我们接手过一个客户的抖音号,评论区每天三百条,能转化的不到五条。当时我们就明白一件事,流量池再大,接不住也是白搭。这份新书数据,把同一件事在出版圈演了一遍。

研究人员随机抽了 14419 本 2023 年 1 月到 2026 年 3 月发布的自出版电子书,用的检测器误报率只有 0.04%。结果分三档,无 AI 痕迹、轻度(不超过四分之一)、重度(超过四分之一)。
📌 据 the-decoder 2026-08-15 报道的 Chakrabarty 等学者的研究(arXiv 预印本 2607.20349),重度 AI 内容占目录两成,却只换来 12.1% 的销量和 11.3% 的收入。没检出 AI 痕迹的书占目录 62.9%,贡献了 72.5% 的收入。
光看这行,你可能会觉得,AI 书就是低端水货,挤在底部没关系。往下看才发现,问题出在数量上,跟质量高低没什么关系。
2023 年一季度到 2026 年一季度,累计目录涨了 38.3 倍,每季度能卖出去的书名数涨了 19.2 倍,可季度总收入只涨了 8.9 倍。书变多了,分钱的池子长得慢得多。
⚠️ 研究对比了 2023 年和 2025 年同发布窗口的书,八个类型里有七个,无 AI 痕迹书籍的单本收入在掉。唯一例外是奇幻、灵异、恐怖类,那类 AI 文本进场最晚、占得最少,无 AI 书单本收入反而涨了 35%。
这就把"平均被水货拉低"的解释排除了。烂书垫底背不了这锅,是池子被冲稀,连干净的书都分到的少了。
更刺眼的是畅销 AI 书的内容来源。研究人员用 Allen AI 的 infini-gram 加上谷歌图书索引,找那些极罕见、网上几乎见不到的表达。获奖或小众口碑小说里这类表达覆盖率只有 19.1%,无 AI 的畅销 Top50 是 37.7%,而收入最高的 50 本重度 AI 书,覆盖率到了 45%。
换句话说,卖得最好的 AI 书,大量借用了已有书里那些"只有书里才会出现"的稀奇表达。研究人员自己也说,这只能算旁证,证明不了某本书抄了谁,但和 AI 检测分数能对上。
💡 这件事对小商家的启发很直接。很多人想用 AI 批量产内容、产书去赌平台流量,但数据摆着,市场一旦被数量冲稀,单本回报只会越来越薄,先入场的人赚走大头,后来者连汤都难喝。
我们看过的案例里,活下来的都不是靠发得多。那个抖音号最后跑通的是评论意图识别,把每条能转化的线索接住,引到私域里反复触达。内容在这里不当货卖,当钩子用。
回到写东西这件事。你今天发的每一篇,先想读者凭什么回来找你第二次,别只想着再多发一篇。平台流量是别人的,私域里的信任才是自己的。
所以我们给公众号配了关键词自动回复,读者后台回个词就能领速查卡。这背后为的是把一次性阅读变成可复访的关系。你写一百篇没人记住,不如十篇被人存在收藏里。
下面这份数据来源和引导,建议直接看。
参考来源AI-generated books are flooding Amazon and tanking sales for human authors研究原文 Chakrabarty et al. arXiv 预印本 2607.20349
想直接上手?在公众号后台回复下面任一关键词,领对应速查卡
【本地部署手册】回复「本地部署」
【API省钱对比表】回复「API省钱」
【Prompt模板库】回复「Prompt」
【开源替代清单】回复「开源」
【小白避坑手册】回复「避坑」
你是更担心 AI 书抢了人类作者的位子,还是更担心自己认真写的东西被平台的海量内容冲得没人看?留言说说你碰到的真实情况。
既然看到这里了,如果觉得不错,随手点个赞、在看、转发三连吧,
如果想第一时间收到推送,也可以给我个星标⭐
~谢谢你看我的文章,我们,下次再见。
/ 作者 浚枢
NVIDIA 发布 Nemotron 3.5 Lightning,一款面向常驻智能体的 30B 开源 MoE 模型。
NVIDIA 开源 11B 全双工语音模型,单卡 80GB 就能跑,448 毫秒轮替延迟还能边说话边调工具
阿里 Wan3.0 公测:PPT/URL/PDF 直接变 30 秒视频,AI 视频终于能进生产线
Qwen3.8-Max 不只是 2.4 万亿参数:API、平台、五个智能体接入实操指南
M5 Mac上跑 80B Qwen3-Next 、iPhone 17上跑 35B :Swiftlet 这套 MoE 流式方案到底怎么分配的
不用显卡、不花云钱:Gemma 4 26B 在任意 M 系列 Mac 上只要约 2GB 内存
微软发布 MAI-Cyber-1-Flash:137B 总参 / 5B 激活的小模型,在 CyberGym 拿下了 95.95% 的成绩