中广联演员委员会就AI换脸合成、影视素材魔改发声明
4月2日，据中国广电联合会演员委员会，当前，AI换脸合成、声纹克隆复刻、影视素材任意篡改、魔改、擅自抓取演员影像声频用于AI模型训...
文章目录
[+]
01.从备考到填志愿，大厂AI疯狂入局 今年的高考季，各大厂的AI布局比往年更猛，表现最突出的是阿里、腾讯、百度、字节四家。 腾讯今年主打“元宝高考通”，定位为“行业首个高考咨询师Agent”，重点突出多轮对话、个性化规划与权威数据支持，试图在“AI顾问”的定位上形成差异。阿里旗下的夸克今年在高考服务上继续加码，不仅覆盖“模拟选志愿”“志愿表”和“志愿报告”等全流程功能，还全部免费，背后同样依赖的是Agent能力。 百度高考则依托搜索入口与文心大模型，意图在用户“搜答案”的过程中，将其转化为使用AI高考服务的起点。字节的豆包并未在考前专门上线“高考专区”，但用户仍可通过其通用对话入口获取志愿预测与报考建议。参考去年在志愿填报阶段上线专区的节奏，今年它大概率也会在相应节点推出针对性服务。 尽管这些产品并非今年才首次亮相，但均基于过往版本实现了重要升级。 从产品能力看，今年的工具更强调多轮对话、个性化推荐和更权威的数据资源。比如，AI工具会主动追问细节，结合用户的多轮输入，动态调整方案。同时，在数据上，各平台不仅提供基础信息，也接入了更权威、及时的招考数据，让结果更准、更稳。 从服务环节来看，这些工具覆盖了备考、考中乃至考后志愿填报的全阶段。
先看考前。几家大厂的AI聊天机器人、AI浏览器等明星产品中均支持调取全国高考真题，考生可以让大模型分析命题规律、核心考点，也可以让它梳理错题、归纳薄弱知识点。
2025届的考生“猜想”，在复习阶段一直用AI工具锁定自己的薄弱知识点，“比如语文文本阅读里我一直搞不定叙述节奏这类题，我就直接让AI帮我找相关例题。”
类似的用法还有很多。有考生用AI整理政治大题的答题模板，让其从大量真题中抽取高频答题句式；有人用AI模拟英语作文批改，打磨固定句型；也有人把历年数学压轴题的解题思路让AI逐步拆解、总结方法。从单个知识点到不同学科规划，大厂AI工具的复习用法千人千面。
考生陈艾说，自己高三最后冲刺阶段几乎每天都在用AI做文言文专项练习。“我把自己做过的错题发给它，让它给我出五道同类型的题，再帮我归纳这一类题的审题方法，比自己翻书找题快多了。”
到了考试期间，AI的姿态变了。今年高考期间，豆包、元宝等AI工具普遍启动了功能管控，限制拍题识图等类似功能。
高考期间豆包的拍照答疑功能无法使用
这算是高考期间的惯例动作，目的是保持考试公平。
不过，高考期间，用户依旧可以用AI工具识别风景、美食，且文字对话也不受影响。猜想就在去年物理考试结束后、下一场开始前的间隙，用AI做了一次临时的“心理咨询”。
他考完物理后，感觉自己只能得70多分，几乎崩溃，于是向AI求助。AI告诉他“物理已成定局，如何带着这个遗憾去专注考下一科，是接下来真正的考题”，并建议他快速切割对上一科的纠结，并提醒要防止“优势学科翻车”的意外。这番话成了他调整状态的关键。他觉得虽然AI给出的建议道理浅显，但在失利真实发生的那个时刻，自己也需要一个绝对冷静的“旁观者”来点明。
而报志愿，才是大厂这场较量真正的主战场。
目前大厂的AI报志愿工具产品形态大体一致：用户输入所在省份、科目组合、高考成绩，再设置院校类型和专业偏好，AI生成便能“冲、稳、保”三档推荐清单，并附上历年录取分数线、排名走势和专业就业分析。部分产品还支持多轮对话，用户可进一步追问相关问题。
在收费上，主流工具目前基本都基础功能免费，这也是它们能快速铺开的关键。但涉及专家咨询、一键填报等功能部分工具则需要VIP。
尽管框架相似，四家大厂的侧重点各有不同。
阿里夸克脱胎于搜索、深耕高考场景多年，主打数据的精准和深度，是其中唯一推出自研高考志愿大模型的大厂；腾讯则把志愿填报放进QQ浏览器和元宝，提供渐进式、对话化的填报体验，背靠社交流量做触达；百度同样依托搜索生态，打的是“信息广度”牌；字节豆包则侧重快速触达与功能补充。
个人AI志愿填报工具开发者Michael指出，“各家的核心推荐逻辑其实很像，真正的差距不在模型，而在数据、产品定位和生态。”他解释，技术上，主流工具都已采用智能工作流，内核都是通过“自动规划-搜索-反思”的循环，来替代传统的人工查找。
02.有人靠AI逆袭，有人因此差点滑档 大厂如此密集地布局，考生最关心的是，这些工具是否真的好用。而不同用户的感受区别很大，这恰恰划出了AI能力的边界。 一方面，凡是涉及整理、归类、匹配的活儿，AI都做得又快又好，能把考生的焦虑迅速转化成具体行动。 猜想表示，AI更大的价值，在于化解了他有时“无从下手”的复习焦虑。“AI的检索和分析能力，用在趋势预测、脉络梳理上很有帮助，尤其是对文科学习。它能把散落的信息快速整合，帮你抓住重点。”这也解释了为什么他在考试心态崩溃时会转向AI，在之前的学习中，AI已扮演了一个相对高效、可信的“信息整理者”的角色。 陈艾则用AI来提升英语写作。“我把自己的作文发给它批改，它不只纠正语法，还会建议更地道的表达、更清晰的逻辑结构。这种反馈以前只能靠老师，但老师很难每天兼顾到每个人。” 在这些场景中，AI的优势很明显，它能对结构化信息进行快速处理、归类与匹配，从而高效完成那些以往需消耗大量时间的任务。在这一点上，它确实是个称职的效率工具。 但换到另一种任务，一旦涉及深度理解和复杂决策的场景时，尤其涉及准确性和严谨性时，AI的短板就暴露出来了。
考生林子涵就有过不愉快的经历。他在核对报考数据时，发现了数据误差：AI推荐院校的最低录取分数虽与官方一致，但其对应的录取排名却比实际落后了上百名。这个偏差足以让“冲”的学校希望渺茫，也让“稳”的选择不再稳妥，很有可能滑档，好在最后一天他发现了这个问题，重新调整了方案。
猜想也使用了AI报志愿工具。他认为这类工具在信息检索和整合上确实方便，能快速生成基于分数与位次的备选列表，省去了手动查询的麻烦。但短板同样突出，推荐结果缺乏个性化与针对性。他最终被录取的大学，也不在AI此前推荐的名单中。
在他看来，AI的推荐逻辑过度依赖分数匹配，同一套方案往往被推送给分数相近的大批考生，极易导致他们在那些只招1至2人的专业上形成“志愿扎堆”，反而降低了录取概率。此外，AI也难以细致结合考生的个人条件。比如猜想的选科是“物化政”，并未选考生物，可AI仍反复推荐与生物强相关的专业，而他几乎无法有效过滤这类明显不匹配的推荐。
即便是相对简单的学科答疑，AI也并非万无一失。
有考生反映，用AI解答数学题时，AI给出的解法明显超出了高中考纲范围。比如，让AI解一道基本不等式的题，常规做法是代数变形，但AI给出了“求导”的思路，而求导是大学微积分的内容。
大模型从业者方芳表示，出现该问题的原因可能在于，虽然大模型拥有丰富的知识，但缺乏对特定场景的深度理解与严格遵守的能力，导致给出正确但无效甚至误导性的建议。
可以看出，AI在帮助考生整理错题、归纳考点、改作文这类“处理信息”的任务时，确实能帮考生省下大量时间，但涉及复杂决策的判断以及精准决策的环节，它给出的答案仍然需要人来兜底。
03.AI高考工具：有进步，但局限更大 需要客观指出的是，经过一年的迭代，大厂的AI高考工具在交互体验和信息丰富性上确实有所提升。Michael表示，仅仅将底层大模型更新到最新版，志愿推荐的结果就会明显改善。“基座模型进化太快了，我们甚至不需要做太多针对性优化。” 实际上，AI高考工具确实在变“强”，但这种变强更像是一个“搭了顺风车”的自动升级。而真正决定工具能力天花板的，是数据完整性、算法、对推荐结果的长期追踪验证等核心问题，这些都很难靠单一的模型升级解决。 首先是大模型固有的“逻辑幻觉”问题没解决。 “逻辑幻觉”并非程序漏洞，而是大模型基于概率生成的特性所致。在高考辅导场景中，它体现为AI给出的题目解析，推理过程可能存在漏洞或错误，最终答案却可能是正确的。 “这在架构层面无法彻底消除，是技术特性决定的。”方芳表示。但这也意味着，学生可能面对的是一份逻辑有误却被呈现为“标准思路”的解析。照着学下去，其风险远大于单纯做错一道题。 其次是错题分析的“表面化”。 目前AI的错题分析，大多停留在“识别错误”，还不能“追溯成因”。比如它能指出“这道题考查的是等比数列求和公式”，却回答不了“你为什么在这里出错”。 原因在于AI只能获取题目文本和最终答案，但看不到用户的思考过程，因此AI往往只能给出“加强这个知识点”这类通用建议，本质还是一个高效的信息识别工具，做不了真正能进行认知诊断的学习助手。 最后是志愿推荐中存在“数据黑箱”问题。这或许是所有局限中最为关键、也最受争议的一环。 志愿推荐工具的底层逻辑通常是一个不透明的系统，各平台所使用的历史录取数据来源、清洗规则、预测模型，均被视为商业机密，缺乏统一标准，也缺少第三方监督。 这导致的后果是，同一份成绩输入不同AI报志愿平台，推荐结果可能大相径庭。比如，「定焦One」以一位江苏考生（选科历地政，总分627分）为例，用不同AI平台进行模拟填报，为了在不同平台间进行更聚焦的对比，我们特意限定了报考地区为北京、上海，结果显示，在“冲”的院校档位上，因可选项有限，各家结果有一定重合；可到了“稳”的院校档位，各家给出的名单差异明显。
夸克高考、元宝高考通、百度高考给出的部分较可稳妥报考的学校
这主要是因为，“稳”在志愿填报中并没有统一的官方标准，省考试院每年只公布各校的最低投档线，至于“高出多少分才算稳”，由各平台自行把握。尤其当考生将目标限定在北京、上海这类热门地区时，可选的院校数量本就有限，此时哪怕不同平台对“稳”的判定只差三五分，最终生成的推荐名单也可能截然不同。
这种差异究竟是因为某家平台采用了更保守的预测模型、还是接入了未公开的数据，又或是算法在排序时受到了商业合作因素的影响，外界都难以知晓。Michael表示，平台虽然可以通过“技术约束”让结果更准，但“约束”具体是技术优化，还是商业考量，是一个难以被验证的问题。
方芳则指出了更深的问题，“当推荐结果出现偏差时，AI报志愿工具可将其归因于数据复杂或算法概率，用户却难以追溯真正原因，这也让用户很难信任AI工具。一个无法被追责的系统，很难赢得真正的信任。
这三道坎叠加在一起，决定了当下的AI高考工具本质上还是一个辅助工具，而非可靠的决策建议者。
但即便如此，大厂还是会持续投入。高考是几乎不能出错的人生大事，谁能证明自家工具可靠、有用，谁就能赢得用户长期的信任。而每年上千万考生家庭，本身就是一个高频又高价值的入口。所以，大厂表面上比的是高考工具，争的却是未来的用户、数据、生态，以及AI服务的主导权。
只不过，考生在把人生选择交给AI之前，还得多留个心眼。
（来源：定焦One）
你可能想看：
