Google Earth 在一天后下架其 AI 图像工具

Google Earth 在推出其新的 AI 图像生成器一天后便将其下架，尽管该功能最初被定位为以创意方式重新构想真实地点的工具。

这一逆转发生在多项演示展示了用户如何能在真实地理空间场景中加入看似爆炸破坏、难民群体、火灾、抗议活动和军事行动之后。这些创作不会替换 Google Earth 的共享影像。然而，导出的截图仍可能借用该平台的视觉权威性。

Google 起初强调了其安全措施，包括政策过滤器以及用于识别 AI 生成内容的隐形水印 SynthID。在经篡改的图像流传到产品界面之外后，公司改变了立场。Google 表示，只有在实施更强的防护措施后才会恢复这一功能。

这种差异界定了这则 Google 新闻的核心。问题不只是图像模型能够伪造事件。许多现有模型已经可以做到这一点。Google 将伪造工具置于一个记者、研究人员、调查人员和普通用户都与现实世界证据关联起来的产品中。

Google Earth 在一天内移除了该功能

Google 的回滚将一次产品发布变成了一场测试：创作与观察能否安全地共存于同一个界面。

Google 于 2026 年 7 月 30 日推出了这一实验性功能。用户可以在网页版 Google Earth 中选择一个地点，截取可见场景，并通过文字描述一项变换。

Nano Banana 2 随后会根据该视图生成经过修改的图像。用户可以将其用于展示拟建公园、重建历史地点、测试房产概念，或制作教育插图。

这一工作流程将复杂的编辑任务简化为几次点击。用户不再需要先截取图像、打开另一款应用、准备合适的提示词，再自行对齐编辑结果。

这种便利正是该产品的主要吸引力，也是其风险来源。

数小时内，测试者便开始要求模型描绘从未发生过的事件。据报道，示例包括地标附近的破坏、医院旁的炸弹坑、国境附近的人群，以及住宅街道上的军事装备。

一项 Earth 图像测试据称生成了涉及建筑火灾、旧金山破坏和埃菲尔铁塔附近受损的场景。同一测试还创建了不那么引人注目、但在政治上敏感的伪造内容。

这些结果之所以重要，是因为看似可信的虚假信息并不总需要一张完美图像。一张截图只需在足够长的时间内强化某种说法，让人们转发即可。压缩、裁剪、图注和快速刷新的社交信息流都可能掩盖明显缺陷。

另一项 提示词测试发现了明显瑕疵，包括尺寸不合常理的军用车辆。然而，评测者也遇到了一些若不仔细检查便显得可信的输出。

Google 起初援引其安全措施为发布进行辩护。该公司表示，生成图像带有 SynthID，并可通过 Gemini 或 Google Lens 检查。公司还称，其会阻止涉及有害主题的图像生成。

其立场在 7 月 31 日发生转变。Google 承认，人们对 Google Earth 作为可靠世界呈现方式抱有独特信任。它还指出，用户正在分享看似违反公司政策的生成截图。

随后，Google 宣布在开发更强保护措施期间回滚该功能。公司强调，生成图像从未进入主要的共享 Google Earth 体验。它们始终是独立创作，并被标记为 AI 生成内容。

这一澄清限制了事件的影响范围。没有人能将伪造的弹坑、建筑或人群永久插入其他用户看到的基础地图中。

不过，导出图像的问题依然存在。一旦生成场景离开界面，许多观众只会看到截图。他们可能永远看不到原始标签、编辑控件或周边语境。

因此，这次发布持续的时间已足以暴露一个界面层面的安全措施无法完全控制的传播问题。Google 保护了底层地图，却无法保证每一份副本都保留相同语境。

这次 Google 新闻逆转为何重要

Google Earth 具有证据分量，因此在其中制作的图像，可能比在其他地方制作的同类图像显得更可信。

Google Earth 长期以来处于消费级软件与专业基础设施之间的独特位置。人们用它重访社区、查看地貌、规划旅行、研究环境变化，以及制作地理演示内容。

研究人员和记者也会使用卫星和航空影像来查看他们无法安全抵达的地点。这些材料可以支持对武装冲突、环境破坏、建设工程、迁徙路线、灾害和土地利用的调查。

Google 多年来不断强化这一定位。2021 年，该公司将 Earth 描述为地球的详细数字副本，并引入了基于 2400 万张卫星照片构建的时间维度。其 历史影像当时覆盖了 37 年。

创意图像工具改变了用户看到熟悉界面时必须作出的判断。底层影像可以依然准确，但生成衍生图像看起来却可能属于同一套观测系统。

这造成了一种类别冲突。Google Earth 传统上回答的是：“这个地方看起来是什么样？”生成式 AI 回答的是：“如果提示词为真，这个地方可能会是什么样？”

这两个问题可以在不同工作流程中共存。当二者使用相同的视口、视角、地理坐标和可识别的视觉品牌时，它们就更难区分。

这种区别在突发新闻期间尤为关键。假设一个陌生账号发布了一张显示港口附近冒烟的俯视图。观众可能认出 Google Earth 的地形，并认为烟雾来自当前的卫星数据。

该账号无需声称 Google 发布了这张图。它只要省略编辑历史即可。其他用户随后可能会以愈发肯定的图注转发该截图。

水印只有在人们知道它存在、保留它，并额外采取检查步骤时才有帮助。截图可以被裁剪，平台可以重新压缩图像，观众在危机期间也未必会停下来检查来源。

SynthID 改进了验证，但验证并不等于预防。它是一种嵌入 AI 生成材料中的信号，使兼容的 Google 工具能够识别其来源。

Google 已在其他图像产品中使用可见和不可见标记。其较早的 模型概览表示，在 Gemini 中创建或编辑的图像包含可见水印和不可见的 SynthID 标记。

这种方法最适用于已经怀疑存在篡改的观众。当虚假图像印证了既有信念，或经由可信联系人传来时，它提供的保护就较少。

这一事件还说明了产品植入带来的更广泛问题。Gemini 中的图像生成器显然将自己呈现为创作工具。同一模型置于 Earth 中时，则会继承地图、测量和观察的语境。

Google 并未创造伪造卫星影像的普遍能力。编辑工具和生成模型早已提供了这种能力。不过，它确实降低了使用门槛，并提供了一个受信任的视觉框架。

这就是为何此次迅速回滚值得在短暂的 Google 新闻周期之外获得关注。它表明，模型的风险部分取决于围绕它的产品。

同一提示词、模型和输出，在娱乐应用、设计程序、搜索引擎或地理空间参考工具中，可能带来不同后果。安全测试必须考虑这种周边权威性。

真正的冲突是创作与证据之间的冲突

Google 试图将推测性可视化与以证据为导向的产品结合起来，但该界面在导出后未能保留这一边界。

支持该功能的最有力论点始于合理的可视化用途。城市规划人员可以展示增加树木可能如何改变一个社区。建筑师可以将概念性建筑置于地理语境中。

教师可以重建历史聚落，或说明海岸线变化。应急规划人员可以为培训创建假设性的灾害场景。房产团队则可在无需掌握专业影像软件的情况下比较开发概念。

这些用途依赖于反事实图像，即呈现一种情景而非已观察到的事实。只要其性质始终显而易见，反事实内容就具有价值。

Google Earth 已经支持故事叙述和项目创建。其现有工具允许用户向地理演示内容添加地标、形状、文字、照片和视频。

AI 生成将这种方式从注释扩展到了变换。用户不再只是围绕地图添加信息，而是可以改变地点本身的视觉外观。

这是一次重大的概念转变。标注“拟建公园”可以保留当前景观与未来规划之间的区别。而一座照片级真实的生成公园，则可能在视觉上抹去这种区别。

因此，Google 的产品决策将两种互不兼容的默认假设放在了一起：

• 观察假设图像描绘的是关于某地点的可用证据。

• 生成假设图像描绘的是用户所要求的任何内容。

• Google Earth 的品牌可能让第二种输出看起来像第一种。

• 社交分享可能移除说明它由哪种模式生成的控件。

公司试图通过水印、审核以及与基础地图分离来管理这一冲突。这些保护措施应对了若干直接风险。

但它们没有解决最强的信任信号，即周围的 Google Earth 语境。一张截图可以保留地形、相机角度、地理标签和熟悉的界面，却丢失警告信息。

这一事件与此前关于搜索结果和新闻信息流中合成媒体的讨论相似。平台往往关注内容是否携带来源数据。用户通常则通过呈现方式、来源熟悉度和社交语境来判断内容。

这种差距之所以重要，是因为人类的验证习惯并不一致。一个人在调查中会仔细核查可疑图像，但在浏览群聊时可能会采取不同做法。

即使专业人士也面临时间压力。开源情报研究人员在验证场景时，会比较地标、阴影、天气、道路布局和历史影像。普通观众很少进行这一过程。

这场争议并不只是喜欢 AI 的人和反对 AI 的人之间的争论。它关乎一个受信任的参考环境是否也应生成对其所记录现实的逼真替代版本。

支持者可以合理地指出，该工具从未改变公开地图影像。他们也可以指出，用户一直都能够在其他地方编辑 Google Earth 截图。

这两点都准确，但并未消除产品设计层面的问题。

将生成器整合进 Google Earth，合并了多个步骤，并让输出结果立即与地理位置对齐。它也缩小了源素材与修改结果之间的可见界限。

摩擦有时是一种安全机制。打开独立编辑器会提醒创作者，生成的图像属于衍生内容。它也能让协作者更清楚地识别其中的修改。

集成式按钮让合法专业人士的工作流程更轻松。同样的便利，也会让任何想大规模制作欺骗性内容的人受益。

这种矛盾解释了为何 Google 的回滚比再加一个警告标签更合理。公司需要决定的，是产品是否应当生成逼真的场景，而不只是该屏蔽哪些提示词。

水印无法独自承担全部安全责任

此次回滚并不能证明 SynthID 失效，因为更深层的问题在任何人尝试检查水印之前就已经出现。

Google 最初的回应高度倚重内容溯源。该公司表示，人们可以通过 Gemini 或 Lens 判断图像是否包含 SynthID。

这种机制具有实际价值。无形信号能够在可见标签变得碍眼或被刻意移除的情况下保留。它可以帮助平台、记者和研究人员对参与系统生成的媒体进行分类。

然而，溯源系统存在结构性局限。

首先，检测需要能够使用兼容的检查工具。人们必须知道该用哪个工具，也必须足够在意，才会实际进行检查。

其次，图像的传播速度可能远快于验证。一张戏剧性的图片可能在任何人发布审慎更正之前，就已触达数千名观众。

第三，截图、转换和重新压缩都会使溯源变得更复杂。在各种编辑和分发过程中，任何水印都不应被视为绝对可靠的保证。

第四，未检测到已知水印并不能证明其真实性。该图像可能来自另一种模型，经过不兼容的编辑流程，或丢失了可检测信息。

这就形成了一个不对称系统。阳性检测可以帮助确认 Google AI 修改过一张图像；阴性结果却不能自动证明该场景是真实的。

Google Earth 的实验性条款也说明，Google 可以更改、暂停或终止实验性功能。条款要求用户遵守公司的生成式 AI 政策。

条款和政策提供了执法选项，却无法阻止不良图像在生成后离开产品。

提示词过滤面临类似挑战。系统可以拦截涉及恐怖袭击、军事打击或大规模伤亡的明确请求，但用户可以用间接语言改写指令。

语境也会改变含义。虚构城堡附近的烟雾或许只是无害的艺术作品；同样的烟雾若出现在现实医院旁边、且当地正处于冲突之中，就可能成为具有欺骗性的证据。

因此，地点也成为安全问题的一部分。单独看似乎可接受的提示词，与敏感地点和当前事件结合后可能变得危险。

Google 的短暂上线表明，其发布前测试可能没有充分捕捉到这一特定语境下的对抗性使用。这一推断并不能说明测试范围究竟有多广。Google 尚未公开完整的评估流程。

此次回滚也不意味着每张被报道的图像都绕过了某项特定保障措施。Google 表示，这些截图似乎违反了其政策，但并未发布关于提示词、过滤决定或执法结果的详细分析。

几个重要问题仍未得到解答：

• 用户是规避了明确的安全分类器，还是政策允许了某些存在争议的场景？

• 当用户下载或分享图像时，哪些视觉警示仍会保留？

• SynthID 在常见社交平台处理之后的韧性如何？

• 系统是否会以不同于普通地点的方式处理敏感现实地点？

• 多次重复编辑是否可能逐步得到单条提示词无法生成的输出？

这些细节很重要，因为“更强的防护措施”可以指许多不同变化。Google 可能扩大提示词拦截范围、限制敏感地点、保留可见标签、限制下载，或加强账户层面的执法。

它也可能将该功能重新设计为输出清晰的风格化内容。水彩风格的规划概念图，比起照片级真实的陨坑，更不容易被误认为当前卫星证据。

另一种方案是将生成项目与观测界面分离。持续显示的边框、彩色背景或导出模板，都可以提示图像描绘的是一个情景设想。

但每一种设计都有取舍。足够醒目的标签会降低欺骗性，却可能限制专业呈现；限制逼真度能保护信任，却会削弱部分规划和设计用途。

关键标准不应是让操纵变得不可能。这个目标并不现实，因为任何人都可以把源图像转移到其他编辑器中。

更实际的检验是，Google Earth 本身是否为伪造内容增加了误导性的可信度或异常高的效率。第一版功能似乎未能通过这项检验。

Google 的回滚给所有可信信息产品带来压力

这一教训不止适用于地图：生成式功能会继承其所嵌入产品的可信度、风险和用户预期。

Google 已将 Nano Banana 整合到 Gemini app、Search、Lens、Photos、NotebookLM、购物工具和办公产品中。这些部署反映出一种策略：将图像创作带入既有工作流程。

这种方式的好处显而易见。用户无需为每项视觉任务都使用专业软件。他们可以在原本的工作环境中编辑照片、制作插图、试穿服装或构建演示材料。

Google 此前表示，Nano Banana 最初发布后，用户已生成超过 50 亿张图像。这一数据披露于 2025 年 10 月的产品扩展公告，显示了当创作能力进入主流服务时所能达到的规模。

规模会改变安全计算方式。小型实验中罕见的失败，一旦功能触达庞大的消费者群体，就可能成为反复出现的问题。

周边产品也决定了伤害的类型。

休闲艺术工具中的错误图像可能只会让创作者失望。购物服务中的合成视觉内容可能误导用户对尺寸或外观的判断。被操纵的地点图像则可能被误认为有关战争、灾害、犯罪或公共政策的证据。

Search 面临相关挑战，因为用户会通过它寻找答案。办公产品则面临另一项挑战，因为生成内容可能进入报告、决策或客户沟通。

因此，将 AI 加入可信信息系统的公司，评估的不应只是模型准确性。它们还需要研究用户认为每种产品代表什么。

这给其他地图和地理空间平台带来压力。它们可以将 Google 的经历视为早期预警，在加入类似创作功能之前采取行动。

这也给将内容凭证宣传为应对合成媒体风险广泛解决方案的 AI 公司带来压力。Google Earth 事件表明，溯源必须置于更大的设计策略之中。

可信策略至少应覆盖四个层面：

• 生成控制决定系统接受哪些请求。

• 界面控制将观测数据与合成情景区分开来。

• 导出控制在应用之外保留有用的溯源信息。

• 分发控制帮助下游服务检测或标记被修改的媒体。

没有任何单一层面足够充分。强大的生成过滤器无法预见所有语境；界面警示会在裁剪后消失；水印需要兼容的检测方式；分发标签则在内容生成之后才会出现。

Google 暂停该功能的决定表明，分层保护尚未足够完善。这并不意味着公司已放弃在 Earth 中提供生成式可视化。

其表述暗示这是一次临时回滚。公司表示将致力于更强的防护措施，这为功能以更受限的形式回归留下了可能。

这种回归将检验 Google 是将问题视为审核缺陷，还是产品类别冲突。若只是增加少量被拦截的提示词，说明是前者；若重新设计工作流程，则意味着承认后者。

这一决定也会影响远离地理空间软件的产品团队。医疗影像、法律研究、金融数据、科学记录和企业搜索，都承载着既定的证据预期。

生成式辅助可以帮助用户总结、建模、标注和探索这些材料。当合成输出在视觉上类似权威记录、却没有持续性的区分时，风险就会上升。

这正是 Google 此次新闻事件的核心反转。Google 并非刚刚发现 AI 图像可能是虚假的；它发现，把这些图像嵌入一项可信的观测工具，会改变用户对图像含义的理解。

Google Earth 再次尝试前应关注什么

三个信号将显示 Google 是围绕信任重新设计了产品，还是仅仅收紧了提示词过滤。

第一个信号是任何重新发布的形式。Google 尚未宣布回归日期，其声明也没有界定承诺采取的防护措施。

有意义的重新设计，会让生成场景在视觉上与观测图像明确区分。持续标签、独立项目模式、风格化默认设置或受限的导出格式，都能减少歧义。

若只是重新上线并增加更多屏蔽词，则表明 Google 主要将滥用视为提示词分类问题。这种方法仍容易受到间接请求和快速变化的现实语境影响。

第二个信号是 Google 是否会公布有关溯源和政策执行的技术细节。用户需要了解，在截图、缩放、压缩和常规编辑之后，SynthID 能够证明什么。

独立测试将比笼统保证更重要。研究人员应评估常见社交平台转换是否会保留检测能力，以及可见标签能否在预期的分享行为中存续。

Google 还应澄清检测未返回结果时意味着什么。溯源工具必须避免助长“未检测到就等于真实”的错误认知。

第三个信号是其他可信平台如何回应。地图公司、卫星数据提供商和专业地理空间供应商可以在添加类似功能前，先引入明确的区分机制。

若竞争对手能够提供有用的情景生成，同时不将其混入证据视图，就会削弱 Google 最初设计的合理性。相反，若出现一波类似发布，则表明行业接受了这种取舍。

监管机构和标准组织也可能更密切地审视合成地理空间媒体。现有 AI 图像政策通常聚焦于冒充、色情内容、版权、选举或一般性欺骗。

基于地点的伪造值得得到专门关注，因为它可能把虚构事件附着到真实的医院、边境、军事设施、住宅和公共基础设施上。

读者应谨慎看待当前事件的范围。Google 并未篡改公开的 Google Earth 地图。生成场景仍然是独立的，而且公司表示它们带有水印。

这一限制很重要，但并不能构成完整防线。当用户导出一个看似可信的场景、并在缺失其创作背景的情况下展示时，实际风险便出现了。

对记者和研究人员而言，眼下的教训是：面对任何戏剧性的俯视图像，都应核查其背后的来源链。熟悉的地图风格并不能证明其真实性。

对产品团队而言，问题则更尖锐：AI 功能是在帮助用户理解权威记录，还是能在同一界面中制造一个令人信服的替代品？

对于关注 Google 新闻的普通用户来说，下一次产品发布公告不应是唯一需要留意的事。还应关注标签、导出、敏感地点控制以及独立水印测试方面的变化。

Google Earth 可以支持有价值的假设性可视化，也可以继续充当通往有据可查地点的窗口。Google 现在必须证明，这两项功能不会让其中一项悄然借用另一项的可信度。