從「中國馬斯克」到阿湯哥假抖音爆紅!Deepfake技術日益壯大,該怎麼應對?
從「中國馬斯克」到阿湯哥假抖音爆紅!Deepfake技術日益壯大,該怎麼應對?

中國網民向來有個矽谷英雄情結,總喜歡把矽谷創業明星「本地化」。

繼賈伯斯之後,如今被網民們討論最多的矽谷企業家明星當屬富可敵國又屢出狂言的馬斯克。

追捧馬斯克的一方會說中國孕育不出第二個敢說敢做的夢想家,討厭馬斯克的人則認為中國不需要再多一個誇誇其辭的資本家。

但當「中國馬斯克」在抖音上爆火後,追捧和討厭馬斯克的人都沉默了。

fake musk
圖/ ifanr

這個操著一口純正方言和蹩腳英語的「中國馬斯克」看起來是如此的荒謬、怪異,看久了後你卻會發現他還有幾分合理。

雖然影片中「馬一龍0」的行頭、背景不夠前世界首富精緻,但他眉宇間那種不把世俗放在眼裡的野性,又是如此的真實。

china musk
圖/ ifanr

當觀眾看到他捧起一隻紙做的小藍鳥說出「愛老虎油」後,一直緊皺的眉頭終於繃不住了,爆笑之後不僅感嘆現在土味影片的熱點意識竟然如此新銳。

很快,這顆荒誕的隕石猛烈地撞擊在了網路星球上,引起了病毒式的傳播。

好事的網友將這則影片傳到了Twitter上,詢問真正愛上小藍鳥的馬斯克怎麼看待他在大洋彼岸的「中國替身」。

顯然,兩者的撞臉程度之高讓見慣了大場面的馬斯克本人也感到難以置信,馬斯克表示他還挺有興趣與「馬一龍0」見上一面,前提是這位撞臉兄弟真的存在。

Twitter
圖/ Twitter

聽到馬斯克發起的互動請求後,位於河北的「馬一龍0」也發了一條微博回應,稱自已也很想與「李逵」本人相見。

Twitter
圖/ Twitter

就在大家期待這個雙向奔赴的故事能夠有個美好的結局時,「馬一龍0」的微博帳號在本週突然被微博禁言,多條模仿馬斯克的影片已被刪除。

在「馬一龍0」爆火時,很多網友就已經懷疑「馬一龍0」的影片是採用Deepfakes換臉技術製作,一些網友還憑藉影片的零星資訊找到了疑似「馬一龍0」本人的真實照片,發現兩者長相的差異還是很明顯的。

「馬一龍0」被微博的封禁後,這場「李鬼見李逵」的撞臉鬧劇基本上已坐實了造假的事實,只要再給網路一點時間,這位河北的弟兄很快就會被遺忘在網路的長河中。

但在「馬一龍0」消失後,誰知道下一個「馬一龍1」「馬應龍2」什麼時候冒出來呢?

氾濫的假臉

「模仿明星」一直是很多毫無人氣的素人在短時間內吸引關注的慣用伎倆。

點開抖音、快手等短平台直播平台,像「周口杰倫」PK「俊傑燒餅」的荒誕場景比比皆是。

如果說利用服裝造型、化妝來模仿是生產假明星的石器時代的話,那麼如今「造假」早已加速邁入了AI時代,即使造假者的體型、外貌與明星有天差地別,只要導入大量的照片供機器學習,就能造出像「馬一龍0」這麼逼真的效果。

去年,湯姆克魯斯就曾以類似的方式在Tiktok裡火了一把。

在名叫DeepTomCruise的帳號發布的影片中,人們發現一向帥氣高冷的湯姆克魯斯竟然像個熱情的大男孩一樣和大家分享自己的日常生活,並且意外的話癆和幽默。

結合用戶名的Deep前綴,很顯然這是一條用Deepfake技術合成的後期影片。

Tiktok
圖/ Tiktok

但讓很多人感到驚奇的是,這些影片的完成度相當高,普通人很難看出其中的破綻,於是「假湯姆克魯斯」的影片在Tiktok上被瘋傳,很快就獲得了超過1億的瀏覽量和340萬粉絲。

「假湯姆克魯斯」的走紅讓其創作者Chris Umé真切地感受到了網路對於「造假」的熱情,他在個人YouTube帳號上向粉絲解釋了「假湯姆克魯斯」是如何製作的,其中使用到的核心技術是著名開源換臉項目DeepFace Lab。

DeepFaceLab可以說是目前最流行的AI換臉方式,其作者Ivan Perov在Github上的項目介紹上自信地寫道「目前95%的Deepfake影片都是用DeepFaceLab製作」。

DeepFaceLab換臉的邏輯並不復雜,大概可以分為檢測人臉、調整角度、替換人臉等幾個步驟,理論上只要給算法足夠多的人臉資訊學習,DeepFaceLab就能做出以假亂真的換臉效果。

在「假湯姆克魯斯」等製作過程中,ChrisUmé便是用機器學習了大量湯姆克魯斯真臉後,找出角度最合適的「真臉」替換上去。

當然,AI換臉實際操作起來要比理論上複雜得多,如果只是把臉做替換,當人物快速移動、臉被遮擋、又或者是照鏡子時就很容易出現破綻,因此要做出一個逼真的造假影片還需要很多後期工作。

ChrisUmé稱在製作影片的早期,光是訓練AI人工模型就花了2個月時間,在人臉完成替換工作後,他還要逐幀逐幀進行調整,以求達到最好的效果。

現在,「假湯姆克魯斯」經過多個版本的迭代後,像是吃棒棒糖、帶墨鏡、喝酒這種普通的臉部遮擋已經基本不會對假臉造成影響,在ChrisUmé發布的最新影片中,這張帥氣的假臉甚至在鏡子上也能「如實」地還原,逼真程度又上了一個台階。

May-19-2022-20-51-54
圖/ ifanr

ChrisUmé在接受TheVerge採訪時提到,他相信Deepfake技術會像過去Photoshop改變照片編輯那樣,改變人們對於影片編輯的看法。

事實上,包括Snapchat、迪士尼、字節跳動在內的大公司們都開展了與DeepFaceLab技術相關了研究,發表了一系列的專利和論文。

但在林林總總的換臉影片中,像ChrisUmé這樣非惡意使用的創作者仍是少數,更多的人是把Deepfake作為釋放惡的工具,用於創造色情內容、惡意傳播錯誤資訊。

在Vice最近關於Deepfake技術的一篇報導中提到,2019年有96%的Deepfake的影片都是色情內容,並且在Deepfake色情網站上每天都有數十部作品上傳,而其中絕大多數被替換上人臉的「臉主人」對此毫不知情。

Deepfake影片市場就像是一座龐大冰山,人們平時看到的換臉影片只是冰山顯露出的一角,而更多不可見人的內容埋藏在陰暗的海水之下。

色情和惡意的Deepfake影片氾濫毫無疑問是對被替換者肖像權的侵犯,包括Twitter在內的社交平台都對惡意Deepfake有嚴格的打擊措施,然而這依然很難阻止相應內容在Telegram、Discord等平台上的傳播。

Deepfake
圖/ 數位時代/沈佑穎製作

儘管如此,人們對Deepfake態度依然模稜兩可,一方面人們對惡意侵犯肖像、欺詐的行為深惡痛絕,另一方面人們又渴望看到更多有趣的換臉作品。

Deepfake就像人人都能買得起的小刀,有人用來表演吞刀子賣藝,有人則用來策劃恐怖襲擊,而隨著一些大公司的陸續入場,這把小刀很快又將成為人們處理影片的利器。

「假臉」就在你身邊

就在上個星期,我的同事換新言入手了一幅紅得已成梗的原道耳機,由於其極低的價格與出乎意料的音質表現有著強烈的反差感,很多佩戴過的用戶戲稱帶上會觸發「悔恨之淚」。

很快,換新言發布了一條聽感影片,影片全程沒說一個字,但卻把原道耳機給他帶來的那種震撼、驚訝以及沒有早點購入的懊悔之情展現的淋漓盡致。

正當我為他的鏡頭表現能力讚嘆時,換新言說這其實是用Snapchat新出的「AR哭臉」濾鏡拍的,是個不折不扣的假影片。

「AR哭臉」可以說是Snapchat現在最熱門的濾鏡之一,在推出後不到一個月的時間裡,有超過1.8億用戶使用它拍攝了13億次。

AR哭臉
圖/ ifanr

「AR哭臉」的走紅很大程度上是因為其逼真的效果,只要打開濾鏡對著臉一拍,上一秒還在捧腹大笑的你下一秒就在痛哭流涕,笑得越燦爛「哭」得就更淒慘。

這其實是利用Deepfake技術對人臉進行實時的分析和替換,雖然在精細程度上比不上「假湯姆克魯斯」,但是用來戲弄朋友已經綽綽有餘。

「哭臉」爆火後,一些網友懷疑Snapchat是在強尼戴普前妻赫德上找到的靈感,然後製作了與其同款的哭臉。

Snapchat隨後解釋稱「哭臉」其實在6個月前就已經在策劃開發,與其一同開發的還有一款「笑臉」濾鏡,只是一番衡量後Snapchat認為哭臉會更受歡迎,因而捨棄了笑臉。

事實證明,人們確實迷戀自己哭到崩潰的樣子,但問題又來了,被替換過假臉的你,還是你自己嗎?

同樣的,如果把馬斯克的臉套在「馬一龍0」身上,到底什麼是真實什麼是虛假呢?人們對於「真實身份」的認知到底從何而來?

這是人們生活被Deepfake技術入侵後的「忒修斯悖論」。

在去年,著名遊戲主播蕪湖大司馬曾被粉絲製作了一個名為《肌肉金輪》的換臉影片,在B站獲得了超過千萬的播放量,引起了一波不小的換臉熱潮。

《肌肉金輪》系列影片是把蕪湖大司馬的臉換到了一個身材健碩的健身博主身上,熟悉而又陌生的形象疊加在一起,形成了一種強烈的視覺衝擊感,使得影片在遊戲圈迅速走紅。

有意思的是,《肌肉金輪》爆火後蕪湖大司馬的直播間裡討論最多的已經不再是遊戲,而是督促主播健身以成為真正的「肌肉金輪」。

換臉影片
圖/ ifanr

似乎在他們的認知中被合成的虛擬影片才是真實的、完美的,而面前這個頂著真臉的人反而充滿了缺陷。

很顯然,人們還沒有做好與「假臉」和諧共處的準備。

「假臉」除了會給人們的身份認知造成困擾,還有著潛在的社會風險。在政權競選或者戰爭期間,Deepfake影片往往會成為一些有心之士的操縱工具,利用民眾熟悉的真實面孔散佈虛假消息,實現塑造輿論、煽動衝突的目的。因此,既然我們磨好了足以摧毀網絡世界的「矛」,也應該打造一塊足以抵擋其襲擊的「盾」。

然而和Deepfake的流行相比,網路上反Deepfake或者審查Deepfake的動作要少得多。

麻省理工大學在去年曾公佈了一個名為DetectDeepFakes的項目,其目的是通過訓練偵測算法,在未來幫助提高人們大範圍辨別Deepfake影片的能力,但在一年之後,我們仍未能看到更多實質性的工具幫助人們甄別合成影片。

fake
圖/ ifanr

如今,人們的虛擬生活與現實生活交織的程度越來越高,虛擬世界的真實性也因此變得撲所迷離,假如我們不能有一個恰當的技術手段來定義「虛假」的話,那麼「真實」又從何而來呢?

本文授權轉載自:愛范兒 ifanr

責任編輯:傅珮晴、錢玉紘

關鍵字: #AI #deepfake
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓