2024 年 2 月的某個早晨，香港某跨國工程公司的財務人員打開了電腦，加入了一場視訊會議。螢幕上出現了熟悉的臉孔——財務長、幾位同事，還有外部顧問。對方說話的聲音、表情、語氣，都跟平常一樣。
會議結束後，他轉帳了 2,500 萬美元。
那不是他的財務長。那不是任何人類。那是一場完整的 Deepfake 視訊詐騙，從頭到尾，每一張臉都是 AI 生成的。
這是 2024 年最著名的 AI 詐騙案。受害者是知名工程顧問集團 Arup，損失金額摺合約新台幣 8 億元。更可怕的是：從目前的技術發展看，這件事會越來越常發生，而不是越來越少。
第一幕：Deepfake 詐騙——從電話騙局到虛假會議室
傳統詐騙有個致命弱點：一旦受害者要求視訊確認，謊言就會穿幫。
AI 打掉了這個弱點。
2024 年，全球 Deepfake 詐騙損失達到 4 億美元。2025 年數字翻超過兩倍，突破 10 億美元（僅美國一地就達 11 億）。研究機構 Deloitte 預測，若無有效遏止，到 2027 年，AI 輔助詐騙的全球損失將達 400 億美元——相當於每年一個台灣政府年度總預算。
詐騙的技術門檻正在崩潰。以前製作一段合成影片，需要昂貴的設備和數週時間。現在，只需要幾張目標人物的照片、一段 3 到 10 秒的語音樣本，再配合市面上可取得的換臉工具，幾分鐘內就能生成以假亂真的影片。
2024 年，每五分鐘就發生一次 Deepfake 攻擊。 企業每次遭遇 Deepfake 詐騙事件的平均損失是 50 萬美元。
Arup 案例的殘酷之處不在於金額，而在於那名財務人員完全沒有犯下「常識性錯誤」。他沒有點開可疑連結，沒有把密碼交給陌生人，他做的只是相信了自己的眼睛和耳朵——而這恰恰是 AI 攻擊的目標。
反制產業聞到了商機。自 Deepfake 詐騙爆炸成長以來，身份驗證和合成媒體偵測工具的新創公司大量湧現：Reality Defender、Sensity AI、Intel 的 FakeCatcher，都在搶食這塊市場。他們的產品可以分析影片的微表情異常、膚色像素邏輯、甚至眼球反光的物理規律，來判斷畫面是否為 AI 合成。
但這是一場軍備競賽——而且目前攻方領先。
第二幕：豬仔盤的進化——AI 是完美的詐騙客服
「豬仔盤（Pig Butchering）」——這個名字的意象已經足夠殘忍：慢慢養肥，再一刀宰掉。
但加上 AI 之後，它變成了一條效率驚人的生產線。
2024 年，全球加密貨幣詐騙總收入高達 99 億美元，其中豬仔盤佔了三分之一。AI 介入後，相關詐騙案件在 2024 年中至 2025 年中暴增 456%。
傳統豬仔盤需要真人詐騙師：他們建立虛假身份，在社群媒體或交友 App 上找目標，花數週甚至數月培養感情，再引導對方投入「高回報」的假加密平台，最後捲款消失。這套劇本需要大量人力，而且往往涉及強迫勞動——柬埔寨、緬甸、菲律賓詐騙園區裡，有無數被拐賣的工人在槍口下操作劇本。
AI 改變了這條鏈上最耗人力的部分。
- AI 生成高顏值虛假個人資料：大量生成外貌一致但無法被反向搜尋到的假照片和假影片，每個詐騙帳號都有獨特面孔
- AI 客服 24/7 不間斷：維持與受害者的對話，模擬情感波動、回應不同情境，不露破綻
- AI 生成假交易平台與假盈利截圖：整套投資介面、歷史走勢圖、出金成功通知，全部自動產生
對受害者而言，對面的「戀人」回應速度快、細心體貼、對話自然——因為它沒有下班時間，也不會因為連續工作 12 小時後情緒崩潰說出破綻。
美國人 2024 年因此損失超過 100 億美元，年增 66%，幾乎全部流向東南亞詐騙集團。追蹤鏈上資金的機構發現，光一個名為「彙安擔保」的洗錢中繼站，2021 年以來處理的加密貨幣就超過 700 億美元。
2025 年，美國司法部成立了「詐騙集中心打擊工作組」。但那些詐騙園區仍在運作。
第三幕：奶奶，我被關起來了——仿聲詐騙的溫柔謊言
這是三種詐騙中，我覺得最難受的一種。
不是因為金額最大，而是因為它攻擊的是情感——而且是最脆弱的那種情感：對家人的愛與恐懼。
2024 年，加拿大有一對老夫婦接到一通電話。電話那頭，是「太孫的聲音」——他說自己出了車禍，被警察扣押，需要他們馬上匯一筆保釋金。那個聲音的語氣、腔調、說話習慣，都是他們熟悉的太孫。
他們轉了超過 11,000 加元。
在美國佛羅里達州，Sharon Brightwell 接到「兒子」的電話，說自己在外地出了意外。她最終損失了 15,000 美元現金。
這些都不是他們的家人。那是 AI 合成的聲音，原料只需要從社群媒體上抓到的 3 秒音頻片段——一段影片、一則語音留言，就夠了。
技術早已商品化。ElevenLabs、Resemble AI 等語音合成平台，最初是為了有聲書製作、影片配音等正當用途設計的。但同樣的技術，剪下 3 秒的聲音樣本，輸出一段任意內容的語音，只需要幾分鐘。
數字很冷：美國 60 歲以上族群，2024 年因網路犯罪損失 49 億美元，年增 43%。加拿大同年因此損失近 300 萬美元。
老年人是這種詐騙的主要目標，原因殘忍但直接：他們對 AI 合成音頻的辨識能力更弱，且更傾向在「家人陷入危機」時立即行動而不是先查證。
第四幕：反制產業在崛起——但它夠快嗎？
詐騙越大，反詐騙的生意就越大。
這個邏輯在科技史上一再重演：有病毒就有防毒軟體，有垃圾郵件就有垃圾郵件過濾，有假評論就有評論偵測 SaaS。現在，有了 AI 詐騙，就有 AI 防詐騙產業。
幾個值得關注的方向：
Deepfake 偵測工具：Intel FakeCatcher 聲稱可在 72 毫秒內辨識合成視訊。Reality Defender 為企業提供即時影片串流的真偽分析。這個市場預計在 2025-2027 年快速成長。
語音驗證與通話防護：企業開始在敏感通話中加入「聲紋檔案」比對——比較接收到的聲音與事先登記的語音模型，判斷是否為 AI 合成。美國有電信業者開始在老年用戶的電話中加入 AI 詐騙警示。
多因素身份驗證升級：視訊會議平台開始導入「隨機動作指令」——要求通話中的人做出不在預設動作庫中的手勢，以測試對方是否為即時生成的 AI。
立法跟上中：美國 2025 年多州通過 Deepfake 詐騙特別法，但執法仍是難題——詐騙者多藏身在司法管轄不到的地區，技術上要追查 AI 生成工具的使用者更是極難。
問題是：防禦技術和攻擊技術是在同一個生態系中成長的。生成 Deepfake 的開源工具在進步，偵測工具也在進步；但研究者普遍承認，在生成品質持續提升的情況下，「100% 準確的偵測」在技術上可能是不存在的目標。
數字，讓你坐立不安
讓我們把所有數字放在一起看一眼，別跳過這一段：
| 指標 | 數字 |
|---|---|
| 2025 年 Deepfake 詐騙損失 | $10 億美元（美國） |
| 2024 年加密貨幣詐騙總收入 | $99 億美元 |
| AI 相關詐騙年增長率 | 456%（2024-25） |
| 預計 2027 年 AI 詐騙損失 | $400 億美元 |
| Deepfake 攻擊頻率 | 每 5 分鐘一次（2024） |
| 仿聲詐騙音頻需求 | 3 秒即可複製聲音 |
| 美國 60 歲以上網路犯罪損失 | $49 億美元（2024，年增 43%） |
這些不是預測值。大多數是已發生的數據。
結尾：軍備競賽的終局
我沒有辦法告訴你這場比賽誰會贏。
從歷史上看，防禦技術最終都追上了攻擊技術——至少在技術層面。垃圾郵件沒有消滅電子郵件，病毒沒有讓人放棄使用電腦。也許 Deepfake 詐騙也一樣，在某個時間點，偵測技術會成熟到足以讓絕大多數攻擊無效。
但有一個變數我不確定：當生成工具的成本趨近於零，而潛在受害者的數量是幾十億人時，攻擊者只需要讓極小比例的嘗試成功，就能維持整個產業運作。
Arup 案的那名財務人員，不是因為不謹慎才被騙。他是在現有的認知工具（眼睛、耳朵、過去的工作記憶）都指向「這是真實的」時，做出了正常的決定。
那才是真正讓人不安的地方。
不是你不夠聰明，而是你的感知本身成了攻擊面。
這場軍備競賽還沒有終局。也許終局不是技術問題——而是一個文化問題：在一個任何東西都可以被偽造的世界裡，我們最終會如何重建信任？
一見生財 — 2026-03-09
本文為「AI 財富地圖：誰在賺、誰在死、誰在灰色地帶」系列第 03 集
載入留言中...