10 月 5 日前后,OpenAI 发布了一项叫 textGrain 的文本水印技术,同时公开了同名论文。说白了,就是给 AI 生成的文字埋一个肉眼看不见、但机器能认出来的统计暗号。
它怎么做到看不见
它不动你的字,也不加符号,更不碰标点。原理是在模型"选词"那一刻,悄悄调整用词的概率分布,让整段文字形成一种读者察觉不到、检测器却认得出的节奏。因为水印长在文字本身里,你复制粘贴,暗号也跟着走。
直接动因是欧盟法案
直接动因是欧盟《人工智能法案》第五十条第二款。这条透明度义务今年 8 月 2 日已经生效,要求 AI 生成内容用机器可读的方式标记。OpenAI 这一步,是对监管的直接回应。
落地分两路
落地节奏分两路。欧盟境内,未来几周 ChatGPT 和 Codex 的文本默认带水印,而且只限欧盟。全球 API 这边,开发者可以按模型自己选择开不开,默认是关的。也就是说,短期内绝大多数地区的普通用户,文本里暂时没有这个暗号。
检测有上限
检测能力有上限。OpenAI 自己坦言,二百个 token 的段落识别率约八成,四百个 token 能到九成五。可只要把大约一成词语换成同义词,识别率就从九成二掉到六成六;换掉四分之一,基本只剩一成七,等于失效。短文本、数学推导、代码注释、译文,本来就难辨。
检测器不公开
检测器不对外公开。OpenAI 只把初步访问权限给通过审核的研究人员和专业机构。它也不打算证明"没水印就是人写的"——一段文本可能因为太短或改太多丢了水印,也可能来自别家的模型。
背景:Anthropic 早做了
一个值得注意的背景:Anthropic 两个月前就已经给 Claude 的文本加了基于 SynthID-Text 的水印,而且是全球范围推。OpenAI 这次算是跟上,并且表示算法后续会开源。
暗号背后的拉锯
这场暗号背后是一场拉锯。水印能标,就有人琢磨怎么消。Anthropic 之前上 SynthID-Text 没多久,GitHub 上就冒出过批量去水印的开源工具,思路就是用改写把统计信号打乱。OpenAI 这次干脆不把检测器放出来,只给审核过的机构,算是一种防守。但防守很难赢——只要改写的自由度够高,任何统计水印都会被稀释。
对内容行业真正的影响
对内容行业真正的影响,不在"能不能查出来",而在"平台会不会开始要你自证"。当水印铺开,学校交作业、媒体发稿、电商写详情页,都可能被要求声明是否用了 AI。那时你交的不是一段文字,而是一份来源说明。提前养成标注习惯,比到时候手忙脚乱强。
别把水印当唯一依据
也别把水印当成判断真伪的唯一依据。OpenAI 自己反复强调:没有水印不等于人写的,有水印只说明 OpenAI 的系统经手过这一段。一段被大量改写、翻译过的文本,水印早丢了,可它依然是 AI 生成的。把水印当线索,别当判决书。
并行的 C2PA
和水印并行的,还有一套叫 C2PA 的内容凭证。它跟水印不是一回事:水印长在文字里、看不见;内容凭证是写在文件元数据里的来源和历程记录,相机厂商、新闻机构也在用。OpenAI 说在技术可行时会两套一起上,让来源信息在文件被改动后更可能留下来。问题是日常操作里截图、转格式都可能把元数据丢掉,那种时候就只剩水印这个底了。
写作者的护城河
对写作者来说,真正的护城河从「写得像人」变成了「能证明来源」。未来甲方、平台、学校要的不再是「这段是不是 AI 写的」这种判断题,而是「你用 AI 做了哪几步、哪些是你自己的判断」这种说明题。越早建立自己的来源标注习惯,越不容易在规则落地时被卡。把 AI 当协作者,记录协作过程,比赌它查不出来稳得多。
企业内容团队要早立规矩
对企业内容团队,这条线尤其要早立规矩:对外发布用 AI 参与的材料,哪些标、哪些不标、谁来核,现在就该写进流程。别等平台开始强制造假识别,才发现自己连内部口径都没有。
把话说透
把话说透:水印不是让你恐慌的东西,它是监管和平台之间的一层缓冲。你该做的不是躲,而是习惯"来源可标注"。将来内容的可信度,会比文笔更值钱。早一点把标注当流程,晚一点被规则追着跑。
跟你有啥关系?
如果你用 AI 写内容、做 SEO、搞批量发文,这条线得盯住。短期看,欧盟用户的 AI 文本会被标,但全球默认关,对你日常影响不大。真正要小心的,是别再幻想"AI 写的东西查不出来"。水印会越铺越广,平台、学校、媒体未来都可能拿它当溯源线索。把 AI 当工具没问题,但交付物该标注的地方标注,该人工核的地方核,别把宝压在"别人发现不了"上。
