你有没有过这种时刻——手机屏幕亮起来，是妈妈打来的视频，你顺手接了。她在那头说"儿子，我手机摔了，你帮我转个两千"，语气急得像平时催你相亲。

你挂了电话，拨回她存的那个号。没人接。

五分钟后你再打过去，她才接，第一句话是："你刚才挂我电话干嘛？我手机没摔啊。"

那一刻你后背是凉的。

这件事现在越来越难躲了。我们这一代人被反复教育的那套常识——眼见为实——正在被一行代码一行代码地拆掉。屏幕上那个人是你妈、是你老板、是你客户，音轨上是他们的声音，但"他们"可能根本不在通话的另一端。

10 月 25 日，微软确认了一件事：11 月中旬起，Teams 会允许企业接入经过认证的第三方工具，直接扫描会议里的音视频，判断是不是深度伪造。

那一格碎掉的像素，是这两年所有旧防线一起碎掉的声音

新闻本身只有几句话。但它背后的那根弦，是我们每个人都在紧绷的那根。包括那些从来不觉得自己会被骗的人——大家以为自己不是目标，但目标从来不是自己选的。

一、微软这次做的，是把"谁来验"这件事外包出去

先把事实摆清楚。

这项功能最早出现在 10 月 2 日的 Microsoft 365 路线图上，名字叫"Third-party synthetic audio and video detection in Microsoft Teams"，状态一直是"开发中"。管理员公告 MC1509787 在 10 月 15 日发布，10 月 22 日又改了一次时间表——原本承诺 11 月底到 12 月中旬全面可用，改成了"11 月中旬到 11 月底的定向发布"，全面可用另行通知。

平台覆盖桌面版、Mac 版和网页版。有意思的是，同期上线的"冒充提醒"功能是支持 Android 和 iOS 的，但深度伪造检测不支持移动端。也就是说，你现在用手机开的那场会，检测不到。

最关键的一句话在合规说明里，原文是：

"Synthetic media detection is performed by the third-party provider." —— 检测由第三方提供商执行。

微软负责什么？负责"提供平台集成，以及把检测信号呈现出来、并让你采取行动"的界面。

那么真正去听你老板说话、去分析你同事那张脸的，是一家外部公司。这家公司是谁、算不算"经过认证"、认证标准是什么、要不要钱、数据是在云上处理还是本地处理、留多久、会不会拿去训练自己的模型——微软一条都没公布。

我是在翻 Graph 的 beta 文档时看到那句"Microsoft Detection when 1P is available"的，翻译过来就是"微软一方检测器可用时"。也就是说，微软自己的检测器大概也在做，只是还没放出来。

先别急着鼓掌。因为这份公告的合规段落里还有另一句话，微软自己写的：

"认证过的第三方提供商可能会分析会议中的音视频信号。"

作为对照，微软对自家 AI 增强功能的口径是：会议的音视频"never leave Teams and aren't stored anywhere, by anyone"——从不离开 Teams，不被任何人存储。

这句话只覆盖微软自己的处理。它管不到外面那个机器人。

已经有人在卖这个东西了。Sensity 的文档写得很直白：它的机器人"加入通话并抓取 30 秒音视频"用于每次分析。Reality Defender、Pindrop Pulse、Resemble AI 都有 Teams 插件在架上。

所以你将要面对的，不是"多了一个安全提示"。是"多了一个你不知道是谁的第三方，坐在你每一场会议里，听着"。

大家可以想象一下那个画面：会议进行到一半，你的参会者列表里多出一个名字，摄像头画面是模糊的、或者干脆没有画面。没有人会当场质疑它——因为质疑的成本太高了。

二、一个要被管理员批准才能进你会的机器人

微软把检测机器人的行为写得比多数新闻稿都细，因为这些细节恰恰是理解这件事的关键。

第一，它不是自己闯进来的。机器人必须先获得许可加入通话，租户管理员还要给它 Calls.ReportSyntheticMedia.All 这个应用权限（注意：只支持应用权限，不支持委托权限——也就是说它必须以应用身份运行，不是一个普通参会者）。

第二，它给你的是分数，不是结论。官方 API 的返回结构里有三样东西：

• overallConfidence：0.0 到 1.0 的置信度
• severity：低 / 中 / 高 三档严重度
• isMalicious：一个布尔值，判断这段合成内容是否带有恶意意图

微软给的示例里，音频侧的模型任务是 voiceClone（声音克隆），视频侧是 faceSwap（换脸）和 lipSync（口型同步）——正好是我们最担心的那三种。示例模型名都写好了：DeepfakeDetector-v2、FaceSwapDetector-v3。

第三，结果是发给所有人的。文档说检测结果会通过"roster update"传播给所有参会者，不是只告诉会议组织者。你在会上会直接收到一个弹窗。

第四，有节流。同一个参会者最多每分钟上报一次，否则会触发限流。

第五，管理员那边有开关。Teams PowerShell 里已经加好了两个策略项：SyntheticMediaDetection 和 SyntheticMediaDetectionAppId，不过微软说在功能完全发布之前，这两个设置"不会生效"。

它的红色指示灯亮着，你甚至不知道它在那儿——除非有人告诉你

还有一个功能值得对照着看——微软 8 月就上线的 Report a concern（举报可疑会议，MC1466296）。它和这次的第三方检测，恰好是同一枚硬币的两面：

你看出问题了吗："人报"这一栏，微软承认自己是不可靠的。所以才要做"机器报"。而"机器报"这一栏，微软又明确说自己不负责识别。

三、这一天，我们其实已经等了很久

微软这次做的时间点，不是随机的。

7 月，美国联邦调查局（FBI）发布了一份公共服务公告（PSA260720），里面有一句话，被 Windows Latest 直接引用：

"AI-generated content has advanced to the point that it is often difficult to identify." —— AI 生成的内容已经发展到你往往难以辨别的地步。

同一份公告里还有几件事，读起来像科幻小说：

• 骗子用 AI 生成的视频冒充 FBI 高层，在社交平台上替假 IC3 网站做宣传；那个假网站除了投诉表单，其他链接点进去都会把你弹回首页。
• 骗子会生成视频用于与所谓公司高管、执法人员的实时视频聊天。
• 骗子还会生成私密视频，用来"证明"网线上那个联系人是个"真人"。

FBI 给的识破提示其实很朴素：扭曲的手脚、不真实的面部特征、阴影不对、水印、语音延迟、口型和声音对不上。

但 FBI 也在同一份文件里承认了一件事——AI 内容已经到了"难以辨别"的程度。

那么人到底能辨得准吗？两个数字：

• 2023 年 UCL 的研究：529 名参与者听深度伪造语音，识别准确率只有 73%，而且经过训练之后几乎没有任何提升。
• 2024 年一项涵盖 56 篇论文的元分析：人类识别深度伪造的总体准确率 55.54%。

55.54%。 比抛硬币好一点，但仅此而已。而且更麻烦的是，研究者发现了一个更糟的结论：我们都以为自己很会辨，在根本辨不出来的时候，自己是察觉不到的。

这就是为什么"我们会小心的"这句话在今天已经不够用了。大家以为自己能看出来，是因为从来没人给我们看过"看不出来"的那一半数据。

这不是危言耸听。看看这两年真实的代价：

2024 年，Arup 香港办公室。 一名财务职员参加了一场多人视频会议，屏幕上有"CFO"和另外几个人。警方网络安全部门高级警司 Baron Chan 后来对港台电视说得很清楚：那场会议里，他是唯一的真人。 骗子从 Arup 自己的 YouTube 视频和公开资料里取材，合成出高管的脸和声音。他转了 2 亿港元，约合 2500 万美元。

2026 年 9 月，意大利 Intesa Sanpaolo 的私人银行部门 Fideuram。 路透社报道，骗子先发了一条"看起来像是 CEO 卡洛·梅西纳发来的"WhatsApp 消息，说要紧急处理一笔境外付款；随后又打来一通电话，自称某大型律所的高级合伙人确认这笔指令——这通电话里的声音，是用 AI 克隆的。时任 Fideuram 董事长 Paolo Molesini 信了，指示财务部门向境外账户转出 9500 万欧元，约合 1.08 亿美元，主要流向中国内地和香港的账户。事后中、葡、意三国执法协作追回约 5300 万欧元，仍有约 3600 万欧元下落不明（经多层境外账户后换成加密货币）。

同一批钱，中国香港和中国内地的账户是主要去向；同一笔钱，也是靠中国、葡萄牙和意大利三国的协作才追回一半多。

2026 年，WPP 首席执行官 Mark Read。 骗子用他一张公开照片建了 WhatsApp 账号，搭起一场 Microsoft Teams 会议，用 AI 克隆的声音加上他的 YouTube 视频，在他不出镜的时候用会议聊天功能冒充他。

这三个案子，三个不同的技术路径，同一个逻辑：过去我们判定"这个人是真的"的那些依据——脸、声音、视频通话——现在全都可以被低成本地伪造出来。

大家注意，这三个案子没有一个是"技术很先进所以防不住"。它们全部是"成本很低所以没人设防"。

而 2 亿港元、9500 万欧元这些数字背后，是某个具体的人——一个财务专员——在自己的工位上，凭着一张脸和一段声音，做出了一个可能有充分理由的决定。

这才是 Teams 这次更新的真正背景。不是安全功能终于上线了，而是我们终于承认，光靠一双眼睛，已经不够用了。

你盯着屏幕的那一刻，屏幕也在盯着你——只是它看得比你准

四、中国这边的答案，其实早就写在纸上

有意思的是，国内在这件事上并不落后。大家可能会以为"AI 换脸"是这两年才有的事，但国内至少从 2025 年起，就已经在把它当成一个体系来拆了。

2026 年 5 月 1 日，公安部网安局通过微信公众号发布提醒，总结为"四不一核实"：不轻信、不转账、不泄露、不传播，涉及钱财隐私要及时核实。里面明确列了三种风险形态：AI 换脸诈骗、AI 拟声诈骗、AI 生成虚假内容传播，还有冒充权威账号发布信息。

2026 年 8 月 17 日，本溪市公安局桓仁满族自治县分局发了一条叫《AI换脸不换心，视频里的"熟人"未必是真》的提醒。它给了三条极其实用的招：

1. 主动回拨——挂断视频，用自己存的号码打回去。理由写得特别妙：AI 诈骗利用的是"一次性合成"漏洞，你主动回拨的实时通话，没法被同步伪造。
2. 设一个家庭暗号——比如"我们第一次旅行去了哪里？"遇到紧急转账求助就用这个验证。
3. 保护"脸"和"声"——别在公开平台发高清正脸照和清晰语音留言，这些数据一旦泄露，就是骗子训练模型的原料。

它还补了一句技术细节：AI 合成现在能模拟眨眼和头部微摆，很难看出来；但当要求对方大幅转头、或者用手在脸前快速挥动时，画面常会出现扭曲或短暂卡顿。

2026 年 9 月 9 日，赤峰市公安局反诈中心的表述更直接——"眼见未必为实"，凡是线上以任何理由要求转账的，一律不要直接转；核实身份要电话沟通加线下见面双管齐下；遇到可疑情况可以打 110 或 96110 全国反诈劝阻专线。

而在产业层面，2026 年 3 月 11 日深圳新闻网的调查把成本结构讲得很清楚：AI 换脸与声音克隆的价格从个位数到千元不等，有卖家 288 元一次买断某款 AI 换脸软件的永久代理权，还有 9.9 元打包的"完整教程"；很多卖家引导买家加微信、走网盘，在平台监管之外完成交易。同一篇报道还提到，最高人民法院披露 2021 到 2025 年，全国法院一审新收诈骗刑事案件增长 81.2%；2025 年 7 月，武汉警方侦破过一起用 AI 换脸篡改企业法定代表人信息、进而非法控制企业的案件。

换句话说，门槛已经低到不需要任何人有技术背景。大家只要知道去哪儿搜、付多少钱就行——而这部分知识，正在以远超我们更新常识的速度扩散。

另一边，打法已经不只是"教育群众"了：

• 端侧检测已经落地。中国移动自研的 AI 换脸鉴伪技术，实时鉴伪准确率超过 95%；荣耀 2024 年推出的手机内置"AI换脸检测"，在视频通话时实时分析画面要素，所有检测都在手机本地完成，不上传云端。这个"端侧"路径很聪明——因为它不需要把会议数据交给任何第三方。
• 金融机构在系统里补防线。香港金管局 2026 年 10 月 15 日公布 GenA.I. 沙盒第二期名单，20 家银行加 14 家技术伙伴、27 个用例入选，单独设立"GenA.I. 协创实验室"，明确把"深度伪造诈骗"列为测试方向，思路就是"以 AI 对抗 AI"。其中 PAObank 与金融壹通联合做的"智能视觉反欺诈策略平台"，公开数据是检测防御率超过 99%，累计调用超过 9000 万次，成功拦截黑产攻击 2 万余起。
• 同业已经抢跑。就在 10 月 18 日，Zoom 和 Sam Altman 的 World（Tools for Humanity）宣布向全球企业客户推出 World ID "真人徽章"——基于 Orb 硬件做生物识别，比对注册照片、即时自拍和实时视频帧，徽章对所有参会者可见。World 自己的定位说法很硬气：这是"proof of human"，而不是"AI 正在学会打败的预测式猜测"。

看得出来，微软是后手。Zoom 那边直接拿生物识别硬件做"真人证明"，微软这边还在等第三方来补检测能力。

而那台第三方机器人要进你的会，需要你的管理员点"同意"。

五、那么，我们到底还能相信什么

写到这里，我想回到最开始那个场景——妈妈在视频里说"我手机摔了"。

如果那天真的有检测提示，它大概率救不了你。因为那是一场两个人单独的视频通话，Teams 的机器人在不在场，取决于你们公司开没开这个功能、管理员选没选提供商、机器人有没有被批准加入。你个人没有任何开关。

这不是泼冷水。这是这件事最扎人的地方：这一层防线建在你不拥有的那一层。

但也别因此觉得无解。回头看，前面那些能真正挡住人的东西，有个共同特点——它们不跟 AI 比 AI：

回拨，用的是 AI 造不了的东西（一次同步的、活的通话）； 暗号，用的是全世界都没有的数据（只有你们家知道）； 线下见面，用的是物理在场； 财务审批流程，用的是制度，不靠任何人的眼睛。

这才是微软这次上线给我们的最大提醒：验证是有成本的，而这份成本正在从"多看一眼"转移到"多做一个动作"。

所以有四件事，我们今天就能做，而且不用等 11 月。这四件事都不需要买任何设备，也不需要等哪个厂商的许可——今天晚上就能做完。

第一，和家人定一个暗号。 别觉得土。本溪公安写在通报里的原话就是"设定家庭暗号"。它不需要任何技术投入，且它挡住的正是最高频、最没有技术含量、也最伤人的那类攻击。很多家庭其实从来没有认真聊过这件事——大家不觉得它会发生。

第二，把"视频里的人在催钱"改成"挂断、回拨"。 用通讯录里存的号码，不是对方给你的号码。这条 FBI 和本溪公安都写了，原理也一样——AI 造假利用的是"一次性"。

第三，清理你自己的脸和声。 翻一下朋友圈、短视频、社交账号，删掉那些高清正脸照和清晰的语音留言。你公开的每一条，都是别人训练模型的免费原料。大家别小看这些"随手一发"——深圳新闻网的调查里，288 元的代理权加 9.9 元的教程，起步就是这么低。

第四，如果你管着钱，把"视频确认过了"从流程里删掉。 友邦人寿今年 9 月披露的那个案例——某公司财务郭某收到"老板"的微信视频通话，面容和声音都没有任何异样，对方说急需向合作方支付一笔保证金，让他立刻转 100 万，郭某没核实就转了——事后当面核对老板，才知道那通视频从头到尾是 AI 换脸加拟声合成的。流程里少一个"相信眼睛"的环节，就少一个被绕过的地方。

最后说一句我想了很久的。

11 月中旬之后，你的会议里可能多一个"人"。它不是你同事，不是你老板，不是一个人——它是一段代码，握着某个你不知道名字的公司的麦克风。

这件事真正让我们不安的，可能不是技术，而是我们发现自己一直靠着一套早该更新的常识在过日子。 眼见为实、耳听为真，这些常识当年救过很多人，现在它们开始失效了。

失效不等于没用了。它们只是从"本能"变成了"动作"——从不用想，变成了必须做。

而那些真正可靠的东西，从来不是靠一双眼睛撑着的。如果哪天我们家孩子问起"为什么打个电话要挂断再打回去"，我们得答得上来。

本文信息基于微软管理员公告 MC1509787、Microsoft Graph beta API 文档 reportSyntheticMedia、Windows Latest 2026-10-25 报道、微软 365 路线图 ID 573451，以及 FBI IC3 公共服务公告 PSA260720（2026-07）、深圳新闻网 2026-03-11 调查、公安部网安局 2026-05-01 提醒、本溪市公安局桓仁满族自治县分局 2026-08-17 提醒、赤峰市公安局反诈中心 2026-09-09 提醒、友邦人寿"以案说险"2026-09-11 案例、香港金融管理局 GenA.I. 沙盒第二期名单（2026-10-15）、香港警方与 CNN 对 Arup 案的通报、路透社对 Fideuram 案的报道，以及 Fortune 2026-10-18 对 Zoom × World "真人徽章"的报道整理。