卫斯理大学 AI 竞选广告数据揭示 1.37 亿美元披露缺口
卫斯理大学的 AI 竞选广告数据显示，在 2026 年中期选举期间，超过 220 段合成或经 AI 增强的视频获得了逾 1.37 亿美元的推广投入。
其中约 70% 没有披露人工智能参与制作。超过 80% 来自共和党竞选团队或与共和党结盟的政治行动委员会。
这些数字标志着生成式媒体在美国政治中的运作方式发生了变化。AI 已不再局限于实验性帖子或容易被一笑置之的网络笑话。
竞选团队如今正付费将合成图像投放至电视和数字平台。一些广告只进行了细微的视觉调整，另一些则虚构了涉及知名政治人物的场景。
核心冲突已不再只是政治深度伪造是否存在，而是选民能否在合成说服内容影响其对候选人的看法之前识别出来。
联邦规则通常要求向选民说明广告由谁购买，但并未普遍要求说明其中的图像、声音或场景是如何制作的。
这种区别在 2026 年选举的核心地带造成了披露缺口。即使广告的合成构造仍被隐藏，竞选归属信息也可能已经出现。
卫斯理大学 AI 竞选广告数量激增
重要的变化不是某一条爆红的深度伪造内容，而是合成媒体已成为获得资金支持的竞选广告类别。
《纽约时报》发布的这份中期选举广告分析援引了 Wesleyan Media Project 的研究。研究人员识别出超过 220 段使用 AI 生成或 AI 增强素材的视频。
候选人和政治团体在 2026 年期间投入超过 1.37 亿美元推广这些广告。这一支出估算涵盖分发费用，不包括生成底层图像或视频的成本。
这种区别很重要。生成式工具可以让单个场景相对容易制作，但竞选支出决定了选民会多频繁地看到它。
该数据集还显示出显著的党派失衡。超过 80% 被识别出的广告来自共和党候选人或与共和党结盟的政治团体。
因此，共和党人在本轮选举周期中已成为主要采用者。民主党竞选团队也使用了 AI，但在观察到的规模上小得多。
当前总数较早期发现大幅增长。9 月时，该项目的AI 广告数据集包含 164 条广告，对应的预估支出接近 8000 万美元。
该 9 月发布的数据发现，80% 的已识别广告来自共和党或亲共和党赞助方。这些赞助方占被追踪支出的 83%。
11% 的广告来自亲民主党赞助方。其他材料支持独立候选人、议题宣传活动，或两大主要党派类别之外的赞助方。
披露方面的发现已经引人注目。在这 164 条广告中，69% 没有 AI 提示，而未披露广告占支出的 78%。
后来的统计将观察到的总数提升至 220 条以上，相关支出超过 1.37 亿美元。然而，未标注的比例仍接近 70%。
Wesleyan Media Project 通过多种信号建立其清单。研究人员追踪媒体报道、寻找 AI 免责声明、监测广告，并审查疑似合成视觉内容。
他们还利用广告追踪公司 AdImpact 的信息估算支出。经确认的案例涵盖增强后的静态图像，以及对真实人物的虚构描绘。
研究人员将其数字称为低估。AI 辅助编辑可能很难检测，尤其当广告没有标签且避免了明显的视觉错误时。
这一局限意味着 1.37 亿美元只是下限，而非完整的市场总额。它衡量的是已知的 AI 竞选广告，而不是每一条曾被 AI 触及的政治广告。
这一类别本身也相当宽泛。带有虚构背景的广告，以及伪造候选人发言的广告，都会被纳入该数据集。
这种宽泛性并不意味着统计没有意义。相反，它揭示了为何很难设计一条统一的披露规则。
选民面对的内容，从普通制作辅助到对公众人物的虚假表演，范围很广。两者都涉及 AI，但带来的风险程度不同。
2026 年选举周期已将这一分类问题变成一场迫在眉睫的政策争议。在监管机构就共同定义达成一致之前，数百万美元已在支持这些内容。
合成媒体如今涵盖剪辑、讽刺与冒充
AI 竞选广告难以监管，因为这项技术既支持常见的剪辑做法，也能制造令人信服的事实性伪造。
这一光谱的一端看起来像传统竞选制作。AI 可以移除物体、生成背景、延展画面，或将没有照片记录的事件可视化。
这些用途的支持者认为，这项技术就像另一种剪辑工具。他们表示，即使广告保留了基础主张，宽泛的标签也可能暗示其具有欺骗性。
政治顾问 Brad Todd 在《纽约时报》的报道中讨论了这样一种情景：当不存在历史图像时，AI 可以重现充满情感的童年场景。
这种重构可以表达真实的个人记忆，而不假装存有历史影像。不过，观众仍可能将生成场景理解为纪录性证据。
另一端则是深度伪造，即描绘可辨认人物说出或做出从未发生之事的合成媒体。
一些 2026 年的广告将候选人与具有争议性的全国性人物置于同一画面。另一些则生成了发言、改变了外貌，或虚构了挑衅性行为。
俄克拉何马州的一则广告描绘一名民主党州长候选人与 Hillary Clinton 拥抱。据报道，其背后的团体投入超过 20 万美元，在电视上推广这段未标注的视频。
其他广告使用了明显荒诞的图像。密歇根州一场参议院竞选活动描绘共和党人 Mike Rogers 完成不可能的超级英雄壮举，包括拦下一辆行驶中的汽车。
北卡罗来纳州的一则广告展示民主党候选人 Jessica Bichler 做出身体上不可能完成的瑜伽姿势。该视频公开承认了其人工制作性质。
这些例子像是被转化为动态影像的政治漫画。即使观众不熟悉其确切制作方法，夸张手法也能提供语境线索。
更逼真的广告带来了更棘手的问题。Bruce Blakeman 在纽约的竞选团队生成了州长 Kathy Hochul 和市长 Zohran Mamdani 一同散步的画面。
视频标明 Blakeman 的竞选团队是赞助方，但没有说明对 Hochul 和 Mamdani 的描绘由人工生成。
赞助方标签回答的是谁为这条信息付费。AI 标签回答的则是画面所展示的事件是否真实发生。
这种差异至关重要。观众可以了解广告的党派来源，却依然相信其视觉证据来自现实。
据《纽约时报》的分析，Blakeman 的竞选团队自 4 月起至少制作了 22 则 AI 生成广告。其中只有一小部分包含 AI 或操纵内容披露。
纽约州民主党就其竞选团队使用 AI 提出投诉，认为具有实质性误导的政治传播应当附带标签。
据报道，Blakeman 的竞选团队将其中一则有争议的广告描述为讽刺。这一辩护说明了监管机构必须反复评估的界限。
讽刺取决于受众识别、语境和夸张。合成媒体可以移除这些信号，同时保留创作者声称其意图幽默的能力。
其他选战中也存在同样的张力。AI 生成的攻击性广告瞄准了民主党候选人 James Talarico、Abdul El-Sayed、Josh Shapiro 和 Zach Dembo。
有些伪造内容明显具有戏剧性。另一些则直接将言语或行为加诸候选人，使内容看起来像真实录制的事件。
这一范围解释了为何仅标注“AI 生成”并不是完整的警示。这一措辞无法告诉选民哪些元素被修改，也无法说明核心主张是否属实。
有效的披露必须区分制作辅助与实质性伪造。实质性伪造会改变理性观众可能用来评判候选人的证据。
这种方法仍然需要作出艰难决定。生成背景在一则广告中可能无关紧要，在另一则广告中却可能是情感论述的核心。
竞选团队也有动力选择最狭义的解释。即使所描绘的政治主张仍然准确，醒目的 AI 标签也可能削弱信任。
因此，生成式媒体带来的战略优势不止于降低制作成本。它让竞选团队能够构造从未存在过的场景，同时围绕这些场景是否需要披露展开争论。
共和党的采用正在施压竞选规范
共和党竞选团队已确立本轮选举中占主导地位的 AI 广告策略，迫使对手和顾问重新审视自身的界限。
党派失衡是卫斯理大学 AI 竞选广告研究中最有力的发现之一。这不仅仅是社交媒体发布风格上的差异。
共和党候选人及结盟团体占据了大多数已识别广告和大部分相关支出。他们的使用方式涵盖小幅增强到完整的合成冒充。
AI 为竞选团队提供了一种快速方法，将地方对手与不受欢迎的全国性人物联系起来。它无需安排拍摄或寻找现有照片，便能制造这种视觉关联。
生成的拥抱、晚餐、抗议或私人谈话，可以在几秒钟内浓缩一套论述。在支持性事实出现之前，图像就已传递出情绪化结论。
这使该技术特别适合负面广告。即使没有真实影像能够说明，竞选团队也能制造令人难忘的指控。
这一手法同样适用于电视和线上传播。一段合成片段可以先出现在竞选账户中，进入付费数字投放，随后触达电视观众。
每一步都会赋予图像更多被感知的正当性。即使观众从未有意识地接受其真实性，重复也能让虚构场景变得熟悉。
对手面临不对称的回应难题。忽视内容会让它继续传播，而谴责它则可能扩大其影响范围。
制作反驳同样需要时间。生成式工具制造新挑衅场景的速度，可能快过竞选团队、记者或监管机构逐一调查的速度。
民主党竞选团队如今必须决定是否采用类似的制作方法。拒绝使用可以保持差异，但也可能让出注意力。
采用同样的方法则会带来不同风险。这可能削弱对共和党深度伪造的批评，并加速一种边界更少的广告规范。
因此，冲突并不只是共和党对民主党。核心较量是激进的合成说服手段与有意义的披露之间的对抗。
共和党竞选团队目前是采取激进做法最明显的群体。然而，潜在的激励因素对每个政党和外部团体都同样存在。
政治行动委员会尤其值得关注，因为它们可以独立于候选人运作。它们的广告可能采用候选人不愿直接授权的更强硬内容。
联邦竞选规则已经要求许多独立传播内容标明其资金赞助方。规则还要求声明候选人未授权该信息。
这些要求为付款建立了问责机制。但它们并不会自动说明某人的外貌、声音或行为是否由生成技术制作。
federal disclaimer rules 为电视、广播、印刷和互联网传播制定了详细标准。
电视免责声明必须符合可读性、展示时长和尺寸要求。经候选人授权的广播广告还须包含批准声明。
互联网公开传播通常需要可见的音频或视觉署名。不过，这些规则关注的是赞助关系，而非全面的 AI 来源可追溯性。
来源可追溯性描述媒体来自何处以及经历了怎样的变化。对于政治广告而言，它可以包括原始素材、编辑历史、模型使用情况和责任发布者。
一则广告可以符合赞助方署名要求，却仍然无法清楚说明其媒体来源。Blakeman 的案例表明，这两类披露之间存在差异。
竞选顾问也有商业理由抵制广泛标注。标签可能会让无害的编辑看起来与欺骗性的候选人冒充没有区别。
美国政治顾问协会的 Julie Sweet 主张制定聚焦于欺骗性合成内容的联邦标准。
这一立场承认风险存在，同时不将所有自动化制作步骤一概而论。它也反映出人们对各州定义和期限不一致的挫败感。
统一标准可以减少合规困惑。然而，过于狭窄的定义可能会让具有重大影响的情绪操控行为游离于规则之外。
当前的政治优势属于那些愿意试探这些边界的竞选团队。在法院和选举机构确立可靠先例之前，对手必须作出回应。
披露法规拼凑局面未能形成一致标签
各州 AI 披露法不断扩展，但观察到的标注率表明，法律覆盖并不保证实际透明度。
美联社审查了 Wesleyan 数据集的早期版本，发现现有样本中存在一个违反直觉的模式。
在没有适用 AI 披露法的州，32% 的广告包含免责声明；在受监管州，只有 29% 的广告带有免责声明。
这些百分比并不能证明披露法会降低合规率。Wesleyan 联合主任 Travis Ridout 强调，这一比较存在重要局限。
一些被追踪的广告不在相关法律的适用范围内。某个州可能监管候选人冒充行为，却不监管虚构背景或夸张的实体场景。
法律是否适用也会因时间而改变。一则广告可能在新法生效前就已播出。
不过，这项 disclosure investigation 表明，仅有立法并非完整衡量标准。定义、执法和竞选指引决定选民是否能看到标签。
由美国州议会全国会议维护的 state law tracker 显示，不同司法辖区之间差异巨大。
一些州聚焦于对候选人作出具有实质欺骗性的描绘。另一些州则覆盖意图影响选举的合成媒体，无论是否证明存在欺骗。
若干法规仅适用于投票前的特定期限。另一些则设立民事救济、刑事处罚或申请禁令的权利。
对于讽刺、戏仿、新闻报道和平台活动的豁免规定也各不相同。法院已对过度限制受保护政治言论的条款提出质疑。
加州的规则体现了宪法层面的压力。法院反对与模糊选举损害挂钩的措辞，也反对对讽刺施加繁重要求。
夏威夷州的法规同样遭遇永久禁令。这些案件表明，监管机构不能简单禁止所有与政治相关的合成描绘。
联邦政策仍然较为狭窄。2024 年，联邦选举委员会拒绝就 AI 广告启动专门的规则制定程序。
其 AI interpretive rule 转而澄清，现有关于欺诈性虚假陈述的规定仍然技术中立。
这些规定覆盖特定行为。候选人或其代理人不得以造成损害的方式，虚假声称自己代表另一名候选人或政党发言或行动。
这些规定还限制在募款时作出的虚假陈述。AI 可以促成这些违法行为，但该规则并未建立普遍性的标注要求。
这让许多合成攻击广告处于灰色地带。它们可能具有误导性，却不满足联邦欺诈性虚假陈述的狭窄构成要件。
披露争论还包含一个不那么显眼的复杂因素。标签并不保证选民会注意到、理解或正确解读它们。
一项 2024 年 AI label experiment 对 1,051 名在线参与者测试了虚构政治广告中的免责声明。
参与者普遍认为，使用带标签 AI 广告的候选人可信度更低、吸引力更弱。他们也认为带标签的广告准确性较低。
这种效应同时出现在欺骗性和相对无害的使用情形中。攻击广告标签对赞助该广告的候选人产生了反噬效应。
多达 37% 的参与者不记得看过 AI 标签。措辞也影响了观众认为哪些内容被修改过。
这些发现解释了为何竞选团队可能避免自愿披露。标签可能带来政治代价，却无法确保每位观众都理解媒体内容。
这种动机不能为不合规开脱。但它确实表明，法律要求需要清晰定义、醒目呈现和可信执法。
通用徽章也可能抹平重要差异。它可能将轻微编辑与捏造候选人发言归入同一认知类别。
最有力的披露制度应识别相关的修改内容。它可以告诉观众，声音是生成的，或者所描绘的事件从未发生。
这种具体性更难标准化。它要求创作者保留记录，也要求平台在编辑、压缩和转发过程中保存来源信息。
它还要求选举官员迅速行动。投票结束后才交付的有效救济，无法扭转竞选期间形成的每一种印象。
三个信号将显示差距是否缩小
下一项考验是，执法、竞选行为和选民反应能否开始比合成广告制作更快地推进。
第一个信号是现有州法律下投诉案件的处理结果。涉及 Bruce Blakeman 的纽约投诉案提供了一个显眼的早期检验。
明确裁决将有助于界定讽刺何时变成具有实质欺骗性的合成媒体。它也将显示监管机构能否在选举结束前采取行动。
如果当局要求作出醒目的更正或标注，自愿披露的压力将增加。缓慢或没有结论的程序将强化当前“先发布”的激励。
第二个信号是带标签与未带标签广告的最终比例。Wesleyan Media Project 的数据集已从 164 个案例增长到超过 220 个。
相关支出从近 8,000 万美元升至超过 1.37 亿美元。在已识别的视频中，大约十分之七仍未披露。
要实现有意义的改善，标签数量的增长速度必须快于 AI 竞选广告总数。稳定的比例将表明，广告采用速度正在超过透明度。
研究人员还需要区分实质性捏造与普通增强处理。这一区分可以揭示，最具欺骗性的用途是否获得了最弱的披露。
第三个信号是，联邦官员或行业团体是否会在选举后建立共同标准。
竞选顾问有理由支持一致性。遵守不同州的定义，会为跨多个市场投放的广告带来法律不确定性。
联邦行动仍面临宪法限制和制度约束。任何规则都必须区分欺诈与讽刺，而不能成为一般性的真相监管者。
可行的框架应从对可识别人物进行描绘、使其实施未曾发生行为的情形开始。它还应涵盖被作为真实证据呈现的捏造言论。
机器可读的来源信息可以支持可见标签，但无法取代它们。内容被录制、裁剪或转发时，元数据往往会消失。
平台可以为参与的创作者保留凭证。坚定的竞选团队仍可通过不维护这些记录的渠道传播合成材料。
2026 年的数据也不应被视为 AI 广告改变选举结果的证据。研究人员记录的是普及程度和支出，而非对选票的直接因果影响。
Spencer Pratt 的洛杉矶竞选活动提供了一个警示性例子。他大量发布的 AI 内容吸引了关注，但他在初选中名列第三。
关注不等于说服。一段令人难忘的合成视频可能激怒观众、损害其赞助者，或消失在拥挤的媒体环境中。
不过，不确定的效果并不能消除透明度问题。竞选团队花费超过 1.37 亿美元传播这些信息，是因为他们预期其具有某种政治价值。
选民应审视广告中的证据，而不只是视觉上的精致程度。一张令人信服的图像如今对事件是否发生所传递的信息更少。
新闻编辑部应明确指出究竟哪些元素由生成技术制作。将整则广告称为“AI 制作”可能会掩盖编辑与冒充之间的区别。
竞选团队应保留原始材料和制作记录。这些记录可以在对手、监管机构或记者质疑广告时，支持及时更正。
Wesleyan 的 AI 竞选广告统计为这种问责建立了基线。它显示，合成政治媒体正在以有资金支持、可重复、全国性规模运作。
尚未解决的问题是，披露会成为常规制作要求，还是仍然只是战略选择。请关注裁决、最终标签比例和联邦标准制定。
在分享下一段引人注目的竞选视频前，请问三个问题：是谁付费制作的、哪些内容由生成技术制作、其核心场景能否被独立核实？
