2026年3月，OpenAI 宣布关停 Sora，视频生成赛道并未因此降温，反而加速向 B 端渗透。随着可灵 2.6、Runway Gen-4 以及 Vidu Q3 等国产与海外模型的激烈角逐，AI 生成的视频在物理一致性、光影细节上已难以被肉眼分辨。然而，技术的狂欢背后是信任的崩塌。当 DeepFake 不再需要复杂的代码库，只需一段提示词就能生成逼真视频时，内容的“真实性”成了比“画质”更稀缺的资源。
在这场博弈中，单纯的算法检测已显乏力。浙江大学网络安全学院视觉深度伪造检测平台近期披露的数据显示，尽管部署了 12 种以上开源检测算法，但在面对经过针对性扰动的生成视频时，误报率和漏报率依然居高不下。检测算法的滞后性，迫使行业将目光投向了“源头治理”——即多模态水印与区块链存证技术。
水印的猫鼠游戏：从像素嵌入到语义绑定
目前主流的 C2PA（内容来源和真实性联盟）规范正在经历一次关键的扩展。早期的水印技术多在频域嵌入肉眼不可见的噪声，但这种做法在视频经过多次压缩、转码后极易丢失。2026 年的最新实测表明，基于语义绑定的多模态水印更具韧性。
我们选取了 Runway Gen-4 和可灵 1.5 两款代表性模型进行压力测试。在测试中，研究者模拟了社交媒体平台的典型压缩流程（如微信、抖音的转码），并加入了常见的图像编辑操作（裁剪、亮度调整）。结果显示，传统频域水印在经历 3 次以上转码后，提取成功率跌至 60% 以下。而新版 C2PA 扩展方案通过引入音频与视频的联合指纹校验，即使在视频画面被大幅篡改的情况下，只要元数据未完全剥离，仍能在后端存证平台上验证出原始生成信息。
但这并非万能药。一位不愿具名的安全研究员指出：“水印可以被‘擦除’。对于恶意使用者来说，重新编码视频是最低成本的对抗手段。”这就引出了第二个防线：区块链存证。
区块链存证：不仅是时间戳，更是责任链
如果说水印是贴在产品上的防伪标签，那么区块链存证则是记录产品生产全过程的“流水账”。2026 年暑期，随着《生成式人工智能服务版权确权指引》实施两个月后，创作者维权成功率仅 15% 的尴尬局面依然存在。主要原因在于，法庭难以认定“谁在何时使用了哪款模型生成了该视频”。
为了解决这一痛点，部分头部视频平台开始尝试将生成过程的中间状态上链。例如，当用户使用可灵生成视频时，不仅最终的视频文件会被哈希上链，其使用的提示词、随机种子、甚至中间帧的特征向量都会被打包成一个“证据包”，存入联盟链节点。
在实际评测中，这种全链路存证大大降低了举证难度。一旦视频被用于虚假新闻或侵权用途，监管机构可以通过链上数据快速回溯至具体的账号、时间点和模型版本。然而，隐私泄露的风险也随之而来。如何在确权和隐私保护之间取得平衡，是目前平台方最大的顾虑。正如我们在《AIGC版权确权新规落地两月：创作者为何维权艰难》一文中分析的那样，技术只是手段，法律界定才是核心。
三方视角下的技术局限与立场分歧
在这场深伪治理的战役中，平台、创作者和监管方有着截然不同的诉求。
平台方最关心的是合规成本与用户体验的平衡。对于 Runway 或可灵这样的服务商来说，强制嵌入不可见的水印可能会影响视频的后期二次创作空间，导致专业用户流失。因此，许多平台采取了“默认开启、用户可选”的策略，这在一定程度上削弱了防护的有效性。
创作者则处于夹缝中。一方面，他们希望自己的原创内容能被快速识别和保护；另一方面，他们也不愿自己的创作过程被过度监控。在《AIGC版权确权新规落地两月》的报道中提到，许多独立创作者转向了数字水印和过程留痕技术自救，但这需要额外的技术门槛和时间成本。
监管方的需求最为迫切，但也最难满足。他们需要的是实时、全覆盖的监测能力。然而，正如浙大实验室所揭示的，面对海量的生成内容，人工审核显然不现实，而自动化检测又存在准确率瓶颈。因此，监管方更倾向于建立一套基于区块链的可信存证体系，通过事后追责来威慑事前造假。
结语：技术无法单独解决信任危机
Sora 的退场并不意味着 AI 视频治理的终结，相反，它标志着一个更务实阶段的开始。多模态水印与区块链存证的结合，虽然不能完全杜绝 DeepFake，但至少构建了一道可追溯的技术防线。然而，技术的局限性在于，它无法解决人性的贪婪与恶意。正如《Sora 黯然下线：AI 视频生成告别技术狂欢，回归商业务实》中所言，行业的未来不在于模型的炫技，而在于谁能建立起一套可信的内容生态。
在未来几年，我们可能会看到更多“AI 原生”的信任基础设施出现，比如基于零知识证明的身份认证，或者更加智能的实时内容审核 Agent。但对于普通用户而言，保持警惕、交叉验证信息源，依然是抵御深伪侵害的最有效手段。
在这个真假难辨的时代，信任本身，或许是最昂贵的奢侈品。
