起因是一张被我自己搞砸的图
去年秋天帮一个做二手器材的朋友看货，他发来一张据说是某台相机实拍的样张，让我判断快门数大概多少。我第一反应是拖进看图软件看 EXIF，结果读出来干干净净，只剩一个 Make: Apple 和一行模糊的 Software 字段。当时我判断这是手机翻拍的，跟他说了。后来见面才发现，那是他用一台老单反拍的，只是中间过了一趟微信、又用某个修图 App 导出过一次，元数据被剥得只剩壳。那次之后我才认真去拆图片的信息结构，越拆越觉得大部分人（包括当时的我）对「图片信息」的理解，其实只停在最表面那一层。
我把这个理解整理成三层：像素层、元数据层、语义层。语义层是你眼睛看到的内容，一个人在巴黎铁塔下笑；元数据层是相机、镜头、光圈、快门、ISO、GPS、时间戳这些字段；像素层则是画面本身的微观结构——8×8 的 DCT 变换块、量化表、色度子采样方式、传感器噪点模式。讽刺的是，语义层最好骗，元数据层最容易丢，只有像素层最老实，但绝大多数人从来不看它。
元数据这层，最容易骗人也最容易被骗
先说元数据的坑。EXIF 里有个字段叫 Orientation（标签号 0x0112），值 6 表示顺时针旋转 90 度，8 是逆时针。手机竖着拍的时候传感器其实是横的，靠这个字段告诉软件怎么转。有些老工具读图不认这个字段，就会出现「明明拍的是竖图，打开是横的」。还有个更隐蔽的：EXIF 里通常嵌了一张缩略图（标签 0x0201 指向偏移，0x0202 是长度），很多人裁完图只覆盖了主图，缩略图没更新——你把一张合影裁成只剩一个人，缩略图里可能还是原来那几个人的脸。我见过有人在论坛发「原图直出」被人扒出来，就是栽在缩略图上。
另一头是假元数据。用 Photoshop 导出 JPEG，默认会在 XMP 里写一行 Software: Adobe Photoshop 24.x，用 exiftool 一条 grep 就能捞出来。所以「改过图」这件事，在元数据层基本藏不住细节，只能整段删掉。于是出现一种反常识的情况：一张 EXIF 完整得不像话、参数又特别漂亮的图，反而要警惕，因为真机直出的图往往带着一堆无意义的字段，比如 MakerNote、测光模式、白平衡微调，P 得再干净也编不出这些。
像素层才是本体，删掉 EXIF 不等于洗白
真正有意思的地方在像素层。JPEG 压缩会把图像切成 8×8 的小块做离散余弦变换，再用一张量化表去砍高频系数，压缩质量的高低就体现在这张表上。不同软件、不同版本导出的 JPEG，量化表往往有细微差别，这被叫做量化表指纹，可以用来猜图是哪个软件出的。更狠的是传感器的固定模式噪声（PRNU），同一台相机拍的每一张照片，都会带上同一组微弱的、肉眼看不见的噪点纹理，业界拿它做相机溯源，准确率在有足够样本时相当可观。
但这里有个大坑：只要你把图重新编码一次（哪怕什么都不改，只是另存为），像素值就会变，PRNU 和量化表指纹一起报废。至于大家常听说的 ELA 误差水平分析——就是看哪里压缩痕迹不一致——它只对「未重新保存过的 JPEG」有效，图被转发过一次基本就没参考价值了。所以网上那些「一张图证明某人 P 图」的分析，可信度取决于它拿到的到底是不是原文件，而不是分析技术多高明。
平台压缩：为什么你发的图一到别人手里信息就没了
顺着这条线往下想，就明白为什么朋友圈、微信、微博上的图几乎全是「无信息」状态。平台重新编码的首要原因是省带宽，不是为了保护你隐私——这个我觉得有必要说清楚，因为很多人误以为是。微信聊天发图默认会压缩，长边通常压到 1280 像素上下，画质大概七八十，勾选原图才保留更多细节；微博、小红书这类也会做二次编码，EXIF 里 GPS、机型、拍摄时间基本清空。
实测下来，一张 iPhone 拍的 4032×3024 的 HEIC 原图大概 3–4MB，经过一轮社交平台压缩后可能只剩 200–400KB，尺寸掉到 1280×960 左右。像素少了七成，色度子采样从更精细变成 4:2:0（色度分辨率只有亮度的四分之一），EXIF 剩下的通常只有两三行。所以当有人拿着这种图问我「能看出是哪台手机拍的吗」，我一般先问：你手上这张是原文件，还是从聊天记录里存的？这个问题的答案，比任何分析工具都重要。
AI 生成图把这三层的关系彻底搞乱了
AI 图让整个逻辑变得更拧巴。扩散模型生成的图片，元数据往往干净得可疑——没有相机型号、没有镜头、没有 GPS、没有拍摄时间，IFD 结构里空荡荡的，跟真实设备出图的字段分布完全不是一个样子。所以「元数据缺失」本身已经成了一个弱信号。Adobe 牵头的 C2PA 内容凭证想解决这事，思路是把来源信息写成密码学签名，Leica、索尼、尼康的部分机型已经支持，谷歌的 SynthID 走的是另一条路，直接把水印嵌进像素，属于隐写，截图重压缩后仍有较大概率被检出。Meta 在自己的生成模型里也用类似方案。
问题是这些方案互不通用，平台认不认也是另一回事。我的判断是：短期内「图片是不是 AI 生成」这件事，没法靠单一指标下结论，只能多线索叠加——元数据是否合理、像素噪声是否符合传感器规律、有没有内容凭证、降采样后水印是否还在。任何声称「一键识别 AI 图」的工具，准确率都别信太高。
三步自查，我自己常用的流程
第一步，先确认文件身份。看扩展名和实际格式是否一致（改后缀很常见），用 exiftool 或系统自带的属性面板读一遍，重点看 Make、Model、DateTimeOriginal、GPS 这几项有没有，以及彼此是否自洽。第二步，看有没有被重编码过。把 JPEG 的量化表导出来对比常见软件的默认表，或者看缩略图跟主图内容是否一致。第三步，才轮到肉眼看画面，检查光影方向、反射、边缘融合、文字扭曲——这步是人最擅长但机器最容易翻车的部分。
顺序千万别反。先看画面得出结论，再去找证据，最后很容易变成「我觉得它是假的，所以这些痕迹都是证据」。这三层信息里，语义层最不可靠，恰恰也是我们最先接触到的，这大概就是为什么大部分人查图片信息，从来查不到点上。