300万亿tokens将耗尽，AI正陷入“近交衰退”：模型崩溃、蜂群思维与影子API乱象

导语：人类公开的高质量文本数据存量仅余300万亿tokens，按当前消耗速度可能在2026年至2032年耗尽。当AI开始用自己生成的数据递归训练，模型崩溃、思维同质化与影子API欺诈正在成为现实，一场数字世界的“近交衰退”已经悄然上演。

Epoch AI于2024年发布的研究估算，人类公开发布的高质量文本数据总有效存量约为300万亿tokens（90%置信区间介于100万亿至1000万亿token）。按照当前人工智能模型的消耗趋势，有80%的概率这些数据将在2026年至2032年之间被完全耗尽。这意味着，目前正在训练的这批大模型，极有可能是最后一代能在“数据富足”环境中成长起来的模型。一旦可用的真实数据吃紧，整个行业将面临前所未有的挑战。

学术界早已对这一隐患发出警告。2024年，Nature的一篇里程碑式论文正式定义了“模型崩溃”现象：当使用AI生成的数据对模型进行递归训练时，到第九代模型的输出已近乎乱码，且在数学上被证明发生的概率为1。模型在反复“吃自己”的过程中，会逐渐遗忘真实世界的统计特征，最终丧失生成有意义内容的能力。

2025年底，NeurIPS最佳论文进一步揭示了递归训练带来的另一重危机——“人工蜂群思维”。实验中，25个不同模型被要求生成1250个隐喻，结果却惊人地集中到了两个高度相似的聚类，仿佛所有的AI都陷入了同一种思维模式。这种多样性的急剧坍缩，正是模型崩溃的先兆，它表明即使是看似独立的系统，也会在循环学习中被同化。

产业层面的乱象同样触目惊心。2026年3月，CISPA的一项审计发现，高达45.83%的影子API无法通过模型指纹验证——用户付费购买的GPT-5服务，实际上调用的可能是廉价的GLM-4-9B或其他小模型。这种虚假交付的背后，不排除部分商家在用更经济的方案“填补”算力缺口，而AI生成内容充斥互联网的现实，让模型更难接触到真实数据，进一步加剧了近交循环的风险。

这像极了生物学中的近交衰退：当种群不断自交，不引入新血统，几代之后体型缩小、颜色暗淡、抗病力下降。AI同样如此——大量合成内容被下一代模型抓取为训练数据，生成的模型再产生更多合成内容，循环往复。缺乏外部高剂量真实信息的注入，模型的“基因库”会不断窄化，最终导致性能全面退化。

从学术论证到产业欺诈，种种迹象表明，AI行业急需正视数据枯竭与质量失控的双重危机。否则，当最后一个模型“吃饱”之后，我们面对的将是一个充满套壳、同质化与智力减退的虚假繁荣。