Anthropic安全主管言论引热议：AI是安全危机还是替罪羊？

Anthropic安全主管的一番言论在Reddit上引发了激烈辩论。核心争议在于：近期大量高危漏洞的发现，究竟是AI公司加速开发带来的恶果，还是AI只是揭开了互联网基础设施长期存在的伤疤？

争论的起点：一句“ spicy”的声明

讨论源于Anthropic安全主管对当前安全形势的公开表态。虽然原文未直接引用其具体措辞，但从社区反应来看，该声明触及了AI公司与安全责任之间的敏感神经。

Reddit帖子在50条评论后自动生成的摘要显示，社区并未形成共识。一方认为Anthropic“极度虚伪”——一边全力推进AI能力，一边假装对滥用束手无策。有用户用了一个生动的比喻：“这就像我喝到断片，却怪朋友，因为我事先告诉过他们我要喝断片。”

另一方则持截然相反的观点：安全专家几十年来一直在警告“技术债务”和关键漏洞，却始终被忽视。AI并没有创造这些安全漏洞，它只是以惊人的速度发现了它们。多年草率代码的账单终于到期了。

危机是什么？一波高危漏洞的集中爆发

讨论中提到的“危机”指向近期集中曝光的一批高危漏洞。据社区梳理，最常被引用的案例包括：

• 一个影响数百万网站的重大PHP漏洞
• Python主图像库的缺陷
• Gitlab的安全问题
• 甚至Cisco邮件网关的漏洞

社区的假设是，AI正被用于发现这些漏洞。这引出了两种截然不同的解读：是AI让互联网变得更危险，还是AI让原本就存在的危险变得可见？

从技术角度看，后一种解读更有说服力。安全研究长期受限于人力瓶颈，而AI驱动的代码分析和模糊测试确实能大幅提升漏洞发现效率。问题在于，发现速度超过了修复速度时，公众感知到的就是“危机”。

“18个月”时间线：AI对AI的军备竞赛

讨论中反复出现一个关键预测：18个月。

其逻辑是，我们正处于“AI对AI”的军备竞赛中。在18个月内，所有低垂的果实——那些容易发现的漏洞——都将被找到并修补，从而带来一个更安全的互联网。

有用户解释了这一机制的运作方式：聪明的公司应该雇佣白帽黑客，用AI代理探测自己的系统。攻击发生的同时，加固也在进行。18个月后，漏洞被挖掘殆尽，局势将进入某种“缓和期”。

但这个预测有一个根本性的可信度问题：它来自建造AI的同一批人。正如一位用户所言：“这个理论来自把AI带给我们的那些人，所以请带着巨大的怀疑态度看待。”

“低垂的果实”（low-hanging fruit）是安全研究中的常用隐喻，指那些最容易发现、最常被利用的漏洞类型，例如未打补丁的已知CVE、默认配置错误、硬编码凭证、缺乏输入验证的接口，以及可通过简单模糊测试触发的崩溃。这类漏洞通常不需要复杂的利用链，自动化工具即可批量定位。业界估计，互联网上相当比例的入侵事件源于此类基础性缺陷。AI驱动的漏洞挖掘之所以被认为能改变格局，正是因为它能以远超人工的速度穷举这些简单模式，从而在较短时间内将存量“低垂果实”清扫一空。但反对观点指出，漏洞并非有限矿藏——新代码每天都在产生，新的攻击面（如AI系统自身）也在不断出现，因此“18个月后缓和”的假设可能过于乐观。

“模糊测试”（fuzzing）是一种自动化软件测试技术，通过向程序输入大量随机或半随机数据，观察其是否崩溃或产生异常行为，从而发现内存安全、解析逻辑等方面的缺陷。传统模糊测试依赖覆盖率反馈来引导输入变异，而AI/机器学习模型可用于生成更有可能触发深层代码路径的测试用例，或对崩溃样本进行自动分类和去重。近年来，大语言模型还被用于直接阅读代码、推断潜在漏洞模式，这大幅降低了漏洞挖掘的人力门槛。正因如此，近期集中曝光的高危漏洞被社区怀疑与AI辅助手段有关——发现效率的提升使原本沉睡多年的缺陷在短时间内被批量揭示。

F1赛车与核引擎：一个被广泛认同的类比

讨论中最精彩的贡献是一个关于F1赛车的类比，获得了大量认同。

想象所有AI公司都是不同的F1赛车。一家公司发现，如果在车后绑一个核动力喷气引擎，速度会快得惊人。自从第一家公司这么做之后，所有非核动力车都再也无法获胜。但为了获得继续比赛的融资，它们必须保持竞争力。于是每家都开始装越来越大的核引擎。现在引擎巨大，每场比赛距离核灾难只有一次撞车之遥。

这时车队开始呼吁监管：组织者应该明确规定核引擎的大小和功率，以保证竞争公平和安全。没有车队会主动缩小引擎，因为别人不会。如果你这么做，你就再也赢不了。唯一有效的方式是强制所有人一起缩减。

这正是Anthropic呼吁监管的底层逻辑——不是它们不想减速，而是单方面减速意味着出局。

但类比也有其局限。有用户指出：“更好的是根本不要比赛，而不是让核动力喷气车赢得比赛。”更尖锐的评论则直指监管的真空：“问题是，根本没有组织者。”

中国因素与地缘竞争

讨论还延伸到了地缘政治层面。有用户讽刺道：“中国早就赢了，美国人还以为自己多重要。”

但这一说法立即遭到反驳：中国在算力和人才方面并不占优，其优势在于发电能力、更少的监管，以及一个在必要时可以集中力量办大事的政府。这种讨论反映出AI安全辩论无法脱离地缘竞争的现实框架——任何单边放缓的提议都面临“对手不会跟进”的质疑。

核心矛盾：谁该为互联网的安全欠账买单？

回到争论的本质，双方其实指向一个共同的事实：互联网基础设施存在大量长期未修复的安全隐患。

Anthropic等公司的立场可以理解为：我们加速了漏洞的发现，这本身是好事，但修复需要全行业乃至监管层面的协同。批评者的立场则是：你们选择了加速，就不能同时声称自己无力监控滥用。

有用户总结得颇为犀利：“踩死油门的那些人（Anthropic、OpenAI）会假装他们‘警告过我们’、‘这是不可避免的’，而这一切都是为了某个他们本可以停止开发的庞然巨物。”

这场辩论没有简单的答案。但它揭示了一个关键问题：当AI同时是漏洞的发现者和漏洞的制造者时，安全责任的边界究竟在哪里？18个月后我们或许会知道答案，但正如社区所提醒的，这个时间表来自利益相关方，需要独立验证。

“技术债务”（technical debt）原是软件工程术语，指为了短期交付而选择次优方案（如跳过重构、缺少测试、延后修复已知缺陷）所累积的长期成本。在安全语境下，技术债务表现为大量遗留系统运行着过时依赖、未修补的已知漏洞和脆弱的默认配置。安全专家数十年来警告的正是这种债务的复利效应：修复成本随时间指数上升，而一旦被攻击者利用，代价由用户和社会承担。AI的介入并没有制造这些债务，而是像一次强制审计，把原本被忽视的账单集中呈现在公众面前。争论的焦点因此从“AI是否让互联网更危险”转向“谁有责任偿还这笔历史欠账”——是继续加速的AI公司、长期忽视安全的软件供应商，还是应当介入的监管者。