加州硅谷2026年8月5日 美通社 －－ 当AI可以以工业化速度生成文本，判断语言质量的能力正在成为一种新的稀缺资产。

学术预印本平台arXiv每月新增逾两万篇论文；企业报告、政策文件、投资分析以近乎零成本的速度大规模产出。现有的知识筛选机制正承受前所未有的压力：引用量可以被刷，期刊声誉依赖关系网络，同行评审周期长达1－2年，评审人数通常只有两三位，视角有限，且越来越难以应对AI生成内容涌入带来的质量鉴别问题。真正有价值的研究，可能在当下引用量不高，悄然淹没在论文的洪流中；而被广泛传播的内容，未必经过了充分的认知检验。

灵格科技（LingEQ Technologies Limited）认为，在这一背景下，语言质量的可量化度量将成为AI时代知识基础设施的组成部分类似于金融领域的独立评级机构，为内容质量提供独立于作者声誉、发表刊物与引用数量之外的客观参照。

《熵刻九十年》：能力的第一次公开验证

2026年8月1日，灵格科技发布灵格引擎（LingEQ Engine）全球公测版本。8月22日，LingEQ 精选系列•第一期《熵刻九十年：人工智能五十篇》将正式发布，与 Springer Nature 出版的英文著作 The Scale of Language 同步面向全球推出。

《熵刻九十年》从全球350余万篇AI相关文献中遴选五十篇具有原创贡献与历史代表性的论文，运用LEQ（语言熵值，Linguistic Entropy Quotient，简称熵值）方法论对每篇文本的认知密度与结构强度进行系统测量。研究呈现出一条反直觉的曲线：全场最高熵值并非AI论文，而是香农1948年的《通信的数学理论》（LEQ 194），高于图灵1936年定义了计算理论基础的《论可计算数》（LEQ 193）和图灵1950年的图灵测试论文（LEQ 189）；GPT－3、AlphaFold、DeepSeek－R1三篇改变产业格局的论文，熵值则集中在168至170之间。

熵值走势反映的是知识谱系成熟后的演化规律，而非研究质量的高低这也是LEQ与引用量、影响因子等现有指标的根本区别：它只读文本本身，不读文本之外的任何标签。