2019 年的 HubSpot 数据说，一个用户每天平均看到 5,000 条广告和品牌内容。到 2026 年，这个数字翻了四倍不止。
不是人们突然想多看广告了。是 AI 让内容生产的成本降到了零附近——每多生产一篇文章、一张图、一段视频，边际成本趋近于零。当每个品牌都学会了用 AI 天天发内容，结果就是没有人能听到任何声音。
这不是比喻。这是经济学教材里的经典场景：供给过剩导致市场失灵。
先看数据
Gartner 2025 年的报告说，到 2026 年（也就是现在），互联网上大约 90% 的内容将是 AI 生成或辅助生成的。请注意，这是 2025 年的预测。当你读到这句话的时候，这个比例可能已经更高了。
这不是问题。问题在于：人类的总注意力没有增加。
2023 年，全球互联网用户平均每天上网时间约 6.5 小时。2026 年，这个数字大概是 6.7 小时。增长了 3%。而内容的量级增长了多少？保守估计 50 倍。
供给增长了 50 倍，需求增长了 3%。这在任何市场里都意味着一个结果——贬值。
内容的价值正在急速贬值。品牌花 10 小时写的一篇文章，和 AI 花 10 秒生成的一篇文章，在读者的感知中正在趋近同一个价格：零。
内容工厂的悲剧
这几年我观察到一个有趣的现象。
2022 年之前，”内容营销”的核心难题是创意和执行——写什么、怎么写、谁来做。品牌需要养团队、找 agency、花预算。这个门槛天然筛选了质量。
2023 年之后，ChatGPT 让内容生产变得简单。品牌的第一反应是：”太好了，我们可以发更多了。”
于是每个品牌都变成了内容工厂。以我观察到的几个典型场景为例：
- 某跨境品牌从月产 8 篇博客变成了月产 80 篇，全部 AI 生成。半年后流量没涨，SEO 排名反而掉了。
- 某 SaaS 公司用 AI 批量生成 landing page，单价成本降到之前的 5%。转化率也降到了之前的 5%。
- 某 DTC 品牌用 AI 每天生成 30 条社媒内容。粉丝互动率从 2.3% 降到了 0.1%。
这些案例有一个共同点：他们把”降低成本”等同于”增加产量”，而忘记了内容的价值不在「量」里，在「被注意到的概率」里。
信号-噪声比崩塌
信息论里有一个核心概念叫信噪比（Signal-to-Noise Ratio, SNR）。一个信道里，有用的信号越强、无用的噪声越弱，通信效率越高。
内容营销的信噪比过去十年一直在缓慢下降。AI 让这个下降曲线从平缓变成了跳水。
说人话就是：你写的内容再好，如果它被淹没在 500 篇同样的 AI 生成文章里，就没有人会看到它。
这已经不是你写得够不够好的问题了。这是一个统计问题——在噪声指数级增长的环境中，任何单一信号被注意到的概率都在指数级下降。
而大多数品牌的应对方式是：加大输出。发更多文章、拍更多视频、做更多直播。
这就好比在菜市场里，因为人多听不见，于是每个人都开始喊。结果不是听到了更多的人，而是整个市场变成了噪音桶，谁也听不见谁。
那怎么办？
如果你读了本博客过去一周的内容，你会看到一条清晰的线索——AI 营销的每个环节都在被重新定义。从 SEO 到广告到消费者信任到团队结构。内容生产，是这条线索上的最后一个环节，也是最容易被误解的环节。
我的判断是：AI 内容过剩时代的赢家，不是那些生产最多内容的品牌，而是那些在正确的时间、正确的地点、用正确的方式说最少的话的品牌。
具体来说，三个策略值得考虑：
1. 从内容生产转向内容过滤
过去五年，营销团队的核心能力是”生产”。内容策略师、写手、设计师、视频剪辑——所有人都在加速制造。
未来五年，核心能力应该是”过滤”和”筛选”。你不需要生产更多内容——你的消费者已经被淹没了。你需要做的是帮你消费者从信息洪流里捞出真正有价值的内容。
这不是一个技术问题。这是一个信任问题。 如果用户信任你的品牌，不是因为你能每天发三篇文章，而是因为每次你说话的时候，说的都是值得听的话。
这就是为什么 Newsletter 在 2025-2026 年反而在复兴。不是因为 Newsletter 有什么神奇的技术，而是因为它天然是一种”限制产量”的媒介——你不可能每天给订阅者发十封邮件，总会被退订。这个限制反而保护了内容的价值。
2. 用”原创数据”替代”AI 共识”
AI 生成的内容有一个本质缺陷：它不产生新信息，它只重组已有信息。
当 90% 的内容都是 AI 生成的，它们本质上在说同一个东西——互联网上已有的共识。它们不会告诉你任何你不知道的事情。
那什么内容才有价值？有”信息增量”的内容。
信息增量通常来自两个地方：
- 一手数据：你做的调研、跑的实验、客户访谈的录音。AI 没有这些。
- 独特判断：你对行业的判断、你的预测、你的观点。AI 的”观点”是所有人的平均值。
举个例子：如果你的内容是”AI 营销是未来”——这是 AI 共识，没有信息量。 如果你的内容是”我跑了三个月 AI 广告投放实验，发现 GPT-5 生成的文案比人类写的 CTR 低 12% 但转化率高 8%——以下是原因”——这是信息增量，AI 不可能凭空生成。
原创数据 = 内容在 AI 时代的护城河。
3. 接受”少即是多”的残酷真相
这不是一句鸡汤。这是一个可以量化的策略选择。
假设你有两个选择：
- 方案 A：每天发 1 篇 AI 生成的文章，每篇平均阅读 50 次，月曝光 1,500 次
- 方案 B：每周发 1 篇深度原创（带数据+洞察），每篇平均阅读 800 次，被转载/引用 20 次，月曝光 3,200 次
方案 B 的总曝光是方案 A 的两倍多，而内容量只有方案 A 的 1/7。
这不是因为”深度内容质量更高”这么抽象的理由。是因为在噪声环境中，稀缺性本身就是信号。 当一个品牌每周只发一篇文章，读者会潜意识里认为”它肯定值得发才发”。当一个品牌每天发三篇，读者会认为”这跟其他的差不多”。
这就是信号理论在内容营销中的应用——发送频率本身就是一种元信息，它告诉接收者这个信号的稀缺程度和可信程度。
写在最后
回到最初的经济学比喻：当供给过剩时，市场会进行自我修正。
内容市场的修正已经在发生了：
- Google 的算法更新越来越倾向于惩罚 AI 批量内容
- Reddit、Quora 等用户生成内容平台的权重在搜索中持续上升
- Newsletter、付费专栏、小报等”限量”内容形态在复苏
- 消费者开始形成”AI 内容厌恶”——看到 AI 味太重的文章直接划走
这些信号指向同一个方向：内容营销的「生产时代」正在结束，「甄别时代」正在开始。
在这个时代，最有价值的品牌能力不是”能不能写出 100 篇文章”，而是”能不能在 100 篇文章里，只选 1 篇值得让用户花时间读的——并且有勇气不发另外 99 篇”。
这才是 AI 做不到的事情。
参考来源：Gartner “By 2026, 90% of online content will be AI-generated” (2025); HubSpot State of Marketing 2019 & 2025; 作者观察的多品牌案例库; Shannon 信息论中信噪比概念延伸
