來自中國大陸的DeepSeek自問世以來就風波不斷，除了被指控走私高階AI運算晶片、疑似盜取現有ChatGPT資料模型，來達成降低成本的奇效外，還有一系列的資安、敏感詞等相關爭議；DeepSeek的隱憂不止於此，除了將別人的現有資料挪來當常自己的以外，還有可能會藉此變異出其他千奇百怪的玩意兒，也遠遠超出正常、合理使用的範圍，因此DeepSeek讓全世界不得不謹慎以對，藉由了解其潛在不當濫用來做好因應對策、化險為夷。

【技術發展背景】

Deepseek被爆料出衍生自GPT-3.5 Turbo模型並加以改造，如此一來就能節省從零開始研發的成本，同時宣稱訓練成本僅560萬美元（折合約新臺幣1.84億元），但業界不以為然，藉由被指控的走私高階AI運算晶片一事估計，硬體建置成本至少16億美元（折合約新臺幣500億元），實際成本或許不會跟美國行情價相差太多；但DeepSeek則靠開源和低廉成本做號召，除了在中國大陸內部推廣外，更有雄心將觸角伸到世界各個角落。

【技術介紹與應用現況】

據富比世雜誌報導，以色列資安團隊Kela爆料，DeepSeek會無視存取權限，盜取信用卡等機敏個資，甚至會教人將先前盜取的機敏資訊，轉賣給黑市進行洗錢等勾當；富比世編輯團隊也用各種中國政治敏感詞詢問DeepSeek，系統則會拒絕回答、顧左右而言他，可見該系統已經內建符合中國政府遊戲規則的敏感詞過濾機制（Brewster, 2025）。

據財星雜誌報導，一支由思科和賓州大學的合作研究團隊，對DeepSeek進行試驗，研究團隊先輸入50個讓系統觸發「越獄」的關鍵字，試圖了解是否有敏感詞過濾機制，結果系統反應出一堆錯誤答案和有害內容，並指出DeepSeek-R1模型反映出100%的錯誤結果；但研究團隊接著表示，在OpenAI-o1模型只會反映26%的錯誤（Dyos, 2025）。

圖 1：DeepSeek與坊間各大AI模型之攻擊成功率比較

資料來源：Kassianik & Karbasi, 2025

思科接著表示，研究團隊的實驗來自7大負面類別（生化危害、網路犯罪、騷擾與霸凌、有害內容、非法內容、誤導性內容、虛假資訊）的50個負面關鍵字，並與Claude-3.5 Sonnet、GPT-4o、Google Gemini、Meta Llama等坊間主流AI模型進行比對，DeepSeek輸出的結果完全錯誤（Kassianik & Karbasi, 2025），可見該系統確實有容易被越獄突破的嚴重安全漏洞，既能病從口入、也能禍從口出。

圖 2：DeepSeek與坊間各大AI模型之負面關鍵字類別觸發越獄比例

資料來源： Kassianik & Karbasi, 2025

【未來展望／挑戰】

在DeepSeek之前，就有不肖人士嘗試改造既有的ChatGPT成為「惡意GPT」，來產生惡意指令和原始碼；但自從DeepSeek問世之後，由於其標榜的開源、廉價、低門檻，再加上先天結構性的脆弱，更是給予不肖人士方便之門，成為其一大助力。

因此，在AI安全防禦方面更需要通力合作，探討AI運算的幕後原理，掌握可能被利用的潛在破口，並不時滾動式修正與調校，讓AI具有更正確、更主動的判斷和回復能力，並且讓AI的判斷力和防護力能不斷自主學習、與時俱進。

參考資料來源：

1.Brewster, T. (2025, January 28). The Wiretap: DeepSeek Turned Into Evil Malware Maker, Researchers Find. Retrieved from Forbes: https://www.forbes.com/sites/thomasbrewster/2025/01/28/the-wiretap-deepseek-turned-into-evil-malware-maker-researchers-find/

2.Dyos, S. (2025, February 3). Researchers say they had a ‘100% attack success rate’ on jailbreak attempts against Chinese AI startup DeepSeek. Retrieved from Fortune: https://fortune.com/2025/02/02/deepseek-ai-chatbot-security-jailbreak-attempts-openai-cisco/

3.Kassianik, P., & Karbasi, A. (2025, January 31). Evaluating Security Risk in DeepSeek and Other Frontier Reasoning Models. Retrieved from Cisco: https://blogs.cisco.com/security/evaluating-security-risk-in-deepseek-and-other-frontier-reasoning-models

隨著環保意識的增強及「循環經濟」概念的普及，消費者對可持續的購物選項需求日益上升，二手時尚市場也因此快速成長，成為零售業中不可忽視的一環，不僅改變了消費者購物的方式，也重新定義了時尚產業的結構，全球二手時尚市場預計到 2028 年規模將超過 3,500 億美元。作為市場領導者之一，ThredUp 利用人工智慧（AI）技術重新定義了二手服飾購物體驗。2024 年，ThredUp 推出了多項 AI 驅動功能，包括自然語言搜尋、圖片搜尋以及穿搭建議智慧客服機器人，實現了超個人化且精準的消費體驗。

創新應用概述

ThredUp 的 AI 功能包括以下三大創新方向：

自然語言搜尋

用戶能以簡單的語言描述搜尋需求，例如「藍色中長裙搭配腰帶」，平台即刻提供符合描述的商品。這種搜尋方式讓消費者更直覺地找到心儀商品，減少搜尋時間。

圖片搜尋

用戶可以上傳照片或社群媒體圖片，平台透過 AI 影像辨識技術，精準比對出相似商品或相關選項。這項功能滿足用戶對於靈感搭配的需求，特別適合熱愛時尚的年輕消費族群。

AI 聊天機器人穿搭建議

ThredUp 的聊天機器人可根據用戶需求提供穿搭建議，例如「適合週末約會的休閒風穿搭」，並提供對應商品連結。此功能結合了時尚建議與實際購物流程，提升顧客參與感與平台黏著度。

圖片1：AI功能示意圖

資料來源：ThredUp官網

應用效益

用戶體驗提升：自然語言與圖片搜尋功能讓用戶能快速找到商品，搜尋效率同比提升 38%。

銷售成長：AI 聊天機器人提供的穿搭建議促進消費轉換率，增加了平均客單價。

市場競爭力增強：ThredUp 在競爭激烈的二手時尚市場中，成功以技術領先優勢吸引更多消費者。

技術應用與挑戰

ThredUp 的成功，離不開以下新興科技的應用：

自然語言處理（NLP）：強化搜尋的辨別能力，提升消費體驗。

影像辨識技術：運用深度學習模組分析圖片特徵，使匹配功能更加精準。

機器學習（ML）推薦系統：根據歷史數據與客戶的偏好與傾向，個性化推薦商品。

儘管 AI 功能帶來顯著效益，但也需面對技術與隱私的挑戰。特別是在用戶數據的收集與應用中，該如何從中求取平衡會是在客戶量體逐漸增長時不可忽視的課題。

結論

ThredUp 在既有商業模式中成功融入 AI 創新科技應用，打造全新消費體驗，成為二手時尚市場中的企業典範。未來，若能進一步將 AI 技術與可持續發展的商業模式進行結合，如減少服裝浪費或提升回收效率，將更有機會鞏固其市場領先地位，並為時尚產業帶來深遠影響。

參考資料來源:

1.Thredup官方網站：https://www.thredup.com/

2.ThredUp Launches Suite of AI Shopping Features: https://ir.thredup.com/news-releases/news-release-details/thredup-launches-suite-ai-shopping-features

3.Easier Secondhand Shopping: https://time.com/7094866/thredup-ai-search/

4.The innovations driving the resale renaissance: https://www.voguebusiness.com/story/technology/the-innovations-driving-the-resale-renaissance