像复印件反复复印，AI若不断拿自己生成的内容继续训练，原始信息会被逐步稀释。Zhifeng Cai 关心的不只是模型会不会变差，而是这场退化如何反过来影响企业采用AI和就业。论文于2026年7月13日在线发表于《The Review of Financial Studies》，目前仍是已接收、未完成最终排版的版本。
据Oxford Academic出版方摘要页，研究建立了一个“数据—AI”反馈模型：数据质量决定AI的生产率，生产率影响企业采用率；采用越广，未来数据中AI内容越多，又可能拖累数据质量。模型按合成训练循环的相关证据校准——即用现实证据为参数取值——得到一个反直觉结果：劳动替代呈驼峰形，短期先上升，随后因数据质量恶化而部分逆转。
问题在于，AI采用者依赖人类持续创造的新信息，却未必为此付费。作者把它视为数据质量外部性，并认为政策答案取决于市场结构：竞争市场应对AI征税；若行业高度集中，企业会过度保护数据质量，模型反而支持补贴。这是理论模型的推演，并非对现实因果效应的直接估计。