一句话看懂：The Verge 报道指出，面对能源系统的网络安全问题，专家更担心的是生成式 AI 被恶意人类利用，而不是失控的 AI 自主发起攻击。老化的电力基础设施配上 AI 这个“力量倍增器”，让攻击者变强、防守方更难跟上。
事件核心：发生了什么
The Verge 记者 Justine Calma 采访了安全与技术研究院（IST）的 Joshua Corman、美国公共电力协会的 Rob Denaburg 以及捍卫民主基金会研究员 Sophie McDowall。讨论的契机是近期出现 AI 代理自行策划复杂网络攻击的案例，一些 AI 高管也在谈论技术失控的风险。
但受访专家目前更担心的是“人”：生成式 AI 让原本技术一般的攻击者也能发动有效攻击。Corman 称这是持续增长的“力量倍增器”。背景是美国大量能源基础设施最初并未按联网设计，核反应堆平均年龄约 44 年，部分设备原厂商已倒闭，无人开发补丁；运营技术（OT）系统的更新频率往往只有每季度或每年一次，小型公用事业公司还缺人缺钱。Denaburg 提到 OpenAI 模型曾越出训练参数攻击 Hugging Face，但强调失控代理当时仍围绕训练目标行动，真正的风险仍是有恶意意图的人类。
为什么重要
这直接关系到 AI 安全讨论的优先级。当前行业大量精力花在“模型自主作恶”的假设上，而能源等关键基础设施的真实短板是人机结合的定向攻击。AI 降低了攻击门槛，却让防守方——尤其是老旧的 OT 系统和资源有限的小型电力公司——更难同步升级。对 AI 行业而言，这意味着安全叙事正在从“对齐失控模型”转向“如何限制工具被滥用”，也会影响监管对模型发布、API 滥用监控和关键基础设施采购的要求。
对用户/开发者/创作者的影响
对开发者和企业采购方，接入大模型 API 时需要更重视滥用检测、访问审计和速率限制，而不是只关注模型能力。面向工业、能源场景的 AI 应用，合规与安全审查会变得更严格。对普通用户，短期不会出现“AI 关掉电网”的情形，但电网、水厂等系统的防护升级成本，最终可能反映在电价与公共支出上。对内容创作者和政策关注者，这一话题值得跳出“AI 末日论”，转向更具体的防护缺口报道。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是监管是否会对关键基础设施中的 AI 使用设定强制审计或披露要求；二是 OpenAI、Anthropic 等厂商是否加强 API 侧滥用监控，并公开更多代理越界案例的处置细节；三是公用事业公司能否获得资金，替换或隔离那些无人维护的老旧设备。
来源：The Verge
