当 AI 降低分析你的成本，隐私的旧屏障还剩多少？

先说结论

一张公开照片、一段旧发言，单独看未必敏感。可一旦有人愿意把散落的信息拼起来，情况就变了。

9月10日，Anthropic前沿红队提出一个值得认真对待的判断：保护个人免受情报定位的，部分是分析成本，而不只是信息保密。模型若让这种劳动不再稀缺，原本不值得调查的人，也可能进入调查范围。判断出自其最新评估报告。

这给隐私讨论换了一个问题：不仅要问“资料有没有泄露”，还要问“把资料变成一个人的画像，现在要花多少钱”。

事情是怎么发生的

报告测试了账户关联、照片与文字定位等能力。其中账户关联采用合成社交媒体资料，作者承认它不够自然；报告也明确说，没有直接测量AI带来的增益。这些结果提示了风险，不能证明现实中的调查者已经获得同等收益。

但提出的问题仍然成立：如果查阅和交叉分析越来越便宜，公开信息的实际可用性就会改变。

可以把它想成一间巨大档案馆。档案一直开放，可要翻上几个月，才可能拼出有价值的线索。后来检索和整理只需要很短时间。门锁没动，档案没增加，来查资料的人、查谁、为什么查，却都可能改变。

为什么重要

“反正都是公开的”，因此不再是一个充分的回答。公开意味着别人能看到某条信息，不等于当事人预期它会被长期汇总、跨场景关联，再用于判断自己的身份与活动。

这里的行业变化可能比单次识别更深：当分析成本下降，服务商有动力把过去只服务少数客户的调查，做成批量出售的产品。一次查询的误差看似能忍受，批量筛查却可能把少量错误变成大量可疑名单。这是由成本变化推导出的风险，并非报告已经测得的市场事实。

相应地，隐私保护也要关注信息之间的关系。只看每条资料能不能访问，容易漏掉组合之后产生的新敏感性。数据合法公开与画像使用是否合理，需要分别讨论。

站得住与站不住的地方

站得住的是机制：人力昂贵，本来就会限制调查的范围。用AI替代部分整理劳动，确实可能让这道限制松动。安全讨论如果只盯着模型是否最强，就容易忽略某项普通能力变便宜后的影响。

站不稳的是从任务成绩直跳到社会后果。模型找出联系，和联系正确、调查有用、最终造成伤害，是几道不同的关口。错认一个人，有时比没找到人更糟。

还应追问防护是否有效。确认一项能力可能被滥用，与证明某种防护能够阻止滥用，是两个不同的问题。即使接受报告对风险的判断，也不能自动接受厂商对解决办法的判断；后者需要另外的证据。

接下来该盯什么

最有价值的下一步，是让相同背景的人在有无AI辅助时完成相同任务，同时记录耗时、正确率和错认率。只报查到了多少，解释不了究竟省了多少劳动，又多伤及多少无关的人。

还要看产品是否允许当事人纠错，能否限制批量关联，以及客户为一次可靠结果究竟付多少钱。这些问题，比一次惊艳演示更接近真实影响。

如果这道成本屏障持续下降，隐私治理就必须把“允许怎样关联和使用”放到更重要的位置。否则，信息依旧是昨天的信息，面对它的人却已经失去了昨天那层保护。