向 ChatGPT、Perplexity、Gemini、Claude 和 Google AI Overviews 问同一个日常商业问题：“多少比例的销售人员在一次跟进后就放弃？”五家 AI 异口同声给出 44%，还附上了可点击的蓝字角标。但如果顺着 Google AI Overviews 给出的 2020 年销售公司统计页点进去，经过两次跳转，终点是 2017 年一篇自由撰稿人的样文。没有调查、没有样本、没有学术出处。Trakkr Research 在 2026 年 10 月 28 日发布的《Zombie Stats》报告中，把这类毫无研究支撑却被网页互相抄袭、最后被 AI 奉为圭臬的数字称为僵尸数据。
研究团队向这五款 AI 提出了 200 个需要数字的日常问题，抽取 1285 个带引用的统计数据，顺着链接最多往下点 5 层（辅以 150 条人工核查修正）。结果很扎眼：仅 40%（95% 置信区间 34%–46%）能追溯到结论一致的原始研究；8% 找到了原研但数字或语境被篡改；40% 因付费墙锁定、链接失效或页面未提及该数字而无法核实；11% 彻底沦为找不到任何研究源头的僵尸数据。
82% 的页面命中与 21% 的原研真相
很多人看完第一反应是 AI 又在胡编乱造。恰恰相反，AI 这次几乎没有撒谎。在被追踪的数据里，82% 的首层被引用网页上千真万确写着那个数字。这和 2026 年 5 月 13 日一份针对 Google AI Overviews 的 arXiv 预印本结论高度吻合——该研究分析了 55,393 次查询、7,583 个 AI 概览中的 98,020 条声明，发现 89.0% 的声明都有所引网页支持，仅 11.0% 缺乏支持（约 4.1% 自相矛盾，7.0% 未提及）。
问题出在 AI 去哪里找数字。检索增强生成（RAG）技术解决了文本对齐，却完全丧失了信源等级判断力。
在 AI 给出的首层引用中，真正属于研究机构（13%）或政府与官方机构（7%）的一手页面加起来只有 21%，这两类起点的最终溯源成功率分别高达 62% 和 61%。但高达 54% 的首层引用落在了企业博客上，另有 10% 是新闻报道、8% 是统计数据汇总页，企业博客和汇总页的溯源成功率只有 37% 和 35%。
就算那 48% 最终摸到原始研究的数字，也有 17% 在传播途中变了味。2004 年一项学术研究观察了 15 名英国女性如何评判健康网站，她们拒绝某个网站的评论里有 94% 涉及设计；经过二十年营销号转手，到了 Google AI Overviews 嘴里，就变成了“网站第一印象有 94% 与设计相关”的铁律。
蓝字角标只证明 AI 在哪抄到了这句话，不证明这句话是真的。
为什么克制的 ChatGPT 反而赢了搜索派
横向看五家平台的成绩单，反差很大。向来不以搜索见长的 ChatGPT 拿了第一，而靠搜索引用安身立命的 Perplexity 和 Google 反而落了下风。
| 平台 | 溯源成功率 | 每答平均引用数 | 追踪样本量 |
|---|---|---|---|
| ChatGPT | 57% | 1.3 个 | 108 条 |
| Perplexity | 46% | 2.2 个 | 277 条 |
| Google AI Overviews | 39% | 4.8 个 | 300 条 |
| Gemini | 38% | 6.2 个 | 300 条 |
| Claude | 38% | 6.8 个 | 300 条 |
秘诀藏在每答平均引用数里。ChatGPT 每次回答只克制地给出 1.3 个数字，而垫底的 Claude 高达 6.8 个。当问题只有一个公认的硬统计时，说得越少越安全；一旦模型为了显得全面而拼命往回答里塞数字，就不可避免地要去抓取那些充斥着二手数据的营销软文。面对“44% 销售放弃跟进”那个问题，也是只有 ChatGPT 提醒了一句背后证据不明。
但千万别拿着这张榜去迷信单一平台。把视角拉宽就会发现，不同任务下各家 AI 的信源可靠性完全是割裂的：
- 查新闻出处.哥伦比亚大学 Tow 中心在 2025 年 3 月 6 日对 8 款 AI 搜索做了 1600 次新闻溯源测试，总体超 60% 无法正确识别原始新闻出处；其中 Perplexity 错误率为 37%，而 ChatGPT 错误率高达 67%（200 次错 134 次），Grok-3 更是达到 94%。
- 看新闻信源完整性.BBC 与欧洲广播联盟（EBU）在 2025 年 10 月 22 日评估了 2709 条 AI 回答，发现 31% 存在严重信源问题；Perplexity 和 Copilot 的严重问题比例同为 15%，ChatGPT 为 24%，Gemini 则高达 72%。
- 查学术文献.2025 年 5 月 23 日的一篇 arXiv 预印本测试了 8 款聊天机器人的 400 条学术文献引用，仅 26.5% 完全正确，39.8% 错误或完全捏造，其中 Claude 和 Perplexity 的文献捏造率分别高达 64% 和 72%。
少说少错的防御策略能让 ChatGPT 在统计抽查里讨巧，但到了必须给出明确新闻源头或学术引用的场景，各家都在裸泳。
拆解 40% 背后的测量尺与 GEO 投毒
我更在意的是，我们在用什么尺子量 AI，以及谁在给 AI 喂这种垃圾。
如果直接把 Trakkr 报告的结论简化成“AI 有 60% 的数据是假的”，那就掉进了另一个统计陷阱。扒开 Trakkr 披露的底层数据，自动化裁判最初只判定 23% 的统计数据成功溯源，人机判定一致率只有 62%，是研究团队靠 150 条随机样本人工核查校准，才把最终估算值生生拉升到了 40%。用 AI 去评测 AI 的引用链，方法论本身就相当脆弱。此外，该研究采用 API 单日抓取，并对公布的案例隐去了中间网页的具体信息，外部很难直接复现具体引用链。
那 40% 被归为“无法核实”的数据里，也包含大量真实但被锁在付费墙或留资表单背后的报告——连研究机构页面起跳的追踪都有 38% 因为表单拦截而折戟，加上最多点 5 层的硬限制，不少需要深度检索的真实研究被误判为断头路。Hacker News 社区在讨论这份报告时就敏锐指出，测试缺乏“人类在相同问题下查找数据”的基准对照（人类写稿同样满地抄二手博客），且需警惕研究机构自身的商业推广意图。
但这依然遮不住互联网底层生态的烂疮。这幕场景在报业史上早就演过一遍。十九世纪末电报与剪报辛迪加兴起时，地方小报为了省钱，疯狂互相抄袭未经核实的奇闻与数字，只要印在铅字上就算有了出处，王充在《论衡》里早就骂过这种“俗传既久，失其真矣”的毛病。今天不过是把剪刀浆糊换成了 B2B 内容营销和 SEO 汇总页——只不过当年读者知道自己看的是小报，如今大模型给二手软文套上端庄的角标，普通人便以为看到了真理。
更荒诞的是，多个 AI 众口一词根本不等于交叉验证。测试中五家 AI 在 10 个问题上给出了完全相同的数字，抽查其中 5 个，只有 2 个能找到原研；除了开头那个 44% 的销售数据，“90% 的社媒用户至少关注一个品牌”“75% 的搜索者从不翻过第一页”等共 4 个统计数据，被五家 AI 全票引用，背后却连一篇正经研究都没有。甚至连 MIT NANDA 2025 年报告里“95% 的组织未从生成式 AI 获得可衡量财务回报”，都被五个 AI 集体篡改成了“95% 的生成式 AI 试点项目失败”。
这场信源危机正在把三方人逼到墙角：
- 智库与学术机构.把核心数据藏在 PDF 或留资表单后面，结果就是被写二手汇总软文的内容农场截流，AI 把流量和署名权全给了二道贩子。
- 搞生成式引擎优化（GEO）的营销团队.靠拼凑行业数据骗取 AI 引用占比 54% 的红利期不会长久，一旦大模型厂商迫于公信力压力下调企业博客权重、建立一手信源白名单，这类页面的可见度会瞬间归零。
- 依赖桌面研究的分析师与记者.看到五个 AI 都给出同一个数字、还都带着蓝字链接，恰恰是最危险的时候。
- 风险.直接把 AI 附带角标的统计数据写进商业报告或新闻稿，等于把公信力押在十年前某个自由撰稿人的随手摘抄上；只要还没点到写着样本量、年份和调查方法的一手页面，那个角标就只是一条线索，绝不是证据。