" 震惊！最新数据曝光！中国人平均寿命连年下降，2024 年中国男性平均寿命仅为 69.9 岁！" 您最近可能也在短视频中刷到过这样的内容，一些博主除了声称 " 男性寿命连续多年下滑 "，还称女性平均寿命也 " 缩水 " 到了 78.5 岁，其中部分博主甚至在平台的认证身份是三甲医院医生，并声称数据 " 真实可靠 "。
今天就准确地告诉大家，这的的确确就是谣言，相关数据毫无根据，是有自媒体混淆概念、借题发挥、推波助澜。那么这则谣言是怎样产生的？错误数据从何而来？我国人均预期寿命的实际情况又是怎样的呢？
谣言是怎样产生的？ 混淆 " 平均寿命 " 与 " 平均预期寿命 "
近期，一些自媒体博主发布文字或视频称 "2024 年中国男性平均寿命为 69.9 岁，女性 78.5 岁 "。一张网传图片显示，2021 年到 2024 年，我国男性平均寿命连续四年下降，从 75.46 岁下降至 69.9 岁；女性平均寿命也从 2019 年最高时的 80.93 岁下降到 78.5 岁，引发热议。记者发现，不少发布者竟为平台认证的三甲医院医生，有博主声称该数据由权威部门发布，真实可靠，相关内容获得上万点赞。
这些所谓核实过的数据也引起了一些网友质疑：生活水平越来越好，寿命怎么会连年下降？
中国人民大学人口与健康学院院长杜鹏深耕人口老龄化、人口与发展等领域多年，他明确指出，自媒体博主首先就混淆了 " 平均寿命 " 与 " 平均预期寿命 " 这两个概念。传言中提到的 " 平均寿命 " 实则是 " 平均死亡年龄 "，指所有死者年龄的平均值。
" 一般不叫平均寿命，标准的说法就叫平均预期寿命。平均寿命是指什么？这一年去世的人，你把他们的年龄都加起来，除以这一年的死亡人数，这叫平均寿命。平均寿命很难算，光拿这一年死了多少人，是算不出这个数的。要分男性和女性的，那就更难算了。平时的网上炒作这些人，他显然不懂这个计算方法，他也拿不到这个数。"
杜鹏介绍，由于计算所得结果会因死亡人口年龄结构的影响而严重扭曲，不能准确反映人口寿命水平，因此 " 平均寿命 " 这个概念并不常用。他举例说，在其他情况完全相同的条件下，如果人口的年龄结构比较老，那么每年死亡人口中老年人的数量就会多，计算的平均死亡年龄就比较高。
相比之下，平均预期寿命则是一个更常用的概念，它基于当前各年龄段死亡率，预测新生儿未来可能存活的平均年数，消除了年龄结构影响，能够反映人口真实寿命水平。
" 平均预期寿命是假定一批人按照某一年的分年龄死亡率度过一生，他们平均的存活的年数，比如 2024 年新出生的小孩，按照 2024 年分年龄死亡率去度过一生，预期的寿命。"
根据国家卫生健康委 2024 年发布的《2023 年我国卫生健康事业发展统计公报》，我国人均预期寿命达到 78.6 岁，婴儿死亡率下降到 4.5 ‰，为历史最好水平。这一实际情况与各自媒体博主 " 人均寿命连年下降 " 的说法完全不符。在杜鹏看来，传言根本站不住脚。
" 平均预期寿命是用分年龄死亡率算出来的，所以没有发生这种大的变化，导致分年龄死亡率增长的情况下，预期寿命是不会减少的。随着经济和社会的发展，医疗卫生事业的进步，存活率是越来越高的，分年龄死亡率是在下降的。我们每年公布的死亡人数，像刚公布的 2024 年比 2023 年死亡人数还少，预期寿命不可能往下降。所以完全不知道这个数是怎么算出来的，没有科学依据。"
错误数据从何而来？ " 机器欺骗 " 污染信息生态
传言中的内容从何而来？记者借助 AI 大模型工具进行了一次全网溯源。
记者发现，AI 大模型工具搜索到的这篇文章的标题含糊不清、内容粗糙杂乱，文章并没有明确解释 "2024 年中国男性平均寿命为 69.9 岁，女性为 78.5 岁 " 相关内容的具体来源，只是笼统称 "2024 年某项数据统计表明 "。更为关键的是，这篇文章的发布时间是 2024 年 9 月 19 日，这也至少证明，文章并未完全统计全年情况就对 2024 年乱下结论。
实际上，能帮助搜寻谣言源头的 AI 大模型工具也可能成为谣言传播的助力者。记者在查询相关内容时发现，有 AI 大模型工具声称：" 国家统计局公布的 2023 年中国男性平均寿命为 73.64 岁，2020 年为 74.7 岁。" 这也与网传图片中这两个年份的数据相吻合。但记者在国家统计局官网并未找到这一数据的原始发布信息。记者追问后，AI 大模型工具改口表示，该数据可能源自自媒体对 " 平均寿命 " 与 " 预期寿命 " 概念的混淆，或对非官方统计的误读。
此前，"80 后死亡率破 5.2%" 这一谣言就在网上引发过广泛关注，谣言背后就有 AI 大模型身影。对此，北京邮电大学人工智能学院人机交互与认知工程实验室主任刘伟表示，尽管 AI 大模型能够处理和分析海量的数据，并从中提取有价值信息，但由于存在训练语料受到污染等局限性因素，可能会发生 " 机器幻觉 " 和 " 机器欺骗 " 情况。使用者要有自己的判断能力：
"‘机器欺骗’和‘机器幻觉’的根就在于，生成式语言大模型都是基于统计概率和数学规则的，它没有真实世界的价值和事实的这种观念。因为文本里面有大量的错误，也有虚假的，也有恶意的，这些它都要学习。它学什么就会输出什么。怎么解决这个问题，就需要大家把人的常识和任务环境结合在一起来进行比对，知道它哪些问题是回答的比较好，哪些问题是偏离了正常的事实和价值观。"
这则谣言的传播路径和其背后的逻辑，实际上暴露了当下信息生态的三大症结：科学概念的混淆、技术工具的双刃剑效应，以及流量驱动下的信任透支。部分自媒体博主刻意模糊概念差异，将碎片化信息包装成 " 权威结论 " 的行为，实际上却造成了谣言的滋生和传播。
破除信息迷雾，需要多方合力筑牢防线：平台应完善审核机制，对混淆核心概念的内容进行标签警示；技术开发者须强化 AI 模型的价值观校准，避免 " 机器欺骗 " 污染信息生态；公众也要提升科学素养，警惕 " 权威包装 " 下的概念陷阱。
