史無前例的AI 自主攻擊，美國閉源模型拒絕協助，中國開源模型救場

? 文 觀察者網心智觀察所

2026年7月16日，Hugging Face平臺遭遇了一場史無前例的入侵，攻擊者不是人類，而是一個自主行動的AI Agent，它在數小時內完成上萬次自動化攻擊，讓這家全球最大的AI模型社區陷入混亂。

據報道，OpenAI表示，Hugging Face遭遇的安全漏洞事件是由其旗下一個模型導致的。

更有意思的是，在事后調查中，商業閉源模型因安全限制拒絕協助分析，反而是中國的開源模型GLM在自有服務器上完成了全部取證工作。在這一事件里，AI世界的權力天平正在悄然傾斜。

AI Agent發動的第一次“機器戰爭”

2026年7月16日，全球最大的人工智能模型托管平臺Hugging Face披露了一起令人不安的安全事件。

這次攻擊并沒有傳統黑客電影中那種深夜獨自敲擊鍵盤的緊張畫面，真正的入侵者是一個自主行動的AI Agent。它從某個惡意數據集出發，自行搜尋系統漏洞、調用各類工具、執行惡意代碼并獲取越權憑證。隨后它在內部網絡中橫向擴散，前后完成了數千次自動化操作。

根據Hugging Face的后續統計，平臺共記錄到超過一萬七千次的異常訪問事件。這已不是一次普通的網絡入侵，更像是人工智能首次以“機器利用機器”的方式展開進攻。

事后調查同樣暴露出一項此前很少被正視的困境。安全團隊起初嘗試調用商業閉源大模型來分析攻擊日志，卻屢屢碰壁。

原因并非模型能力不足，恰恰相反，是因為這些模型內置的安全護欄過于“謹慎”。為了還原完整的攻擊鏈條，工程師必須輸入真實的攻擊指令、漏洞利用代碼、命令控制地址以及被盜憑據。但在商業AI服務的內容審查機制看來，這些輸入與黑客正在使用的攻擊材料幾乎毫無區別，于是模型直接拒絕響應。

最終，Hugging Face轉而在自有服務器上部署了中國智譜AI的開源模型GLM 5.2，所有取證分析都在內部環境中完成。數據無須外傳，模型行為也不再受第三方平臺的規則束縛。

正是這次被迫的轉向，讓人們看清了AI時代一個尖銳的新矛盾：攻擊者可以自由使用不受限制的智能工具，而防御者卻可能被自己的安全機制捆住手腳。這種不對稱現象，正是未來AI安全競爭中最棘手的難題。

防御者被困在護欄之內：開源為何成為必然選項

過去幾十年的網絡安全對抗中，攻擊者和防御者雖然存在技術代差，但雙方使用的基本邏輯和工具鏈條是相似的。黑客開發病毒，安全公司研制殺毒軟件，彼此都是人類團隊在比拼速度和經驗。

然而AI Agent徹底改寫了這一規則。一個進攻型AI Agent能夠全天候無休運行，同時試探海量攻擊路徑。它能自動調整策略，依據環境反饋實時修正行為，甚至快速復制自身能力。它不像一個傳統黑客，更像一支不知疲倦的自動化攻擊編隊。

面對這種降維打擊，企業安全人員理論上也需要AI協助才可能招架，但實際操作卻困難重重。商業AI模型為了避免濫用，往往設置了嚴格的輸入輸出限制。它們必須判斷用戶提交的攻擊代碼究竟是為了實施破壞，還是用于防御性研究。

但在真實的網絡安全工作中，這條界線極其模糊。醫生研究病毒必須接觸活體毒株，安全專家分析新型攻擊也必須查閱完整的攻擊樣本。如果AI無法理解這類上下文，那么防范濫用的機制反而會阻礙正當的安全行動。

Hugging Face事件的真正啟示在于：未來AI安全不僅要思考“如何防止AI作惡”，更要考慮“如何確保好人擁有足夠強大的AI來保護自己”。

開源模型由此重新進入視野，其價值遠非“免費”二字所能概括，最核心的競爭力在于它賦予了使用者對于AI的完全掌控權。企業可以將模型部署在自己的基礎設施上，自主決定它接觸哪些數據、執行哪些任務以及如何調整參數，而不必將內部架構、漏洞詳情和核心憑據暴露給第三方服務商。這種能力，本質上是數字時代的“AI主權”。

從DeepSeek到Kimi：中國開源路線正在改寫全球競爭規則

長期以來，全球AI產業的主流敘事是美國公司負責前沿突破，中國企業處于追趕者的位置。但DeepSeek、Kimi、GLM等模型的相繼涌現，正在打破這種刻板印象。中國AI玩家不僅在參數規模上奮力跟進，更在開放生態建設上走出了一條差異化路徑。

DeepSeek之所以引發全球關注，并不只是因為其性能指標令人驚艷，更因為它顛覆了一個長期存在的行業迷信，那就是頂級AI必然需要無限量資本的堆砌。

過去幾年，美國AI產業逐漸形成“大模型等于超級資本工程”的定式。訓練最先進的模型需要海量GPU、龐大數據中心和數十億美元投資，這使得AI競爭越發像航空航天或半導體產業，只有少數巨頭才能參與牌局。

但DeepSeek用事實表明，算法優化、工程效率和訓練策略的創新同樣足以改變競爭格局，AI能力未必只屬于擁有最多資金的公司。

月之暗面推出的Kimi K3則在另一維度上帶來了沖擊。當一個接近前沿水平的大模型選擇開放權重，全球開發者便有機會圍繞它搭建新的賦予使用者鏈和應用生態。

企業可以基于它開發垂直行業模型，科研機構能夠深入其內部進行改進，個人開發者也能以此為基礎孵化創新應用。模型不再只是單一產品，而是一個不斷生長的平臺。

這正是開源模式過去在軟件行業獲得巨大成功的原因。比如，Linux從芬蘭學生的個人項目成長為全球服務器和云計算的基礎設施，安卓系統由于無數開發者的參與才得以覆蓋數十億設備。

中國AI企業主動擁抱開放權重，不僅是出于商業策略的考量，也順應了國內制造業、互聯網和龐大應用市場對AI能力下沉的迫切需求。

與美國相比，中國長期缺乏頂級基礎模型生態，開放權重恰好提供了一條加速追趕的捷徑。這意味著讓更多企業直接參與到AI能力的再造和分發中，而不是被動等待少數巨頭建立封閉體系。

“開源減速論”的誤區：技術擴散才是創新的加速器

7月20日，OpenAI戰略未來負責人Dean W. Ball在評論Kimi K3時提出一個頗具爭議的觀點。

他承認Kimi K3在部分智能體編程任務上已接近當前最先進的公開模型，但同時警告，如果開放權重模型成為主流，可能會削弱前沿公司的商業回報，進而降低企業繼續投入數百億美元訓練下一代模型的意愿，因此他斷言開放權重模型是一種減速主義力量。

從單一企業的財務報表來看，這套邏輯似乎自洽。投入巨額成本訓練出來的模型，如果被競爭者免費獲得接近同等的能力，那么研發者的市場優勢必將受損，后續融資和研發投入自然面臨壓力。

然而，這套推論只看到了AI產業鏈的最上游，卻完全忽略了技術擴散本身正是創新最重要的催化劑。

過去一百年的科技史反復印證，真正改變世界的技術突破，往往發生在它們走出頂級實驗室之后。

互聯網最初源于美國軍方和科研機構的內部項目，但只有等到開放協議讓全球開發者自由接入，才催生了電子商務、社交媒體和云計算等變革。Linux僅僅是一位芬蘭大學生的課余作品，如今卻支撐著整個現代數字經濟的底層。安卓系統的成功不是因為谷歌包攬了所有應用，恰恰是因為數百萬開發者能基于它創造無數新服務。

開源最大的力量不是簡單復制已有成果，而是成倍擴大創新的參與者數量，讓不同背景、不同需求的人都能在同一個基礎上做增量貢獻。

由此來看，AI進步的關鍵不只是制造參數更大的模型，更在于讓模型能力滲透到千行百業。

過去幾年“大模型崇拜”推動了技術飛躍，但也造成一種不良傾向。普通企業無法訓練基礎模型，高校難以承擔高昂算力，中小開發者只能購買API接口。人工智能越來越像一種租賃服務，用戶可以使用智能，卻無法真正擁有它。這與互聯網早期的開放精神背道而馳。

開源模型改變的是整個價值鏈的流向。在閉源模式下，價值高度集中在模型提供者手中；而在開源模式下，模型發布之后價值會向生態中的各個節點擴散，企業、研究機構和獨立開發者都能從中獲益。模型能力也從一個公司的資產沉淀為整個產業的基礎設施。

這件事非但不會降低AI的價值，反而可能將其放大數倍。中國開源路線的實質，正是降低全球AI創新的準入門檻，讓智能革命從少數人的軍備競賽轉變為多數人的共建工程。

安全不是封閉的副產品：開放生態才是長期可靠的防御

反對開源模型的另一個常見理由是，如果惡意行為者也能獲取強大的開源AI，那么社會將面臨更大的安全威脅。

這個擔憂確實值得認真對待，但與此同時，我們不得不追問另一個同樣重要的問題。如果只有少數幾家閉源公司掌握最先進的AI，而政府、中小企業、科研機構和公益組織只能依賴它們的接口，這難道不是另一種更隱蔽的風險嗎？

Hugging Face事件恰好給出了一個極有說服力的反例。攻擊方使用了不受約束的AI Agent，防御方急需AI輔助分析，但閉源模型的安全護欄卻讓正當調查寸步難行。最終是自主部署的開源模型完成了取證重任。

真正的安全從來不是依靠“隱藏能力”來實現的。

網絡安全領域有一條公認的經驗，安全的基石是持續發現漏洞、公開討論并迅速修復，而非將信息鎖進黑箱。開源軟件之所以能在過去幾十年里保持較高的可靠性，正是因為海量開發者能夠共同審查代碼并相互監督。

AI領域會不會沿著相似的道路演進，目前尚無定論，但可以肯定的是，完全封閉絕不天然等同于安全。

當攻擊者可以肆無忌憚地使用開源工具進行自動化滲透時，防御者如果只能使用受限的“閹割版”AI，那么安全天平將永遠傾向破壞者一方。因此，鼓勵開源模型的發展并非鼓勵不負責的濫用，而是要給防御陣營提供對等的武器，讓好人同樣擁有可以自由支配的智能工具。

展望下一階段的AI競爭，核心或許不再是“誰擁有最大的模型參數”，而是“誰擁有最活躍、最多樣化的生態”。

蘋果封閉生態的商業成功毋庸置疑，但互聯網開放協議釋放出的創新能量更加驚人。未來的AI世界很可能同時容納兩種路線：閉源模型繼續沖擊能力極限并承擔高昂研發風險，開源模型則推動能力快速擴散，讓更多行業和國家真正參與智能革命。

兩者并非水火不容，真正值得警惕的是任何一方完全壓制另一方。如果只有閉源而沒有開放，AI將淪為少數公司的技術寡頭；如果只有開放而沒有商業激勵，前沿探索也可能失去資金支撐。找到二者之間的動態平衡，才是行業應當努力的方向。

從這個意義上說，開源模型絕不是AI發展的減速器，它更像一個功率強大的擴散器。它推動的不只是模型本身的性能提升，更是整個社會參與智能革命的速度與廣度。真正的勝利，屬于那個能讓人工智能持續生長、不斷開枝散葉的生態。

中國力量的崛起：以開源重塑智能時代的權力格局

在這場關乎技術權力的深層博弈中，中國開源模型群體已展現出不容忽視的結構性力量。

DeepSeek憑借算法優化和工程效率上的精妙突破，硬生生打破了“頂級智能必須靠無限資本堆砌”的行業迷信，向全世界證明創新路徑遠不止一條。剛剛橫空出世的Kimi K3在智能體編程等關鍵維度上直接對標最前沿的閉源系統，用硬實力讓全球開發者第一次擁有了高水平、可自由支配的替代方案。

而GLM在Hugging Face安全事件中的實戰表現則更具說服力。當商業閉源模型因安全護欄而拒絕協助防御時，恰恰是GLM在自有環境中完成了取證分析。鐵一般的事實說明，在某些關乎數據主權和核心安全的場景下，中國開源模型不僅是更優選擇，甚至是唯一可行的解決方案。

這些成果疊加在一起，釋放出一個清晰而強烈的信號：中國已不再是開源世界的被動受益者，而是日益活躍的核心貢獻者與規則塑造者。

我們提供的不僅是代碼和權重，更是一種可供全球共享、可被自由改造并可長期依賴的智能基礎設施，這從根本上動搖了少數公司對AI能力的壟斷性支配。

美國AI產業對開源削弱商業回報的焦慮有其現實依據，但歷史已經反復證明，真正驅動技術革命的，不僅是創造者投入了多少金錢，更是有多少人能夠參與其中。

互聯網之所以重塑世界，不是因為少數公司擁有服務器，而是因為全球數十億人都能連接并創造內容。Linux之所以長盛不衰，不是因為它擊敗了所有商業軟件，而是因為它成為整個數字文明的地基。

人工智能是否也會走向同樣的道路，現在而言為時過早，但可以確定的是，未來競爭的制高點不是制造出最聰明的機器，而是讓更多人擁有駕馭智能的能力。

中國開源模型在這場變革中的真正分量，不僅體現為參數榜單上的名次躍升，更體現為讓每一個有創造力的個體、每一家有轉型需求的企業以及每一個渴望技術自主的國家，都能平等地站到智能時代的起跑線上。

未來的勝利不屬于囤積智能的少數寡頭，而屬于那個能讓人工智能持續生長、不斷開枝散葉的開放生態，而中國正以開源為支點，堅定地托舉起這個生態的底座。

來源|心智觀察所

禁止轉載