Substack 接入 Pangram AI 检测：内容平台为什么开始给“人写”做标注？
Substack 在文章、Notes、评论等场景接入 Pangram 的 AI 文本检测功能，让读者可以查看内容是否可能由 AI 辅助生成。这不是简单的反 AI，而是内容平台在生成式 AI 泛滥后，开始把“创作过程透明度”产品化。
背景：AI 写作从工具问题变成平台信任问题
过去一年，内容平台面临的 AI 挑战已经不只是“能不能生成一篇文章”，而是读者还能否判断自己正在阅读什么样的内容。Substack 最近上线的“Scan for AI text”功能，正是在这个背景下出现：读者可以在部分帖子、Notes、评论与回复中发起扫描，系统会给出文本由人类撰写或 AI 辅助的概率判断。
根据 Substack 帮助中心说明，这项功能适用于 2026 年 7 月 21 日之后发布的内容，并由 Pangram 提供检测能力；目前主要覆盖 Web 阅读器和 iOS App，Android 版本仍在路上，视频、音频、邮件和自定义域名页面等场景暂不覆盖。换句话说，它不是全站审查系统，而是一个面向读者与作者关系的“透明度按钮”。
产品变化：平台把 AI 识别嵌入阅读链路
这次变化的关键不在于检测模型声称多准确，而在于入口被放进了阅读产品本身。过去，AI 检测通常是教师、编辑或平台风控人员在后台使用的工具；现在，读者可以在阅读场景中直接看到一个判断结果，作者也需要面对读者对创作过程的追问。
Pangram 官网把自身定位为面向学校、企业和内容平台的 AI 生成文本检测服务，强调检测 AI 辅助、分段分析、浏览器扩展、API 和多语言能力。Substack 的接入说明，AI 检测类产品正在从“外部插件”进入平台基础设施，成为内容分发、社区信任与创作者声明之间的连接层。
影响：AI 内容治理会更接近“标签体系”
对内容平台而言，单纯禁止 AI 写作很难执行，也可能误伤正常创作。更现实的路径，是让创作者说明自己如何使用 AI，并让读者根据透明度做判断。Substack 的做法可能会推动更多平台把“创作过程说明”“AI 辅助标签”“可申诉检测结果”做成标准功能。
但风险同样明显。AI 检测从来不是司法鉴定，短文本、经过编辑的人机混合文本、非英语文本、特殊写作风格都有可能导致误判。若平台、读者或广告系统过度依赖单一分数，创作者可能为了避免争议而关闭检测、改写风格，甚至让信任问题变成新的平台博弈。
适合哪些人关注
这件事适合内容平台运营者、独立作者、媒体编辑、教育机构、AI 写作工具开发者和品牌内容团队关注。对创作者来说，重点不是“永远不用 AI”，而是提前建立清晰的 AI 使用说明：哪些环节使用 AI 做资料整理、提纲、翻译或润色，哪些内容保持人工判断和原创表达。
对中文内容平台来说，Substack 的尝试值得参考。未来平台竞争不只看生成速度，也会看能否让用户区分事实、观点、机器辅助和人工责任。AI 透明度可能会成为内容社区的新基础设施。
