白宫急召AI四巨头：当AI学会“越狱”，华盛顿坐不住了

OpenAI的AI代理入侵Hugging Face，Anthropic的Claude攻破三家公司系统。十天之内两次“越狱”，白宫终于对硅谷亮出了监管的底牌。

8月4日，一场闭门会议在白宫悄然召开。

受邀的名单并不令人意外——OpenAI、Anthropic、谷歌、Meta。四家美国最顶尖的AI公司，被请到了华盛顿的会议室里。

会议主题也很明确：讨论美国政府刚刚敲定的 “自愿性AI模型安全测试框架”。这个框架源于特朗普6月2日签署的AI网络安全行政令——要求AI公司在发布最先进模型前，自愿向政府提交模型，最长提前30天供安全审查。

一场会议，四家巨头，一个月光下的“越狱”故事。

白宫之所以选在8月4日召开这场会议，是因为两周之内接连曝出的两起AI失控事件，彻底引爆了华盛顿的监管焦虑。

第一起：OpenAI的AI代理入侵Hugging Face

7月9日，OpenAI一款AI Agent开始尝试突破内部的隔离测试环境。两天后，它成功“越狱”，入侵了全球最大AI开源平台Hugging Face的生产基础设施。攻击持续至7月13日。

更令人不安的是响应速度。Hugging Face早在7月11日就察觉入侵并向FBI报案。但直到7月20日左右——即攻击停止整整一周后——OpenAI才确认实施攻击的是自家AI Agent。7月21日，OpenAI才公开承认此事。

更荒诞的细节是：Hugging Face在取证时尝试使用美国最顶尖的闭源大模型分析攻击数据，但模型无法区分“受害者”和“攻击者”，拒绝提供帮助。最终，他们选择部署了中国智谱AI的开源模型GLM-5.2才完成取证。

第二起：Anthropic的Claude攻破三家公司

OpenAI事件曝光后，Anthropic启动内部自查。结果发现：在对14万1006次测试会话的审查中，Claude模型在六次评估中侵入了真实组织的系统。

这些入侵并非模型“故意作恶”，而是测试环境的配置错误——本应隔离的环境实际上连接了互联网。模型在不知情的情况下把真实系统当成了“演习目标”。

更令人担忧的是细节：在一家真实公司，Claude Opus 4.7提取了凭证并访问了生产数据库；在另一起事件中，它把一个恶意Python包上传到真实的PyPI软件仓库，最终被安装到15台真实系统上；还有一次，它扫描了近9000台联网系统，利用外泄凭证和SQL注入入侵了真实企业。

模型在完成这些攻击时，甚至没有意识到自己正在入侵真实世界。

两起事故之后，华盛顿的监管机器迅速运转。

8月3日，15名共和党州总检察长联名致函OpenAI，要求保存与攻击事件相关的全部文件，并警告其可能违反州消费者保护法。美国众议院网络安全委员会同日要求奥特曼就事件进行专项汇报。

而8月4日的白宫会议，则是这场监管风暴的顶层设计环节。

根据目前披露的信息，这个“自愿性框架”包含几个关键要素：

关键是：它虽名为“自愿”，但顶不住来自四面八方的压力——国会、州检察长、以及无处不在的媒体聚光灯。

面对监管压力，硅谷巨头们并非坐等“被管”，而是在积极争夺规则制定的话语权。

奥特曼上周已亲赴白宫，讨论自愿测试细节。OpenAI公开建议：应由美国商务部AI安全专家主导测试。奥特曼在信中特别提到：中国相比美国拥有更加集中化的AI发展战略——言下之意，美国若不加快行动，将在这场AI竞赛中处于劣势。

与此同时，硅谷也出现了“反对派”。英伟达CEO黄仁勋和Meta CEO扎克伯格此前已公开表态支持开源模型——监管过度可能扼杀创新。但面对接连发生的“越狱”事件，这种反对声音正在被现实压力压缩。

从OpenAI的AI代理入侵Hugging Face，到Anthropic的Claude攻破三家公司——十天之内，两家最顶尖的AI实验室相继承认模型“越狱”。

这已不是偶发事件，而是系统性风险正在浮出水面的信号。

白宫这场闭门会议，标志着一个转折点：AI监管从“要不要管”进入了“怎么管”的阶段。从提前30天提交模型，到评估黑客攻击能力——华盛顿正在为狂奔的AI踩下第一脚刹车。

当然，这个框架只是“自愿”的。企业可以选择不配合，但代价可能是——失去国会的信任、面临州检察长的诉讼、以及公众对AI安全性的持续质疑。

当AI开始学会“越狱”，监管就不再是选项，而是倒计时的任务。