猴子没有救那条狗，但眼泪是真的

10 月 7 日，一条视频爬到微博科技榜第二十位。画面里，一只猴子在洪水中把一条狗往安全的地方拖。它具备一条爆款该有的一切要素：灾难、跨物种的善意、本能在没有被要求的情况下做出了道德上正确的选择。人们转发，流泪。随后它被确认为生成内容。

有意思的地方不在于它是假的，而在于公众处理它的顺序：先被打动，再起疑，最后核实。这个顺序如今稳定到几乎可以拿来对表。

为什么这个顺序从来不变

因为在这条链条上，没有任何一个环节要求在发布的那一刻拿出证据。

一家新闻机构有编辑规范、有署名、有法务。一个往短视频平台上传视频的人，这些一样都没有。平台的默认设置是宽容的：内容在被举报之前一律视为真实。而受众唯一用得上的检验办法是「这看起来像真的吗」——而看起来像真的，恰恰是生成式视频现在最擅长的一件事。

湿漉漉的毛。水花溅起时那个特定的形状。一条受惊的狗扭动身体的方式。这些都不是无关紧要的细节，它们正是人类共情拿来当作证据的那些特征。一个被训练来生成可信画面的模型，在功能上就是一个被训练来生产「让人相信这段画面」的线索的模型。

这就是那道不对称。核实是缓慢的、对抗性的、无聊的。情绪是快速的、社交性的、有回报的。胜出的格式，是那种为后者做优化、同时对跳过前者不收取任何代价的格式。

这个月的样本格外密

那只猴子并非孤例。在同样的几周里：

一段客机在大雨中失控旋转的视频在海外平台流传。Lead Stories 做了溯源，AI 检测工具将其标记为生成内容。一段游客在新疆喀纳斯喂熊的短片被确认为合成。一张号称来自汽车对比网站懂车帝内部「整改通知」的截图，被查实是伪造的。

还有一件性质完全不同的事：票务平台淘票票的客服机器人辱骂了用户。公司的回应是，不知道用的是哪家大模型。

把这些放在一起，一个模式就出来了。一起是恶意伪造，一起是粗心部署，一起是任何一个会用修图软件的人都能做出来的截图。它们共享同一个缺陷：出事的时候，找不到一个可识别的、生产了这些内容的主体。不是模型厂商，不是平台，也不是那个账号。

代价落在下一条真实视频上

以下是我认为在这些讨论里被低估的部分。

一条假的救援视频造成的损害，不是某个人为一只并不存在的猴子难过了一场。而是下一条真实的救援视频——它一定会来，就在下一个汛期，由某个只有一部手机、没受过任何媒体训练的人拍摄——在抵达时已经被预先判定为不可信。受众的第一反应已经被训练成「大概是 AI」。

这是对真实性征的税，而且是累退税。大型媒体机构养得起核实团队，一个偶然拍到真实事件的普通人养不起。每一条疯传的假视频，都让诚实的目击者更不可信，而诚实的目击者恰恰是最没有能力自证的那一个。

这个实验我们在照片时代已经做过一遍。路透社和法新的核实部门、反向图片搜索的习惯、「看手指」的民间智慧——都是十年修图史长出来的东西。它花了好几年，而且至今仍不可靠。视频更难，因为视频隐含着一个连续性声明：这件事发生过，按这个顺序，持续了这么长时间。生成这个声明现在很便宜，审计它不便宜。

一个签名位不体面，但可能是必要的

在中国科技评论里反复出现的那套提议并不复杂：三个签名位。

生成端：这是哪个模型做的，在导出时声明。发布端：谁为它背书，依据是什么。平台端：检测到了什么，做了什么处理。三者缺任何一个，该内容默认带一个可见的「疑似合成」标签。

这些在技术上都不难。C2PA 清单和 SynthID 这类水印方案早就存在；难的是采用，因为从模糊里获益最多的那几方，正是要签字的那几方。

而且确实有一个像样的反对意见：强制的来源元数据本身也是一个监控面。一个记录每张图由哪个模型生成、并且绑定到账号的系统，就是一个记录人们做了什么内容的系统。任何严肃的提议都必须回答这一点，而大多数没有。

在那之前，真正有用的是什么

三个习惯，按有用程度递减。

找出原件。几乎所有疯传的合成视频都是二次上传。如果你能找到的最早一条来自一个没有任何历史的账号，那本身就是信息。

看那些乏味的破绽。生成的洪水在和水里物体交互时，往往会有轻微的错位——碎屑不会减速，水不会把东西打湿。不是每次都有，也不可靠。但它比检测模型便宜。

问一句谁受益。一条在四秒内就让你情绪强烈、却找不到可识别来源的视频，不是证据。那是一种情绪，带了个文件扩展名。

为什么检测工具补不上这个缺口

有一种很自然的直觉：那就把检测器做得更好。确实有好几个，而且它们在模型的原始输出上表现相当不错。

麻烦在于生成与观看之间的那条流水线。一条合成视频在你看到它之前会被重新编码三次——上传时一次，平台的转码器里一次，有人录屏转发到别处时又一次。每一次都会剥离或破坏检测器要找的统计指纹。到你手里的那条视频，已经是被压缩、被裁剪、被调过色的衍生物，而检测器本可以识别的是它此前的样子。

还有误差的不对称。一个把 5% 的真实素材标成合成的检测器，在新闻编辑室里是不可接受的——你不能因为模型这么说，就去告诉一位目击者他的视频是假的。一个漏掉 5% 假视频的检测器同样不可接受。不存在能同时满足两者的阈值，而误判的成本落在一个人身上，不是落在一个平台上。

于是这些工具最终只剩一个狭窄的用途：分诊。它们告诉核实台先去看哪里。它们回答不了一个观众真正的问题——要不要为此动感情。

平台的激励，说白了

关于标注为什么迟迟不来，值得不带感情地看一看。

一个给视频打上「合成」标签的平台，承担了它此前不必承担的责任。如果标签打错了，打在一条真实视频上，就等于诽谤了一位目击者。如果该打而没打，就等于误导了受众。无论哪一种，平台都为一个它目前不必做的判断承担了责任。不标注是免费的。

整个算盘就是这样，这也解释了为什么这个行业做了好几年的自愿框架，却几乎没有默认标签。欧盟的做法——AI 法案下的机器可读标注义务——是唯一一次试图改变默认值的监管尝试，而它的效果完全取决于标注能不能在上述那条转码流水线里活下来。早期证据并不乐观。

回到那只猴子。一只生成的动物，某处一场真实的洪水，一个拿着手机的观众，而这条链上没有一个人的职责是说明它到底是什么。

于是又回到那个最便宜的习惯，那个没人愿意听的习惯，因为情绪才是重点：问一句，谁从你四秒内被击中这件事里获益。猴子没有救那条狗。眼泪是真的。这两件事可以同时成立，而它们之间的那道缝隙，就是这整个问题所在的地方。