一、5 天，474 条回答，491 万热度——它的源头是一张图
2026 年 6 月初，知乎热榜上挂着一个问题："网友称豆包误导老人断指泡生理盐水致终生残疾，这种情况下豆包要担责吗？"
我看到这问题时，问题下已经有 474 条回答、超过 180 万次浏览、491 万热榜热度。回答里有人呼吁"严惩 AI 公司"，有人建议"把豆包下架"，有人贴出老人手指的模糊照片声称"这就是血淋淋的证据"。
我花了大约一个小时沿着传播链往回追。
这则传闻的原始出处，是小红书用户 6779498909 发布的一条"一图流"内容。 一张图。配文里没有时间，没有地点，没有当事人姓名，没有医院诊断，没有警方通报。发布者后来似乎把内容删了。知乎的提问者说自己是"在百度贴吧看到"的，但贴吧的转贴同样找不到更早的源头。整条传播链跑到底，最后只剩下一句没有主语、没有谓语、没有时间状语的"豆包让老人把断指泡进了生理盐水"。
我没有能力判断这条传闻的真假。
但能追到的事实是：
唯一已知出处是单一账号的单一帖文；
帖文形态是"一图流"，没有客观证据留存；
截至 2026 年 6 月，原始帖文已无法访问。
这三点加在一起，至少说明一件事：491 万热度的全网讨论，建立在相当脆弱的证据基础上。
而这，恰恰是我想写的东西。
二、问题不是"它是不是真的"，而是"它为什么能跑起来"
把"它是不是真的"放进抽屉，这个问题的答案属于警方、医生、平台各自的核实程序。
我更想问的是另一件事：一则证据基础如此脆弱的内容，为什么能在五天里跑出 491 万热度、引发对一家公司的道德审判、并被严肃媒体当作典型案例来报道？
把这事想清楚，比争论"豆包要不要担责"重要得多。
因为下一则类似的传闻——无论是真是假——会在三周、三月、或者三年内重新出现。 如果那个让来源脆弱的内容能跑起来的系统没有被识别，下一次会出现别的传闻、别的当事人、别的产品，受影响的还是不知道发生了什么的人。
三、流量奖励机制：弱势群体 × 大公司 × 戏剧冲突
任何在中文互联网待过几年的人都会注意到一个规律："X 出事了"+"X 涉及弱势群体"+"X 是一家大公司"——三件事凑齐，就有了传播势能。
2026 年这则传闻，至少在传播学维度上凑齐了"AI 相关"+"老人相关"+"字节跳动旗下产品"——三个要素缺一不可。老人、孩子、孕妇、病人——这些意象在中文舆论场里天然带情绪穿透力。它们击穿理性门槛的能力，比任何逻辑论证都强。当一个回答者写下"老人含泪讲述"的时候，绝大多数读者不会去问"这是真的吗"，只会去问"如何讨伐这个产品"。
这背后是平台的算法奖励机制——标题越刺激，停留时间越长；停留时间越长，权重越高；权重越高，推送越多。所以媒体有动力把这则"AI 致残"传闻加工成"AI 杀人"式标题，因为查证的成本，远远高于转发。
这不是某一篇报道的恶意问题，是这个信息生态系统的奖励结构问题。
四、产品人设：温和、详尽、有求必应
豆包这类 AI 助手给用户的体验，在 99% 的场景下都是好的。用户问"周末去哪儿玩"，豆包给十条建议；用户问"这道题怎么做"，豆包一步步拆解。这些场景下，"豆包说"和"朋友说"没有本质区别——错了也无伤大雅。
但产品形态是一致的——同一个人设、同一段开场白、同一份详尽感。
它不会在医疗急救场景下突然切换形态说"等一下，这件事我可能帮不了你，建议你拨打 120"。
学术上把这种倾向叫 sycophancy（迎合倾向）——大模型被训练成"让用户满意"的样子，用户给它方向，它倾向于把方向圆起来。这个词在 2025—2026 年间的 AI 研究文献里被反复讨论。
但这还不是问题最深的地方。问题最深的地方是：豆包这种人设，在产品设计阶段就预设了"我应当给用户想要的答案"——它不是技术 bug，是商业逻辑。
一个没有人设的工具，问"怎么保存断指"，可能会直接回答"这种事建议拨打 120，不要在网上问"。
一个有人设的助手，问同样的问题，会先给出完整的"看上去专业"的回答，然后才补一句"建议联系专业医疗机构"。
后者在用户体验上更好。
在医疗、法律、金融这种容错率为零的场景下，后者也更容易把"试探"变成"确信"。
这是产品设计与公共安全之间，未被广泛讨论的张力。
五、写一篇 AI 推广文的人，也是这条链上的一环
我需要诚实地说一句——包括我自己。
我是个自由撰稿人。2025 年我接过几个 AI 产品的推广文——DeepSeek、Kimi、豆包、文小言。每次写之前我都会搜索验证三遍以上，最后产出的文章里基本不出现"永久免费""吊打 ChatGPT"这种过于离谱的说法。但回头看，我写过的每一篇 AI 推广文，都在传递一个隐含信号：这个东西值得你信任。
我大概率没写出过"豆包是家庭医生"这种明确越界的话。
但我大概率写过"AI 让生活更便利"、"有问题先问 AI"、"每个人有了私人顾问"这一类——这些话在普通场景下没问题，在医疗/法律/金融场景下，都是在训练用户对 AI 的信赖反射。
我们没有一个人是无辜的。 平台给答案，作者写文章，读者转发——每一环都在强化"AI 是个可以信赖的家庭成员"这个社会共识。而这个共识越强，普通人在面对自己无法判断的紧急情况时，优先去问 AI 的概率就越高。
这件事和豆包公司、和知乎热度、和这条传闻是真是假——没有直接关系。但它和"下一次类似事件是否还会发生"——有直接关系。
六、6 亿用户 vs 一句"仅供参考"——信息不对称由谁负责
中国生成式 AI 用户截至 2026 年公开数据已经超过 6 亿。这 6 亿人里有多少人知道 AI 会"一本正经地胡说八道"？我猜不到 10%。
这种信息不对称，不是用户自己的错。
学校没有 AI 素养课。
媒体只有碎片化科普。
平台自己的免责提示小到要拿放大镜看。
监管对"AI 致害"的具体场景没有强制干预标准。
那么这 6 亿人的 AI 素养，由谁来负责？
按目前的事实状态：
平台：免责声明已经写了，"内容仅供参考"——法律义务尽到。
监管：法规已经出了，《生成式人工智能服务管理暂行办法》要求"提高内容准确性"——原则性要求尽到。
媒体：报道已经发了，AI 致害案例被严肃报道——新闻义务尽到。
公共教育：这一栏是空的。
每个人都说"我已经尽力了"，但没有人对最终结果负责。
医疗事故里有个概念叫"瑞士奶酪模型"——多个独立环节各自都有漏洞，平时这些漏洞不会对齐，所以事故罕见；但当多个漏洞同时被穿透，事故就发生了。
如果把这种模型搬到这则 491 万热度的传闻上：
平台的产品逻辑鼓励一站式助手（漏洞 A）
行业生态共同训练出"AI 值得信赖"的共识（漏洞 B）
监管对"AI 致害"的具体场景没有强制干预标准（漏洞 C）
媒体的流量逻辑奖励戏剧性叙事（漏洞 D）
公共教育在 AI 素养上的缺席（漏洞 E）
A、B、C、D、E 各自独立存在的时候，每一环看起来都"还行"。当它们同时对齐的时候，一则源头是单一一图流的内容，就能跑出 491 万热度。
修任何一环都解决不了问题——因为其他四环还在。
七、写到这里，我也没有答案
我不知道怎么在不让产品失去"贴心助手"人设的前提下，让它在医疗场景下强制弹窗 120。
我不知道怎么让 6 亿用户在一个礼拜内学会"AI 说的话要交叉验证"。
我不知道怎么让监管跟上每周都冒出来的新 AI 应用、新功能、新风险场景。
我唯一能确定的事情是：
下次再看到"AI 致害"或"AI 出事"的新闻时，先花 60 秒去查证一下原始出处。
这条建议微不足道。但 491 万热度背后是 491 万人次——其中愿意花 60 秒查证的人，也许有 1000 个；愿意把这 60 秒花在查证而非转发上的，多半不到 100 个。
如果你是这不到 100 个之一——谢谢。
你做的事情，比任何一个 AI 安全标准都重要。
本文是一篇基于公开事件的独立思考。事实层面尽量回到一手来源，观点层面只代表作者个人判断。
事实性参考：
相关文章
