芝加哥大学“人类溢价”研究发现，AI 可能降低艺术品价值

芝加哥大学研究人员发现，AI 艺术市场中存在明显冲突：即使机器只进行极少参与，人们愿意为创意作品支付的价格也会下降。

这一发现为所谓的人类溢价提供了实验证据，即人们会为被认为真正由人创作的作品赋予额外价值。这种溢价并不只取决于可见的质量。即使研究人员在保持作品本身不变的情况下改变描述方式，它依然会出现。

这一差异之所以重要，是因为生成式 AI 已让人们更容易大规模生产合格的图像、诗歌、音乐和视频。供应增加可能使精致的作品变得司空见惯。芝加哥大学的“人类溢价”研究表明，稀缺性正从作品本身转移到其来源。

因此，核心竞争并不只是人类技能与机器能力之间的较量，而是可验证的人类作者身份与廉价、充裕且难以追溯的合成内容生产之间的竞争。

这一转变挑战了关于创意自动化的一个主流假设。如果机器让可接受的内容变得随处可得，人们可能会更愿意为能可信证明由人创作的作品付费。

这一结果并不能证明人类作品将始终优于 AI 艺术。它表明，买家评估的不仅是完成后的作品，还包括投入、意图、独特性，以及创作者与作品之间的关系。

芝加哥大学“人类溢价”始于一个标签

该研究最明确的发现是：AI 的引入在改变实际创意作品之前，便已改变了人们对其价值的感知。

芝加哥大学布斯商学院研究人员 Graelin Mandel 和 Alex Imas 考察了人们如何评价被描述为具有不同 AI 参与程度的艺术和诗歌。他们的研究采用了四项预注册实验拍卖，而非仅依赖观点调查。

实验拍卖要求参与者作出具有真实经济后果的选择。这种设计比询问人们假设中可能购买什么，更能可靠地揭示其偏好。

在这篇包含四场拍卖的工作论文中，参与者接触到的创意作品被描述为由人创作、由 AI 辅助创作，或由 AI 更大程度生成。研究人员将作品描述与作品本身独立变化。

这种分离至关重要。如果参与者在每种条件下看到不同作品，质量差异便可能解释其出价。使用相同的底层作品，使研究人员能够分离出人们对生产历史的感知所带来的影响。

随着所述 AI 参与程度提高，出价有所下降。不过，这一关系并非平滑的下行曲线。与后续同等幅度的增加相比，最初一丝 AI 的使用带来了更大的变化。

换言之，参与者并未将人类和机器的贡献视为可按比例衡量的配料。他们似乎将完全由人完成的作品归入了一个独立类别。

一旦 AI 进入创作过程，即使只扮演有限角色，这种类别价值的一部分便会消失。此后再增加 AI 的参与，边际影响则更小。

该论文于 2026 年 3 月发布，并于 10 月 6 日修订。它仍是一篇工作论文，而非最终经过同行评审的出版物，因此其结果可被推广的程度有限。

不过，其设计回答了传统品味测试经常忽略的一个问题。消费者接触艺术时，不只是面对色彩、声音或文字，也会接触到关于谁创作了它、为何创作它的说法。

这种说法可以成为产品的一部分。一封手写信承载的信息超出了字面句子。一场现场演出则包含音乐家正在房间里创造声音这一认知。

创意商品往往也是如此。一幅画既是视觉表面，也是某个人作出决定、投入时间、接受训练和积累经验的证据。

生成式 AI 对这部分价值构成压力。它可以模仿昂贵创意劳动的表面特征，同时让生产过程更快、更可重复。

芝加哥大学的“人类溢价”研究表明，当 AI 参与被披露时，买家会注意到这种差异。他们的出价反映的是生产故事，而不只是可见结果。

这带来了一种不同寻常的市场动态。更好的 AI 输出能在外观上更有效地竞争，同时也让有据可查的人类来源在商业上更具意义。

充裕的 AI 艺术让人类来源变得稀缺

AI 无需创作糟糕的艺术来强化人类溢价。它只需要让可接受的创意内容变得充裕。

生成式系统可以根据简短指令产生大量变体。即使这些图像从未进入画廊或商业市场，这种能力也会改变供应状况。

设计师、广告从业者、出版商和个人用户如今可以在选择最终结果前测试更多概念。制作另一个变体的成本下降，可用素材的数量则上升。

在这种条件下，稀缺性并未消失，而是发生了转移。

芝加哥大学的实验将这种转移与独特性联系起来。在 Imas 讨论的一项分析中，稀缺性对人类创作艺术品价值的提升，超过了对 AI 生成艺术品价值的提升。

当作品被呈现为独家而非广泛可得时，人类创作艺术品的价值提高了 44%。在可得性发生同样变化时，AI 生成艺术品的价值提高了 21%。

这些数字并未确立一条普遍适用的定价规则。它们描述的是特定参与者、特定作品和特定出价条件下的实验行为。

然而，这一差距仍指向一种机制。参与者似乎认为 AI 输出本质上可以被复制，即使研究人员对两类作品施加了相同的正式稀缺性。

由软件生成的限量版作品，仍可以拥有固定数量的授权副本。但买家可能会认为，该系统随时都可以创作出更多具有相似特征的图像。

人类劳动则具有不同的限制。人的时间、注意力、精力和体力都有限。在任何限量规定出现之前，这些边界便可能让创作过程显得稀缺。

这有助于解释为何溢价呈现非线性。少量 AI 贡献可能会改变买家对整个过程的分类方式。它表明作品的一部分来自为可重复生产而构建的系统。

这一发现也呼应了更久远的消费模式。手工制品通常具有更高价值，因为其不完美和劳动痕迹传递出投入、个性与有限供应。

AI 将这一模式延伸至数字媒体领域，在那里精确复制本就成本低廉。新的稀缺资源不是文件，而是将作品与人类选择可信连接起来的链条。

对于职业艺术家而言，这一变化从市场两端带来了压力。AI 工具可能减少对常规委托创作的需求，同时提高证明剩余作品由人创作的重要性。

对于 AI 公司而言，矛盾则有所不同。它们的产品承诺提供更快、更广泛的创意获取方式。然而，广泛自动化可能削弱某些创意商品之所以有价值的独特性。

结果将因使用场景而异。制作短期社交媒体视觉素材的营销团队可能优先考虑速度。购买个人作品的收藏者，可能更在意作者身份和创作过程。

因此，具有人类溢价的 AI 艺术不太可能形成一个遵循单一价格规则的市场。它将根据买家为何需要作品而形成不同类别。

由实用性驱动的内容将面临强烈自动化。由关系、纪念和收藏驱动的作品，则更有基础保留人类溢价。

人类作者身份正在与机器流畅性竞争

市场冲突并不是对哪一方能创作出更漂亮图像的简单测试。它关乎买家认为一件艺术作品传达了什么。

早期研究表明，仅凭视觉偏好无法解决这一争论。当人们在不了解图像来源的情况下观看时，有时会更偏好 AI 生成图像。

一项 2025 年研究向参与者展示了由人创作和由 DALL-E 2 生成的图像配对。在没有作者身份信息的情况下，参与者选择 AI 生成作品的频率高于随机概率所能预测的水平。

这一结果似乎挑战了芝加哥大学的“人类溢价”研究。实际上，两项发现衡量的是体验中不同的部分。

一项研究问的是，当人们在不了解来源的情况下评估外观时，更喜欢哪张图像。另一项则问的是，当买家知道或相信 AI 曾参与创作时，生产历史如何改变价值。

一张图像可以在盲测美感测试中胜出，却在被贴上 AI 标签后失去价值。审美流畅性与市场价值有关，但两者并不相同。

一项 2023 年的标签实验尤其清楚地说明了这一差异。研究人员使用了 30 张全部由 ArtBreeder 创作的图像，然后随机将其描述为人类创作或 AI 创作。

参与者在喜爱度、美感、深度和价值等方面，对标注为人类创作的图像给出了更高评价。底层图像本身并未改变。

深度和价值受到的影响，大于喜爱度和美感。在第一项研究中，报告的效应量中，深度为 0.47，价值为 0.61；喜爱度和美感的效应则较小，分别为 0.17 和 0.22。

这一模式表明，人们对传达意义的评估不同于对表面吸引力的评估。他们可能欣赏图像的构图，却对其背后的故事赋予较低价值。

研究人员还发现，人们感知到的投入和叙事性有助于解释部分标签效应。叙事性指观看者感到作品传达了一个故事的程度。

这一机制给争论双方都带来了压力。艺术家不能假定人类来源会弥补作品本身的不足。AI 用户也不能假定视觉质量能消除有关作者身份的问题。

混合型创作者面临的位置最为复杂。摄影师可能使用 AI 移除一个干扰视线的物体。插画师可能在手动绘制最终图像前，先生成参考素材。

另一位艺术家可能只输入提示词，选定一个输出结果，然后不再作任何修改。将这三种过程都称为“AI 辅助”，掩盖了判断与劳动上的重大差异。

这种模糊性解释了为什么披露 AI 参与的最初痕迹会如此重要。买家可能没有足够信息区分轻微的辅助功能和自动化生产。

面对不确定性，他们可能会将整件作品排除在完全由人创作的类别之外。因此，一个简单标签可能带来超过工具实际贡献的惩罚。

市场需要比人类或 AI 更丰富的词汇。否则，披露虽能为买家提供信息，却会抹平辅助、协作与生成之间的重要差异。

AI 艺术价值之争存在相互矛盾的证据

多项研究表明人类溢价确实存在，但它既非普遍现象，也不能保证在所有情境中持续存在。

芝加哥大学的“人类溢价”研究提供了重要证据，但它无法确立所有买家将在每一个创意市场中如何行为。

其论文尚未完成同行评审并正式发表。实验拍卖也简化了真实购买行为周围的社会条件。

选择重要作品的收藏家通常更了解艺术家、画廊、职业生涯和历史语境。而购买廉价墙面装饰的人，可能主要在意颜色和尺寸。

年龄、对 AI 的熟悉程度、政治态度、艺术训练背景以及对自动化的既有看法，都会影响判断。随着 AI 工具变得更加普及，市场行为也可能发生变化。

现有研究结果已呈现不同方向。一些实验显示，人们对“人类创作”标签存在偏好。另一些研究则发现，当作者身份被隐藏时，参与者更偏好 AI 产出。

2025 年一项美国调查通过 Prolific 招募了 150 名受访者。超过 62% 的人表示，如果得知自己喜爱的艺术作品是在无人类参与的情况下由 AI 创作，他们对该作品的喜爱程度会下降。

另有 32% 的人表示感受不会改变，近 5% 的人则表示会更喜欢它。作者公布结果时，该调查尚未经过同行评审。

同一项调查发现，81% 的人认为人类艺术与 AI 艺术的情感价值存在差异。不过，当人类对系统进行了实质性引导时，参与者的接受度更高。

42% 的人表示，只有在提供实质性引导时，AI 使用者才应被视为艺术家。13% 的人不附加这一条件，也接受将 AI 使用者视为艺术家。

这些结果支持人类实质性参与具有溢价，但也暴露出衡量上的问题。“实质性引导”尚无公认的技术或艺术定义。

一个人可能花费数小时反复调整提示词，却并未控制单个表达细节。另一位创作者则可能进行一次自动化编辑，却实质性改变了一件主要由人类完成的作品的含义。

消费者也可能声称重视人类作者身份，但在比较便利性、质量和可得性时表现不同。陈述性偏好并不总能经受真实购买决策的考验。

即使是拍卖行为，在实验室之外也可能发生变化。品牌声誉、社会认同、版本历史和艺术家身份，都可能比笼统的制作标签更具影响力。

“人类创作”也可能沦为营销说法，而非可靠类别。当买家愿意为人类来源支付溢价时，卖家便有经济动机淡化或隐瞒 AI 的使用。

检测软件本身无法解决这一问题。AI 检测器可能误判人类作品，而经过修改的合成文件也能规避检测。

协作带来了另一层复杂性。一些艺术家利用生成模型探索原本难以实现的形式。他们的作品可能涉及大量筛选、训练、编辑和实体制作。

将此类作品等同于一键生成，会歪曲其创作过程。它也会复现“人类溢价”本应抵制的那种简化。

更站得住脚的结论应更为克制：来源可以独立于质量影响价值，即便 AI 的参与程度有限，也可能改变消费者对作品的分类。

这一发现值得关注。但它并不足以证明人类艺术已经永久战胜机器生产。

来源正成为产品的一部分

有价值的人类溢价需要证据，因为当买家无法验证稀缺性时，稀缺性无法支撑市场。

数字文件默认很少保留完整且持久的历史记录。元数据可能在编辑、导出、截屏或平台压缩过程中消失。

创作者可以发布创作过程视频、草图、初稿、时间戳或工作室照片。这些信号有所帮助，但不同平台对它们的呈现和保存方式各不相同。

正在兴起的替代方案是加密溯源。这种方法会附加防篡改记录，说明文件来自何处，以及参与其中的工具如何改变它。

C2PA 溯源标准支持 Content Credentials，可记录资产的来源、编辑记录、构成要素及 AI 使用情况。数字签名可以揭示关联记录是否在签名后发生变化。

这类凭证并不决定艺术是否优秀、原创、真实或符合伦理。它们提供关于创作历史的声明，软件可依据既定信任体系验证这些声明。

这一区别至关重要。溯源是关于过程的证据，而非普适性的真实性评分。

来自相机的签名凭证可以支持文件源自该设备的说法。但它无法证明场景中可见的一切都真实或未经摆拍。

身份又带来另一项挑战。工具可以为自身行为签名，但要将创意决策归属于某个具体的人，则需要在凭证与人类创作者之间建立可信联系。

隐私同样重要。艺术家未必希望每一份草稿、地点、工具或中间决策都被公开记录。实用的系统必须支持选择性披露，同时不能让无法验证的声明轻易出现。

这些限制并不意味着溯源毫无意义。它们表明，技术记录必须与机构信任、平台政策和清晰表述相结合。

监管正在加速这一转变。欧盟依据《AI 法案》第 50 条制定的透明度规则，已于 2026 年 8 月 2 日开始适用。

这些规则要求某些生成式系统的提供商，为 AI 生成或篡改的内容添加机器可读标记。某些深度伪造内容和涉及公共利益的内容也必须披露。

这些义务主要针对欺骗问题和公众信任，而非美术作品的商业价值。不过，它们可能推动机器可读的制作历史在创意市场中普及。

版权政策也为记录人类贡献提供了另一项动力。美国版权局表示，当人类决定了足够的表达性元素时，AI 辅助作品可以获得保护。

仅仅输入提示词并不会自动满足这一标准。视具体事实而定，由人类创作的编排、修改和纳入的材料仍可能受到保护。

这一法律路径与拍卖结果并不完全一致。版权关注人类作者身份是否存在，而买家可能更关心一件作品是否在类别上显得“属于人类创作”。

但两个体系都会奖励对创意决策的清晰记录。保留草稿并说明工作流程的艺术家，或许更有能力支持其作者身份主张。

因此，平台将需要更精确的标签。“使用 AI 制作”所传达的信息，少于一份能够区分自动生成、局部编辑、参考图创建和人类验证的记录。

如果人类溢价变得具有重要商业价值，溯源将不再只是行政元数据。它将成为收藏家、客户和受众购买内容的一部分。

三个信号将检验人类溢价能否持续

下一项检验在于：在真实价格、不完善验证和模型能力持续增强的条件下，实验中的偏好是否会转化为持久的市场行为。

第一个信号，是对芝加哥大学人类溢价研究的独立复现。研究人员需要在图像、写作、音乐、电影和委托创作等领域，测试规模更大、构成更多样的人群。

这些研究应将陈述性偏好与具有实际后果的购买行为进行比较。它们也应区分人们对质量、披露、投入、独特性和伦理问题的反应。

如果极少量的 AI 参与反复造成不成比例的估值折损，复现研究将强化人类溢价论点。若关系更为平滑，则会削弱这种类别化解读。

第二个信号，是平台对详细溯源信息的采用。交易市场、画廊、出版商和社交平台必须决定是否突出展示创作历史。

广泛采用将让买家能够依据自身偏好行动。它也会揭示，当这些记录在实验之外可供查阅时，人们是否会检查凭证。

简单的 AI 标签可能还不够。最有力的检验将来自这样的界面：它们展示人类引导的程度，同时又不会令用户不堪重负。

如果经过验证的人类创作作品吸引到更高出价或更多互动，那么这种溢价将获得可观察的商业支持。如果用户忽视这些信息，其市场重要性看起来就会更小。

第三个信号，是混合型艺术家及其受众的行为。创作者已经在同一工作流程中结合手工技艺、传统软件和生成式系统。

市场必须决定，这些艺术家是会处于受惩罚的中间类别，还是会建立起独具价值的类别。这一决定将塑造创作者披露所用工具的开放程度。

对有充分记录的协作的接受，将削弱任何 AI 使用都会污染价值的观点。它将支持一种基于创作控制程度的、更具层次的模型。

对完全不涉及生成式工具作品的持续需求，将强化类别化的人类溢价。这一细分市场可能类似于其他围绕手工、本地或具有历史记录的生产建立起来的市场。

在这些信号逐渐显现的过程中，创作者不必拒绝技术。但他们确实需要决定，自己的创作过程中哪些部分使作品与众不同。

保留草稿、记录决策以及说明工具如何参与创作，能够为受众提供有用的背景。这些做法也能在平台标签仅提供二元选择时保留证据。

买家也应提出一个同样精确的问题：他们重视的是最终的感官效果、艺术家的亲身经历、投入的劳动，还是三者的组合？

如果仅通过视觉质量解释 AI 艺术的价值，就会忽略这个新兴市场的大部分内容。芝加哥大学的人类溢价研究表明，来源本身就能影响支付意愿。

更大的逆转如今已经显现。人们原本预计生成式 AI 会因复刻人类创意劳动的产出而降低其价值。相反，丰富的合成内容生产正使可信的人类来源变得稀缺。

这种稀缺性会否成为稳定的溢价，取决于验证、市场行为以及对混合创作的对待方式。当这些区别变得清晰时，关注人们购买什么。