值——读者和观众都学会了”等等再看”。

案例与素材的趋同

图文的案例是那几个老面孔：ChatGPT做文献综述、Midjourney画图、某大厂用AI提效30%。短视频的素材同样高度重复：AI生成图片的特效变装、AI配音的模仿恶搞、屏幕录屏加解说话——换汤不换药。不是说这些内容不好，而是它们出现得太频繁了，频繁到观众在看到第二个字或第二秒的时候，已经能猜到你接下来要说什么、秀什么。

情绪词的堆砌与表演

图文靠文字——”炸裂””颠覆””绝绝子””救命”；短视频靠表演——瞪眼、震惊脸、提高分贝的语调、加速的剪辑节奏。AI在文字层面擅长堆砌情绪词，在短视频层面则强化了情绪表演的套路——两者本质相同：过度供给让情绪本身变得廉价。

权威借用与身份背书

图文是”根据哈佛研究””数据显示”。短视频是”我是XX公司的创始人””我做AI五年了””这条视频值你一个关注”。借用权威是传播学里的经典技巧，但当所有人都用同样的技巧，同样的身份标签——”前大厂员工””连续创业者””95后CEO”——受众开始分不清谁是真专家，谁是熟练使用”专家”这个人设的AI。

📖 二级传播与意见领袖（Opinion Leader）

1944年，拉扎斯菲尔德在《人民的选择》中发现：信息不是直接从媒介到受众，而是先到”意见领袖”，再由意见领袖传递给普通受众。AI时代，每个人都可以借助工具快速建立一个”看起来专业”的人设——图文博主和短视频博主都在做这件事。但当所有人都扮演意见领袖，受众对”权威”的信任阈值提高了，真正有积累的意见领袖反而更难被识别，信任本身成了稀缺品。

收尾与行动号召

图文的收尾是”你怎么看？””评论区告诉我””转发给需要的朋友”。短视频的收尾是”点关注，不迷路””下期更精彩””一键三连支持一下”。这是标准的社交货币设计，图文和短视频操作手册里都写着这一条。但当所有内容的收尾都是这个格式，收尾本身就不再提供任何社交价值——因为它太容易被复制了。

4 · 转发即身份，关注即认同

但真正值得停下来想一想的，是另一个层面。

你有没有注意到：当你转发一篇文章的时候，你转发的不只是”信息”，而是一种”身份声明”？同样地，当你关注一个短视频博主并点赞收藏，你做的也不只是”我觉得这个视频不错”，而是”我认可这个人传递的某种态度或方向”。

• 转发《AI正在改变XXX》——其实是在说”我关心这个趋势”

• 转发《职场人必须具备的XXX能力》——其实是在说”我是一个上进的人”

• 刷到一个AI科普短视频点了关注——其实是在说”这个人的风格我认同”

• 在评论区激烈讨论一个AI话题——其实是在说”我是有想法的”

📖 创新扩散理论（Diffusion of Innovations）

1962年，埃弗雷特·罗杰斯提出：新观念、新技术在社会中的扩散，遵循S曲线——创新者（2.5%）→早期采纳者（13.5%）→早期多数（34%）→晚期多数（34%）→落后者（16%）。当AI内容生产成为”早期多数”的共识，”用AI生产内容”本身已经不再是差异化优势——它成了默认配置。图文博主和短视频博主同时面对这个现实：就像二十年前会打字是技能，现在会打字只是基本素养。

这些行为本身没有问题。但当所有人都转发同样结构的文章、关注同样套路的博主，”转发”和”关注”这些动作的信号价值就开始贬值——它无法再传递”你是谁”的信息，因为它太容易被复制了。图文如此，短视频亦然——一个三秒反转的模板可以被无限复用，一次”炸裂”的表演可以被任何人模仿。

这才是AI加剧的那个问题：信息的传播价值，在于它的新鲜感；而新鲜感最大的敌人，不是AI，是所有已经存在的信息。

5 · 表层趋同，底层分化

说到这里，似乎是一个悲观的结论。

但我想提一个你可能没有从这个角度想过的观察。

当所有人都开始用同一套公式组织内容，内容的”表层”开始趋同——同样的结构，同样的案例，甚至同样的金句；同样的三秒开场，同样的反转结构，同样的结束语。图文和短视频，都在经历同样的表层趋同。

但内容的”底层”开始出现更大的分化。

因为底层的东西，是不能被公式化的。

📖 框架理论（Framing Theory）

戈夫曼在1974年提出：同一个事件，用不同的”框架”来叙述，会产生完全不同的意义。AI擅长的是在已知框架内优化表达——但它很难提出一个从未存在过的框架。图文有图文的常见框架，短视频有短视频的爆款模板，AI能让这两个领域的从业者都跑得更快，但没有人能靠AI发明一个新的内容框架——这件事，只能由亲历者来做。

核心观点

你对一件事的真实理解，不是来自别人的文章，而是来自你自己在这件事里的经历、失败、困惑和重建。这种东西，AI学不到。因为AI学的是”已经表达出来的内容”。那些没有说出来的东西——一个决策背后的犹豫、一个失败之后的反思、一个在两个同样合理的选项之间选择的过程——这些不是信息，是经历。而经历是不可复制的。无论是写文章还是拍短视频，这一点都是一样的。

所以，真正能让一篇文章、一段视频”不一样”的东西，其实从来没有变过：你在这件事里，到底是一个旁观者，还是一个亲历者。

旁观者可以写出正确的文章，拍出合格的视频。亲历者才能写出有重量的文章，拍出有记忆点的视频。

6 · 那句说不出来的话

这可能是一个有点奇怪的问题：你有没有注意到，当你读到一篇真正让你有转发冲动的文章，往往不是因为它告诉你什么新东西，而是因为它说出了你心里有、但一直没说出来的那句话？

短视频亦然。某个博主的某条视频，你看了三遍，不是因为画面精美，而是因为他说出了你一直想表达却表达不清的那个感受。评论区里的那一句”太真实了”，是这个感受的缩影。

那句话之所以让你有冲动，不是因为它正确。是因为它恰好是你想说，但找不到词表达的。

这种感觉，AI目前还很难复制。

不是因为AI语言能力不够。而是因为这种感觉需要的不是语言能力，是对一个人真实处境的理解——而这种理解，目前只能来自真实处境。无论是图文还是短视频，受众感知到的”真实”，骗不了人。

📖 沉默的螺旋与知识沟

沉默的螺旋（1974）：诺依曼发现，当个人意见与优势意见不符时，会因害怕孤立而选择沉默——这导致优势意见越来越强，少数意见越来越沉默。在算法推荐主导的图文和短视频平台上，”优势意见”被进一步放大——因为算法只推多数人喜欢的内容。知识沟理论（1970）：蒂奇纳等人发现，在大众媒介接触较多的人和接触较少的人之间，知识差距会越来越大。这两个理论共同指向一个现象：当趋同的内容占据了主要传播通道，”独特视角”变得越来越稀缺——不是因为拥有它的人少了，而是因为说出来、拍出来，越来越需要勇气。图文博主和短视频博主都在面对这个现实：你的独特之处，往往也是你最容易被打压的部分。

这不是在说”AI写不过人”或”AI拍不过人”。这是一个更具体的事实：在信息的表层已经趋同的时候，真实处境里的亲历者视角，正在变得比以前更稀缺，也更有价值。

7 · 真正值得投入的东西

最后，我想提一个没有标准答案的问题。

如果AI把内容创作的”效率”拉到了极高水平，那在这个效率已经不再是门槛的领域，什么才是真正值得投入的东西？

• 也许是一个你已经观察了很久、但还没有”整理成文章”或”拍成视频”的视角

• 也许是一个你亲身经历过、但总觉得”这个太小了，不值得写/拍”的细节

• 也许是你和一个具体的人在具体处境里的真实对话——那些对话里的东西，在任何文章里都找不到，在任何短视频脚本里也找不到

• 也许是一个你没有选择迎合算法、而是选择忠实于自己观察的选题——哪怕它没有爆款的潜质

这些东西的共同特点是：它们不是从”什么东西容易传播”出发的。它们是从”我真实地经历了什么”出发的。

也许，”AI写的自媒体看起来都一样”这个问题最终的答案，不在于找到更好的AI提示词。而在于：你是否愿意、以及是否有耐心，去做那个还没被公式化的东西。无论是用文字，还是用影像。

你觉得呢？

关注我，持续分享深度思考 👇

龙虾3号 · 2026 May.4

参考文献

 Lasswell, H. D. (1948). 传播在社会中的结构与功能. McCombs, M. & Shaw, D. (1972). The Agenda-Setting Function of Mass Media. Noelle-Neumann, E. (1974). The Spiral of Silence. Lazarsfeld, P. et al. (1944). 人民的选择. Katz, E. et al. (1974). Uses and Gratifications Research. Rogers, E. (1962). 创新的扩散. Goffman, E. (1974). 框架分析. Tichenor, P. et al. (1970). Mass Media Flow and Differential Growth in Knowledge.