有人发明了一种字体，人能看懂，AI 却抓瞎了

话说最近，有个叫 Eric Lu 的设计师在 GitHub 上发了个东西，把一堆看热闹的人整不会了。

他弄了一个叫"幽灵字体"（Ghost Font）的项目。名字挺玄乎，实际用途更玄乎：一段文字摆在你眼前，你明明能看懂，但你把它截图发给 ChatGPT，AI 读出来的却是另一条完全不相干的信息。

GhatGPT 5.5 Pro 盯着它看了 19 分钟，最后编了一条根本不存在的消息出来。

对，它幻视了。

不是加密，是玩心理战

先说清楚，幽灵字体不是什么数学加密算法。它的思路很简单也很流氓。

正常的文字，不管是白纸黑字还是屏幕像素，信息的载体是"形状"——你认得"木"这个字的偏旁部首，所以你知道它是木头。AI 也一样，摄像头拍下来，OCR 一跑，形状映射到字符，完事。

但幽灵字体不这么玩。它把信息藏在运动轨迹里。

具体怎么实现的呢？屏幕上看起来是一堆密密麻麻的噪点，完全随机的分布。但如果这些点在动——有规律地移动——你的眼睛就能从运动轨迹里读出字母。就像你在雨中看一个人撑着伞走过，虽然都是雨滴，但你能分辨出"那是一把伞在移动"。

这时候最关键的一步来了：视频里同时嵌入了一条假的静态信息。也就是说，从任何一帧截图来看，噪点的分布拼出来的是一句诱饵文字。AI 逐帧分析，看到的就是这句假的。

它像在跟 AI 玩猜硬币的游戏——不是把硬币藏起来，而是把硬币放你面前，旁边再放十个假的。

测试结果：AI 全线翻车

Eric Lu 拿市面上最强的几个多模态模型做了测试，结果相当喜剧。

GPT Sol 5.6 Ultra，OpenAI 今年最新的旗舰模型，被诱饵信息吃了个正着。它自信满满地输出了一条"解码结果"，但跟原文半毛钱关系没有。Claude Fable 开了最大推理深度，同样被带进了坑里。ChatGPT 5.5 Pro 最夸张——它分析不出来，但又不肯认输，硬是编造了一段看上去逻辑通顺、实则完全子虚乌有的文字。

换句话说，这些动辄能解决研究生级别数学题、能写代码、能通过律师资格考试的模型，栽在了一个小小的动图上面。

为什么？因为当前所有主流多模态 AI 的视觉能力，本质上是"看图识字"——它们把视频逐帧拆成静态图像来理解和分析，缺乏从运动线索中提取信息的能力。而人类的视觉系统从几亿年前就在追踪移动的猎物和天敌，对运动的感知是本能级别的。

AI 的视觉皮层是个文学青年，人眼是个猎人。猎人不一定读得多，但他看得真。

四位数级别的运算量差距

这里有一个被大多数人忽略的深层事实：AI 和人类在处理视觉信息上的效率差距，大到离谱。

Ghost Font 视频里每一帧的计算量，用 GPU 跑一次完整的多模态推理，大概需要几十亿次浮点运算。而你看那段视频，大脑消耗的额外能量大概不够眨一下眼。更扎心的是，你解码信息的速度几乎是即时的，AI 却可以盯着它看到超时。

这不是说 AI 不聪明，而是说它的"视觉语法"跟人类完全不一样。人类的视觉系统在漫长的进化过程中把"运动感知"做成了一个极其高效的硬件加速器。AI 这边，所有视觉能力都是靠蛮力算出来的，而且训练数据里很少有"只有动起来才能看到"的东西。

一场原本以为已经打到尾声的 AI 竞赛，突然画风一变，被拉回到了生物进化的起跑线上。

从 ZXX 到 Ghost：一场十年的猫鼠游戏

幽灵字体其实不是凭空冒出来的。

2013 年，一个叫 Sang Mun 的设计师发了套叫做 ZXX 的字体——"ZXX"是图书馆术语，意思是"无可借阅"，讽刺味儿十足。ZXX 的思路是把字母拆得支离破碎，加上大量干扰线和交叉笔画，让当年的 OCR 引擎完全读不出来。那是反 AI 视觉识别的第一次公开叫板。

但到了 2025 年，ZXX 已经彻底失效了。新一代的多模态模型根本不把那些干扰线条当回事，直接穿过噪音读出了底层的文字形状。

Eric Lu 显然研究过这个失败案例。他没在"让文字变难看"这条路上继续走——因为这条路已经被证明走到头了。他的思路是完全换了一个维度：不从形状下手，从时间下手。

把静止变成动态，把空间变成时序，把形状信息转码成运动信息。这是 2026 年 AI 最不擅长的领域。

这是典型的"非对称竞争"思维：我不跟你在你最强的维度上拼刺刀，我把战场挪到你还没学会走路的那个赛道上。

不过，它真的安全吗？

诚实地说，并不安全。

GitHub 项目一发布，Hacker News 上就有人开始拆招了。有人用帧间差值分析——把相邻两帧做减法，所有静止的噪点相互抵消，只剩下移动的亮点就能还原出文字。有人用光流场计算——就是自动驾驶汽车识别移动障碍物的那套算法——在几分钟之内就解开了。

Eric Lu 自己也在项目 README 里写得很坦诚：这东西不是加密，而是一种实验。真正要保密的信息，你还是得用正经的数学加密。

但幽灵字体的真正价值不在这里。

它的价值在于，它用一个极其优雅的实验，向这个已经被 AI 大模型彻底淹没的世界提出了一个问题：你看到的大部分东西，到底是"真实的"，还是 AI 觉得自己看到了？

当你发现世界上最先进的 AI 能被一组会动的小点骗到胡言乱语，你就不得不开始怀疑——我们把这些模型放进医疗影像诊断、自动驾驶、安保监控里的时候，它们到底看到了什么？

下一场战役：运动视觉的军备竞赛

幽灵字体火了之后，很多人觉得这标志着人类扳回一局。但其实，更大的可能是它加速了多模态 AI 在运动视觉感知上的投入。

就像十年前的 ZXX 推动了 OCR 技术的进化一样，幽灵字体会成为一个新的测试基准。哪个 AI 能率先具备真正的视频原生理解能力——能从运动、时序、变化中提取信息——哪个模型就是下一代王座上的玩家。

一些前沿团队已经开始动起来了。世界模型（World Models）被今年的世界经济论坛列为十大新兴技术之一，它本质上就是让 AI 学习物理世界的动态规律——物体的运动、力的传导、视角的变化。这些能力一旦补上，幽灵字体这类"运动加密"就会变成一道已经被解过的题。

但至少在这个夏天，幽灵字体的存在提醒着我们一件事：

人类几亿年进化出来的感官直觉，每一个看起来"理所当然"的认知能力背后，都藏着一个 AI 还没学会的谜题。你一眼就能读懂的东西，AI 可能需要几万亿次运算也未必理解。

这不是人类在智力上赢了 AI，而是进化在时间上赢了算力。

现在，打开这段视频看看那堆噪点。你能看到一个字母在晃动。而 ChatGPT 看到的，只是一片沉默的像素。

这种感觉，还挺妙的。