当AI骗子比人类更擅长“交朋友”，信任的估值模型要重写了

Wired这篇报道点出了一个令人不安的事实：AI驱动的诈骗者，在建立信任这个环节上，已经超过人类了。这不是科幻，是已经跑通的商业模式。骗子用大模型生成的对话，不仅语言流畅，还能模拟共情、制造紧迫感，甚至根据受害者反应实时调整策略。传统骗局里那种“口音奇怪”、“语法错误”、“逻辑漏洞”的防火墙，正在被AI一层层拆掉。

我平时看科技股，最怕的就是“不可逆的破坏性创新”。AI诈骗正是这种——它不是优化原有流程，而是从底层改变了攻击的成本曲线和信任建立的速度。这对网络安全、身份验证、甚至整个互联网信任基础设施的估值，都是个根本性的冲击。

先看两组数据的对比

传统电话诈骗，一个老手一天最多打200通电话，能成功建立初步信任的比例大概在5%-8%。而AI机器人，可以同时管理数千个对话，用不同脚本、不同声音、不同人格，7x24小时不间断。而且，它没有疲劳、不会情绪崩溃、不会忘记剧本。

我拿一个公开的案例做技术拆解。骗子用GPT-4生成的“某某银行风控专员”对话脚本，让受害者误以为信用卡被盗刷，然后引导其转账到“安全账户”。关键是什么？AI会主动模仿人类的犹豫和停顿：

# 模拟AI诈骗中的“信任建立”逻辑片段
def generate_response(user_input):
    if "怀疑" in user_input:
        return "我理解您的担心，您完全可以挂断电话后自行拨打银行官方客服核实。但根据系统记录，本次异常交易将在15分钟后自动扣款，到时资金损失需要您自行承担。"
    elif "验证" in user_input:
        return "您的警惕性很高，这很好。我已经将您的工号与本次通话录音绑定，您可以随时调取。现在请先打开手机银行，查看最新一笔交易..."
    else:
        return "先生/女士，我需要您理解，这完全是为了保护您的账户安全。我们合作的警方反诈中心也有备案，您如果不放心，可以现在拨打110确认。"

注意看，它没有用“请您配合”这种生硬话术，而是用“理解担心”、“您可以挂断核实”来制造“我们是专业且真诚的”错觉。这种话术，人类骗子要培训几个月，但AI根据历史成功案例，几分钟就能生成上百个变种。

竞争格局：防御方还在用旧地图

现在网络安全公司，大部分还在做“事中检测”——比如识别可疑号码、分析通话内容中的关键词（“转账”、“验证码”）。但AI生成的对话，几乎没有固定的关键词模式。它懂得绕开监控，比如用“资金归集”、“临时账户托管”这类合法银行术语来替代。而且，它还能根据受害者的回答，动态调整，绕过规则引擎。

那么谁在受益？我认为是两类公司：

• 行为生物识别技术提供商：比如BioCatch、Securiti。它们不再依赖“你说什么”，而是分析“你如何打字、鼠标移动习惯、手机持有姿势”。AI骗子再厉害，也无法模拟一个真实用户在银行APP里的操作习惯。
• 零信任架构（ZTA）框架：像Zscaler、Cloudflare的零信任产品。核心逻辑是“默认不信任任何用户，无论是否已认证”。如果银行系统本身就不允许“转账到陌生账户”这种操作，骗子再会聊天也没用。

但现实是，大多数银行和金融机构的IT架构，仍然基于“信任后验证”的旧模型。AI骗子攻破的，恰恰是“信任”这个环节。

我个人的判断

2025-2026年，AI诈骗将导致全球金融欺诈损失同比翻倍，达到每年千亿美元级别。这不是危言耸听，而是技术扩散的必然规律。当生成式AI调用成本降到每百万token 0.1美元时，诈骗脚本的边际成本几乎为零。

[!note] 关键变量
监管机构会不会强制要求金融交易中的“人工双重确认”？比如大额转账必须由真人客服视频核验。如果落地，视频验证AI（如Synthesia、HeyGen）的估值会暴涨，但同时也会催生AI驱动的深度伪造攻击。

趋势预测

未来两年，会出现一个全新的赛道：信任验证基础设施。它不再是简单的“账户密码+短信验证码”，而是融合了行为分析、生物识别、上下文环境验证（如设备指纹、位置历史、社交图谱）的实时风控系统。这个赛道的龙头公司，可能是从现在的安全巨头（如Palo Alto Networks）或云服务商（如AWS）中孵化出来，也可能是独立创业公司，比如目前估值还不到10亿的Arkose Labs。

骗子在用AI升级，防御方也必须用AI加速。但关键区别在于：攻击者只需要突破一个点，防御者需要守住所有点。这就是为什么我认为，网络安全行业的估值，不应该只看营收增速，还要看它防御模型的“不对称性”——即它能否在成本上低于攻击

原文链接：AI Scammers Are Better at Building Trust Than Humans | WIRED