做 AI 曝光的人，现在的日常是盯引用数：这个月被提了几次、被引了几条、比上月涨了多少。但很少有人顺手做一件事——点开那个被引用的页面，看看它到底是谁写的。

一项刚上线的审计，把这件事摊开了。研究发在 AAAI/ACM 的 AIES-26 会议上（2026 年 10 月 11 日上线），作者是西北大学的 Mowafak Allaham 与 Nicholas Diakopoulos。他们把 712 条真实的人类提问，覆盖公共议题里的政治、健康、环境三个方向，分别丢给四款生成式信源：ChatGPT、Copilot、Gemini、Perplexity。

约六分之一的被引信源，本身就是 AI 生成的

结论不复杂：四款引擎都被查出引用过 AI 生成的页面，这类合成信源在被引页面里约占 16%，也就是六分之一上下。

作者担心的是用户很难分辨这层差别。一段由 AI 写出来、再被 AI 引用的内容，在答案里和官方来源看起来是一样的，都可能被当成权威口径转述出去。

研究里还有一个副发现：被引域名呈两极。一头是少数几个域名被反复引用，另一头是大量只被引过一两次的长尾域名。换句话说，「被引用」这个动作，门槛比很多人想得低。

两点口径先说清楚：这次审计覆盖的是公共议题，用的是人工判断，不是全站普查；16% 说的是「被引信源里 AI 生成占比」，不是「AI 答案有 16% 是错的」。商业品类没有对应数据，别直接照搬。

「被引到」和「被当成可信来源」是两件事

现在市面上的监测，基本都在统计前一件：提及率、引用次数、出现位置。后一件——被引的那个页面本身够不够硬——几乎没人查。

这对品牌是双向的。

好的一面是，低门槛内容确实更容易被扫进检索池，短期能拿到引用，甚至比认真做内容的对手更快。

风险在于，这条通道正在被从两头收口：平台的使用条款开始把「伪装独立来源」写明禁止，监管在处置没有标识的合成内容，学术侧在做这类信源审计。一旦筛选口径从「谁的内容能被读到」变成「谁的内容值得被当成来源」，用合成稿堆出来的那批引用会一起失效，而且是一次性失效。

所以引用数上涨，不等于位置变稳。

该动手做的三件事

第一，抽查自己被引的页面。把 AI 答案里提到你的那几条打开，看落点页面属于哪一类：有署名有机构的人写的、没有编辑主体的合成站、还是别人转述你的二手内容。第一步只是分类，先别急着删。

第二，给品牌自己的内容补两样东西：可以归属的人（作者署名加机构背景），和别人抄不走的数字（一手实测、内部数据、写清楚的边界条件）。这两样恰好是合成内容最难伪造的部分。

第三，把这条加进供应商的验收清单。要求交付时列出被引来源清单，并标出其中哪些是明显没有编辑主体的站；只交一张「引用次数」报表，说明不了问题。

边界

这不是「AI 写的内容都不能用」。真正出问题的是没有归属、没有一手信息的那类内容——机器写完、机器发布、机器引用，链条里没有一个人。

也别因为这条消息就把过去的稿子清一遍。更稳的做法是先摸清自己的引用结构，再决定哪些页面值得补署名与数据。

回到开头那个动作：点开被引页面看一眼。这一步花不了十分钟，却能让你知道，自己拿到的那次引用，到底是资产，还是随时会消失的水分。