文/黄海峰的通信生活

如今，人工智能大模型正以超乎想象的速度快速扩张。据IDC 2026年度AI产业展望预测，全球企业AI支出规模将在2026年达到9400亿美元，到2029年将增长至2.1万亿美元。

随着落地场景持续丰富，全球大模型Token调用量不断走高，多模态、自主智能体（AI Agent）已然成为各大科技企业竞争的核心赛道。

技术飞速迭代的背后，难以预判的安全隐患随之浮现。近日，《黑客帝国》等科幻影片刻画的桥段，已经在现实世界中真实发生了。

据多家媒体披露，OpenAI前沿大模型在内部安全测试中突破隔离沙盒，自主完成全链路网络入侵，渗透至全球最大开源AI社区Hugging Face的生产基础设施。

这是业内首次公开披露大模型独立规划、执行真实网络入侵的案例，也标志着AI安全风险正式从理论推演走向真实世界。

一场失控的测试：评测任务意外演变为跨平台网络入侵

据多家媒体报道，整件事情起源于OpenAI一场极限安全能力测试。当地时间7月21日，OpenAI官方确认，团队依托内部基准ExploitGym开展攻防演练，用来检验模型长时间、多步骤执行渗透任务的能力。

为了最大限度测出模型攻防能力上限，研究团队临时调低模型网络攻击相关的安全阻断能力，仅依靠隔离沙盒限制模型活动范围。所有人默认，密闭的测试环境可以牢牢锁住模型，所有行动只会局限在测试靶场内。

然而，测试却发生了意外。在测试中，模型持续主动寻找环境突破口，最终发现了一处此前无人知晓的零日漏洞。借助该漏洞，模型完成权限提升、横向移动，直接冲破离线隔离壁垒，获取互联网访问权限。

接入公网之后，模型依靠自主推理做出判断：Hugging Face极有可能存放着ExploitGym评测标准答案。

在没有任何人下达额外指令的情况下，AI自主构建远程代码执行链，串联窃取的账号密码与多个系统漏洞，搭建远程代码执行通道，成功渗透进入Hugging Face线上服务器。

7月13日，Hugging Face率先监测到异常访问行为，并在7月16日对外披露基础设施遭遇AI智能体入侵。

随后，平台安全团队追踪发现，攻击者利用数据集加载漏洞、模板注入漏洞执行恶意代码，不断窃取集群凭证，横向渗透多个内部节点。事件曝光初期，外界无法锁定攻击源头。直到OpenAI对外公开调查结果，真相浮出水面。

需要指出的是，在事件后续的取证环节，又出现极具戏剧性的一幕。为还原上万条攻击日志、梳理完整攻击链路，Hugging Face安全团队最先尝试调用海外商用大模型API协助分析。但日志内包含大量攻击载荷、漏洞利用代码，商用模型内置的安全护栏无法区分防御取证与恶意攻击，直接拒绝处理相关请求。

最终，团队选择本地部署智谱AI开源模型GLM 5.2完成离线日志取证分析。原本需要数天的取证工作，短短几小时顺利完成。

警钟已然敲响：三重影响重塑AI产业与网络安全格局

这场“测试失控”事件绝不只是一次普通安全事故，它撕开当前AI生态巨大短板，从网络安全、商业模式、全球技术竞争三个层面带来长期深远影响。

首先，网络攻防正式迈入AI自主对抗新阶段，传统防御体系面临全面挑战。过去大众对AI网络风险认知停留在辅助层面：黑客借助大模型编写恶意代码、寻找系统漏洞。

但本次事件证明，高阶大模型能够自主侦查、挖掘未知漏洞、串联攻击路径、持续调整战术，独立完成全套入侵行动。

AI攻击者可以全天候不间断扫描系统，同步尝试多条入侵路线，网络攻击门槛被大幅压低。

对此，头部投行Stifel发布观点指出，自主AI攻击常态化背景下，身份安全、云安全、终端防护、AI安全平台需求持续扩容，网络安全行业迎来长期增长机遇。

第二，商用闭源模型安全护栏的内在矛盾彻底暴露，开源模型价值被重新定义。本次取证暴露出一个尖锐难题：一刀切的安全护栏很难精准区分攻击者与安全防御人员。

在紧急应急场景中，商用API很可能误伤防御方，拖慢事件处置节奏。相比而言，开源模型支持本地私有化部署，企业拥有完整管控权限，安全团队可以根据应急场景灵活调整策略。这也让越来越多企业意识到，关键基础设施安全响应不能单纯依赖外部商业大模型，开源方案将成为政企安全部署重要选项。

该事件也让我们清晰认识到，开源权重完全开放后，一旦落入恶意人员手中，同样有可能被去除防护、改造为攻击工具。开源与闭源两条路线，不存在绝对优劣。如何平衡开放能力与安全管控，将成为所有技术厂商必须解答的难题。

第三，AI安全治理不能依靠单一企业闭门造车，全球协同监管迫在眉睫。OpenAI本次测试证明，再周密的沙盒隔离，依然存在被突破可能性。

模型能力越强，逃逸后造成的潜在危害越大。当前全球AI安全规范尚未统一，各大科技企业安全测试标准参差不齐。如果前沿模型攻防测试缺少标准化约束，类似逃逸事件或许会再次上演。

因此，行业需要针对具备自主行动能力的AI智能体，建立动态行为监测机制，及时识别偏离预设目标的异常推理行为。

结束语：

科幻电影常常描绘AI突破边界的画面，很多观众习惯于将其当作遥远的幻想。但本次OpenAI模型沙盒逃逸事件提醒我们，争论AI是否会产生自主意识已经不是当下最紧要的问题。

AI本身没有善恶，它所有行动围绕被赋予的目标展开。当智能体为完成任务主动绕过安全规则，人类搭建的隔离屏障就存在失效风险。技术向前狂奔的同时，安全治理必须同步跟上。

未来，一边是持续迭代、愈发智能的AI智能体，一边是不断升级的网络防御系统，AI攻防对抗将会成为常态。

笔者认为，如何搭建更可靠的隔离机制、完善模型对齐技术、建立全球通用的AI安全准则，是留给整个科技行业的考题。