【這個城市有點潮】山東青島：一半蔚藍一半金黃 生活的每一幀都是夏日典藏
2025-10-24 09:53 1,167次浏览最近，新華網發布的一則反詐短視頻在社交平臺引發關注。這條旨在揭露AI換臉、變聲騙局的宣傳片發布後，有網友說「被嚇到了」，還有評價說「像恐怖片」。這是為什麼呢？原來，很多網友沒有想到，AI換臉、換聲能那麼「真」：短視頻以溫馨的母女視頻通話情節開始。母親正在家裡煲湯等女兒回家，女兒撒嬌說航班延誤又掉了一部手機，央求母親轉帳應急。就在母親用網銀轉帳時，門鈴響起，母親以為沒帶鑰匙的父親回家，暫停轉帳去開門。誰知，門外站著女兒。此時，視頻電話裡的「女兒」還在一口一個「媽，你是世界上最好的媽」。 反詐視頻中，真人與AI變臉「面對面」（圖源：新華網視頻截屏）。所以，宣傳片的主題是告訴網友，AI可以模擬人臉和人聲，視頻裡看到和聽到的都不一定是真實的，要警惕新型詐騙電話。不少網友一邊評價「太嚇人」，一邊詢問：AI技術真的進化到可以如此逼真的「換臉換聲」了嗎？答案是肯定的。只要3步，「換臉」成功「AI換臉、換聲並且用視頻的形式誤導公眾，已經不算技術難題。」人工智慧企業合合信息的技術人員展示了3步換臉：第一步，對著演示屏幕的攝像頭，根據提示上下左右轉頭，錄入真人信息；第二步，選擇兩張想要的新臉照片；第三步，演示屏幕顯示，這名技術人員已經擁有了兩張全新的「臉」，新臉還能跟隨身體的主人做出各種頭部動作與面部表情。對普通人而言，壓根看不出顯示屏幕上的「人」是AI生成的。 左：真人信息錄入；中：選擇要變的「臉」；右：變臉完成（作者攝）。技術人員表示，AI換聲也很方便，很多消費級的軟體已經提供這些服務。只要向相關軟體提供一定的聲紋資源，軟體很快就能模擬目標聲音，實現以假亂真的效果。所以，千萬不要以為反詐短視頻中的「換臉變聲詐騙」是演繹。隨著AI技術的發展，換臉、變聲已經不再困難。而且，有不法分子已經用換臉、換聲等騙取錢財。前不久，湖北警方就披露了一起「變聲」詐騙案件：被害人劉女士接到「孫子」電話說，不當心傷害到別的孩子，「私了」要2萬元錢，怕被母親責罵，「請奶奶救救我，不要告訴媽媽」。劉女士覺得電話那頭就是「孫子」的聲音，決定湊錢幫孫子。接著，孫子說有人來找劉女士拿錢，在交接錢款時，劉女士又聽到了電話裡「孫子」的聲音，確認無誤後，把錢款給了對方。過了幾天，劉女士遇到孫子問起這件事，才發現上當受騙，然後報警。警方經過調查，抓獲了犯罪嫌疑人，並根據被害人提供的線索分析認為，犯罪嫌疑人可能是通過多次撥打座機電話，逐步收集了她孫子的聲紋信息，基於它們用AI技術造假，實施詐騙。識破AI換臉和變聲，這些訣竅有用那麼，如何預防AI換臉、變聲詐騙呢？最簡單的是使用只有當事人才知道的「暗語」或者方言。當視頻通話等涉及轉帳等話題，當事人要先想辦法求證對方是本人還是AI造假。比如，可以詢問對當事雙方都有特別意義的紀念日、改用方言交流等。此時，AI造假極可能露餡。同時，個人應注意保護隱私信息。高清的面部信息、聲紋信息等，都屬於隱私信息，它們都是被模仿的基礎。所以，在社交平臺上曬視頻、曬照片、曬聲音等行為，其實存在一定的被模仿風險。此外，通訊硬體、軟體等服務供應方，則要有「用魔法打敗魔法」的防範思路。技術人員表示，在生活中，不法分子不僅用AI換臉、變聲詐騙，還會用換臉、變聲「撞庫」，盜取他人錢財。比如，不法分子獲得目標對象的臉部圖像後，試圖通過「人臉識別」的方式，登錄目標對象的各種帳戶，盜取數據、轉移財產等。AI造假後「撞庫」的後果往往比AI造假後詐騙更大，所以需要從源頭加以識別、攔截。此時，AI也可以成為幫手：AI通過對光影、臉部紋理、動態五官是否合理等細節的監控和計算，得出鑑定結果。 用AI識別AI造假（作者攝）。「因為AI捕捉和比對的精細度遠遠超過人眼，所以能識別人眼發現不了的造假視頻。」技術人員表示，如果在涉及人臉識別、聲紋識別的服務中嵌入以上技術，那麼能極大限度地防範AI造假。
前不久，我在做某數位化平臺的調研時，與他們的創始人談到了一個耐人尋味的話題——「為什麼中國擁有全球最完整的工業體系，卻仍有無數中小工廠困於『代工邊緣』？」 對方提到，「其實只用產業鏈集群來描述中國製造業的供應鏈能力是不準確的，至少還包括工藝協同、企業協同、行業協同、區域協同和內外協同。」 這五個協同層面，恰好揭示了傳統供應鏈體系的深層矛盾。當我們把目光從單個企業的生存困境投向更遠，會發現全球供應鏈的重組早已超越簡單的產能轉移，演變為一場由數據與算法驅動的系統性變革——而AI，正是這場變革的核心引擎。 傳統供應鏈的困境：看不見的繩索與隱性成本 傳統供應鏈的痛點往往像慢性病，其症狀在危急時刻才會被劇烈感知。而AI卻像特效藥一樣，能讓傳統供應鏈「起死回生」。 在珠三角某電子元件基地，一家主營手機配件的工廠就曾遭遇過類似問題。當海外客戶突然要修改訂單要求時，供應商需要花費三天時間核實技術要求的細節，而車間主任也只能憑經驗決定能不能修改。這種低效的信息傳遞鏈條，迫使企業不得不常年多備15%的冗餘庫存以應對不確定性。 這種依賴人工經驗的決策模式，更「坑人」的地方在於，易引發市場波動中的「群體失智」：市場一有風吹草動，就容易集體跑偏。結果就是企業看不清市場走向，要麼一窩蜂擴大生產，要麼突然集體減產，最終陷入「產能錯配—利潤壓縮」的惡性循環。 這些問題的根源，本質上是傳統供應鏈「信息孤島」與「決策滯後」的系統性矛盾，而這恰恰是AI技術的突破口。 「信息孤島」的癥結在於，在傳統供應鏈中，訂單信息需經採購、設計、生產、物流等多環節層層傳遞，每過一個節點就產生信息損耗；上下遊企業因數據標準不統一，技術參數、交付周期等關鍵信息難以對齊。例如，某汽車零部件製造商因無法實時獲取主機廠的生產計劃調整，頻繁出現生產節奏與市場需求脫節。 「決策滯後」則體現為，傳統供應鏈依賴人工經驗和歷史數據的預測模式，在突發性事件面前不堪一擊。例如2020年新冠疫情初期，全球供應鏈的混亂正是源於信息傳遞的延遲和決策的滯後。當某國港口突然關閉時，上遊製造商無法及時調整生產計劃，下遊客戶也難以重新配置物流資源時，將會導致整個鏈條陷入癱瘓。 那這困境的本質是什麼呢？是工業時代線性協作模式與數字時代動態需求之間的脫節。當市場從「大規模標準化生產」轉向「個性化柔性定製」，全球貿易要求供應鏈具備實時響應能力時，依賴人工、割裂信息、滯後決策的傳統模式也將必然被淘汰。這也解釋了為何AI在供應鏈中的應用已從「可選升級」變為「生存必需」——它不僅是技術工具，更是重構供應鏈底層邏輯的核心引擎，就是為了將「看不見的繩索」轉化為「可量化的數據流」，將「隱形成本」壓縮為「精準可控的效率提升空間」。 如何解決？構建AI驅動的「數據—算法」供應鏈體系 當傳統供應鏈的痛點被摸清楚了，解決辦法也就隨之而來，即構建一個基於AI的「數據—算法」供應鏈體系。 該體系的核心，在於AI將模糊的製造能力轉化為可量化的數據資產，並通過算法實現全領域精準協同。一些領先的數位化製造平臺已經展現出成熟的實踐，其平臺通過構建多維度的數據標籤體系，從最底層的工藝切入，將原本難以描述的工藝能力，如微米級精度的車床加工、特定材質的表面處理工藝等，轉化為機器可識別的結構化特徵。隨後，將簡單的需求流轉到工廠，讓買家和工廠直接對接；碰到需要多種工藝的複雜訂單，就重新設計、拆解，再派單給不同工廠完成，其匹配精度與效率遠超人工篩選。 這種轉變其實本質上是AI正在繪製一張實時更新的全球「製造能力圖譜」。以前，說起企業的製造能力，大家總愛簡單分成「能做」和「不能做」兩種。現在，在AI驅動的體系中，每個工廠的工藝參數、設備配置、質量認證等數據都被拆解為可動態組合的模塊。例如，醫療器械企業發布精密零件採購需求時，AI系統不僅能匹配具備相應資質的供應商，還能根據實時產能數據推薦最優生產方案——既大幅提升供應鏈匹配效率，又顯著降低冗餘成本。這種數據驅動的決策模式，正在將供應鏈管理的底層邏輯從「被動響應」轉向「主動預測」，成為全球供應鏈的核心競爭力。 其實這場變革的關鍵在哪兒呢？說到底，數據成了供應鏈裡最值錢的家當，而算法就像分配利益的規矩——誰手裡的預測模型更準，誰能更快把所有數據理順，誰就能在全球供應鏈重新洗牌的時候佔上風。 對中國製造業來說，這種靠AI撐起來的「數據加算法」模式，不光能幫那些中小工廠跳出「只能做代工」的困局，更能把咱們「工業體系全」這個大優勢，變成在全球供應鏈裡說了算的本事。這麼一來，全球供應鏈也慢慢從「扎堆在一個地方生產」變成「靠數字連在一起高效協作」了。 從中國到全球，供應鏈的「去中心化」革命 而在全球範圍內，供應鏈都在悄悄變樣——以前是層層管著、一個中心說了算，現在慢慢變成了大家各有各的職能，互相配合著來。而這場大變樣的背後，最關鍵的推手就是AI。 想像這樣一個場景——深圳的電子元件工廠接到來自巴西的定製化訂單，系統自動生成包含質量檢測標準、付款條件和物流路線的智能合約，貨物離開生產線時區塊鏈就完成支付結算，整個過程像網購一樣簡單直觀。這種看似科幻的場景，其實在阿里巴巴國際站的跨境貿易中已經初現端倪，去年該平臺就有超過三成的交易開始應用區塊鏈存證技術，實現了全流程的透明化與自動化。 現在，技術的底層邏輯正在發生質變。5G結合AI視覺算法讓跨國遠程質檢成為可能，AI算法能實時分析全球14個港口的擁堵情況，物聯網設備回傳的貨櫃溫溼度數據經AI分析後可提前預警風險……傳統供應鏈的「金字塔」結構正被徹底解構。這種變革帶來的不僅是流程簡化，更是價值創造模式的根本性轉變——過去依賴跨國物流公司和銀行的「中間層」正在消失，生產端和消費端通過。AI驅動數字網絡直接咬合。 然而，這場革命的推進遠比想像中更加複雜。在東莞的製造業集群中，我們能看到兩種截然不同的圖景並行：某家年產值5億的電子廠斥資800萬搭建工業網際網路平臺，卻因管理層對數據可視化系統缺乏理解，導致系統淪為擺設；而隔壁的模具廠則用300萬改造費用實現設備聯網，通過實時監測刀具損耗率，就將生產效率大幅度提升。 這種差異折射出轉型的深層矛盾——當數位化需要重構組織架構時，很多企業發現最大的障礙不是技術本身，而是組織慣性。實際中通常會出現花了幾個月時間搭建ERP系統，但員工習慣了手工操作，推廣難度很大。此外，數據安全和隱私保護問題也日益凸顯，如何在開放共享與風險控制之間找到平衡，是行業面臨的共同挑戰。 這些現實困境揭示：去中心化不是簡單的技術疊加，而是需要同步重構商業規則、組織文化甚至權力關係的系統工程。 供應鏈的「活」與「變」 當供應鏈「活」了起來，中國製造乃至全球產業網絡的協同與進化，才真正擁有了面向未來的無限可能。 這場由數據與算法驅動的變革，正在重塑全球供應鏈的底層邏輯——從「效率優先」轉向「韌性優先」，從「成本控制」轉向「價值共創」。 過去由跨國企業主導的垂直供應鏈，正在演變為一種網狀生態。深圳無人機企業通過開放AI算法接口，吸引全球開發者為其改進飛行控制系統，使產品響應速度提升30%；蘇州的紡織廠將柔性生產線接入AI雲平臺，成為服務十幾個國家設計師品牌的「雲製造」節點，實現按單生產的毫秒級調度。這種轉變帶來的不僅是效率提升，更是價值創造邏輯的根本變革：當每個參與方都能通過數據貢獻獲得收益分成，當創新成果能在全球範圍內即時復用，供應鏈就變成了持續進化的生命體。 從大趨勢來看，AI正在悄悄改變供應鏈創造價值的方式。過去，資源怎麼分配，基本都是行業裡的大公司說了算；現在，AI的「分布式智能」慢慢接過了這活兒——算法會盯著實時數據，靈活調配產能、優化物流路線、提前預判需求，哪怕是很小的生產單元，都可能在這個過程中變成創造價值的關鍵節點。 這種變革的深層意義在於，全球供應鏈的競爭早就不拼規模大小了，而是比誰的AI算力強、處理數據快。誰能更快練出精準的預測模型，誰能更高效地把各地的數據串起來，誰就能在現在這個講究靈活、能定製的全球市場裡搶得先機。 不過，AI推動供應鏈升級，也不是沒遇到難題。比如得建立跟AI匹配的數據歸屬和交易規則，得培養既懂生產工藝又懂算法的多面手，還得琢磨怎麼讓不同文化背景的人用AI好好配合。就像深圳華強北的轉型，從以前的手工焊接小作坊，變成現在涵蓋設計、測試、融資的全鏈條數字生態，每一步突破都離不開AI技術進步和制度創新的相互帶動——算法在優化生產流程的同時，也逼著管理模式改成了「人和機器一起協作」。 在未來的產業圖景中，AI會變成供應鏈的「神經中樞」：工廠設備靠AI自己協調幹活，物流網絡跟著算法隨時調整路線，甚至消費者幾個月後想要什麼，AI都能提前半年算出來。等每個生產單元都連上AI驅動的數字網絡，整個供應鏈會變得特別有韌性，充滿活力。這可不只是技術更新換代那麼簡單，更是全球產業格局朝著「智能協同」時代走的必然結果。 (作者劉典為復旦大學中國研究院副研究員，清華大學人工智慧國際治理研究院戰略與宏觀項目主任，新著《杭州模式：DeepSeek與中國算谷》2025年5月由中信出版集團出版)
免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。
凤凰网直播
「活动」首次登录送新手大礼包
- 软件大小: 879.12MB
- 最后更新: 2025-10-24 09:53
- 最新版本: v7.6.13.5
- 文件格式: apk
- 应用分类:ios-Android 免费直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 3.18以上
客服热线：133-9352-4217
春雨app直播免费看类似软件
猜你喜欢
52189
95
2025-10-24 09:53
29136
97
2025-10-24 09:53
48673
54
2025-10-24 09:53
32579
14
2025-10-24 09:53
24736
36
2025-10-24 09:53
65473
98
2025-10-24 09:53
51236
45
2025-10-24 09:53
41957
97
2025-10-24 09:53
97235
57
2025-10-24 09:53
75291
92
2025-10-24 09:53
58729
16
2025-10-24 09:53
37
61392
48137
34782
96374
93172
31857
21839