问题是：为什么这两种声部已经合唱了半年，却始终没有发展出第三种声部——一个真正开始追问写作本身正在发生什么变化的声音？
前两种声部其实分别对应了两个很自然的焦虑：作为读者，人们担心自己是否正在被机器欺骗；作为使用者，人们关心自己能否更有效地操控机器。一个问题指向“如何识别”，另一个问题指向“如何控制”。
然而，这两者共享着一个没有被意识到的前提：AI仍然被看作一个外在于写作的对象。于是，人们不断学习如何识别它、规避它、调教它，却很少进一步追问：当AI从写作之外的工具逐渐进入写作过程本身，我们与文字、思想乃至“作者”之间的关系是否也正在发生变化？
这也意味着，真正缺席的第三种声部，并不是又一种关于“如何使用AI”的技巧，而是一种关于人机共笔意味着什么的深度公共讨论。它关心的不是AI写得像不像人，也不是人能不能让AI写得更像自己，而是当人与AI共同参与语言生产之后，“写作”“作者”“创造”和“判断”这些原本看似稳定的概念，是否还能够保持原来的含义。
如果说三月和八月的热点分别是在问“它是谁”和“我怎样控制它”，那么真正尚未出现的第三个问题也许应该是：“当我与它一起写作时，我自己正在变成什么？”这才是两种声部共同遮蔽的、更值得进入公共讨论的问题。
六、为什么第三声部很难出现：缺席，还是传不出去
在识别与驯化这两种声部之间，有一类内容始终没有形成规模：关于AI写作伦理、人机共笔的文化意义、语言生产方式变革的深层讨论。这一空白值得追问其成因，但把它简单归结为“学者不愿说话”，未免过于武断。
更准确的图景或许是：媒介研究、数字人文、科技与社会研究（STS）等领域，近年已经积累了相当数量关于生成式AI与写作伦理的讨论，只是这些讨论大多被封闭在一套与短视频完全不兼容的学术论文传播方式之中。
学术论文需要文献综述、同行评议和相对漫长的发表周期；短视频则需要在几十秒甚至更短的时间里完成“钩子—论点—结论”的完整闭环。这不只是个人意愿的问题，而是两套知识生产装置在时间颗粒度、修辞密度和责任机制上的结构性错位——借用布尔迪厄（Pierre Bourdieu）“场域”（champ）的说法，学术场域的资本积累方式（引用、职称、同行认可）与公共传播场域的资本积累方式（流量、转发、即时反馈）几乎没有直接的对应关系。一个学者即便有意“破圈”，也往往缺乏将数万字的论证压缩为公众可理解形式的中介能力——这恰恰是“公共写作”作为一种独立技艺长期被学术评价体系低估的后果。
眼下，这类讨论的一个可能传播渠道就是公众号。它既不像学术期刊那样需要经历漫长的审稿流程，也不像短视频那样被几十秒的时长限制所束缚；它允许作者以数千字的篇幅展开论证，同时又面向公众开放，不必经过同行评议的门槛。当然，公众号也有自己的局限——它缺乏学术期刊的制度性背书，也缺乏短视频的传播速度——但它恰好处于两者之间的一个中间地带：比学术期刊更快、更开放，比短视频更慢、更深入。正是这个中间地带的特性，使它有可能成为那些难以进入学术期刊、又无法被短视频容纳的复杂讨论的一个容身之处。当然，它也远非完美的解决方案，但至少提供了一种将学术场域中积累的讨论接入公共视野的现实路径。
然而，传播机制的错位还不是全部。第三声部之所以难以出现，还有一个更深的原因：它本身就比前两种声部更难形成明确、稳定、容易传播的立场。“这是不是AI写的”是一个可以回答“是”或“不是”的问题；“怎样让AI写得更好”则可以直接转化为提示词、步骤和技巧。两者都天然适合形成标题、教程和行动建议。相比之下，“AI进入写作之后，作者、创造、判断究竟意味着什么”没有一个如此清晰的答案。它既不是简单的技术问题，也不是单纯的伦理问题，而是同时牵涉认知、语言、教育、知识生产、版权和责任的复合性问题。越认真讨论，越难在一分钟之内形成一个可以明确站队的结论。
更重要的是，第三声部面对的并不是一个已经完成的对象，而是一种正在发生、尚未定型的变化。我们甚至还无法完全确定，AI究竟会在多大程度上改变写作的基本结构。对于正在发生的事情，最有价值的讨论往往需要保留不确定性，需要承认“我还不知道”，甚至需要允许一个判断在讨论过程中发生变化。例如，我在此讨论三月至八月的变化，而再过几个月的变化有可能完全改变我的观点。
大众舆论的传播逻辑恰恰是要避免不确定性和持续但可能纠正自己的思考，它更偏好确定的结论、鲜明的态度和立即可用的方法。“可能”“取决于”“尚待观察”在学术论证中是必要的限定，在流量传播中却很容易被理解为“不够明确”。
因此，第三声部面临一种特殊的困境：它需要比前两种声部更高的认知复杂度，却恰恰缺少与这种复杂度相匹配的公共传播形式。它不能简单地把一个复杂问题压缩成一个结论，因为一旦压缩过度，真正值得讨论的部分反而会消失；但如果坚持完整展开，又很难进入当下公共传播的注意力结构。
还有一个容易被忽略的原因是，真正能够发出第三声部的人，本身往往处在不同知识领域之间。AI写作既涉及人工智能技术，又涉及语言与文学、认知科学、传播学、教育、法律和伦理。一个人很难同时拥有这些领域的专业训练，而不同领域的专家又往往只看到问题的一部分。技术专家可能更熟悉模型如何工作，却未必长期思考“作者”意味着什么；文学和人文学者可能敏锐地意识到主体性和创造性正在发生变化，却未必熟悉模型训练和部署的实际机制；法律与教育领域则分别面对署名、版权和评价制度的问题。于是，一个真正完整的第三声部，需要某种跨学科的“翻译能力”，而这种能力本身就是稀缺的。
这也解释了为什么一般的公共讨论很容易出现“局部正确”，却难以形成真正的整体理解。有人讨论AI检测，有人讨论提示词，有人讨论版权，有人讨论教育，有人讨论未来工作被AI代替，但这些讨论往往彼此平行，很少汇聚成一个更大的问题：AI究竟正在怎样改变人与语言之间的关系。
换言之，问题的核心不完全是“最有发言权的人不愿说话”，而更是：能够说清楚这件事的语法，和能够被听见的语法，从未被同一批人同时掌握；而且，即使有人同时掌握了两种语法，也很难把一个尚未定型的问题讲成一个可以迅速传播的答案。当然，体制性风险规避依然存在——公开谈论“我的AI协作流程”，仍可能给一名学者带来同行评议与职称评审中的不确定性——所以最好讳莫如深，免得惹祸上身。当然，这只是空白成因的一部分，而非全部。
因此，第三声部的缺席，并不意味着这个问题不存在，也不意味着没有人在思考它。更准确地说，它目前仍处在一种“有研究、无声量；有局部讨论、无公共叙事；有专业语言、缺少共同语言”的状态。它不是完全缺席，而是尚未完成从专业知识到公共问题的转换。
而这可能才是三月至八月这两波AI写作风向中最值得注意的地方：真正缺席的，不是关于AI的种种议论，而是能够把“如何识别AI”和“如何使用AI”提升为“AI进入写作之后，我们究竟正在成为什么样的写作者”的那一次跃迁。
七、“工具论”的代价：当接受以一种肤浅的方式完成
八月的风向转变看似意味着公众认知的进步，但如果把这种“接受”的前提进一步拆开来看，就会发现，它在相当程度上仍是一种肤浅的接纳——公众接受的主要是“AI作为工具”，而不是“AI作为写作过程中的参与者”。这种工具论式的接纳，在表面上解决了“该不该用”的焦虑，却以一种更隐蔽的方式回避了真正的挑战：它把AI排除在“主体性”的讨论之外，把“AI进入写作究竟意味着什么”这一根本问题，重新降格为“如何在工具层面把AI用得更好”的操作性问题。
这种肤浅的接纳正在产生几重值得警惕的后果。首先，它让“写作的本质”这一核心问题继续被搁置——当人与AI经过数十轮对话，共同形成一个此前从未出现过的论证角度时，“写作”还是“一个人把内心的思想用文字表达出来”吗？如果其中的一部分思想是在与AI的互动中才逐渐形成的，那么我们究竟应该把AI看作表达思想的工具，还是已经进入思想形成过程的某种参与者？工具论框架很容易绕开这一问题，因为它预设人是唯一的主体，AI只是加速器、放大器或辅助工具，于是思想究竟如何在这种互动中生成，也就不再需要被追问。
其次，它也把真正重要的伦理讨论推迟到了一个并不存在明确时间表的未来。当AI提出的反例促使作者放弃原有观点，当AI提供的一个概念成为作者此前没有想到的论证支点，甚至当一个人的最终观点是在与AI反复交锋的过程中才逐渐形成时，这个新观点究竟“算谁的”？它的创造性、责任和署名应当如何理解？这些关于“主体性边界”的问题，在八月的讨论中几乎没有位置。人们更关心的是如何写出更好的提示词，却很少追问：当AI不只是帮助人表达已经形成的思想，而开始参与思想本身的形成时，我们对于“写作”的理解是否也必须随之改变？
更值得警惕的是，这种工具论式的接受容易制造一种“我们已经跟上时代”的幻觉。从“该不该用”到“怎样用好”，舆论似乎完成了一次观念上的自我升级：过去的排斥被看作保守，如今的熟练使用则被视为成熟。但如果我们只是从拒绝AI转向熟练操控AI，而没有进一步追问人与AI共同生产语言时究竟发生了什么，那么这种升级仍然只是操作层面的升级，而不是认知层面的升级。甚至可以说，越是熟练地把AI当作工具，越可能暂时掩盖它已经开始改变写作本身这一事实。
因此，真正值得警惕的并不是公众开始接受AI，而是这种接受可能在一种过于简单的框架中完成。它似乎结束了“AI该不该用”的争论，却没有开启“AI进入写作之后，写作究竟变成了什么”的追问；它让人们学会了如何与AI合作，却还没有迫使人们重新思考，在这种合作中，谁在表达，谁在判断，谁在创造，以及最终谁为这些判断承担责任。
也正因为如此，从“工具论”进一步走向“判断”的问题，并不是另一个话题，而是对前面讨论的自然推进：当AI越来越深地参与语言生产之后，真正需要守护的也许不再是“人亲自写出了多少文字”，而是人的判断是否始终在场，以及人是否仍然愿意为这些判断承担责任。
八、真正需要追问的问题，及两个初步切入点
从三月到八月，公众完成了从“排斥”到部分或有条件“接受”的观念迁移，但这个迁移的终点，远不是问题的终点，而可能恰恰是问题真正开始的地方。真正需要被追问的问题，在两种声部的合唱中始终没有获得充分的位置：当AI参与写作的程度达到一定深度，“作者”这个概念还是原来的意思吗？如果AI帮助一个不擅长表达的人说出了他自己尚未清晰意识到的思考，这篇文本的创造性究竟属于谁？我们应当建立什么样的标准，来评价一篇人机共笔的文本？现有的学术出版制度、版权法律和教育体系，是否还能适应人机共写正在形成的新现实？当AI能够生成比大多数人类更流畅、更完整、甚至更有说服力的文字时，“好的写作”的标准是否也正在发生根本性的变化？
这些问题，没有一个可以在几分钟的视频里真正回答。但仅仅把它们罗列出来，也很容易让讨论止步于“问题都被提出了，然后呢”的落空感。与其继续增加问题，不如尝试向前走一步，为其中两个问题勾勒出初步的、远非定论的切入点：当AI越来越深地参与语言生成之后，我们究竟应该如何重新理解“作者”；以及，在人机共笔成为常态之后，我们究竟应该依据什么来评价一篇文字。
关于“作者”，福柯提出的“作者功能”（fonction-auteur）提供了一个仍然具有启发性的入口。在福柯那里，“作者”从来不只是一个生物学意义上的写作者，而是话语系统中承担分类、定责、赋予文本某种连贯性的功能位置。进入人机共笔时代，这一概念或许需要进一步移动：与其追问“这句话是谁打出来的”，不如追问“这句话背后的判断由谁承担”。
这一区分非常重要。因为在AI参与写作之后，语言的生成者与判断的承担者可能不再是同一个主体。一句话可以由AI生成，一个观点可以由人和AI反复讨论形成，一种表达甚至可能完全来自模型的建议；但如果最终署名为一个人，那么真正需要追问的，不应只是这些文字是否“由他亲手写出”，而是他是否理解其中的关键判断，是否认可这些判断，并愿意在它们受到质疑时承担责任。由此，或许可以提出一个比“语言自然度”更适合AI时代的评价轴心：“判断在场度”。
“判断在场度”首先意味着，作者能够在事后重构并说明文本中关键判断是如何形成的：为什么在AI提供的多个方案中选择了某一个，为什么否决另一些，哪些意见改变了原来的思路，又有哪些建议虽然看似合理却被拒绝。其次，它意味着作者与AI之间应该存在某种可以辨认的判断过程，包括主动要求重来、改变方向、质疑前提、拒绝看似漂亮却并不成立的表达。这里所谓的“拒绝痕迹”，并不是要求所有人都保存一份完整的AI对话记录，更不是把“拒绝AI”本身当成主体性的证明，而是强调：真正重要的不是AI说了什么，而是作者在面对AI所提供的可能性时作出了什么判断。最后，当文本中的核心论点受到挑战时，作者能否脱离AI继续解释、修正和辩护自己的观点，而不是把“这是AI生成的”当成责任的退路。
如果说传统写作评价长期关注的是语言是否自然、风格是否独特、表达是否像一个“真人”，那么“判断在场度”试图把评价的重心转向另一个维度：一个人是否真正参与了文本中那些具有方向性和责任性的选择。这也意味着，过去被视为需要隐藏的“AI痕迹”，未必都是需要消除的痕迹；真正值得关注的，反而是一个人在与AI共同工作时留下的判断痕迹。这个观点在今天也许会显得特别前卫，但却是不可逆转的未来走向。
从这个意义上说，这一思路也可以被看作对罗兰•巴特“作者之死”（la mort de l'auteur）命题的一次意外翻转。作者并没有因为AI能够生成语言而重新成为多余的人，也不必通过亲自敲下每一个句子来证明自己的存在。恰恰相反，当句子的生成越来越可以交给机器时，作者的存在可能需要在另一个层级重新显现：不是作为每一句话的生产者，而是作为关键判断的承担者。
这也使“判断在场度”有可能成为AI时代重新思考写作评价的一个入口。长期以来，人们试图通过句式、词汇、连接方式、情感表达等表层特征识别“AI味”，实际上是在寻找一种越来越不可靠的“机器指纹”。而在人机共笔成为常态之后，更值得评价的或许不再是文本“像不像人写的”，而是其中的判断是否可以被追问、被解释、被辩护，并最终被某个具体的人承担。
当然，这一框架远未完备。尤其在“创造性归属”问题上，“判断在场度”能够提供的解答仍然有限。当AI提出一个作者此前从未想到的反例，并最终促使作者放弃原有论点；或者当AI在反复对话中提出一个新的概念，而作者将其发展为全文的核心思想时，这个新观点的“首创性”究竟属于谁，已经不是简单的写作伦理问题。它涉及版权、学术署名、知识产权乃至创造性本身的重新定义，需要制度层面的进一步协商。
但这恰恰说明，面对“接下来怎么办”的追问，真正有价值的回应未必是急于给出一套完整规则。更重要的，也许是首先承认：旧的评价坐标正在失效。当我们不再能够、也没有必要把“亲手生成文字”视为作者身份的唯一证明时，就需要重新寻找能够区分机械生成与真正参与的尺度。
“判断在场度”未必就是最终答案，但它至少提供了一个不同于“AI味”的方向：从追问“这段文字是不是AI写的”，转向追问“这个人在这段文字中究竟判断了什么”。前一个问题试图识别机器，后一个问题则重新寻找人。
而这或许正是AI时代重新理解“作者”最值得开始的地方。
九、风向已转，但真正的分水岭尚未到来
三月到八月，关于AI写作的公共讨论确实发生了变化。人们从最初的陌生、警惕和辨认，逐渐进入日常使用与主动调整的阶段。就表面而言，这似乎意味着一种新的技术已经完成了从“异物”到“工具”的社会化过程。但如果把目光从舆论的热度移开，真正值得注意的或许不是风向变了，而是我们对这场变化的理解仍然停留在风向本身。
技术真正进入社会，从来不只是人们开始使用它的那一刻。更深的变化发生在某种技术不再需要被特别谈论，却已经悄悄改变了人的习惯、能力和判断方式之后。AI写作或许也正在经历这样的过程：最初，人们把它当作一种需要辨认的新鲜事物；后来，把它当作一种可以学习和驾驭的工具；再往后，它可能不再被单独意识到，而成为语言生产环境本身的一部分。到了那一步，问题的性质才会真正改变。
因为当一种技术成为环境，人们面对的就不再只是“用不用它”，甚至也不只是“怎样用好它”，而是一个更加根本的问题：如果我们借助AI思考、表达、修改、论证，甚至发现原本没有意识到的思想，那么经过这种共同工作的我们，还是不是原来的写作者？
这不是一个需要等待未来某一天才会突然出现的问题。它其实已经开始发生，只是尚未获得与其重要性相匹配的公共语言。真正的分水岭，也许并不在于某个月份突然出现了新的舆论热潮，而在于人们什么时候开始意识到：AI改变的并不仅仅是文字生产的效率，它还可能改变我们形成思想、组织经验、判断观点以及理解“自己在写什么”的方式。
如果说2026年的这两波AI议题关注留下了什么，那么它们留下的也许不是一套识别AI或调教AI的方法，而是一条尚未走完的认知路径：我们已经开始学习与AI一起生产语言，却还没有完全学会理解这种共同生产对人的意义。
真正值得期待的下一步，因此未必是又一轮更高级的提示词技巧，也未必是更精确的“AI味”检测，而是公共讨论终于能够提出一个比“AI写得像不像人”更重要的问题：在一个机器越来越能够生成语言的时代，人为什么仍然需要写作？
这个问题一旦真正成为公共问题，关于AI写作的讨论才算跨过了关键的分水岭。因为到那时，我们讨论的已经不只是如何使用一种新工具，而是在重新理解一种古老的人类活动，以及人在其中究竟不可替代地保留着什么。
注：本文仅代表作者个人观点
本文编辑徐瑾 Jin.Xu@FTChinese.com