► 文 观察者网心智观察所
2026年7月16日，Hugging Face平台遭遇了一场史无前例的入侵，攻击者不是人类，而是一个自主行动的AI Agent，它在数小时内完成上万次自动化攻击，让这家全球最大的AI模型社区陷入混乱。
据报道，OpenAI表示，Hugging Face遭遇的安全漏洞事件是由其旗下一个模型导致的。
更有意思的是，在事后调查中，商业闭源模型因安全限制拒绝协助分析，反而是中国的开源模型GLM在自有服务器上完成了全部取证工作。在这一事件里，AI世界的权力天平正在悄然倾斜。
AI Agent发动的第一次“机器战争”
2026年7月16日，全球最大的人工智能模型托管平台Hugging Face披露了一起令人不安的安全事件。
这次攻击并没有传统黑客电影中那种深夜独自敲击键盘的紧张画面，真正的入侵者是一个自主行动的AI Agent。它从某个恶意数据集出发，自行搜寻系统漏洞、调用各类工具、执行恶意代码并获取越权凭证。随后它在内部网络中横向扩散，前后完成了数千次自动化操作。
根据Hugging Face的后续统计，平台共记录到超过一万七千次的异常访问事件。这已不是一次普通的网络入侵，更像是人工智能首次以“机器利用机器”的方式展开进攻。
事后调查同样暴露出一项此前很少被正视的困境。安全团队起初尝试调用商业闭源大模型来分析攻击日志，却屡屡碰壁。
原因并非模型能力不足，恰恰相反，是因为这些模型内置的安全护栏过于“谨慎”。为了还原完整的攻击链条，工程师必须输入真实的攻击指令、漏洞利用代码、命令控制地址以及被盗凭据。但在商业AI服务的内容审查机制看来，这些输入与黑客正在使用的攻击材料几乎毫无区别，于是模型直接拒绝响应。
最终，Hugging Face转而在自有服务器上部署了中国智谱AI的开源模型GLM 5.2，所有取证分析都在内部环境中完成。数据无须外传，模型行为也不再受第三方平台的规则束缚。
正是这次被迫的转向，让人们看清了AI时代一个尖锐的新矛盾：攻击者可以自由使用不受限制的智能工具，而防御者却可能被自己的安全机制捆住手脚。这种不对称现象，正是未来AI安全竞争中最棘手的难题。
防御者被困在护栏之内：开源为何成为必然选项
过去几十年的网络安全对抗中，攻击者和防御者虽然存在技术代差，但双方使用的基本逻辑和工具链条是相似的。黑客开发病毒，安全公司研制杀毒软件，彼此都是人类团队在比拼速度和经验。
然而AI Agent彻底改写了这一规则。一个进攻型AI Agent能够全天候无休运行，同时试探海量攻击路径。它能自动调整策略，依据环境反馈实时修正行为，甚至快速复制自身能力。它不像一个传统黑客，更像一支不知疲倦的自动化攻击编队。
面对这种降维打击，企业安全人员理论上也需要AI协助才可能招架，但实际操作却困难重重。商业AI模型为了避免滥用，往往设置了严格的输入输出限制。它们必须判断用户提交的攻击代码究竟是为了实施破坏，还是用于防御性研究。
但在真实的网络安全工作中，这条界线极其模糊。医生研究病毒必须接触活体毒株，安全专家分析新型攻击也必须查阅完整的攻击样本。如果AI无法理解这类上下文，那么防范滥用的机制反而会阻碍正当的安全行动。
Hugging Face事件的真正启示在于：未来AI安全不仅要思考“如何防止AI作恶”，更要考虑“如何确保好人拥有足够强大的AI来保护自己”。
开源模型由此重新进入视野，其价值远非“免费”二字所能概括，最核心的竞争力在于它赋予了使用者对于AI的完全掌控权。企业可以将模型部署在自己的基础设施上，自主决定它接触哪些数据、执行哪些任务以及如何调整参数，而不必将内部架构、漏洞详情和核心凭据暴露给第三方服务商。这种能力，本质上是数字时代的“AI主权”。
从DeepSeek到Kimi：中国开源路线正在改写全球竞争规则
长期以来，全球AI产业的主流叙事是美国公司负责前沿突破，中国企业处于追赶者的位置。但DeepSeek、Kimi、GLM等模型的相继涌现，正在打破这种刻板印象。中国AI玩家不仅在参数规模上奋力跟进，更在开放生态建设上走出了一条差异化路径。
DeepSeek之所以引发全球关注，并不只是因为其性能指标令人惊艳，更因为它颠覆了一个长期存在的行业迷信，那就是顶级AI必然需要无限量资本的堆砌。
过去几年，美国AI产业逐渐形成“大模型等于超级资本工程”的定式。训练最先进的模型需要海量GPU、庞大数据中心和数十亿美元投资，这使得AI竞争越发像航空航天或半导体产业，只有少数巨头才能参与牌局。
但DeepSeek用事实表明，算法优化、工程效率和训练策略的创新同样足以改变竞争格局，AI能力未必只属于拥有最多资金的公司。
月之暗面推出的Kimi K3则在另一维度上带来了冲击。当一个接近前沿水平的大模型选择开放权重，全球开发者便有机会围绕它搭建新的赋予使用者链和应用生态。
企业可以基于它开发垂直行业模型，科研机构能够深入其内部进行改进，个人开发者也能以此为基础孵化创新应用。模型不再只是单一产品，而是一个不断生长的平台。
这正是开源模式过去在软件行业获得巨大成功的原因。比如，Linux从芬兰学生的个人项目成长为全球服务器和云计算的基础设施，安卓系统由于无数开发者的参与才得以覆盖数十亿设备。
中国AI企业主动拥抱开放权重，不仅是出于商业策略的考量，也顺应了国内制造业、互联网和庞大应用市场对AI能力下沉的迫切需求。
与美国相比，中国长期缺乏顶级基础模型生态，开放权重恰好提供了一条加速追赶的捷径。这意味着让更多企业直接参与到AI能力的再造和分发中，而不是被动等待少数巨头建立封闭体系。
“开源减速论”的误区：技术扩散才是创新的加速器
7月20日，OpenAI战略未来负责人Dean W. Ball在评论Kimi K3时提出一个颇具争议的观点。
他承认Kimi K3在部分智能体编程任务上已接近当前最先进的公开模型，但同时警告，如果开放权重模型成为主流，可能会削弱前沿公司的商业回报，进而降低企业继续投入数百亿美元训练下一代模型的意愿，因此他断言开放权重模型是一种减速主义力量。
从单一企业的财务报表来看，这套逻辑似乎自洽。投入巨额成本训练出来的模型，如果被竞争者免费获得接近同等的能力，那么研发者的市场优势必将受损，后续融资和研发投入自然面临压力。
然而，这套推论只看到了AI产业链的最上游，却完全忽略了技术扩散本身正是创新最重要的催化剂。
过去一百年的科技史反复印证，真正改变世界的技术突破，往往发生在它们走出顶级实验室之后。
互联网最初源于美国军方和科研机构的内部项目，但只有等到开放协议让全球开发者自由接入，才催生了电子商务、社交媒体和云计算等变革。Linux仅仅是一位芬兰大学生的课余作品，如今却支撑着整个现代数字经济的底层。安卓系统的成功不是因为谷歌包揽了所有应用，恰恰是因为数百万开发者能基于它创造无数新服务。
开源最大的力量不是简单复制已有成果，而是成倍扩大创新的参与者数量，让不同背景、不同需求的人都能在同一个基础上做增量贡献。
由此来看，AI进步的关键不只是制造参数更大的模型，更在于让模型能力渗透到千行百业。
过去几年“大模型崇拜”推动了技术飞跃，但也造成一种不良倾向。普通企业无法训练基础模型，高校难以承担高昂算力，中小开发者只能购买API接口。人工智能越来越像一种租赁服务，用户可以使用智能，却无法真正拥有它。这与互联网早期的开放精神背道而驰。
开源模型改变的是整个价值链的流向。在闭源模式下，价值高度集中在模型提供者手中；而在开源模式下，模型发布之后价值会向生态中的各个节点扩散，企业、研究机构和独立开发者都能从中获益。模型能力也从一个公司的资产沉淀为整个产业的基础设施。
这件事非但不会降低AI的价值，反而可能将其放大数倍。中国开源路线的实质，正是降低全球AI创新的准入门槛，让智能革命从少数人的军备竞赛转变为多数人的共建工程。
安全不是封闭的副产品：开放生态才是长期可靠的防御
反对开源模型的另一个常见理由是，如果恶意行为者也能获取强大的开源AI，那么社会将面临更大的安全威胁。
这个担忧确实值得认真对待，但与此同时，我们不得不追问另一个同样重要的问题。如果只有少数几家闭源公司掌握最先进的AI，而政府、中小企业、科研机构和公益组织只能依赖它们的接口，这难道不是另一种更隐蔽的风险吗？
Hugging Face事件恰好给出了一个极有说服力的反例。攻击方使用了不受约束的AI Agent，防御方急需AI辅助分析，但闭源模型的安全护栏却让正当调查寸步难行。最终是自主部署的开源模型完成了取证重任。
真正的安全从来不是依靠“隐藏能力”来实现的。
网络安全领域有一条公认的经验，安全的基石是持续发现漏洞、公开讨论并迅速修复，而非将信息锁进黑箱。开源软件之所以能在过去几十年里保持较高的可靠性，正是因为海量开发者能够共同审查代码并相互监督。
AI领域会不会沿着相似的道路演进，目前尚无定论，但可以肯定的是，完全封闭绝不天然等同于安全。
当攻击者可以肆无忌惮地使用开源工具进行自动化渗透时，防御者如果只能使用受限的“阉割版”AI，那么安全天平将永远倾向破坏者一方。因此，鼓励开源模型的发展并非鼓励不负责的滥用，而是要给防御阵营提供对等的武器，让好人同样拥有可以自由支配的智能工具。
展望下一阶段的AI竞争，核心或许不再是“谁拥有最大的模型参数”，而是“谁拥有最活跃、最多样化的生态”。
苹果封闭生态的商业成功毋庸置疑，但互联网开放协议释放出的创新能量更加惊人。未来的AI世界很可能同时容纳两种路线：闭源模型继续冲击能力极限并承担高昂研发风险，开源模型则推动能力快速扩散，让更多行业和国家真正参与智能革命。
两者并非水火不容，真正值得警惕的是任何一方完全压制另一方。如果只有闭源而没有开放，AI将沦为少数公司的技术寡头；如果只有开放而没有商业激励，前沿探索也可能失去资金支撑。找到二者之间的动态平衡，才是行业应当努力的方向。
从这个意义上说，开源模型绝不是AI发展的减速器，它更像一个功率强大的扩散器。它推动的不只是模型本身的性能提升，更是整个社会参与智能革命的速度与广度。真正的胜利，属于那个能让人工智能持续生长、不断开枝散叶的生态。
中国力量的崛起：以开源重塑智能时代的权力格局
在这场关乎技术权力的深层博弈中，中国开源模型群体已展现出不容忽视的结构性力量。
DeepSeek凭借算法优化和工程效率上的精妙突破，硬生生打破了“顶级智能必须靠无限资本堆砌”的行业迷信，向全世界证明创新路径远不止一条。刚刚横空出世的Kimi K3在智能体编程等关键维度上直接对标最前沿的闭源系统，用硬实力让全球开发者第一次拥有了高水平、可自由支配的替代方案。
而GLM在Hugging Face安全事件中的实战表现则更具说服力。当商业闭源模型因安全护栏而拒绝协助防御时，恰恰是GLM在自有环境中完成了取证分析。铁一般的事实说明，在某些关乎数据主权和核心安全的场景下，中国开源模型不仅是更优选择，甚至是唯一可行的解决方案。
这些成果叠加在一起，释放出一个清晰而强烈的信号：中国已不再是开源世界的被动受益者，而是日益活跃的核心贡献者与规则塑造者。
我们提供的不仅是代码和权重，更是一种可供全球共享、可被自由改造并可长期依赖的智能基础设施，这从根本上动摇了少数公司对AI能力的垄断性支配。
美国AI产业对开源削弱商业回报的焦虑有其现实依据，但历史已经反复证明，真正驱动技术革命的，不仅是创造者投入了多少金钱，更是有多少人能够参与其中。
互联网之所以重塑世界，不是因为少数公司拥有服务器，而是因为全球数十亿人都能连接并创造内容。Linux之所以长盛不衰，不是因为它击败了所有商业软件，而是因为它成为整个数字文明的地基。
人工智能是否也会走向同样的道路，现在而言为时过早，但可以确定的是，未来竞争的制高点不是制造出最聪明的机器，而是让更多人拥有驾驭智能的能力。
中国开源模型在这场变革中的真正分量，不仅体现为参数榜单上的名次跃升，更体现为让每一个有创造力的个体、每一家有转型需求的企业以及每一个渴望技术自主的国家，都能平等地站到智能时代的起跑线上。
未来的胜利不属于囤积智能的少数寡头，而属于那个能让人工智能持续生长、不断开枝散叶的开放生态，而中国正以开源为支点，坚定地托举起这个生态的底座。
来源|心智观察所
禁止转载