近日，针对亚马逊依据纽约州新法律发布的 AI 图片合规通知，一项技术测试揭示了卖家在执行过程中面临的严峻技术挑战。根据规定，商品图中若包含 AI 生成的写实人物，必须在 XMP 元数据的 dc:subject 字段中写入特定标签，否则将面临首次 1000 美元、后续 5000 美元的罚款。核心痛点在于，亚马逊仅在上传瞬间读取标签，而图片处理链路中的任何中间环节一旦丢失元数据，将直接导致合规失败。通过对包括 Pillow 库操作、macOS sips、ffmpeg 及 Squoosh 等 8 种常见脚本化处理步骤的严格测试，结果显示没有任何一种步骤能同时在 JPEG 和 PNG 格式上完整保留标签。测试发现，即便是简单的“打开再保存”，大多数工具默认也会剥离 XMP 数据，且 PNG 格式的脆弱性远高于 JPEG。针对日常应用的手工测试进一步显示，Canva 会用自有元数据替换原有信息，微信仅在发送“原图”时保留标签，默认压缩模式则会导致标签彻底消失。这一发现表明，依赖常规图像处理软件的默认行为进行合规操作存在巨大风险。
事件分析
本次事件深刻揭示了生成式人工智能（AIGC）落地应用中，监管合规要求与底层技术基础设施之间的错位。纽约州新规与亚马逊的执行标准，强制要求在文件元数据层面进行内容溯源，标志着互联网内容治理从单纯的图像识别向“隐性元数据”技术验证的转向。然而，现有的主流图像处理工具链——无论是编程库还是大众应用——出于隐私清洗或技术简化的原因，默认行为往往倾向于丢弃元数据，导致合规链条在传输环节极易断裂。这种“技术惯性”使得单纯的打标动作变得无效，迫使开发者必须显式地干预元数据的保留逻辑。长远来看，随着全球对 AI 生成内容透明度立法的推进，图像处理标准和文件传输协议可能面临更新，以强制保留特定的合规元数据。
💡 核心观点：监管合规倒逼技术基础设施升级，元数据管理将成为 AIGC 时代不容忽视的技术隐性成本。
原文链接：V2EX 分享发现
评论前必须登录！
立即登录 注册