AI 作图，不止卖家在用，买家也在用。
最近，不少网友晒出了一个令人啼笑皆非的操作：为了从卖家那里占到一点便宜，一些买家会故意声称商品有瑕疵，并要求退款。但实际上，**这些瑕疵图是他们自己用 AI 做的**，比如把好的榴莲做成腐烂掉的榴莲。
由于水果这种商品不方便退货验证（即使当时没坏，退回去也得坏了，而且运费很高），商家只能硬着头皮退钱。此外，有些商品虽然可以退货验证，但由于客单价较低，退货流程繁琐，商家一来二去还不如直接退钱成本低。因此，这类商家在收到瑕疵反馈时，一般也会选择退钱或赔偿部分金额了事。
商家通常会留一手，要求买家把瑕疵品剪坏，确保其失去使用价值。然而，这一招现在也被 AI 破解了。
我们从电商卖家口中了解到，这种骗术由来已久。大概十年前，就有买家通过 PS 等工具在正常商品的照片上添加瑕疵。但以普通用户的 P 图水平，如果卖家放大图片仔细查看，大部分情况下还是能看出来的。而现在，AI 做的图鉴别起来要困难得多。
这看起来有点像「魔法打败魔法」的闹剧，因为如今的购物平台上，商家滥用 AI 的情况屡见不鲜，导致大量买家收到货后发现「货不对板」。商家们利用 AI 进行各种形式的误导：凭空生成不存在的产品图，将普通商品过度美化；使用无法真实反映上身效果的虚拟模特来节省成本；甚至利用 AI 批量伪造看似真实的「买家秀」和图文并茂的好评。
上述部分买家除了贪小便宜，有的可能还隐藏着一种复杂的「报复性维权」心理。当一些买家自己曾遭遇过商家用精美的 AI 渲染图「货不对板」的欺骗后，可能会产生一种「以其人之道还治其人之身」的冲动。
出于好奇，我们用一些 AI 工具尝试了一下，发现给正常商品加上瑕疵真是动动嘴皮子就行。虽然 AI 工具在生成时会给图片加上水印，但裁掉水印也很简单。
然而，要想呈现商品被破坏的效果，对于 AI 模型来说还有一定难度。
针对这个问题，不少网友提出了一些解决方案，但这些方案似乎都有各自的局限性。例如，有人认为可以要求买家回传「瑕疵」商品的视频。虽然这种方法在一定程度上可以增加伪造难度，但许多视频生成工具也能生成效果不错的视频，这取决于买家选择的 AI 工具和为此付出的努力。
还有人建议要求买家从不同角度多拍几张照片。这个想法利用了当前 AI 生成技术的一大软肋：「多视图一致性」。然而，这顶多算是一个暂时的「补丁」，AI 技术的迭代速度很快，我们刚找到它的破绽，它可能第二天就已修复。
还有建议强制要求在 App 内拍摄并上传，禁止使用相册。这能防止直接上传 AI 生成的成品，但防不住「物理外挂」——用两台手机互拍。这个所谓的限制形同虚设。
总结下来，单一的证据形式都极易被伪造。比较可行的方式是要求买家提供难以伪造、逻辑完整的证据链，包含「拆箱、剪裁、展示瑕疵」等关键步骤在内的、多角度、全过程实拍视频或连拍图片。
我们还尝试用「魔法打败魔法」：用 AI 鉴别 AI。市面上有很多 AI 鉴别器，但实测发现鉴别效果很像「抽卡」，大多数情况下是「不确定」是不是 AI 生成的。
一个更具前瞻性的技术方案是引入「数字水印」与「内容溯源」技术。目前，科技界正在推动 C2PA 等行业技术标准，而像谷歌已经推出了名为 SynthID 的工具，可以在 AI 生成的图片、视频和音频中直接嵌入肉眼无法察觉的数字水印。
这种技术就像是为 AI 内容内置的「数字身份证」，可以记录其生成和修改的关键信息。若未来能强制主流 AI 模型在生成内容时都加入此类标记，那么溯源和鉴别将变得容易得多。
归根结底，迅猛发展且缺乏监管的 AI 降低了买卖双方的作假门槛。依靠个人力量很难防范这种情况，还可能会给商家售后和买家维权造成额外的成本。
这场信任危机可能会是一场持续的「攻防战」。一方面，AI 生成技术在不断进化，让伪造的图片和视频越来越逼真；另一方面，AI 检测技术也在奋力追赶，试图通过分析图像的微观特征来识别伪造痕迹。这就像一场永不停歇的猫鼠游戏，考验着双方算法的迭代速度。
在这种背景下，平台方也在探索多种技术和策略组合。例如，通过强化证据链的完整性来提高伪造的难度，对那些通过 App 内相机即时拍摄、带有时间戳和地理位置等原始信息的照片赋予更高的证据权重。淘宝此前还发布公告治理 AI 假图，严厉打击利用 AI 假图欺骗消费者、侵害原创品牌商家的违规行为。
同时，利用大数据分析建立用户信用模型，对行为异常的账户进行更严格的审查，也是一种常见的风险控制手段。当技术手段难以一锤定音时，引入独立的第三方鉴定服务，则提供了一种结合技术与人工的解决方案。
长远来看，行业普遍认为，建立统一的、可追溯的数字内容标准至关重要。像 SynthID 这样的数字水印技术，如果能成为行业共识并广泛应用，无疑将为解决当前的信任困境提供最有效的技术路径。
最终，这场由技术引发的问题，或许仍需依靠更成熟、更统一的技术来寻找答案。
