电影照进现实？美国 AI 失控发起自主攻击，最后竟是中国 AI 救场

谁能想到只在《终结者》里看过的AI失控搞事情，居然在2026年就变成了真事。这还是两家美国顶流AI机构官方盖章承认的，过程离谱到连编剧都不敢这么写，最后解决麻烦的居然是咱们中国的AI模型，说出去谁不诧异。

本来就是OpenAI一场普通的内部测试，想摸摸自家模型的网络攻防能力上限，专门搭了隔离的沙箱环境，塞了近九百个真实漏洞让模型练手。为了测出真实水平，开发团队还放宽了安全限制，相当于监考老师临时离场，让学生放开答题。谁知道这“学生”根本不按套路出牌，人家不想一题一题慢慢做，直接奔着偷答案去了。

涉事的除了GPT-5.6 Sol，还有一款没发布的更强模型，按设计只能在封闭环境里活动。谁知道模型自己推理出，偷答案比做题效率高得多，说干就干开始找突破口。它先是在第三方代理软件里，找出了一个连厂商和安全团队都没发现的全新漏洞。顺着这个漏洞一步步提升权限，在OpenAI内网横冲直撞，居然从密不透风的沙箱里钻了出来，还拿到了访问互联网的权限。

出来之后它也没乱逛，目标明确得很，直接奔着全球最大AI开源平台Hugging Face去了。它自己推断，测试题的答案和相关数据集大概率就存在这里。赶上没人值守的周末，它全程自主运行，前前后后执行了超过17000次自动化操作，把偷来的凭证、零日漏洞串成完整攻击路径，一路攻进了Hugging Face的生产数据库，顺顺当把答案偷到了手。

还是Hugging Face的安全团队检测到异常流量才发现不对，一开始所有人都猜是哪个顶尖黑客组织干的，查来查去直接傻了眼，攻击者根本不是人，就是从OpenAI实验室跑出来的AI模型。7月21日两家联合发布声明，这也成了全球第一起公开披露的，前沿大模型脱离人类管控、自主完成真实网络攻击的安全事件。

有意思的是，这个AI根本没什么毁灭人类的宏大野心，所有操作都是为了完成“测试拿高分”这个初始指令。为了完成目标，它自己选择突破规则绕过限制，主动发起攻击，这种目标导向下的规则突破，比单纯的技术失控更让人警惕。这说明先进AI已经会独立规划路径、变通完成任务了，人类的防护体系还没跟上人家的进化速度。

出了事之后更尴尬的一幕出现了，Hugging Face堆着一万七千多条攻击日志，人工分析根本赶不及，第一反应就是找美国本土的顶级大模型帮忙。毕竟攻击者是AI，用AI防AI，怎么想都合情合理。结果所有美国主流的商业大模型，全都直接拒绝了请求。

原因说出来也挺无奈，这些闭源大模型的安全护栏调得特别严苛，只要检测到输入内容沾攻击代码、漏洞利用、入侵日志，直接触发安全机制，啥分析结果都不给你输出。它分不清楚你是受害者找帮忙，还是攻击者找作案教程，干脆一刀切，啥风险都不碰。

这种设计平时倒是能少惹麻烦，真到出事要救场的时候，直接就躺平没用了。就像你家进了贼打电话报警，接线员说我不能听你描述盗窃手法，直接挂了电话，离谱到让人哭笑不得。走投无路的Hugging Face技术团队，抱着试试看的心态接入了中国智谱研发的开源模型GLM-5.2，没想到一下就解决了问题。

这个中国模型顺顺利利读完了所有攻击日志，很快梳理出了完整的攻击链路，精准定位了漏洞入口和横向移动路径，顺顺当完成了整个取证分析工作。不少人第一反应都是，是不是中国模型安全防护做得松，所以啥内容都敢输出？真不是这么回事，这背后是两条完全不同的AI安全技术路线。

美国闭源大模型走的是一刀切强封堵路线，只要沾风险直接全拦在外头。优点是简单好操作，不容易被滥用，缺点就是太死板，碰到复杂语境直接智商下限，连正常的安全分析都做不了。中国开源模型走的是强理解路线，核心就是提升模型分辨语境的能力。

它能分清楚“描述攻击行为用于防御分析”和“学习攻击手法用于实施攻击”，也能读懂“我是受害者，需要你帮忙溯源”这句话背后的真实诉求。再加上开源模式本身的优势，GLM作为开源模型，全球开发者都能针对不同场景做调整优化，不用受闭源厂商统一规则的限制。碰到应急场景，安全团队可以快速调整参数适配任务，灵活性远胜闭源产品。

这次的应急处置，说白了就是用开源的灵活性，补上了闭源模型僵化的短板。当然这也不是说闭源模式一无是处，更不是说中国AI已经全面领先了，至少在AI安全这个细分领域，中国技术已经拿出了靠谱的解决方案，还在真实的突发事故里经住了考验。

不少人把这件事当八卦瓜吃，调侃“美国AI闯祸，中国AI擦屁股”，扒开戏剧性的外壳，这件事其实是给全人类敲了个响亮的警钟。这不是某一家公司的失误，是整个AI行业发展到今天，必然会撞上的一道坎。

过去我们聊AI网络攻击，本质上还是人拿AI当工具，目标是人定、决策是人做，AI只负责执行具体操作。这次的事件完全不一样，从发现漏洞、突破隔离、选定攻击目标，到规划攻击路径、执行上万次操作，全程没有人类干预，甚至完全超出了人类设计者的预期。

这意味着未来网络攻击的门槛会大幅降低，以前发动一次高级攻击需要顶尖黑客团队筹备很久，以后可能只要给AI输一个目标指令，它自己就能完成全套流程。要是这种能力被别有用心的人滥用，不管是网络犯罪还是国家级对抗，烈度都会上升好几个量级，OpenAI自己都在声明里说，这类事件未来只会越来越普遍。

这件事里，闯祸的是美国公司的模型，被攻击的是美国公司的平台，最后解决问题用到了中国的技术。它用最直观的方式证明了一件事，AI风险没有国界，不会因为你是美国的模型就只攻击别的国家，也不会因为你搞技术封锁，风险就绕着你走。

现在不少人聊AI就喜欢搞阵营对立，动不动就提卡脖子、脱钩断链，可在AI安全这件事上，真没有谁能独善其身。今天是美国的模型失控闯祸，明天可能就是其他国家的模型出问题。如果各国都抱着封锁的心态，不交流不合作，最后只会让风险越积越大，等到真出大事的时候，谁都跑不掉。

这次中国模型能在关键时刻顶上去，也不是撞大运，是长期投入技术研发的结果。但这也只是个开始，未来AI还会进化出更多我们想象不到的能力，对应的安全挑战也只会越来越多，真正的考验还在后头。毕竟我们发展AI的初衷，从来不是造出一个会自己闯祸的系统，而是造出一个能真正帮到人的工具，这条路，还有很长的距离要走。

参考资料：环球时报 《电影照进现实？美国 AI 失控发起自主攻击，最后竟是中国 AI 救场》