关于生成式人工智能对人类创作者挤出效应的研究：来自Pixiv平台的证据
一、 研究作者与发表信息
本研究由Sueyoul Kim（韩国开发研究院，Korea Development Institute）、Ginger Zhe Jin（马里兰大学帕克分校经济系及美国国家经济研究局，NBER）和Eungik Lee（纽约联邦储备银行）合作完成。研究成果以工作论文（Working Paper）形式于2026年1月发表于美国国家经济研究局（NBER），编号为34733，标题为《Does Generative AI Crowd Out Human Creators? Evidence from Pixiv》。
二、 学术背景与研究目标
本研究属于数字经济、劳动经济学和创新经济学交叉领域，具体关注生成式人工智能（Generative AI）对创意产业劳动力市场的影响。随着以NovelAI图像生成器为代表的文本转图像AI工具在2022年底的推出，其在动漫、漫画风格（Anime/Manga-style）艺术创作领域展现出强大能力，引发了关于AI是否会“挤出”人类创作者的广泛担忧。一方面，AI可能通过替代效应和训练数据版权问题损害现有创作者的利益；另一方面，AI也可能通过降低创作门槛、吸引平台流量产生积极溢出效应。然而，关于AI对非使用者（即未采纳AI作为主要工具的人类创作者）影响的因果证据仍然有限。
本研究旨在利用日本最大的动漫风格艺术作品分享平台Pixiv的全面数据，实证检验生成式AI（以NovelAI图像生成器的发布为处理事件）的推出对人类创作者生产力（以作品上传量为衡量）的影响。研究目标具体包括：1）量化AI发布对主流非AI使用创作者的平均影响；2）探究影响背后的机制，包括需求侧（观众注意力流失）和供给侧（AI生成内容直接竞争）的作用；3）分析创作者面对AI竞争时的策略性反应（如回避或多元化）；4）考察影响在不同类型创作者（如商业创作者、高生产力创作者）间的异质性。
三、 详细研究流程与方法
本研究采用严谨的计量经济学方法，核心是利用AI对插画（Illustrations）和漫画（Comics）两类内容影响的天然差异，构建双重差分（Difference-in-Differences，DID）模型。
1. 数据来源与处理： 研究收集了Pixiv平台从2020年4月至2023年6月期间的全部帖子级数据，包含超过1000万个帖子。每个帖子的数据包括：唯一ID、创作者用户ID、上传时间戳、浏览量、收藏量（Bookmarks）、标题、创作者评论和描述内容的标签（Tags）。关键优势在于数据包含了详细的收藏历史记录，可以精确追踪每个帖子每月新增的收藏数，从而衡量“注意力流”而非存量。此外，数据还包含帖子是否被标记为AI生成（AI flag）以及内容分类（插画或漫画）的信息。
2. 样本构建与变量定义： * 面板数据构建： 基于原始数据构建了两个面板数据集。一是“帖子-月度”面板，用于分析每个帖子每月获得的收藏量动态。二是“创作者-月度”面板，用于分析创作者的上传行为，样本聚焦于在AI发布（2022年10月）前至少上传过一个帖子的“现有创作者”（Incumbent Creators），并排除了AI采纳率极低（插画师约0.49%，漫画师约0.27%）的AI使用者，专注于研究AI对非AI使用创作者的影响。 * 关键变量： * 处理组与对照组： 根据创作者在AI发布前上传作品的类别，将其划分为插画师（处理组）和漫画师（对照组）。这一划分基于一个关键事实：AI发布后，插画帖子中AI生成内容的占比（22%）远高于漫画帖子（4%）。这源于技术限制——基于Stable Diffusion等概率性模型的AI难以生成风格一致的连续图像序列，因此更适用于单幅插画而非多格漫画。 * 因变量： 主要因变量为创作者月度上传帖子总数（Post Uploads）以及非AI帖子月度上传数（Non-AI Post Uploads）。在机制分析中，使用帖子月度收藏量（Bookmarks）作为观众注意力的代理变量。 * 异质性变量： 包括创作者是否为商业创作者（帖子中是否包含商业网站链接）、创作者在AI发布前的生产力水平（平均月度上传量，划分为不同百分位组）。 * AI入侵指数（AI Invasion Index）： 为探究直接竞争机制，研究构建了知识产权（Intellectual Property, IP）层面和标签（Tag）层面的AI入侵指数。IP入侵指数定义为：AI发布后，特定IP下月度AI生成插画帖子数 / AI发布前，该IP下月度总插画帖子数。标签入侵指数定义类似。创作者个人层面的入侵指数则根据其AI发布前使用的IP或标签的流行度进行加权平均计算。
3. 实证分析流程： * 步骤一：平均处理效应估计。 采用泊松双重差分模型，比较AI发布前后，插画师（处理组）与漫画师（对照组）在上传行为上的差异。模型控制了创作者固定效应和创作者主要IP-时间固定效应，以排除个体异质性和特定IP随时间流行度变化的影响。事件研究法（Event Study）用于检验处理前平行趋势假设。 * 步骤二：异质性分析。 在DID框架中加入交互项，分别考察AI发布的影响在商业创作者与非商业创作者之间、以及在不同生产力水平（如前1%、1-5%等）创作者之间的差异。 * 步骤三：需求侧机制检验——注意力流失。 使用“帖子-月度”面板数据，将插画帖子作为处理组，漫画帖子作为对照组，再次运用DID模型，分析AI发布后非AI插画帖子所获收藏量的变化。 * 步骤四：供给侧机制检验——直接竞争。 利用IP层面的变异，构建三重差分（Triple-Differences）模型。将创作者按其主力创作IP分组，检验在AI入侵程度更高的IP领域进行创作的插画师，其上传量和所获收藏量的下降是否更为显著。即研究交互项（插画师 × AI发布后 × 高AI入侵IP）的系数。 * 步骤五：创作者反应分析。 根据计算得到的创作者个人层面AI入侵指数（分为基于IP和基于标签），将插画师分为高暴露组（前15%）和低暴露组（后85%）。通过DID模型分析这两组创作者在AI发布后的行为变化：1）是否减少使用受AI“入侵”严重的标签（避免竞争）；2）是否增加创作所涉及的IP数量（投资组合多元化以对冲风险）。
四、 主要研究结果
1. 平均效应与异质性： * AI发布导致插画师（处理组）的月度帖子上传量平均显著下降了约10.1%。非AI帖子上传量也下降了约11.3%，证实了“挤出”或“抑制”（Chilling Effect）效应。 * 商业创作者 受到的抑制效应更大，其总上传量下降约14.3%。 * 生产力异质性分析 揭示了一个关键发现：抑制效应高度集中在高生产力创作者中。生产力排名前1%的插画师上传量下降幅度最大（约15%），而排名后50%的插画师上传量反而有所增加（约7%）。这表明，先前一些聚焦于头部、高生产力创作者的研究可能高估了AI的平均抑制效应。
2. 机制检验结果： * 需求侧（注意力流失）： AI发布后，与非AI漫画帖子相比，非AI插画帖子每月获得的收藏量平均下降了28.5%至32.4%。事件研究图显示，发布后注意力立即显著下降。由于收藏量直接关联创作者的曝光度和潜在商业变现（如付费订阅），注意力的流失降低了创作者上传新作品的预期回报，从而解释了上传行为减少的原因。 * 供给侧（直接竞争）： 三重差分分析显示，在AI入侵程度更高的IP领域（如《原神》、《Fate》系列）进行创作的插画师，其上传量和所获收藏量的下降幅度显著更大。IP入侵指数与DID估计系数呈显著负相关（对于上传量，斜率=-0.146，p=0.075；对于收藏量，斜率=-1.204，p=0.000）。这为“AI生成内容直接竞争导致人类创作者产出减少”提供了实证证据，而不仅仅是心理上的“AI恐惧”。
3. 创作者反应策略： * 避免受侵标签： 基于标签入侵指数划分的高暴露组（前15%）插画师，在AI发布后显著减少了使用受AI青睐（即AI生成帖子高频使用）的标签，其使用比例下降了约2个百分点。低暴露组则无此现象，甚至略有增加。 * IP多元化： 基于IP入侵指数划分的高暴露组插画师，在AI发布后显著增加了其月度创作所涉及的IP数量。例如，一个以前只创作《宝可梦》相关作品的画师，开始同时创作《宝可梦》和《火影忍者》作品。这被解释为一种风险对冲策略，以降低其所有创作领域同时被AI入侵的风险。
五、 研究结论与价值
本研究的核心结论是：生成式AI的推出对未采纳该技术的人类创作者产生了显著的抑制效应，平均降低了约10%的创作产出。这种效应主要通过两个渠道实现：一是需求侧观众注意力的流失，二是供给侧与AI生成内容的直接竞争。然而，这种影响并非均匀分布，商业创作者和顶级高生产力创作者受到的冲击更为严重，而低生产力创作者甚至可能因AI的辅助工具属性而受益。
科学价值与应用意义： 1. 提供了因果证据： 通过巧妙的双重差分设计，首次在大型创意平台上为“AI挤出人类创作者”提供了可靠的因果推断证据，超越了相关性分析。 2. 揭示了异质性影响： 强调了评估AI影响时必须考虑创作者群体的异质性，政策讨论不应基于对头部创作者的观察而推及全体。 3. 阐明了具体作用机制： 明确区分并实证检验了注意力流失和直接竞争两条渠道，深化了对AI如何影响创意市场的理解。 4. 展示了创作者适应性行为： 发现了创作者通过调整标签使用和多元化IP组合来应对AI竞争的策略，这为理解劳动力市场动态调整提供了新见解。 5. 为平台与政策制定者提供启示： 研究指出，平台管理者可以考虑通过设立人类创作作品专区、限制大规模AI内容上传等设计，来缓解注意力分流和竞争压力。政策制定者在权衡创作者激励与AI创新收益时，需充分考虑影响的异质性和具体作用渠道。
六、 研究亮点
七、 其他有价值内容
研究还简要讨论了AI采纳模式，发现现有创作者的AI采纳率极低（<0.5%），绝大多数AI生成内容由AI发布后的新进入者（Entrants）贡献。这暗示从AI中受益最多的可能是新型市场进入者，而非传统创作者。此外，论文也坦诚了研究的局限性，如观测期较短（仅6个月）、AI标识可能无法捕捉AI辅助创作、无法观测创作者跨平台总收入等，为未来研究指明了方向。这些讨论增强了研究的严谨性和开放性。