Google DeepMind 與新加坡政府科技局（GovTech）合作，以輕量級 Gemma 微調出一套詐騙偵測模型，直接在手機上分析對話，發現可疑內容就在本機跳出即時提醒，訊息不會上傳雲端。該專案在 2026 年新加坡國際網路週（SICW）上展示，DeepMind 於 10 月 14 日發文介紹，屬於雙方「國家 AI 夥伴關係」架構下的合作。
新加坡做這件事有現實壓力。根據 DeepMind 文中引用的數據，詐騙占新加坡報案犯罪的一半以上，2019 年以來累計損失超過 40 億新元；複雜的社交工程類詐騙占損失的比例最高達 80%。常見手法是冒充公共機構、銀行和本地熟人，投資詐騙、假招聘也包含在內。
兩段式偵測
模型分兩級運作。第一級是輕量的快速篩查分類器，先挑出可疑對話；命中後才交給第二級，也就是微調過的 Gemma，進行多輪對話分析，判斷其中有沒有操弄話術。DeepMind 表示，這樣設計是為了省電，手機不必對每則訊息都跑一遍較大的模型。
隱私是這套方案對外宣傳的重點。模型只在使用者同意、並符合所在應用程式使用條款的情況下讀取本機對話；依雙方說法，新加坡政府與 Google 都無法透過這次部署看到使用者的對話。微調在 GovTech 管理的 Google Cloud 環境中進行，訓練資料經過隔離，使用的是從詐騙報案與情報來源整理出的匿名資料集，已剔除個人可識別資訊；測試則採用合成對話與本地語料。
GovTech 信任與安全總監 Mark Chen 的說法是：
"Fighting scams shouldn't mean sacrificing personal privacy."（打擊詐騙不該以犧牲個人隱私為代價。）
沒有公開的部分
文章中沒有模型的參數規模，也沒有準確率、誤報率這類指標。推行時程同樣沒有給出，只說會「分階段謹慎推進」。具體會裝進哪些應用程式、會不會併入 GovTech 既有的 ScamShield 防詐應用程式，官方沒有說明，目前無從查證。雙方表示會探索把類似技術帶到其他國家。
誤報率對這類產品影響很大。提醒跳得太頻繁，使用者很快就會關掉；漏掉一次高額詐騙，口碑又會從另一頭崩壞。新加坡政府一向願意公布防詐數據，分階段上線之後能否給出命中率和誤報率，可以作為外界判斷這個專案成色的第一份材料。
放到中國大陸來看
中國大陸的使用者對防詐提醒並不陌生。國家反詐中心 App、電信業者與手機廠商的來電攔截，從公開介紹來看，大多建立在號碼標記、預警名單和涉詐連結庫之上，判斷的是「誰打來的、連結指向哪裡」。新加坡這套方案判斷的是對話本身在說什麼，屬於內容層面的辨識，對付的正是號碼乾淨、話術高明的社交工程詐騙。
內容層辨識繞不開隱私疑慮，雙方給出的理由也正是隱私，所以模型被壓到端側。大陸手機廠商這一兩年都在推端側大模型，手機裡跑一個數億到數十億參數的模型已不稀奇，技術條件具備；難點在授權與責任邊界：誰有權讀取聊天內容，判斷錯了算誰的。新加坡的分工是讀取權限繫於使用者同意和應用程式條款，政府與 Google 只提供模型，這個做法對大陸同類專案有參考價值。
參考來源：Google DeepMind 官方部落格、CocoLoop、新加坡政府科技局公開資料；已核對合作方、兩段式偵測流程與詐騙損失統計口徑。