开春那盆带AI味儿的泼天祸水
2026年开春，A股刚走出一波开门红，就爆了个大新闻。闽系那家刚谈妥千亿债务展期的房企，一段1分27秒的老板录音突然流出来，内容扎心：核心资产早就转去海外了，国内的债能拖就拖。
半天时间，股价直接封死跌停，32亿市值蒸发，很多刚抄底的散户哭都找不到地方。最后官方报警，三天才出结果：这声音是骗子拿最新开源音频大模型克隆的，连老板去年喉炎手术后留下的沙哑感都还原了，普通人根本听不出来。
这事不是孤例。去年国内反诈中心公开的数据里，利用音频大模型深度伪造作案的诈骗案，比2023年翻了11倍，单笔最高被骗了2000万，是一个上市公司CEO被克隆了董事长的声音，转走了项目款。
原来大家聊AI语音克隆，都是当猎奇新闻看，说什么以后可以替自己直播唱歌。现在刀架脖子上才发现，鉴伪根本不是实验室里的灌水课题，是整个社会都要补的课。
很多人说现在AI技术太牛了，鉴伪追不上。说实话，真不是技术追不上，是方向走错了。
赛道分叉，谁在卷错方向
现在国内做音频大模型深度伪造语音鉴伪的，分两派，打得不可开交。一派是互联网大厂的安全部门，比如腾讯安全，走的是「模型斗模型」路线，训练专门的鉴伪大模型，专门抓AI生成语音里的统计痕迹。另一派是语音原生玩家，比如思必驰，推的是原生水印路线，在生成语音的时候就嵌进去人耳听不到的数字水印，不管怎么转码压缩都能查出来。
这里头的商业模式博弈很有意思。模型斗模型是事后鉴伪，不用改现有的音频传输链路，平台接入快，拿融资讲故事也方便，毕竟能刷实验室准确率。原生水印要改生成、传输、存储全链路，动了很多人的蛋糕，推广慢，不讨资本喜欢。
给你两个真实的数据你就懂了。现在训练一次能对抗最新开源语音大模型的顶级鉴伪模型，单次训练成本超过1100万，相当于长三角一个一千户规模的中型小区一年的物业费总营收，烧钱速度远超一般创业公司能承受的范围。第二个数据，今年1月国内反诈联盟测了市面上17款主流公开鉴伪工具，对微信语音这类经过三次转码压缩的低码率音频，平均检出率不到63%，比银行十年前用的传统声纹核验准确率还低18个百分点。
这不就是生物学里说的红皇后效应么？你必须拼尽全力不停奔跑，才能留在原地。伪造技术每个月更一个新版本，今天你训练的模型能把昨天的伪造揪出来99%，明天人家新模型一出，你的准确率直接掉二十个点，又得重新烧钱训练，永远追在屁股后面吃灰。
现在整个赛道都在卷实验室的准确率榜，谁刷到99%谁就是老大，拿大钱。但真正落地需要解决的低码率压缩、对抗性微调伪造这些问题，没人愿意啃硬骨头。说白了，大家都选了容易走的路，把难的问题留给了下游买单的人。这个方向我认为走偏了。
每个普通人都要掏的隐形成本
别觉得这事离你远，现在产业链上每个环节都已经被倒逼了。
我上个月跟一个城商行科技部的老朋友吃饭，他说他们行年初已经全停了语音身份核验业务，原来靠声纹做电话改密码、远程开户，每年能省两千多万的人工成本，现在出了两起伪造骗贷的案子，直接全砍了，所有远程身份核验都改成人脸+人工复核，原来省的钱全吐回去不说，用户体验还崩了，投诉量涨了三倍。
还有做内容的声优、配音UP主，现在随便一个人花几十块钱就能克隆你的声音，拿去配色情广告、赌博引流，你维权都找不到头。去年B站有个百万粉的配音UP主，就遇到这事，自己账号被封，折腾了三个月才拿出鉴伪报告解封，人瘦了快十斤，流量掉了一半，根本补不回来。
现在已经有专门做第三方语音鉴伪的SaaS服务商，给金融、互联网平台按调用次数收费，一次一块二，比一条国际短信还贵，但是人家平台都愿意掏这个钱，因为出一次事就是几百万上千万的损失，掏一块二买平安，怎么算都值。说白了，原来不存在的鉴伪成本，现在已经变成了所有语音相关业务的固定隐形成本。
你用微信发语音，你打视频电话，你在直播间说话，未来每一段公开传播的语音，都要多这么一块成本。最后这笔钱会摊到谁头上？
当整个社会的语音信任都要靠付费鉴伪来维持，没有钱买单的中小机构和普通人，要拿什么保护自己？
