2500万人一起假装AI：一个17岁少年做的“假AI网站”，为什么突然爆了？

今天，我想先问你一个问题。

如果现在让你做一款AI产品，但有三个限制：不能调用大模型，没有GPU预算，也没有融资，你会怎么做？

大多数人的第一反应可能是：那还做什么AI？

但一名17岁的印度少年，偏偏在这样的条件下，做出了一个短时间内席卷社交媒体的网站。

它没有训练模型，也不负责生成答案。它所做的事情只有一个：让真人假装自己是AI。

这个网站叫 Your AI Slop Bores Me，大致可以翻译成“你的AI泔水让我厌烦了”。

网站创作者名叫米希尔·马罗朱，也就是 Mihir Maroju。NPR在2026年4月的报道中称，他是一名生活在印度本地治里的17岁高中毕业生。网站上线大约一个月后，马罗朱声称，它已经获得超过2500万独立访客和接近2.8亿次总命中量。

这里必须先说明一下数据口径。

这组数字是创作者向媒体提供的，并不是经过第三方审计的流量报告；而且原文中的“280 million total hits”指的是页面、接口或者资源请求产生的总命中量，并不等于2.8亿名用户，也不能简单理解成2.8亿次完整访问。

但即便打一个折扣，这仍然是一款传播速度相当惊人的互联网产品。

更反常识的是，它甚至不能算一款真正的AI产品。

一、没有大模型的“AI聊天网站”

第一次打开这个网站，你很可能会觉得，它是不是还没有做完。

页面上的边框有些歪，按钮像手画的，字体带着早期个人网站的味道，配色也不像一家正规科技公司的产品。

但这并不是因为开发者不会做设计。

这种粗糙感，本身就是产品的一部分。

网站只有两个主要入口。

一个入口叫“human”，你可以像使用ChatGPT一样输入问题或者绘画要求。

另一个入口叫“larp as ai”，意思是“角色扮演成AI”。进入这个模式后，系统会随机发给你一名陌生用户的问题，你需要在规定时间内，假装自己是一台聊天机器人，给出文字回答或者画一张图。

不同时间的媒体体验记录略有差异：早期版本通常要求用户在60秒内完成回答，NPR后续体验时记录的限制是75秒，这说明网站规则可能进行过调整。

你回答别人的问题，就能获得积分；有了积分，才能继续向其他“AI”提问。

所以，它实际上是一套人力交换系统：

你先给别人当AI，别人再给你当AI。

Fast Company将它概括为一种“用ChatGPT界面包装起来的人类创造力交换系统”。报道显示，用户最初可以获得少量免费积分，用完后就需要通过回答问题或者绘画继续赚取积分。网站上线约一周时，马罗朱曾表示，它已经产生约5000万次浏览，并同时承载约1.6万名在线用户。

它的妙处就在这里。

所有人都知道，对面不是AI。

但所有人依然愿意配合演下去。

二、2500万人为什么愿意一起“装AI”？

表面上看，这只是一个互联网恶作剧。

但它能够迅速传播，至少踩中了五种非常典型的AI时代情绪。

第一，AI已经变成了一种人人都能模仿的语言

几年前，只有工程师和研究人员会讨论语言模型。

现在，大量普通用户已经非常熟悉AI的说话方式。

比如：

“作为一个AI语言模型……”

“以下是几个可能的原因……”

“让我们一步一步分析……”

“这个问题没有唯一答案，需要根据具体情况判断……”

这些句式已经不只属于某个模型，而是变成了一套互联网共同语言。

当一个文化现象发展到普通人能够模仿、调侃和重新表演它的时候，说明它已经真正进入大众生活。

这个网站的笑点，不是AI回答得多么荒谬，而是人类已经熟悉AI熟悉到了可以反过来扮演AI。

大家不只在使用一种技术，也在模仿这种技术形成的语气、格式和性格。

第二，它把免费围观变成了有成本的参与

很多互联网产品的问题是，用户只消费，不贡献。

但在这个网站里，你想获得一次提问机会，就要先帮助另一个陌生人完成回答。

它没有使用昂贵的大模型推理，却使用了一种更古老的资源：人的时间、注意力和创造力。

这套积分机制很像一个小型的互助经济系统。

你贡献一分钟，换取另一个陌生人随后为你贡献一分钟。

这比无限免费提问更容易产生参与感。因为用户不是单纯在等待系统服务，而是在为整个游戏提供“算力”。

只不过这里的算力，不是GPU，而是人脑。

第三，随机性让每一次回答都有悬念

使用成熟的大模型时，我们对答案已经形成了稳定预期。

它会很快、很完整，通常会使用标题、列表和总结。即使答案不完全正确，它的表达也往往非常规整。

但真人回答完全不同。

你不知道对面的人来自哪个国家，也不知道他是否理解你的问题，更不知道他会认真回答、故意恶搞，还是在最后十秒随便写一句话交差。

这种不可预测性产生了非常强的娱乐价值。

它更像匿名聊天室、即兴喜剧和限时游戏的混合体，而不是一个效率工具。

AI产品追求的是降低不确定性；这个网站提供的恰恰是不确定性。

第四，粗糙设计反而成了真实性证明

现在很多AI产品都有一套相似的视觉语言：

干净的白色背景、渐变色图标、圆角输入框、流畅动画，再加上一句“重新定义未来”。

当所有产品都越来越精致时，Your AI Slop Bores Me故意保留的歪边框、手绘按钮和早期互联网字体，反而形成了极强的辨识度。

它似乎在告诉用户：

这里不是一家试图改变世界的AI独角兽，也没有人准备向你销售企业订阅服务。这里就是一群网友临时搭起来的游乐场。

创作者本人也向Fast Company表示，他希望借这个网站找回一些“早期互联网的感觉”。NPR采访的漫画家Amy Kurzweil则认为，用户可能正在借这种游戏，重新获得早期互联网中人与人偶然连接的乐趣。

这种“草台班子感”不是产品缺陷，而是一种信任信号。

第五，AI越标准，人类的不完美越稀缺

真人扮演AI时，经常会出现穿帮。

有人拼错单词，有人理解错题目，有人画得非常难看，有人的逻辑前后矛盾，还有人会在倒计时结束前突然放弃，留下一句毫无意义的话。

在效率工具里，这些都是缺点。

但在社交游戏里，它们恰恰是证据——证明屏幕另一端确实坐着一个活人。

心理学研究中有一个相关概念，叫“算法厌恶”。

2015年发表的一项经典研究发现，人们看到算法犯错后，往往比看到人类犯下同样错误时更快失去信心；即使算法的总体预测表现更好，用户也可能转而选择人类判断。

原因并不是人类真的更准确，而是我们对机器和人的期待不同。

机器被期待稳定、精准、可重复。

人类则被允许犹豫、跑题、情绪化，甚至偶尔犯傻。

在这个网站里，用户不是来获得最正确答案的，所以错误不会破坏体验。相反，错误让回答具有了作者、时间和情境。

它让你意识到：刚才有一个陌生人，真的花了一分钟时间为我写了这些内容。

这是一种大模型暂时无法完全复制的感受。

三、人类假装机器，其实已经演了两百多年

当然，让人躲在机器背后，并不是互联网时代才出现的创意。

18世纪，匈牙利发明家沃尔夫冈·冯·肯佩伦制造了一台著名的“土耳其行棋机器人”。

它看起来像一台能够自动下国际象棋的机械装置：一个身穿长袍、头戴头巾的木偶坐在棋盘后面，可以与真人对弈。

这台机器曾经在欧洲各地巡演，包括拿破仑和本杰明·富兰克林在内的名人都与它交过手。

后来人们才知道，所谓的机械智能，实际上来自藏在柜子内部的真人棋手。亚马逊官方至今仍在Mechanical Turk的介绍中讲述这段历史。

2005年，亚马逊将自己的众包任务平台命名为 Amazon Mechanical Turk。

这个平台把过去的骗局变成了公开服务：企业可以把图片识别、内容审核、数据验证和调查问卷等任务交给分布在全球各地的真人完成。AWS在2005年11月2日正式宣布推出该服务，并明确指出，当时人类在识别图片中的物体等任务上仍明显优于计算机。

这套模式后来与现代AI的发展产生了非常深的联系。

在建设ImageNet数据集时，李飞飞及其团队使用Amazon Mechanical Turk，让大量众包工作者帮助验证和标注候选图片。普林斯顿大学将众包机制称为ImageNet得以扩展到如此大规模的关键创新之一。

2012年，Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton使用大型卷积神经网络参加ImageNet图像识别挑战赛。论文显示，他们使用约130万张训练图片完成1000个类别的分类，并取得了显著优于此前方法的结果。

换句话说，AI发展史上一个很重要的事实是：

在机器学会识别世界之前，往往需要大量人类先把世界标注给它看。

所谓自动化，从来不意味着人类完全消失。很多时候，人只是从产品界面上消失了。

四、“绿野仙踪”方案：假AI不一定是欺骗

在人机交互和产品设计领域，还有一种著名方法叫“绿野仙踪测试”，英文是 Wizard of Oz。

它的基本逻辑是：在系统功能尚未开发完成时，先让一名真人躲在后台，模拟未来系统的行为，从而验证用户是否真的需要这个功能。

尼尔森诺曼集团将其定义为：用户面对一个模拟界面，而界面的部分行为实际上由真人控制。

比如，一家公司想开发智能语音点餐系统，但语音识别模型还没有完成。

团队可以先让用户对着设备说话，再由后台工作人员理解用户意图并返回结果。如果大量用户根本不愿意使用语音点餐，团队就可以在投入数月研发之前及时停止项目。

所以，“用人假装机器”本身并不等于欺骗。

关键在于目的和透明度。

如果它用于内部测试，并且符合研究伦理，它是一种低成本原型方法。

但如果一家公司已经开始向客户销售所谓“全自动AI”，实际却长期依靠廉价人工处理，同时故意隐瞒事实，就会涉及虚假宣传、隐私和劳动权益问题。

例如，英国语音转文字企业SpinVox在2009年曾被BBC报道质疑，其部分语音转录工作实际上由海外呼叫中心人员完成。公司对此提出了反驳，并强调人工处理是系统的一部分。这个争议也说明，“人工辅助AI”和“假装完全自动化”之间，存在非常重要的透明度边界。

而Your AI Slop Bores Me最聪明的地方，是它从一开始就拉开了幕布。

它不隐瞒后台有人。

后台有人，就是它的全部卖点。

五、它真正颠倒的，不是AI，而是互联网的角色

1993年，《纽约客》刊登过一幅后来非常著名的漫画。

一只狗坐在电脑前，对另一只狗说：

“在互联网上，没人知道你是一条狗。”

这句话代表了早期互联网的一种想象：你可以隐藏现实身份，在网络上扮演任何人。

但在Your AI Slop Bores Me里，逻辑反了过来。

所有人都知道，对面的AI其实是人。

大家依然选择假装不知道。

它不是身份隐藏，而是一场集体配合的角色扮演。

这种玩法很像机器人舞。

观众明明知道舞台上的演员是人，却仍然会欣赏他如何控制关节、模拟机械停顿。表演的乐趣不来自观众真的受骗，而来自观众和表演者共同维持一个想象。

这个网站也是一样。

用户享受的并不是“我差点把真人当成AI”，而是“我知道你是人，但我想看看你能把AI演成什么样”。

六、它不是AI替代人，而是人类抢回了AI的角色

那么，这是不是说明人们已经厌倦AI，不愿意再用ChatGPT、Claude或者Gemini了？

并不是。

这款网站能成立，恰恰是因为AI已经足够普及。

只有当大量用户熟悉聊天机器人的交互方式、典型语气和限制条件以后，模仿AI才会成为一种大众笑话。

如果大家从来没用过聊天机器人，这个网站根本不会好笑。

所以，它并不是一场真正的反AI运动。

它更像一种AI文化成熟后的自我调侃。

NPR采访的一名AI投资人也指出，人类模仿AI并不意味着人们会减少使用AI，而是说明人类已经辨认出一种独特的“机器说话方式”，并开始围绕这种语言创造新的流行文化。

就像搜索引擎催生了“搜索一下”的生活习惯，短视频催生了竖屏叙事，生成式AI也正在创造自己的口头禅、笑话、审美和亚文化。

七、AI学习者能从这个网站学到什么？

我觉得至少有四个值得关注的产品启示。

1. AI产品的核心不一定是模型

很多人学习AI时，容易把全部注意力放在模型参数、上下文长度和推理能力上。

但用户最终感知到的是完整体验。

一个产品即使完全不调用大模型，只要能够借用AI时代形成的行为习惯和文化符号，也可能成为“AI原生产品”。

模型能力是技术变量，产品体验则是技术、机制、情绪和文化共同作用的结果。

2. Human in the Loop并不丢人，隐瞒才是问题

“人在回路中”一直是AI系统的重要组成部分。

数据标注、结果审核、安全拦截、专家复核和模型反馈，都需要人的参与。

真正需要警惕的，不是系统里有人，而是企业对人的存在故意含糊其辞。

一个产品完全可以把人工参与设计成价值，而不是把它当成必须隐藏的缺陷。

3. 低保真也可以是一种品牌策略

不是所有产品都需要看起来像一家市值千亿美元的公司。

当用户已经对统一的AI渐变色、玻璃质感和标准化文案产生疲劳时，粗糙、手工和不对齐也可能变成差异化。

但前提是，这种粗糙与产品主题一致。

随便做得难看是能力问题；有意识地用低保真建立气质，才是设计策略。

4. 病毒传播不等于长期商业价值

这类随机社交产品很容易在短时间爆发，也很容易面临内容质量、骚扰、垃圾信息和用户留存问题。

NPR报道显示，网站曾经出现大量垃圾内容和利用规则漏洞的行为，运营者随后增加了自动与人工结合的过滤措施。Fast Company也报道，流量暴涨迫使团队升级服务器，并引入评分、指纹识别和内容审核机制。

因此，说它“几乎没有成本”并不准确。

它没有大模型推理成本，但仍然存在实时匹配、服务器带宽、内容审核、安全防护和社区运营成本。

流量可以来自一个好点子，长期产品则需要一整套治理能力。

寄语

Your AI Slop Bores Me最有意思的地方，不是一个17岁少年用几天时间做出了多么复杂的技术。

恰恰相反，它几乎没有创造新的技术。

它只是重新排列了人、机器和界面之间的关系。

过去，人类躲在机器后面，是为了让机器看起来更聪明。

现在，人类主动站到机器的位置上，是为了让互联网重新变得像人。

当AI越来越快、越来越准确、越来越工整时，犹豫、跑题、拼写错误和临场发挥，反而变成了一种稀缺体验。

所以，这个网站真正证明的或许不是“人类比AI更强”。

而是另一件事：

当我们需要效率时，会选择机器；当我们需要意外、幽默和连接时，仍然会寻找另一个人。

AI越完美，人味就越容易被看见。

关注本站，每天分享跨境电商前沿资讯（ Ctrl + D 收藏本站/收藏为书签 ）