AI虚拟网红崛起:真实面孔不会消失,可信度才是关键

品牌重金押注AI网红,但信任的关键不是真假面孔,而是内容是否诚实声明身份。
AI网红品牌支出预计从2026年的13.7亿美元增至2030年的74亿美元,增长迅猛。但一项研究揭示,受众真正在意的并非内容是否由AI生成,而是内容是否声称了一种并不存在的人类身份。实验用同一张AI图片测试三种条件,证明影响信任的是「身份声明」而非「视觉真实度」。研究建议合成人设远离美妆、食品、健身等需要真实体验的品类,同时保持身份透明、提供可外部验证的内容价值。品牌购买的并非AI面孔,而是可兑现的信任承诺。
品牌砸下百亿押注AI网红,但消费者在意的不是「真假」

虚拟网红正在成为品牌营销预算的新流向。据聚合数据显示,AI网红相关品牌支出预计在2026年达到13.7亿美元,到2030年将攀升至74亿美元。这个增长速度足以让任何营销从业者侧目。
但真正值得关注的问题并非「真人网红会不会被取代」——信息流里的人类面孔并没有减少。核心矛盾在于:当内容暗示了一种并不存在的人类生活时,受众是否还会买单?
一项针对真人网红发布AI生成内容的研究,试图回答这个问题。
实验设计的巧妙与局限
三种条件,同一张AI脸
研究设置了三种实验条件,但三者使用的是同一张AI生成的图片。在「真人」条件下,图片仅做了轻微修图处理。这意味着实验的核心变量不是图像本身的真实度,而是内容所声称的人类身份。
这个设计思路其实很聪明:它剥离了「画面像不像真人」的干扰,直接测试「声称背后有真人」这件事对受众判断的影响。
这种「控制图像、操弄声明」的实验思路源自社会心理学中的**欺骗检测(deception detection)**研究传统。经典范式认为,人类判断信息真伪时依赖两条路径:一是线索加工,即从内容本身寻找破绽;二是先验推理,即基于来源身份做出可信度推断。当视觉线索被固定后,实验就只剩下了先验推理这一条路径在起作用,这正是研究者想单独测量的变量。在企业实践中,这意味着品牌即使在视觉逼真度上投入巨大,如果身份声明层面出现问题,信任仍会崩塌。
研究局限需要正视
不过,三项条件共用同一张AI图片这一设计也带来了明显限制。由于图像素材没有变化,研究无法比较不同真实程度的AI面孔对受众的影响差异。轻微修图的「真人」条件与纯AI条件之间的对比,更多反映的是心理认知层面的差异,而非视觉真实度的效果。换言之,这项研究测试的是「声明」,而非「观感」。
这里涉及一个关键区分:声明真实性(claimed authenticity)与知觉真实性(perceived authenticity)。前者指内容是否声称拥有真实的人类身份和生活经历,后者指受众主观上觉得内容「像真的」。二者可以独立变化——一张高度逼真的AI图片(高知觉真实性)可能并不声称有真人(低声明真实性),反之亦然。本研究由于图像素材固定,实际上只测了声明维度,无法回答「当AI面孔足够逼真时,受众会不会放松对声明的警觉」这一问题。这对品牌实践意味着,合成人设的风险不仅来自是否撒谎,也来自技术进化带来的认知模糊地带。
合成人设的信任红线在哪里
需要「使用体验」的品类是雷区
研究给出的实操建议非常明确:让合成人设远离那些需要真实使用体验的品类。
道理不难理解。当一位AI网红推荐一款护肤品并声称「我用了三个月,皮肤明显改善」,受众一旦发现这个人根本不存在,整个推荐逻辑就会崩塌——不是产品被质疑,而是推荐行为本身失去了合法性基础。
需要亲身试用的品类——美妆、食品、健身器材、医疗健康——天然对「真人验证」有更高要求。合成人设在这些领域做推荐,本质上是在向受众索取一种无法兑现的信任。
这类需要个人体验背书的推荐在营销学中被称为体验型商品(experience goods)——消费者在购买前无法直接验证其质量,只能依赖他人的试用经验作为替代信号。相反,**搜寻型商品(search goods)**如电子产品参数、机票价格,其质量可以在购买前通过外部信息核实。合成人设的信任结构天然适合后者:它能提供客观比对、数据整理,却无法提供「我亲自用过」这一体验型商品最核心的信号。这解释了为什么AI网红在美妆、食品领域频繁翻车的根本原因。
那真人创作者就赢了吗?
未必。研究的隐含结论更微妙:受众在意的不是内容由谁生产,而是内容是否诚实。一个真人网红用AI工具辅助创作,只要不虚构不存在的经历,信任度并不会因为「用了AI」而打折。反过来,一个AI人设如果不声称拥有真实生活,而是以「虚拟角色」的身份坦诚存在,同样可以建立自己的受众关系。
换句话说,受众检测的不是「AI痕迹」,而是「欺骗信号」。
如果你在运营合成人设:三条务实建议
第一,品类选择要克制。 避开那些核心卖点依赖「我亲身体验过」的产品。合成人设更适合推荐那些效果可外部验证、不依赖个人体验背书的品类。
第二,身份声明要透明。 不声称拥有物理身体、真实姓名或可验证的个人经历。把虚拟身份当作角色设定的一部分,而非需要隐藏的秘密。
第三,内容价值要真实。 受众可以接受一个不存在的人提供真实有用的信息——比如产品参数对比、使用场景分析、价格追踪。但当合成人设开始编造「我的使用故事」时,价值就变成了欺骗。
74亿美元市场背后的信任逻辑
AI网红市场从13.7亿到74亿美元的预期增长,反映的是品牌对「可控内容生产者」的强烈需求。真人网红有档期、有情绪、有翻车风险;AI人设不会迟到、不会解约、不会在凌晨三点发争议推文。
但可控性也有代价。当受众越来越熟悉AI生成内容的特征,他们对「真实性声明」的敏感度只会上升。品牌真正在购买的,不是一张好看的AI面孔,而是这张面孔背后可以持续兑现的信任承诺。
真实面孔不会消失。消失的,会是那些经不起「是否存在」这个基本问题检验的内容。
背景补充
受众检测「欺骗信号」而非「AI痕迹」这一结论,与传播学中的**来源可信度模型(source credibility model)**高度吻合。该模型认为可信度由三个维度构成:专业性(expertise)、可信赖性(trustworthiness)和善意(goodwill)。AI工具的使用本身并不直接损害这三个维度,但如果被发现虚构经历,可信赖性会立即归零,进而拖垮专业性判断。这也意味着,透明声明虚拟身份的合成人设,实际上是在主动维护可信赖性这一维度,其长期信任资产反而可能比假装真人的账号更稳固。
相关推荐

零成本搭建AI超级员工系统:智能体自动工作流全解析
深度拆解B站演示的AI超级员工系统:Agent智能体编排、数字人口播、地图与企业获客、24小时智能客服及法务模块全覆盖。分析零成本开户背后的商业逻辑与合规风险,帮助创业者判断这套AI数字员工系统的真实投产比。

Chatbot与AI Agent的本质区别:从对话到执行的跨越
Chatbot和AI Agent有什么区别?本文基于Learn Tech频道的MCP系列讲解,用订机票、笔记摘要等实例说明:Chatbot只给答案,Agent通过思考-行动-观察循环真正完成任务,并拆解模型、工具、记忆、目标四大部件及MCP的桥梁作用,同时讨论Agent的适用边界与权限风险。

免费GitHub仓库:342小时AI课程,从数学到MCP服务器
一个免费GitHub仓库提供342小时AI课程,包含523节课、20个阶段,覆盖数学基础到Agent构建和MCP服务器。支持目标驱动学习,每节课产出可留存的prompt、skill或agent,已有近10万人开始学习。