AI 公司 1/6 注冊是騙子，token 比錢好偷

AI 產品觀察 · 風控樣本

一家公司的注冊量漲得很快，賬單也漲得很快。查完日志才發現，六個新用戶里，可能有一個只是來領額度的。

先說清楚，標題里的“1/6”來自匿名化風控樣本，不是整個行業的統計。

但這個現象本身并不新鮮。只要 AI 產品還在大量送免費額度，就很難繞開它。

注冊量漲了，賬單也漲了

很多 AI 公司早期都會送額度。注冊送一點，邀請好友再送一點，綁定郵箱、完成任務，還能繼續拿。

這套方法很常見。產品需要用戶試用，用戶也愿意嘗鮮。

問題在于，有些人根本沒打算長期使用。

他們注冊賬號，領取額度，然后集中調用接口。額度用完，賬號丟掉，再換一批身份重新來。

后臺看起來很熱鬧。注冊數在漲，調用量也在漲。只有服務器賬單不說謊。它會告訴你，這些所謂的用戶，可能只留下了一堆成本。

token 為什么比錢好偷？

因為錢通常有很明確的感覺。

銀行卡少了 100 元，你會馬上發現。token 不一樣。用戶看到的是一串“免費額度”，平臺承擔的卻是模型推理、顯卡、帶寬和存儲費用。

對普通用戶來說，10 萬 token 可能夠用幾天。對腳本來說，10 萬 token 只是一個任務量。它可以在很短時間內把額度打完，再換賬號繼續。

一個賬號損失幾塊錢，平臺可能不在意。一萬個賬號同時這么做，情況就完全不同了。

圖：批量賬號、免費額度和服務器成本之間的關系

最容易被騙的，是注冊用戶數

AI 產品不能再只看注冊量。一個注冊賬號，和一個真正使用產品的人，中間差得很遠。

正常用戶注冊以后，可能會改幾次提示詞，保存幾個結果，過幾天再回來看看。

異常賬號的動作通常很單一：注冊，領額度，調用，退出。

它們不怎么瀏覽產品，也不關心新功能。提示詞高度重復，調用時間很集中，幾個賬號之間的操作還特別像。

單獨看一個賬號，似乎沒有什么大問題。但把一批賬號放在一起，味道就不一樣了。它們像是同一個人戴了很多張不同的臉。

只封 IP，基本不夠用

很多團隊發現異常后，第一步是封 IP。這當然有用，但只能解決一小部分問題。

現在的異常賬號可以換代理、換設備、換網絡，甚至直接使用云手機。今天從北京來，明天從上海來，后天可能又變成了一個新的設備。

所以風控系統不能只問“這個賬號從哪里來”，還得繼續看它和哪些賬號用過同一臺設備，注冊時間是不是集中在幾分鐘內，是不是只領取額度而不使用其他功能。

還有一個很明顯的信號：額度剛到賬，就被迅速消耗完。

這些信息單獨看都很瑣碎，放到一起，往往比 IP 地址更說明問題。

免費額度不是空氣

有些公司把免費 token 當成營銷費用，這沒什么問題。但它不能像宣傳單一樣，發出去就算結束。

額度發給誰，發了多少，最后帶來了什么，都應該算清楚。

新賬號沒必要一次性拿到全部額度，可以分階段開放。成本很高的模型，也沒必要對所有新號完全敞開。

復盤活動時，也不要只看“新增用戶”。注冊用戶、有效用戶和高風險用戶，最好分開統計。

否則，數據表上會出現一條很漂亮的增長曲線，公司的現金流卻在另一張表里慢慢漏掉。

這件事很適合拍成漫劇

第一集可以從慶功會開始。

老板看著后臺說：“今天新增十萬用戶，我們爆了。”

大家剛準備鼓掌，財務把賬單放到桌上：“老板，我們也爆了。”

工程師打開監控，發現這十萬個賬號幾乎都在做同一件事：注冊，領額度，調用，退出。

他順著設備和網絡關系查下去，發現所謂的十萬用戶，背后只是一間出租屋里的幾臺電腦。

墻上貼著當天的任務表：“目標：薅空三家 AI 公司。”

主角準備封號時，系統又彈出一條警告：檢測到新的異常注冊高峰。

他放大監控畫面。這一次，所有賬號都來自公司內部設備。

風控數據真正要標的，不只是“騙子”

如果要訓練 AI 風控模型，最簡單的標注當然是：這個賬號正常，那個賬號異常。

但真正有用的數據，不能停在這里。

模型還需要知道，一個賬號為什么異常。是設備重復，是注冊行為太集中，是調用頻率不合理，還是多個賬號之間存在關系。

這些細節沒有被記錄，模型就只能靠猜。

現實中的風控，也不是靠一個黑名單就能解決的。它需要大量真實的賬號行為、設備關系和調用樣本，慢慢分辨出誰只是重度用戶，誰在批量薅取。

所以，AI 公司以后要管理的，不只是用戶增長，還包括 token 到底流向了哪里。

最后問一句

你見過最離譜的 AI 羊毛黨行為是什么？

是批量注冊，還是把免費額度當成算力券轉賣？歡迎留言說說。

注：文中“1/6”為選題樣本口徑，發布前請替換為真實審計數據，并補充樣本時間、范圍和判定標準。