一份2025年的Veracode报告测试了一批AI生成代码样本，结果显示约45%没能通过基本安全检测，样本中藏着SQL注入、硬编码密码这类经典漏洞。另一项发表在IEEE-ISTAS的研究更值得注意：让模型对同一段代码反复迭代五轮，严重漏洞数量不降反增，涨了37.6%。
这两组数字放在一起，指向同一件事——软件、书籍、音乐、视频，正被生成式AI推入一种类似TEMU的供给逻辑：东西更便宜、更快、供应量更大，代价是质量、安全和版权风险被推迟到上线之后才暴露。真正值得盯的，不是AI能不能把数字内容做便宜，而是这些成本最终会不会被平台和生产者甩给消费者。
便宜的不是技术，是审核成本
TEMU和Shein把一条裙子做到两美元，靠的是压到极限的劳动成本，再把污染和碳排放这些代价甩给别人承担——便宜的从来不是面料。AI内容复制的是同一套逻辑，只是"廉价劳动力"换成了训练在几十年人类创作成果上的模型，边际成本趋近于零。
低质内容本身不是新鲜事。上一轮内容农场靠关键词堆砌骗流量，盗版软件年代也有大量粗糙代码在流通。AI真正新增的变量，是生成速度、规模和平台分发同时跳了一个量级——一个人一天能"写"出过去一个团队一个月的产量。
这套逻辑已经在多个领域跑通。"vibe coding"——用自然语言描述需求、接受模型生成结果、迭代几轮就上线——让不懂代码的人也能"写"出软件。同样的模式也在图书、音乐和短视频里发生：AI生成图书涌进电商平台，音乐平台批量清理垃圾音轨，短视频推荐流里开始掺进低质AI内容。
具体量级，看这张图。
这里有个边界需要说清：Veracode的45%来自特定样本集，测的是几类模型在特定任务上的表现，不等于"所有AI代码都有一半是坏的"。经验丰富的工程师用这些工具，产出质量可以很好。
问题出在没人把关的时候。模型不核实代码逻辑对不对，也不核实事实真假——它只负责生成看起来对的东西。缺乏审核能力的团队，会把技术债和漏洞留到上线之后才发现。
谁该改预算，谁该改判断
Netflix是个复杂的例子。2023年的WGA协议明确禁止用AI生成材料替代或改写剧本，Netflix自己的AI制作指南也写着AI只能用于构思阶段，不能在没有工会审批的情况下替代人工工作。但同一家公司公开表示要在制作流程里"全面拥抱"AI，也和VFX自动化供应商签了合作——这会压缩部分视觉特效岗位的工作量，但还谈不上岗位被替代，更像是一种收紧中的过渡状态。
读者的态度也不是单方面买账。2024年AI生成文章的用户参与度下降了约四成，部分研究显示人类原创内容的流量能到AI内容的数倍，约38%的消费者明确表示对AI内容存疑。这张票能不能扭转平台的算盘，现在还看不清。
三类最相关的人，现实处境和该做的事不一样：
| 对象 | 现实处境 | 该做的事 |
|---|---|---|
| 企业技术采购者 | 开发速度提升明显，安全审计和长期维护成本容易被低估 | 把审计、维护费用提前写进预算，不要等出事再补 |
| 依赖平台分发的创作者 | 平台清理AI低质内容，主要是为了保护自身收入和用户体验，不是出于质量洁癖 | 盯紧平台规则变化，尽量留一条不完全依赖单一平台的分发渠道 |
| 普通消费者 | 要在价格、内容可信度和人工创作价值之间做选择 | 想清楚愿意为"确定是人做的"东西多付多少钱 |
接下来最值得盯的，是内容平台愿不愿意把"AI内容占比"做成可查询的公开信息。这决定了消费者能不能提前避雷，也决定了创作者手里还剩多少议价空间。