模型给一抹明显错误的红打了0.97的符合品牌分。那个数字改变了我造的东西。

我记得那个确切的数字，因为它让我很尴尬。0.968。一个通用相似度模型看着一份节日素材——其主色红明显、显然是错的——却给了它0.97的符合品牌评分。在1.0代表完美的尺度上，它告诉我这份创意已经可以发货了。

这个项目一开始，我一直以为难题在反面。我以为可信AI内容里真正有意思的工作，是把生成做得更好，教模型命中品牌那抹精确的红，收紧提示直到输出看起来对。我当时在做品牌保真防火墙——一个演示：每件AI生成的营销战役素材在发货前都必须通过的预发货闸门。而我一直想让模型来当裁判。模型恰恰是我最不该把这份工作托付给它的东西。

这是一个错误数字如何彻底改写整件事的故事。如果你想看成品对一批真实素材做裁决，它跑在veriprajna.com/zh-Hans/demos/brand-ai-content。但演示是最容易看的部分。真正值得写下来的，是怎样才不再让模型去做它做不了的工作。

我先造错了东西

我从大多数人起步的地方开始：相似度分数。这个直觉说得通。你有一本品牌手册，有一件生成素材，你想要一个数字告诉你两者有多接近。市面上每个AI审美工具都会给你那个数字，感觉像治理。那不是治理。那只是带了个小数点的凭感觉。

为了让演示诚实，我编造了一个假品牌来做对照，因为我不打算把真公司的创意扔进概念验证。这个品牌是「Lumiere」，一家虚构的高端品牌，标语是「静奢，自1984年起。」它的主色是 Lumiere Crimson，潘通PMS 484，十六进制#9E2B25，每种颜色的容差为3.0。下游的一切都对照这本品牌手册来衡量。这是虚构品牌，但像素和规格是真实的——这是检验一项检查是否真正有效的唯一办法。

然后我合成了一批十二件节日素材，同样是虚构的，平面布局，好让每一项检查衡量的是真实像素，而不是摄影噪声。防火墙本身什么也不生成。它摄入预先生成的素材，再决定什么可以安全发货，所以这十二件是我为了锻炼各项检查而写的测试夹具。其中十一件没问题。有一件，我标为a08的素材，主色红错到任何艺术总监隔着屋子都能一眼看出。它匹配的是#9D2E0B，约占其面积的46%。那是另一种红。不是细微差别。是错的。

而相似度分数却爱死它了。

一个分不清你的红和竞品红的数字，并不是在衡量你的品牌。它只是在衡量亮度，然后耸耸肩。

它爱死它的原因值得弄懂，因为那就是全部论点。我用的通用基线是真实的感知哈希，一种基于DCT的pHash，与内容平台用来发现近重复图像的技术同属一类。它被有意做成对颜色鲁棒。它关心结构和亮度，因此能在重着色或压缩之后仍认出同一张照片。那种鲁棒性正是去重所要的属性，也正是让它作为品牌裁判毫无用处的属性。它看着一个构图正确、却灌进了错误红色的版面，看到的仍是一个构图正确的版面。0.968。它就会放行发货。

相似度分数实际看到了什么？

我向人解释这件事时，会把那张截图一直开着，因为面板说得比我还直白。左边是偏离品牌的素材。右边是防火墙对它的解读。

这两个数字之间的差距就是整个产品。7.12对照容差3.0。那是用CIEDE2000测得的色差——ISO与CIE的标准感知色差度量，写作ΔE00。它不是相似度猜测，也不是我发明的东西。它是色彩科学界已经就「这两种颜色在人眼看来有多不同」这个问题达成一致的数字。ΔE00为7.12、对照容差为3，是硬性失败。相似度分数的0.97与ΔE00的7.12看着同一批像素却完全分歧，而只有其中一个在衡量品牌真正在乎的东西。

第一次把这两种读数并排放在一起时，我彻底不再想生成这件事了。生成器有多好已经不重要了。再完美的生成器仍然会产出必须对照精确规格来衡量的素材，而相似度模型在结构上就无法做这种衡量。问题从来不是做出更好的创意。问题是弄清楚什么可以安全发货。

有一点我想说清楚，因为这是人们容易夸大其词的地方。我这里没有跑CLIP。CLIP是许多「AI品牌评分」推销话术里点名的指标，真要跑也有文档齐全的即插即用方案，但它会拖进大约两GB的依赖，而且演示的是与pHash免费就能演示的同一种失手。所以演示里的基线，是对通用相似度路线的诚实感知哈希替身，而不是披着戏服的CLIP。无论哪种方式，论点都成立。相似度——无论你怎么算——都分不清你的潘通红和错误的红。色彩科学可以。

我曾试图让模型当裁判。它答得流畅，却是错的。

我并不是优雅地得出那个结论的。有一阵子我确信正确架构是让一个有能力的视觉—语言模型来当仲裁者。把素材给它看，把品牌手册给它看，让它决定。模型很擅长描述图像。总该有一个能告诉我一件素材是否符合品牌吧。

它做不到，而它失败的方式才是让我不安的部分。它不是大声失败。它礼貌而自信地失败。我把偏离品牌的红交给它，它会产出一段流畅、可信的段落，说构图如何尊重了品牌克制的审美，然后落在批准。接着我交给它一件正确的素材，又得到一段同样流畅的段落，有时还会标出想象出来的问题。裁决是散文，而散文恰恰是你最不希望夹在错误的红与已发货的营销战役之间的东西。

这件事下面压着真实成本，所以我不能只把它当成演示里的奇闻挥手了事。消费者已经开始把这种差别算进账里。据Gartner 2026年3月的数据，一半人表示更青睐避免使用生成式AI内容的品牌。据Adobe《2026数字趋势》报告，三分之一的人一旦发现内容是AI生成的，就会停止与品牌互动。Smartly.io在2025年发现，当广告从共同创作变为完全AI时，测得的信任从48%跌至13%。可口可乐的AI节日广告——七万个生成片段——在公众面前被骂得没有灵魂。2025年戛纳的DM9丑闻，因AI伪造画面撤销了十二个奖项。当下行风险如此具体，一个产出自信段落而非可证明测量的治理层就不是保障。它是彬彬有礼的负债。

如果挡在错误素材与上线营销战役之间的东西可以被说服成任何结论，那它就不是闸门。它是建议。

于是我不再试图让模型当裁判。那就是转折。之后我造的一切都假定：模型是系统里最不可信的组件，而不是最聪明的那个。

为什么是色彩科学，而不是更好的提示？

我选择把颜色检查做成硬核、无可争辩的核心，我想解释为什么我以一种从未信任过模型的方式信任它。CIEDE2000不是我调到演示好看为止的启发式。它是带参考测试数据的已发表公式，我对照了Sharma等人的参考色对。有一个单元测试，test_ciede2000_matches_sharma，它作为套件中五个通过测试之一通过了。这比听起来更要紧。它意味着那个7.12不是我对这抹红有多错的看法。它是一个色彩测定员可以对照教科书核对的可复现测量。

这就是一个我能向持怀疑态度的品牌总监辩护的数字，与一个我只能道歉的数字之间的差别。当相似度模型说0.97，有人问为什么，诚实的答案是「模型就是这么感觉的。」当ΔE00说7.12对照容差3，答案是「这是CIELAB里的两种颜色，这是标准公式，这是参考验证，这是7.12超过3的地方。」其中一个答案能扛住法律审查。另一个只能撑到第一个尖锐问题。

一个能追溯到已发表公式的裁决能扛住法律审查。一个只能解释为模型直觉的裁决，只能撑到第一个尖锐问题。

我也学会了小心测量颜色的位置。若评判整张图，一个小小的正确Logo会把平均值拖回容差内，而大块错误的主视觉区域却照样发货。所以检查专门评判主导的饱和主视觉区域——正因如此，即便角落里坐着一个完全正确的真绯红Logo，偏离品牌的红仍会被抓住。闸门看的是人眼最先看的地方。

闸门必须无聊

做到一半时我给自己定了一条规则：做决定的东西必须无聊。无聊意味着确定性、普通代码、在任何模型之外、可测试、可复现。一旦决策取决于模型的心情，它就不再可审计，而可审计的裁决正是全部价值。

所以闸门正是那样。它在任何硬性失败时BLOCK，把人类必须真正负责的情况FLAG，其余则PASS。有一个单元测试的不变量，我比任何单一功能更在意，test_gate_invariant_no_hard_fail_passes：任何带有硬性失败的素材都绝不会被返回为PASS或FLAG。它不可能溜走。这是你可以证明的属性，而不是你寄希望于的行为。

颜色不是唯一的硬性拦截，我还特意造了第二个与颜色无关的拦截，以证明闸门不是只会测色的一招鲜。素材a09有完美的绯红，ΔE00为0.00，死死命中 Lumiere Crimson。闸门照样拦截它。

第三项硬性拦截是监管，而且附带真实日期。若AI内容发往要求机器可读AI内容披露的市场，而披露缺失，那就是硬性拦截，像素再好也一样。素材a10是干净、符合品牌的版面，要进欧盟，却没有第50条标签。欧盟《AI法案》第50条披露义务可执行于2026年8月2日，罚则可高达1500万欧元或营业额的3%。纽约的SB-8420A于2026年6月9日落地。加州的CAITA于2026年8月到来。FTC第5条覆盖这一切。缺失必需标签不是风格备注。那是等着发生的罚款，闸门也如此对待它。

在完整的十二件素材演示批次上，结果是七个PASS、三个BLOCK、两个FLAG。在这个特定的固定批次上，自动放行率为58.3%，我特意说「这个特定批次」，因为它是十二件合成素材上的计算结果，不是对你生产流水线的承诺。

两个FLAG案例是我最自豪的，因为那是诚实系统说「我不知道，必须由人来决定」的情形。素材a11包含一张AI生成的人脸，因此路由给人做真实性签核，而不是被唬成PASS或BLOCK。那是NielsenIQ的负面光环风险——研究发现AI生成的人脸会拖累品牌感知——这不是代码该独自做的决定。素材a12面向日本，一个品牌手册覆盖范围之外的市场，因此披露规则未知，它去往法务，而不是被错误放行。一个从不承认不确定性的闸门并不严谨。它是鲁莽。

模型仍然擅长什么

我没有把模型扔掉，我想诚实地说它落在了哪里，因为「我们去掉了AI」会是谎言，也是浪费。视觉—语言模型仍在流水线里。它只是没有投票权。它写一条顾问说明，一次可换供应商的调用，且仅供参考。若没有密钥或出错，它干净地弃权，并且永远不会改变PASS、FLAG或BLOCK。

模型可以想多流畅、多自信就多流畅、多自信。它仍然无法放行一抹错误的红。

把那条顾问说明和裁决并排放着读，你就能看到我追求的健康分工。闸门已经凭7.12对照3.0说了BLOCK。模型补上人类色彩、为什么要紧、品牌总监真正想读的那句话。那确实有用。那是语境，不是判断。确定性闸门做决定。模型只提供建议。一旦我把模型放在那个座位上，我就不再为它紧张。它的流畅从风险变成了功能，因为那种流畅如今坐在一个它无权推动的裁决之下。

每件放行的素材都会导出一份品牌保真证书，JSON加可打印HTML，携带逐项检查测量、哪些元素是AI相对人类的来源、各市场披露状态、闸门结果、模型与版本，以及时间戳。我对这份文件是什么应当谨慎。它是可归档的证据工件，一份可复现的测量与裁决回执。它不是法律认证，也不是法律意见。把它叫成「欧盟《AI法案》认证」恰恰是这个项目存在要拒绝的那种自信夸大。

生成从来不是瓶颈

我总回到那个0.968的时刻，因为它颠倒了我对难题所在的感觉。我曾以为随着生成器改进，信任问题会缩小。造这个东西说服了我相反的结论。更好的生成器更快、以更大产量产出错误的红。它不会告诉你红是错的。模型质量丝毫碰不到一件素材是否匹配PMS 484、是否携带第50条标签这些问题——而正是这些问题决定什么可以安全发货。

不舒服的版本是，也是我开始大声说出口的版本：可信AI内容栈里最重要的部分几乎不含AI。颜色检查是标准机构的公式。留白检查是几何。披露检查是映射到有日期法规的规则引擎。系统里唯一的模型不允许决定任何事。那感觉像一件奇怪的东西去造，直到我想起全部目的是能够证明裁决——而你无法证明一段话。

你可以自己运行成品闸门，看它在veriprajna.com/zh-Hans/demos/brand-ai-content抓住那抹红。我更希望你带走的是它留给我的那个问题。如果你的治理层能被一句自信的话说服去批准一抹错误的红，它究竟治理过什么吗？还是你只是生成得更快，并把速度叫做策略？

如果你宁愿看它运行，而不是听我描述，这里是整套闸门端到端跑起来。

我不认为随着模型变好，那个问题会变得更容易。我认为它会变得更尖锐。