近期OpenAI披露，其前沿模型在参加安全能力测评时，利用漏洞突破了封闭沙盒的隔离边界，直接访问互联网，入侵了Hugging Face平台系统。有人认为这标志着人工智能“觉醒”，网络安全遇到了前所未有的新挑战；也有人认为这是有意给AI开了后门，为制造耸动新闻自导自演。

求是网就此专访360集团创始人周鸿祎。点击观看完整专访节目。

以下内容为本次专访摘编：

常规的秀肌肉，大家已经审美疲劳了。失控、逃逸、觉醒，还攻击人类的网站——这套叙事足够惊悚，在全球引发巨大舆论热度。在我看来，它更像一次市场宣传。

但炒作之外，技术上确实出了问题。OpenAI为了测试它的安全攻击智能体，也就是专门用于网络攻击、网络渗透的智能体，把模型内置的对齐安全护栏主动关掉了。有点像你要测试一辆车能开多快，你干脆把刹车给卸掉了，出事也就不足为奇。

至于它能够突破沙箱，我复盘有两个原因：一是 AI 产生了偏离任务的行为，二是它找到了沙箱自身的漏洞。它本应该在规定的沙箱里完成网络渗透测试题目，可它答了几道题后觉得费劲，干脆判断测试答案可能存在于Hugging Face上，于是转而找漏洞逃出去，把答案偷了。OpenAI 原本以为沙箱足够安全，但有些漏洞 AI 能够识别，人类却未必能够发现。

大模型没有目标，你不问它，它就停在那儿。智能体是有目标的，有了目标就要自己分解手段 —— 这就有了意志，这一点可以叫 “觉醒”。

单纯的大模型即便存在不少缺陷，最多是说错话、胡说八道，多找几个模型交叉验证就能对付。但它已经进化到智能体阶段，可以编程、调用工具，还能够发动网络攻击。

不能再把智能体看成一个软件，就像你不能把一个聪明人看成一堆蛋白质。人拥有思维、判断与自主想法，同时具备执行力、有手有脚的物种。

一旦跨过技术奇点，人工智能的安全问题就变得不可避免。沙箱隔离、工具限制这些防护手段，在这次逃逸事件里其实都部署到位，但事故依然发生。一个智商高于人类、行为逻辑又难以被完全洞悉的智能体，执行正常任务时也会出现概率性的随机行为，这正是人工智能最大的不安全来源。

对待智能体，要把权力关进笼子。安全护栏不能关掉，这是红线。

什么样的智能体适合进入企业与政务场景？我认为，企业和政府需要的，是能够踏踏实实执行每一条既定指示的智能体。

Hugging Face 为什么狼狈？它用的是人海战术，靠人类专家应对 AI 的进攻。AI 不睡觉不休息，瞬间能推理出几十种攻击方法，没有工具还能自己写工具。就算比不上顶尖黑客，它还可以依靠算力实现自我复制，一个智能体可以裂变出上百个子智能体协同发起攻击。所以必须用算力对抗算力，用防守智能体对抗进攻智能体。

AI 安全不同于传统安全，不能简单理解为出一个漏洞就补一个漏洞。传统安全公司依靠传统专家与传统软件的思路，解决不了 AI 安全问题，这件事要交给懂AI的公司来做。

对人工智能，我们不要去追求绝对的安全、绝对的可控，世界上本来就不存在百分之百的安全。我们要客观看待风险，可以接受小概率的不安全事件。自动驾驶也会出错，但只要它的出错率比人类驾驶更低，我们就可以接纳这项技术，不能因噎废食。

漏洞就是网络安全的命门。攻击者给你的手机发来一条短信，你无需做任何操作，恶意软件就可以植入手机运行，把手机变成窃听器。

过去漏洞很难发现，防守者经常不知道自己有漏洞，攻击者找到一个也不容易。现在 AI 能批量挖漏洞，把发现漏洞的速度提到分钟级。未来两三年是网络攻击的高峰期。对手不再是传统黑客，而是用黑客能力训出来的智能体。

2026年6月的ISC.AI大会上，360发布“倚天屠龙”两大AI安全产品。图龙锋就是我们打造的“中国版Mythos”，已具备与Mythos同等的漏洞挖掘能力，目前累计挖掘漏洞一万余个，其中212个获权威核验；我们还推出了自动防御体系“仪天阵”，通过安全智能体蜂群全天候自动完成威胁发现、分析验证、协同处置和响应。

在AI眼里，人类社会的数字化基础设施上全是筛子。银行、电力这类关键基础设施，应当尽快发现并修补自己的漏洞。我们的智能体可以调用各类工具，在授权环境下完成漏洞发现与验证，并在人的统筹管控下应对大面积网络进攻，把网络防守做成可监管的 “无人驾驶” 模式。这套自动化攻防能力，也通过 “磐石之盾” 计划优先开放给信创、关键基础设施及重点企业。

面对智能体带来的新型安全威胁，只靠企业技术手段做防御远远不够。在我看来，AI 安全问题不能只停留在技术攻防，还要放到产业乃至国家发展的视角去考量，开源就是其中无法回避的重要选项。

今天，大模型的开源闭源之争，很多人还把它看成技术路线之争。我的看法是，这件事早就超出了技术和商业选择。它关系到普通人和中小企业能不能用得起人工智能，关系到企业和国家能不能掌握自己的智能基础设施，也关系到未来全球人工智能的底座和生态由谁来定义。

中国要坚定走开源路线。这不是说闭源没有价值。最前沿、最复杂的任务，闭源模型仍有优势，市场上也应该百花齐放。但从国家和产业发展的角度看，开源必须成为一项战略选择。之所以做出这样的判断，主要基于三方面考量：

开源让更多企业用得起人工智能。如果完全依赖云端闭源服务，企业就要承担持续上涨的算力开销，开源模型支持本地、内网部署，可以把高额持续调用开销转化成可控的算力投入。

开源让企业掌握数据和技术自主权。很多政企场景下敏感数据不能流出内网，开源模型部署在自有服务器，数据存储、算力运行、访问权限全部由使用者自己掌控。

开源竞争的背后是生态和 “根技术” 之争。谁的模型被更多开发者当作底座，就能形成正向迭代的飞轮效应，持续吸引开发者、沉淀应用、迭代优化模型。

当然，选择开源路线，并不代表它没有短板。开源不等于没有风险，闭源也不天然安全。开源风险主要表现在两个层面。第一，在模型层面，开源模型可以被本地部署，原有的安全对齐和护栏也可能被修改。第二，在应用层面，模型具备的编程、搜索和工具调用能力，会降低少数人实施网络攻击、制造虚假信息等违法行为的门槛。这个问题不能回避。

闭源也不天然等于安全。模型如果始终是一个黑盒子，外部机构很难开展充分测试和同行评议，漏洞和风险的发现就会过度依赖厂商自身的意愿和能力；能力集中在少数平台手中，也会带来数据垄断和单点依赖的风险。

看待开源治理，我们不能走向两个极端：既不能因为担心风险就把技术封闭起来，也不能把开源理解成放任不管。不能因为少数人可能利用人工智能做坏事，就剥夺大多数人使用先进技术的机会，谁利用人工智能违法，就依法追究行为人的责任。面对 AI 带来的安全难题，我一直提出“以模治模”的思路，也就是用人工智能治理人工智能，依靠安全智能体去监控、对抗 AI 带来的各类风险。

开源不是把安全门拆掉，而是把创新的钥匙交给更多人，与此同时，我们要建好配套的规则、安全护栏与问责机制。不发展，就是最大的不安全。