DeepSeek 对 「王一博案」 道歉？假新闻！

出品｜周天财经科技组

作者｜宋思杭

编辑｜苗正卿

头图｜视觉中国

近日，一则消息在网络上引发热议。有媒体称，「DeepSeek 就 AI 模型违规关联王一博与 『李爱庆腐败案』，作出道歉。」 该媒体还表示，「DeepSeek 方面表示，因内容审核疏漏，平台在回答用户查询时，引用未经证实的网络谣言，将王一博案与首创集团原董事长李爱庆案件进行不当关联，对其名誉造成侵害，DeepSeek 已永久撤回相关失实信息，并援引北京市第三中级人民法院 （2025） 京 03 刑终 174 号刑事判决书明确。」

然而，经周天财经多方核查发现，DeepSeek 官方微信公众号、官方网站、官方 X 账号 （前 Twitter） 等所有官方社交媒体平台，均未公开发表过任何道歉声明。周天财经进一步检索所有有关 「DeepSeek 就违规关联王一博与李爱庆腐败案道歉」 的新闻报道，发现没有任何一则新闻明确指出 DeepSeek 的道歉渠道，也未出现相关道歉声明的截图。

事情的戏剧性不止于此。该事件的诡异之处在于，全网几乎都认定 DeepSeek 进行了道歉。大量自媒体、网络新媒体乃至传统媒体，都在第一时间跟进报道了这条不实消息。 

不仅如此，周天财经向市面上的所有 AI 大模型询问该事件，得到的回答竟出奇一致：均表示 DeepSeek 的确就 「违规关联王一博与 『李爱庆腐败案』」 进行了道歉，并引用了上述不实新闻链接。 

来源：豆包

来源：DeepSeek

来源：KIMI

该事件本属于社会新闻、娱乐新闻等层面，但笔者作为长期跟踪科技类新闻的从业者，站在笔者的角度来看，此事背后折射出的，远不止新闻报道核查不严的问题，更暴露出当下 AI 大模型比 「幻觉问题」 更为严峻的困境 ——AI 通过援引假新闻生成新的假新闻。（周天财经注：人们常说的 AI 大模型幻觉问题，是指 AI 在无事实依据的情况下所生成的不符合事实、甚至不符合逻辑的假消息）

简单来说，随着近两年 AI 大模型的迅猛发展，早期普遍存在的 「幻觉问题」 确实有所缓解。这主要得益于 AI 大模型增加了联网搜索和推理等能力，这意味着大模型在生成用户回答时，可以根据网络上的公开信息，通过推理的方式，来生成相应的 AI 回答。

然而，症结在于，当网络上充斥着海量虚假信息时，连人类都难以迅速辨别其真伪，AI 对此则更缺乏有效的信息核查能力。因此，在引用网络信息时，便造成了典型的 「Rubbish in, Rubbish out」（垃圾进，垃圾出） 效应。

以笔者个人经验而言，在日常写作工作中，AI 并不能真正替代人类撰稿。甚至有时，当新闻工作者借助 AI 辅助写作时，反而会降低工作效率。因为大部分时间仍需用于查证 AI 生成信息的真伪，即便 AI 援引了某个新闻网页，证明并非 「幻觉」，却仍需再次核实该新闻网页所提及内容的真实性。对此，笔者在与多数新闻从业者交流时，大家普遍认为，「用 AI 生成稿件的效率比自己动手写更低。」

回到该事件，对于 AI 带来的警示作用是，AI 应该如何在真假难辨的网络世界里辨别真伪，从而进一步提升 AI 生成准确率。因为只有当 AI 提高了生成回答的准确率，才能真正被投入到实际的生产工作当中。举个例子，这也是为什么，在大部分企业应用大模型时，当中重要的一步是给大模型喂企业专有的知识库，这样在员工向企业定制的大模型提问时，才不会生成错误答案。

当然，对于人类的警示作用，可能就在于，当人类自身都在 「生成」 假消息时，AI 就更无法给出准确答案了。

出品｜周天财经科技组

作者｜宋思杭

编辑｜苗正卿

头图｜视觉中国

近日，一则消息在网络上引发热议。有媒体称，「DeepSeek 就 AI 模型违规关联王一博与 『李爱庆腐败案』，作出道歉。」 该媒体还表示，「DeepSeek 方面表示，因内容审核疏漏，平台在回答用户查询时，引用未经证实的网络谣言，将王一博案与首创集团原董事长李爱庆案件进行不当关联，对其名誉造成侵害，DeepSeek 已永久撤回相关失实信息，并援引北京市第三中级人民法院 （2025） 京 03 刑终 174 号刑事判决书明确。」

然而，经周天财经多方核查发现，DeepSeek 官方微信公众号、官方网站、官方 X 账号 （前 Twitter） 等所有官方社交媒体平台，均未公开发表过任何道歉声明。周天财经进一步检索所有有关 「DeepSeek 就违规关联王一博与李爱庆腐败案道歉」 的新闻报道，发现没有任何一则新闻明确指出 DeepSeek 的道歉渠道，也未出现相关道歉声明的截图。

事情的戏剧性不止于此。该事件的诡异之处在于，全网几乎都认定 DeepSeek 进行了道歉。大量自媒体、网络新媒体乃至传统媒体，都在第一时间跟进报道了这条不实消息。 

不仅如此，周天财经向市面上的所有 AI 大模型询问该事件，得到的回答竟出奇一致：均表示 DeepSeek 的确就 「违规关联王一博与 『李爱庆腐败案』」 进行了道歉，并引用了上述不实新闻链接。 

来源：豆包

来源：DeepSeek

来源：KIMI

该事件本属于社会新闻、娱乐新闻等层面，但笔者作为长期跟踪科技类新闻的从业者，站在笔者的角度来看，此事背后折射出的，远不止新闻报道核查不严的问题，更暴露出当下 AI 大模型比 「幻觉问题」 更为严峻的困境 ——AI 通过援引假新闻生成新的假新闻。（周天财经注：人们常说的 AI 大模型幻觉问题，是指 AI 在无事实依据的情况下所生成的不符合事实、甚至不符合逻辑的假消息）

简单来说，随着近两年 AI 大模型的迅猛发展，早期普遍存在的 「幻觉问题」 确实有所缓解。这主要得益于 AI 大模型增加了联网搜索和推理等能力，这意味着大模型在生成用户回答时，可以根据网络上的公开信息，通过推理的方式，来生成相应的 AI 回答。

然而，症结在于，当网络上充斥着海量虚假信息时，连人类都难以迅速辨别其真伪，AI 对此则更缺乏有效的信息核查能力。因此，在引用网络信息时，便造成了典型的 「Rubbish in, Rubbish out」（垃圾进，垃圾出） 效应。

以笔者个人经验而言，在日常写作工作中，AI 并不能真正替代人类撰稿。甚至有时，当新闻工作者借助 AI 辅助写作时，反而会降低工作效率。因为大部分时间仍需用于查证 AI 生成信息的真伪，即便 AI 援引了某个新闻网页，证明并非 「幻觉」，却仍需再次核实该新闻网页所提及内容的真实性。对此，笔者在与多数新闻从业者交流时，大家普遍认为，「用 AI 生成稿件的效率比自己动手写更低。」

回到该事件，对于 AI 带来的警示作用是，AI 应该如何在真假难辨的网络世界里辨别真伪，从而进一步提升 AI 生成准确率。因为只有当 AI 提高了生成回答的准确率，才能真正被投入到实际的生产工作当中。举个例子，这也是为什么，在大部分企业应用大模型时，当中重要的一步是给大模型喂企业专有的知识库，这样在员工向企业定制的大模型提问时，才不会生成错误答案。

当然，对于人类的警示作用，可能就在于，当人类自身都在 「生成」 假消息时，AI 就更无法给出准确答案了。