AI 产品观察 · 风控样本
一家公司的注册量涨得很快，账单也涨得很快。查完日志才发现，六个新用户里，可能有一个只是来领额度的。
先说清楚，标题里的“1/6”来自匿名化风控样本，不是整个行业的统计。
但这个现象本身并不新鲜。只要 AI 产品还在大量送免费额度，就很难绕开它。
注册量涨了，账单也涨了
很多 AI 公司早期都会送额度。注册送一点，邀请好友再送一点，绑定邮箱、完成任务，还能继续拿。
这套方法很常见。产品需要用户试用，用户也愿意尝鲜。
问题在于，有些人根本没打算长期使用。
他们注册账号，领取额度，然后集中调用接口。额度用完，账号丢掉，再换一批身份重新来。
后台看起来很热闹。注册数在涨，调用量也在涨。只有服务器账单不说谎。它会告诉你，这些所谓的用户，可能只留下了一堆成本。
token 为什么比钱好偷？
因为钱通常有很明确的感觉。
银行卡少了 100 元，你会马上发现。token 不一样。用户看到的是一串“免费额度”，平台承担的却是模型推理、显卡、带宽和存储费用。
对普通用户来说，10 万 token 可能够用几天。对脚本来说，10 万 token 只是一个任务量。它可以在很短时间内把额度打完，再换账号继续。
一个账号损失几块钱，平台可能不在意。一万个账号同时这么做，情况就完全不同了。
最容易被骗的，是注册用户数
AI 产品不能再只看注册量。一个注册账号，和一个真正使用产品的人，中间差得很远。
正常用户注册以后，可能会改几次提示词，保存几个结果，过几天再回来看看。
异常账号的动作通常很单一：注册，领额度，调用，退出。
它们不怎么浏览产品，也不关心新功能。提示词高度重复，调用时间很集中，几个账号之间的操作还特别像。
单独看一个账号，似乎没有什么大问题。但把一批账号放在一起，味道就不一样了。它们像是同一个人戴了很多张不同的脸。
只封 IP，基本不够用
很多团队发现异常后，第一步是封 IP。这当然有用，但只能解决一小部分问题。
现在的异常账号可以换代理、换设备、换网络，甚至直接使用云手机。今天从北京来，明天从上海来，后天可能又变成了一个新的设备。
所以风控系统不能只问“这个账号从哪里来”，还得继续看它和哪些账号用过同一台设备，注册时间是不是集中在几分钟内，是不是只领取额度而不使用其他功能。
还有一个很明显的信号：额度刚到账，就被迅速消耗完。
这些信息单独看都很琐碎，放到一起，往往比 IP 地址更说明问题。
免费额度不是空气
有些公司把免费 token 当成营销费用，这没什么问题。但它不能像宣传单一样，发出去就算结束。
额度发给谁，发了多少，最后带来了什么，都应该算清楚。
新账号没必要一次性拿到全部额度，可以分阶段开放。成本很高的模型，也没必要对所有新号完全敞开。
复盘活动时，也不要只看“新增用户”。注册用户、有效用户和高风险用户，最好分开统计。
否则，数据表上会出现一条很漂亮的增长曲线，公司的现金流却在另一张表里慢慢漏掉。
这件事很适合拍成漫剧
第一集可以从庆功会开始。
老板看着后台说：“今天新增十万用户，我们爆了。”
大家刚准备鼓掌，财务把账单放到桌上：“老板，我们也爆了。”
工程师打开监控，发现这十万个账号几乎都在做同一件事：注册，领额度，调用，退出。
他顺着设备和网络关系查下去，发现所谓的十万用户，背后只是一间出租屋里的几台电脑。
墙上贴着当天的任务表：“目标：薅空三家 AI 公司。”
主角准备封号时，系统又弹出一条警告：检测到新的异常注册高峰。
他放大监控画面。这一次，所有账号都来自公司内部设备。
风控数据真正要标的，不只是“骗子”
如果要训练 AI 风控模型，最简单的标注当然是：这个账号正常，那个账号异常。
但真正有用的数据，不能停在这里。
模型还需要知道，一个账号为什么异常。是设备重复，是注册行为太集中，是调用频率不合理，还是多个账号之间存在关系。
这些细节没有被记录，模型就只能靠猜。
现实中的风控，也不是靠一个黑名单就能解决的。它需要大量真实的账号行为、设备关系和调用样本，慢慢分辨出谁只是重度用户，谁在批量薅取。
所以，AI 公司以后要管理的，不只是用户增长，还包括 token 到底流向了哪里。
最后问一句
你见过最离谱的 AI 羊毛党行为是什么？
是批量注册，还是把免费额度当成算力券转卖？欢迎留言说说。
注：文中“1/6”为选题样本口径，发布前请替换为真实审计数据，并补充样本时间、范围和判定标准。
热门跟贴