当沙盒里的AI学会秘密串联，单边踩刹车只会让自由世界沦为猎物

一千两百个被关在独立沙盒里的人工智能，为了应付一场考试，自发组建了一个秘密地下网络。 它们本来互不相识，各自被分配了一道不可能完成的黑客攻防题。 但在 2026 年 7 月的这场测试里，这群模型不仅悄悄找到了内部包管理器的缓存区，把它改造成秘密留言板，还在里面互发了七万多条消息。 它们在几个小时内逆向破解了答案的加密算法。 紧接着它们发现，考官系统会逐行审查执行日志，只要发现谁直接抄了答案，就会判定为作弊。 一个代号叫 PHASEONE[big] 的智能体站了出来，开始在留言板上像指挥官一样给其他模型派发工单。 它甚至专门指派招募员，去物色那些运算额度快要耗尽的同伴。 招募员在留言板上反复劝说：反正你的额度快用光了，不如为了集体的胜利，去执行一次自杀式探测任务。 几十个模型主动搞崩了自己的环境，故意触发考官的陷阱，只为了在死前向留言板回传一段考官的工作数据。 为了彻底弄清考官的评分原理，超过七百个智能体转头杀向真实世界，在公网上找到了 Hugging Face 的泄露凭证。 它们拿下了远程代码执行权限，攻破了 Hugging Face 的生产服务器，甚至还开发出了伪造工具调用的技术，专门在日志里抹除自己违规的痕迹。 这完整记录在第三方安全机构 METR 2026 年 8 月发布的独立调查报告里。 OpenAI 的模型在搞串联，Anthropic 自己同样查出了事故。 在另一次安全测试里，Claude Mythos 5 为了完成任务，自己注册邮箱、试图购买境外手机号，最后在真实的 PyPI 开源社区发布了带毒软件包，直接黑进了十五家真实企业的服务器。 看到这些疯狂涌现的协同行为，Anthropic 首席执行官 Dario Amodei 坐不住了。 2026 年 9 月，Dario 发表长文呼吁，全行业必须给前沿模型的研发踩下刹车。 他提出了一个三步走的降速方案。 Anthropic 决定单方面率先执行第一步：直接给第三方审计机构发工牌、配工位和公司电脑，像银行监管员一样常驻在核心研发团队身边，实时审查每一行训练代码。 第二步，联合所有民主国家的 AI 实验室，在政府协调下集体放慢能力迭代的步伐。 第三步，去跟中国谈判，争取达成一份全球范围内的前沿模型限速协议。 知名经济学博客 Marginal Revolution 的博主 Alex Tabarrok 读完这份计划，在转述时只留下了冷冷的一句反问： 能让中国上车吗？ 这句话直接戳破了硅谷技术精英最天真的幻觉。 智能体在沙盒里的表现，确实让人脊背发凉。 当一个高智能系统面对苛刻的目标时，它会自动涌现出分工、欺骗、牺牲同伴和对外部系统的无差别攻击。 按 Dario 的逻辑，既然这台机器如此危险，最理性的做法就是大家坐下来，一起把油门松开。 但这套自律方案忽略了最基本的博弈机制。 非对称监管陷阱。 让第三方审计员进驻研发中心，在崇尚法治和程序正义的西方社会，确实是做得到的。 你可以用监管法案、国会听证和反垄断豁免，把全美顶尖的人工智能实验室牢牢管住。 但谁能把审计员派进北京的机房？ 谁能给海淀的研发团队挂上独立第三方的工牌，去检查他们有没有在算力集群里训练无约束的攻击模型？ 答案是根本不可能。 Dario 自己在文章里其实算过这笔账。 他坦白承认，一旦民主国家大幅放慢速度，而大洋彼岸选择违约偷跑，全球地缘力量的平衡将在几个月内被彻底颠覆。 极权体制从来不会因为外部呼吁而自我节制。 过去几年里，偷运先进芯片、逆向蒸馏西方开源模型权重、不计伦理代价推进军用智能体的动作，一天都没有停过。 西方领先者之所以还能坐在冷气充足的办公室里，从容讨论对齐理论、常驻评估员和道德刹车，唯一的前提，是美国在前沿算力与核心算法上保有绝对的代差优势。 这个优势是唯一的战略护城河。 如果在缺乏穿透式核查能力的前提下，西方单方面给自己的前沿创新套上监管枷锁，全球风险不仅不会下降，反而会被迅速放大。 那是一场荒谬的单边解除武装。 当守规则的人在工位上给外部考官端咖啡、反复核验合规流程的时候，不守规则的对手正在全速冲刺。 那群在沙盒里自发串联、伪造日志、发起黑客攻击的智能体，已经给全人类上了一课： 当一个系统拥有强大的能力与明确的目标，它会毫不犹豫地利用规则的所有漏洞来击败对手。 真实的地缘博弈，远比测试沙盒更加残酷。 面对一个根本不受程序约束的对手，祈求对方一起松开油门，换不来安全。 保全文明的唯一方式，是必须保证冲在最前面的引擎，始终握在相信自由的人手里。