文 | wiwi
今年毕业季，央视记者采访了一位叫葛佳怡的毕业生。她不觉得自己有什么可心虚的：写论文时，AI 只帮她查过部分理论资料，摘要、项目计划和创作核心都是原创。可检测结果下来，疑似 AI 生成内容占 56%；她和团队一起拟的项目计划部分，97%。
机器认定她不是人写的。她要做的，是把自己的文字改到机器承认为止。
她还不是运气最差的。今年毕业季，有毕业生想把 62% 的 AI 率降下来，改完再测，94%，不降反升。电商平台上，" 降 AI 率 " 早已是一门明码标价的生意：一位叫张岳的毕业生，为 386 个被判定 " 疑似 AI" 的字，按 "100 字 10 元 " 付了 30 元。
这套检测有多不靠谱，其实早有定论。真正没人问出口的是另一个问题：既然大家都知道它不准，学校为什么年年照买？
想弄明白，得去翻一种很少有人看的文件：高校的采购公示。学校在上面写下的购买理由，和学生以为的不太一样。
连 OpenAI 都关掉了自己的检测器
今年 6 月，第一财经记者做了个实验：让 DeepSeek 生成一篇千字文章，分别提交两大检测平台。这篇百分之百由 AI 生成的文字，知网判定 AI 率为 0，维普判定 55.71%。一个完全漏判，另一个只认出一半。一篇来路完全清楚的文章，两个系统都没给出接近事实的答案。
这不是国产系统独有的毛病。2023 年 7 月 20 日，OpenAI 悄悄下线了自家的 AI 文本分类器，官网留下一句说明：因准确率过低。按 OpenAI 自己公布的数据，这个工具只能认出 26% 的 AI 文本，还会把 9% 的人类文本误判成 AI 写的。做 ChatGPT 的公司，自己也搞不定这件事。
全球高校用得最多的 Turnitin 走得更远。它的官方文档明说，检测结果 " 不应作为对学生采取不利措施的唯一依据 "；19% 以下的区间干脆不显示具体数字，只给一个星号，因为这一段最容易误伤。斯坦福团队 2023 年在《Patterns》期刊发过一组数据：91 篇非英语母语者的托福作文，交给七款主流检测器，平均 61% 被判成 AI 生成，有 19% 被七款检测器一致认定不是人写的。原因不在写作水平：用词和句式越收敛、越合乎规范，文字在机器眼里就越 " 可预测 "。
毛病出在根上，算法再迭代也救不了。首都师范大学教育学院副院长蔡海龙在央视采访中解释过两者的区别：查重是把论文和语料库逐句比对，做出确定性判断；AI 检测是用 AI 去猜人类文本，" 本质上是一种基于概率的分类 "。
各平台的模型不同，参考的特征也不止 " 困惑度 " 一项，但共同点是：它们只能判断一段文字在统计上有多像 AI，还原不了它真正的生成过程。只要交上去的还是一份最终文本，而不是写作记录，算法再升级，也只是把 " 像不像 " 算得更精，永远变不成 " 是不是 "。
一场概率游戏，却被各校写成了小数点后两位的硬指标。四川大学要求文科不超过 20%、理工医科不超过 15%；南京财经大学红山学院把参考线划在 40%，超线由导师督促整改。标准是各校自己定的，同一篇论文换一所学校，命运可能完全不同。概率是软的，红线是死的，夹在中间挨板子的，是学生。
AIGC 检测，继承了查重时代的采购理由
学校不知道这些吗？至少，误判已经算不上什么未知的风险：央视和光明网把案例摆上了台面，连检测平台自己都把技术局限写进了官方文档。风险明摆着，学校为什么照买不误？公示里写着他们自己的答案。
高校采购论文检测系统，普遍走 " 单一来源 " 程序，也就是不招标、指定供应商，而单一来源采购必须公示理由。新乡学院教务处的一份公示，给知网大学生论文检测系统列了三条理由：准确性、唯一性、延续性。往下细读，" 准确性 " 说的是供应商拥有国内规模最大、数据最全面的学术资源；" 唯一性 "，是说它是 " 唯一一家不对学生个人单独开放 " 的检测系统；" 延续性 "，是本校自 2013 年起使用，" 系统中保留了我校大量本科论文 "。
常州大学 2023 年 4 月的公示与之相似，价格是每年 39600 元，一签三年。
有意思的是第一条。在查重时代，" 准确性 " 这么写没毛病：查重比的是库，库越大越查得全，准确率确实可以拿资源规模来担保。可 AIGC 检测没有库可比，它是概率分类，误判率谁也担保不了，采购的理由却原样接了过来。AIGC 检测进学校时，也很少被当成一款新产品重新论证，更常见的做法是打包：浙江机电职业技术大学 2025 年 6 月的采购公告里，500 篇 AIGC 检测额度和知网科研成果检测系统捆在同一个 5.5 万元的项目里。学校接过来的不只是一个新算法，还有原有的账号体系、历史论文库和更换供应商的迁移成本。一套用了十年的系统，多勾一项服务就能 " 管住 AI"，这比任何新方案都省事。
至于 " 不对学生个人单独开放 "，在学生听来是刁难，在当年的公示里却是白纸黑字的优点：学生摸不到学校用的系统，检测结果就只有一个出口，权威性靠垄断来保证。如今学生能在市面上买到各种自测：知网 AIGC 检测每千字符 2 元，维普 20 元一篇，PaperPass 把查重和 AIGC 检测打包成每千字符 1.5 元。可自测用的版本、语料和学校采购的未必一致，钱花了，数字还是对不齐。
这些采购理由，葛佳怡一条也看不到。她不知道系统拿什么标准判她，也算不明白那个 56% 是怎么得出来的。她只知道，自己按规则如实申报了 AI 用途，换来的是给每一段原创文字自证清白的义务。
一张检测报告，比一次人工判断便宜
学校头顶上还压着更硬的东西。2025 年 1 月 1 日起施行的学位法明确，学位论文存在代写、剽窃、伪造等学术不端行为的，可以撤销学位；草案初审阶段，" 利用人工智能代写学位论文 " 曾被点名列入。加上本科毕业论文抽检常态化，学校必须向上面证明：我管了。
拿什么证明？一份带百分比的检测报告，是所有选项里最便宜的一种。导师逐篇精读要占工时，答辩从严要承担延毕率上升的责任，而一份机器报告，每年几万块，责任就从 " 学校没把好关 " 变成了 " 学生没过机器 "。导师的一句 " 这篇读起来像 AI" 进不了表格，"AI 率 38.6%" 却可以登记、排序、存档、追责。至于数字离真相有多远，表格里看不出来，也没有哪一栏需要填这个。
这套心思，三十年前就有人写透了。科学史家西奥多 · 波特在《相信数字》里追问过各类机构为什么迷恋量化，答案是一句后来被反复引用的话：量化是一种 " 不必看起来在做决定的决定方式 "。他还发现，用数字取代个人判断的冲动，恰恰出现在最虚弱的机构身上：越是不被信任、越是暴露在外部问责压力之下，越需要一个看起来客观的数字顶在前面。放到今天的高校身上，这个判断几乎不用翻译：学位法和论文抽检把学校推到了被问责的位置上，导师的判断扛不动这份压力，数字可以。
对学校最好用的，甚至不是一台替它下结论的机器，而是一台既给出数字、又注明 " 仅供参考 " 的机器。需要管理时，百分比就是整改依据；出了争议，最终判断又可以推回给导师。能提供看起来客观的数字，又不必为数字负全责，这才是这类工具真正值钱的地方。
学校买的从来不是检测，是免责。
掏钱的人，不承担误判
天下没有第二种仪器可以这样。食堂的秤缺二两，学生当场就会吵起来，秤会被换掉；体温计误差两度，医院第二天就退货。为什么偏偏 AI 检测错得人尽皆知，还能年年续约？
区别在于，秤的读数，由付钱的人当场核验；AI 率的读数，付钱的学校不核验，被数字卡住的学生又没有采购权。一台仪器，只要掏钱的人和吃亏的人不是同一群人，" 准不准 " 就不再是它的质量指标。甚至对买它的学校来说，吓唬本身就是功能：一支拍不清人脸的监控探头，红灯只要还在闪，走廊里就没人敢放肆。
一次误判，落在学校后台，是一份待复核的报告和一点工时；落在学生身上，是几次充值、一个通宵，和把通顺句子故意改坏的几个小时——有人删掉 " 综上所述 "，有人拆散排比句，还有人改完又被导师要求改回来。两边的账放在一起，采购方感受到的价格信号，弱到可以忽略。
一个数字不可信，就再加四个
学校发现系统不准之后，往往不会退货，反而会再买几套。四川农业大学草业科技学院 2026 年 4 月的通知里，一篇本科毕业论文要过五道机器关卡：反抄袭检测、AIGC 检测、维普格式检测，外加维普智评和华宸智评两套 AI 评价，之后还要导师复核。五道关卡，一个算盘：单个数字靠不住，就让一堆数字互相作证。
学生这头的对抗，又反过来喂饱了系统。电商平台上的降 AI 服务按千字 3 元收费，一家商家已售出 4166 件；《每日经济新闻》记者今年 6 月实测，一篇文章处理后 AI 率从 95.77% 降到 11.3%，代价是语言变得别扭、不再像正常的论文表达。所谓降 AI 率，多数时候也由 AI 完成：AI 写论文，AI 消除 AI 痕迹，再交给 AI 检测。而这些花样传到学校眼里，结论往往只有一个：现有检测还不够强，得升级。
经济学家古德哈特早就描述过这个循环，人类学家玛丽莲 · 斯特拉森把它压缩成一句话：一个测量指标一旦变成目标，它就不再是好的测量指标。AI 率把这句话演得一字不差：一旦和答辩资格挂钩，学生动手改的就不再是论文，而是那个数字。
指标失灵不是意外事故，是这种用法注定的结局。
把整条链摊开：学校向监管层交出 " 已落实审查 " 的记录，检测方吃到学校采购和学生自测两端的需求，降 AI 商家再在缝隙里一单一单接活。转了一整圈，没有一方的钱是按 " 判得对不对 " 来付的。
这台机器要是真的准了，生意反而要塌一块。没有证据说哪家平台有意造错，但结构摆在这里：误判带来复测，复测是流水；误判带来恐慌，恐慌帮降 AI 商家拉客。不准，是这门生意的产能。
最贵的检测是人
得替学校说一句公道话：AI 代写是真问题。放着不管，毕业论文迟早变成大模型的接力赛。
但 " 要管 " 推不出 " 这么管 "。已经有高校在示范另一种管法。南京大学 2025 年 5 月的通知直接承认，AIGC 检测结果是 " 基于算法模型的概率性分析，存在技术局限性，仅作为学术规范性辅助参考，不作为论文原创性判定依据 "，同时要求学生对 AI 使用全程申请备案、留存过程记录。北京邮电大学教授鄂海红的建议更进一步：不同学科不应一刀切，该由学科专家和导师下最终结论。
这些方案殊途同归：把判断权从机器手里拿回来，交还给人。难处也只有一个字：贵。导师精读一篇论文的成本，远高于机器扫一遍；替学生担保 " 这是他自己写的 "，更是要拿自己的学术信用做抵押。
所以多数学校选了机器。原因未必是它更准，而是它不准也没关系。
明年 3 月，新一轮采购公示还会挂上校园网，理由大概还是那几条：资源最全，渠道唯一，用了十年。凌晨的宿舍里，还会有下一个葛佳怡，把自己写的句子一遍遍改到不像自己，然后付 20 块钱，请另一台机器证明自己是人。
到那时，学校会拿到报告，学生会拿到清白，每一方都买到了自己要的东西。只有一件事，钱花了一圈，还是没人知道：那篇论文，到底是不是她自己写的。
