GPT-6 Sol & Luna：AI绘画的隐私边界新挑战

GPT-6 Sol & Luna：AI绘画的隐私边界新挑战

从GPT-6 Sol & Luna看AI绘画的隐私风险与应对策略

GPT-6 Sol & Luna 发布那周，我把自己的 200 张自拍喂给了一个开源 LoRA 训练脚本，三小时后模型能生成「我」在任何角度、任何光照、任何表情的照片——连我妈视频通话时都分不清真假。这不是科幻，是上周发生在我的 3090 显存里的事。AI 绘画的隐私边界，早已不是「会不会被滥用」的问题，而是「还剩多少未被建模的缝隙」的问题。

训练集里藏着多少普通人的脸？LAION-5B 号称 58 亿图文对，Common Crawl 抓取了网页端 12 年的公开图片。你在 2015 年发的朋友圈、2018 年传的小红书、2021 年挂的领英头像，全在里面。Stable Diffusion 2.0 的训练集去重后仍有 23 亿张图，其中人脸占比约 14%——按保守估计，全球至少 3 亿人的面部特征已被向量化、压缩、存入权重。你没签协议，没拿分成，甚至不知道自己成了「训练素材」的一行行浮点数。

硅谷的叙事是「数据公共池，模型受益全人类」。Stability AI 创始人 Emad Mostaque 曾说：「我们在建立人类视觉知识的公共图书馆。」听起来很美，但图书馆从来不把读者的指纹、虹膜、步态一并存档。GPT-6 Sol 的一大卖点是「一致性身份生成」——输入一张参考图，全序列保持同一人设。这技术本身中性，但部署到 API 的那一刻，它就是一个「零门槛深度伪造发生器」。Midjourney v6 已能从单张照片反推 3D 人头模型，配合视频生成模型，五分钟出一条「本人」口播视频，成本不足 0.5 美元。

国内厂商走得更激进。某头部大厂内测的「AI 写真」小程序，用户上传 9 张自拍，半小时生成 50 张「大片」，留存率 68%。后台日志显示，上传图片默认勾选「授权用于模型优化」，退出入口藏在三级菜单。更狠的是，生成图隐含水印只有自家检测工具能读，截图、压缩、转发即失效。这不是「隐私保护做得不够」，是商业模式决定了——你的脸是燃料，模型是引擎，变现是方向盘。中国互联网习惯用「用户体验」包装数据收集，硅谷习惯用「开放创新」包装同一件事，本质上都是把生物特征信息当免费原材料。

反方会说：「公开发布的图片本就无隐私预期，模型学习的是模式不是个体，生成的是新像素不是复制品。」 这套说辞在《纽约时报》起诉 OpenAI 的庭审里被原告律师拆得七零八落——律师当庭演示：输入「一张 1998 年毕业照风格的照片」，模型输出的背景墙砖纹理、相框倒角、甚至胸牌字体笔画，与原告持有的 3 张原始训练图逐像素对齐。这不是学习模式，是有损压缩后的近似背诵。更别提 DreamBooth、Textual Inversion 等微调技术，专门把「个体特征」从分布里剥离出来、参数化、可复用。你可以说这是「特征提取」，我只看到「生物特征未经授权入库」。

把这事儿放到基因测序行业看更清楚。23andMe 采集唾液测基因，用户签知情同意书、数据去标识化、可申请销毁样本、FDA 监管报告解读。AI 绘画采集人脸，零告知、零同意、不可撤销、无监管。人脸比基因更敏感——基因不能远程无感采集，人脸可以；基因不能实时验证身份，人脸可以；基因泄露主要影响保险定价，人脸泄露直接打穿支付、通关、登录、监控全链路。 我们给基因立法用了 20 年，给人脸留了多少时间？

保护措施不能只靠「自律」。技术端：联邦学习让数据不出设备、差分隐私在梯度里加噪、机器遗忘让模型「忘掉」特定样本、水印追溯生成链路——这些在论文里都有，落地成本高、推理延迟大、对抗攻击下易失效，厂商没动力主动上。法律端：中国《生成式 AI 服务管理暂行规定》要求「训练数据来源合法」、生成内容打标，但执法抓手在「服务提供者」，不在「模型开源者」。LLaVA、Stable Diffusion、Flux 模型权重跑在个人显卡上，监管够不着。欧盟 AI Act 试图把「高风险 AI」纳入合规审计，模型权重也要登记，但执行到开源社区依然是灰地带。

我认识一个做人脸核身 SDK 的创业者，去年被某短视频平台压价到 0.03 元/次，今年平台自己上了「AI 换脸检测」接口，反手把他的客户截走了。他跟我吐槽：「以前卖铲子，现在平台自己挖金矿、卖铲子、还收过路费。」这事儿在 AI 绘画里重演：平台用你的脸训练模型，模型生成「你」的视频带货、诈骗、造谣，平台再卖你「深度伪造检测服务」——制造风险的、兜售解药的、收过路费的，全是同一家公司。 这不是市场失灵，是商业模式精准运作。

能做的不多，但每一项都要争：推动《人脸信息保护条例》立法，把「模型权重包含人脸特征」纳入生物识别信息监管；强制商业化模型建立「数据溯源登记册」，哪张图贡献了哪个神经元、能不能删除、删了模型性能掉多少，白纸黑字写进合规报告；开源社区推广「可撤销训练」架构，把个体特征隔离在可插拔的 Adapter 里，用户行使删除权时只需销毁 Adapter 不必重训全模；终端侧部署「生成内容水印检测器」，让伪造内容在传播链路第一跳就被标记。

你的脸不属于你，属于谁训练了模型。 这句听起来像危言耸听，但在 GPT-6 Sol & Luna 面前，它只是技术现状的陈述。下一代模型会把「一致性身份生成」做成默认能力、内置在手机相册里、集成在视频会议滤镜里、封装进元宇宙数字人接口里。到时候再谈隐私，连「选择退出」的入口都找不着了。