引言

上周去上海逛了2026世界人工智能大会，说实在的，每年WAIC我都会去转一圈，看多了各种大模型、智能体、机器人，说实话多少有点审美疲劳——毕竟大多数展台讲来讲去都是生成能力，你家模型能写文案，我家模型能画图，他家能做视频，本质上都是在比谁生成得更像真的。

但今年合合信息的展台给我留下了特别深的印象，因为别人都在秀AI能造出什么，他们家反其道而行之，秀的是AI能识破什么。现场搞了个叫“AI较真大赛”的互动，摆了一堆支付截图、人像照片、新闻短视频，让观众找哪个是真哪个是假。我自认为平时接触AI不少，自认眼力还可以，结果连着三关全猜错了。

就是那次体验让我对这套叫“AI跨模态鉴伪技术”的东西产生了强烈的好奇心。回来之后我花了点时间，找了几十组不同类型的样本，从AI生成图、PS篡改凭证，到换脸视频、大模型写的文章，全都丢进去测了一遍，还翻了不少行业资料和技术文档，想搞清楚几个核心问题：

• 这套技术到底是怎么识破AI造假的？

• 面对压缩、转码、二次编辑过的内容，它还能准吗？

• 除了展台演示，它在真实业务里到底有没有用？

• 普通人能不能用得上？

今天这篇文章就跟大家好好聊聊，不吹不黑，全是我自己实测和调研的真实感受。

一、现在AI造假，门槛已经低到离谱了

在说鉴伪技术之前，我觉得有必要先跟大家掰扯清楚一个现状：我们现在面对的，早已不是当年那种需要专业PS高手才能做出来的低级伪造了。

1.1 普通人5分钟就能做出能骗过人眼的假内容

就在上个月，我身边一个做电商的朋友跟我吐槽，说他们店遇到了职业打假的，对方发过来一张榴莲发霉的照片，申请仅退款。客服盯着照片看了半天，觉得光影、纹理都很自然，不像是P的，就给退了。结果后来才发现，那张图根本就是用AI生成的——对方只花了两分钟，输入一句“放在快递纸箱里的发霉榴莲，自然光拍摄，手机实拍质感”，就生成了一张足以骗过人工审核的假图。

这不是个例。我自己也试过，用现在主流的生图工具，生成一张转账截图、一张身份证照片、一张商品破损图，真的就是分分钟的事。更可怕的是，你甚至不需要会写提示词，网上现成的模板一抓一大把，改几个数字就能用。

视频也是一样。以前换脸视频还得懂点技术，现在手机上随便下个APP，上传一张照片就能生成对口型的视频，表情、口型都自然得很。文本就更不用说了，大模型写出来的文章，很多时候比真人写得还通顺。

1.2 造假内容经过传播，痕迹几乎被抹干净了

很多人可能会说，AI生成的东西不是有伪影吗？不是有手部畸形、光影不对这些破绽吗？

这话放在两年前可能还成立，但现在真的不好说了。而且更关键的是，现实中我们接触到的造假内容，根本就不是原始生成文件。一张AI生成的截图，会经过微信转发、截图、裁剪、压缩，再经过平台的二次转码，等传到审核人员手里的时候，原本就很微弱的生成痕迹，早就被稀释得差不多了。

我做过一个实验：把一张AI生成的图片，连续三次通过微信发送、保存，再用普通看图软件压缩一下画质，然后拿去给几个做设计的朋友看，所有人都没看出来是AI生成的。

这就是现在鉴伪面临的最大现实：我们要检测的，从来不是实验室里干净的原始样本，而是经过了真实传播链路层层“污染”的退化内容。实验室里准确率99%的模型，放到真实场景里可能连60分都达不到。

1.3 造假已经不只是娱乐，而是真金白银的损失

可能有人觉得，不就是几张假图假视频吗，有什么大不了的？

那我给大家看几组数据。根据Surfshark公布的数据，2025年上半年，深度伪造相关的金融欺诈造成全球损失近9亿美元；而到了2026年第一季度，全球深度伪造欺诈案件已经超过420万起，同比增长了217%，金融机构的损失估计达到118亿美元。

国内的情况也不乐观。就说电商售后欺诈，湖南衡山有个人用AI修图工具批量伪造水果腐烂照片，3个月骗了60个榴莲、5箱车厘子，涉案金额一万六；安徽淮北也有人用雷同的手法，几十家店反复申请仅退款，单店损失最高超过五千块。这还只是被抓到的，没被抓到的不知道有多少。

金融领域就更吓人了。冒充领导语音克隆诈骗、AI换脸远程开户、伪造银行流水和征信报告……这些都不是新闻了，而是每天都在发生的真实案件。

还有学术领域、内容平台、社交平台……AI造假正在渗透到每一个有图片、有视频、有文字的地方。而我们绝大多数人，包括很多专业的审核人员，其实根本没有能力分辨真假。

人眼看不出，人工审核跟不上，传统的检测工具又容易被绕过——这就是我们当下面对的真实困境。

二、合合信息的跨模态鉴伪，到底是个什么技术？

正是在这样的背景下，合合信息在今年WAIC上推出的这套AI跨模态鉴伪技术，才显得格外有意义。别人都在做“矛”，他们在做“盾”。

2.1 先搞懂：什么是“跨模态鉴伪”？

很多人可能第一次听到这个词，我给大家解释一下。“模态”可以简单理解为信息的载体形式——图片是一种模态，视频是一种模态，文本又是另一种模态。以前的鉴伪工具，大多只能单独检测图片，或者单独检测文本，各干各的，互不打通。

而“跨模态鉴伪”，就是能同时处理图片、视频、文本这三种最常见的信息形态，用一套统一的技术体系来做真假鉴别。而且它不只是分别检测，还能做跨模态的一致性校验——比如一段视频里，人物口型和声音对不对得上；一张带文字的截图里，文字排版和图像逻辑有没有矛盾。

听起来好像不难，但实际上做起来非常难。因为不同模态的数据结构完全不一样，图像是像素矩阵，视频是连续帧序列，文本是字符序列，处理方法天差地别。要把它们整合到一个框架里，还要保证准确率和速度，技术门槛非常高。

2.2 合合信息的多模态文本智能积累

很多人知道合合信息，可能是因为扫描全能王这个App。但很多人不知道的是，他们家在文本智能领域已经深耕十几年了，从最早的OCR文字识别，到后来的文档解析、版面理解，再到现在的多模态大模型，技术积累其实非常深厚。

我查了一下他们的技术体系，合合信息有三大技术平台，其中“天璇文本智能技术平台”是核心，专门做文档结构理解、智能纠错、关键信息提取这些事。简单说就是，AI不只是能“看见”文字，还能理解版面结构、语义逻辑，甚至能判断文档合不合规。

而这次的跨模态鉴伪技术，其实就是在他们多年文本智能和多模态技术积累上长出来的能力。合合信息从文本理解出发，再延伸到图像和视频，天然就对“带文字的内容”特别敏感，而现实中绝大多数造假凭证，恰恰都是带文字的，比如转账截图、票据、证件、合同等等。

2.3 核心架构：三大模块+双链路检测

具体到技术架构上，这套系统主要分成三大模块：图像鉴伪、视频鉴伪、文本鉴伪。

但最核心的创新，其实是它的检测逻辑。传统的鉴伪方案大多只抓单一特征，比如图像就看噪声分布，文本就看词频和句长，很容易被针对性绕过。而合合信息用的是「底层特征捕捉+高层语义校验」的双链路架构，从两个完全不同的维度交叉验证。

什么意思呢？我给大家拆开讲。

底层特征捕捉：抓机器留下的“数字指纹”

不管AI生成技术怎么进化，只要是算法生成的内容，就一定会在数字底层留下痕迹，这是由生成模型的原理决定的，就像人的指纹一样，无法完全消除。

底层链路就是去抓这些痕迹。比如图像方面，它会从三个层面入手：

• 频域分析：把图像从空间域转换到频率域，AI生成的图像在频域上会有特有的伪影和周期性规律，人眼看不见，但算法一抓一个准

• 噪声分布建模：真实相机拍出来的照片，噪声是有特定分布规律的；而AI生成的图像，噪声模式完全不一样，不同的生成模型还有各自的特点

• 成像物理规律校验：比如透视关系对不对、光影方向是不是一致、边缘过渡符不符合光学规律

这三层是从物理和算法底层去判断，相当于从根上查，造假者很难完全抹除这些痕迹。

高层语义校验：从逻辑层面找矛盾

光有底层特征还不够，因为内容经过多次压缩转码后，底层痕迹会变弱。这时候高层语义校验就派上用场了。

简单说就是，让AI像人一样去“看”内容合不合理。比如一张转账截图，金额数字的字体、排版、对齐方式是不是符合真实APP的规范；一张证件照，五官比例、头肩比、背景是不是符合真实证件的要求；一段视频，人物动作连不连贯，帧与帧之间有没有跳跃。

文本方面也是一样，不只是看词频，还会分析行文逻辑、论证结构、观点深度，甚至是写作习惯。很多大模型写的文章，表面看通顺无比，但仔细读就会发现，它总是在说正确的废话，没有真正的个人观点和独特表达，逻辑上也容易出现跳跃和重复。高层语义校验就是抓这些规律。

两条链路一结合，就形成了双重保险。底层痕迹被抹掉了，还有逻辑层面的矛盾；造假者在逻辑上伪装得再好，底层数字指纹也藏不住。这也是为什么这套系统在真实场景下准确率能超过98%的原因。

三、我实测了几组样本，结果比我预想的要准

光说技术太抽象，接下来给大家上点硬货——我自己的实测结果。

为了测这套系统，我专门准备了日常生活场景中最常见的造假类型。测试工具就是合合信息对外放出的“扫描全能王** AI **鉴伪”微信小程序，大家也可以自己去搜了试试。

图片是造假最多发的场景，为此，博主测试了一些案例

测试1：AI生成的证件照

这张是我用大模型生成的标准白底证件照，五官、皮肤纹理、头发边缘都处理得非常干净，我拿给身边好几个人看，都以为是真人拍的。

上传到小程序之后，1.46秒就出结果了——AI可能性100%，直接判定为AI生成。报告里还给出了检测依据：图像频谱存在AI生成特征、成像噪声不符合真实相机规律、面部细节存在算法生成痕迹。

说实话这个结果我是有点惊讶的，因为这张图从视觉上看真的毫无破绽，连我这种经常接触AI内容的人都没看出来。

测试2：AI篡改的转账截图

这张是我拿真实的微信转账截图，用AI把金额从0.99元改成了9.99元，改的时候特意对齐了字体、颜色和光影，尽量做得逼真。

检测结果：AI生成概率100%

测试3：真实的手机实拍照片

我还特意测了误判率。拿了一张我自己用手机拍的生活照，光线不太好，还有点模糊，结果判定为真实图像，AI可能性0%。

又测了几张网上下载的实拍图、老照片、截图再截图的图片，绝大多数都判定正确，只有一张经过重度压缩的老照片被误判为“低风险可疑”，置信度26%，系统也只是提示存疑，没有直接判定为假。

测试4：AI生成的视频检测

AI 生成视频可伪造人物言行、虚构事件，易引发不实传播与内容欺诈。扫描全能王视频鉴伪精准识别生成痕迹，守护信息安全

测试5：文本检测

AI 生成文本易批量炮制虚假资讯、伪造文书、剽窃原创，扰乱信息真实性

扫描全能王AI鉴伪这个vx程序，这个表现说实话，比我预期的要好很多。

四、这项技术的真正价值，从来都不是给普通人玩的

聊完技术和实测，再说说更实在的：这项技术到底有什么用？谁会用它？

在我看来，AI鉴伪从来都不是一个面向普通消费者的娱乐工具，它真正的战场，是在B端业务场景里，是在那些真假判断直接关系到钱、关系到合规、关系到风险的地方。

4.1 身份核验的最后一道防线

金融是AI造假的重灾区，也是鉴伪技术最刚需的场景。

以前银行做远程开户、信贷审批，主要靠人脸识别+人工审核材料。但现在AI换脸、伪造证件、篡改银行流水都太容易了，传统的核验方式漏洞越来越大。

合合信息的鉴伪技术在金融场景主要用在几个地方：

• 远程身份核验：检测人脸是不是活的、有没有被换脸、证件照片是不是伪造的

• 资质材料审核：识别身份证、银行卡、征信报告、银行流水有没有被篡改

• 反欺诈检测：对转账凭证、聊天记录截图等欺诈证据进行鉴伪

我看到一个数据，合合信息的人脸深度伪造检测技术已经应用到某头部国有银行了，系统上线之后，人脸伪造拦截率比原来的系统提升了8倍。8倍是什么概念？相当于原来能拦住1个，现在能拦住8个，这个提升幅度是非常惊人的。

4.2 专治AI造假“薅羊毛”

电商场景是最近两年造假爆发最快的领域。特别是“仅退款”规则出来之后，用AI生成商品瑕疵图来骗退款的人越来越多，商家苦不堪言。

传统的售后审核，基本就是客服肉眼看图片，遇到做得逼真的AI图，根本分辨不出来。总不能为了几十块钱的东西，还专门找个技术团队做鉴定吧？

而AI鉴伪技术就可以嵌到售后审核流程里，买家上传凭证之后，系统自动先过一遍，检测是不是AI生成的、有没有被P过。高风险的直接打回，要求重新上传或者转人工审核，低风险的正常走流程。

这样一来，既能拦住大部分虚假售后，又不会影响正常消费者的体验。据我了解，现在已经有不少电商平台和大商家在对接这类能力了。

4.3 保险理赔：从人工审核到智能核验

保险理赔也是造假的重灾区。伪造事故现场照片、涂改医疗票据、用旧事故冒充新事故……这些都是骗保的常规操作。

以前保险公司审核理赔材料，主要靠人工看，效率低不说，还容易看走眼。尤其是现在大家都用手机拍照上传，图片质量参差不齐，真假更难辨。

有了跨模态鉴伪技术之后，可以对事故照片、医疗票据、视频资料进行批量检测，先筛掉一眼假的，再把存疑的交给人工，审核效率能提升好几倍，还能降低骗保成功率。

4.4 内容平台与学术场景：治理AI内容泛滥

还有两个场景需求也在快速增长：一个是内容平台，一个是学术教育。

现在各大内容平台都头疼AI生成内容泛滥的问题，不是说AI内容不好，而是很多人用AI批量生成低质内容、洗稿、造谣，严重影响平台生态。有了鉴伪能力，平台就能对AI内容进行标注和分级管理。

学术场景就更不用说了，论文查重之后，AI检测已经成了标配。而且不只是查正文，现在连图表、数据配图都有可能是AI生成的，跨模态鉴伪就能派上用场。

五、结语

聊到这里，其实我挺有感慨的。就在几年前，我们还常说“眼见为实”，照片、视频都是证据一样的存在。但才短短几年时间，AI生成技术就发展到了这个地步，我们亲眼看到的、亲耳听到的，都有可能是假的。这是技术进步带来的必然结果。生成式AI降低了内容创作的门槛，同时也降低了造假的门槛。有矛就一定会有盾，鉴伪技术就是伴随着生成技术一起成长起来的盾。

入口：vx搜 扫描全能王 AI 鉴伪

合合信息这次推出的AI跨模态鉴伪技术，在我看来最大的意义，不是技术本身有多酷炫，而是它把一项原本只有专业机构才能用的能力，做得足够轻、足够易用，甚至普通用户通过小程序就能体验。这对于提升整个社会的AI安全意识，是很有帮助的。当然，技术只是一方面。真正要应对AI造假问题，光靠鉴伪技术是不够的，还需要法律的完善、平台的治理、公众意识的提升，多方合力才行。目前该技术已实现金融、保险、电商等多场景应用，仅图文鉴伪技术即可实现日均数十万条内容全量核验，逐步接管传统人工抽样审核模式，降低漏判误判风险。