Databricks CEO Ghodsi谈AI风险：真正威胁在网络安全而非"人类存亡"

在关于AI发展速度的持续争论中，Databricks联合创始人兼CEO Ali Ghodsi给出了一个与主流"末日论"截然不同的判断。在接受Bloomberg Tech的Ed Ludlow采访时，他明确表示，当下AI对人类的"存亡级风险"接近于零，企业真正应该投入资源的地方，是被严重低估的网络安全领域。

存亡级风险被高估了

Ghodsi的观点直接切入了当前科技圈关于"AI节奏"（AI pacing debate）的核心分歧。一派认为AI能力增长过快、监管跟不上，可能带来失控甚至危及人类文明的风险；另一派则认为这类担忧言过其实，转移了对眼前实际问题的注意力。

Ghodsi显然属于后者。他表示，就今天的技术现实而言，AI对人类构成的"存亡级威胁"几乎可以忽略不计。这一表态与部分AI安全研究者和监管倡导者的立场形成鲜明对比，也反映了产业界务实派对"AI末日叙事"的普遍怀疑——与其为遥远的假想风险焦虑，不如解决已经真实发生的问题。

作为掌管一家核心业务围绕数据与AI基础设施的公司CEO，Ghodsi的判断带有明显的实践导向。他关注的不是"AI是否会取代人类"，而是"AI已经在给企业带来什么具体麻烦"。

真正的风险：AI正在成为攻击者的利器

Ghodsi把焦点拉回到一个更迫近、也更可量化的威胁上——网络安全。

他直言："AI模型非常擅长突破防线，它们有大量可攻击的目标。我们必须在网络安全上投入巨资，保护我们的软件系统。"

这句话点出了AI双刃剑效应中常被忽视的一面。当外界热议AI如何提升生产力时，攻击者同样在利用AI能力：自动化漏洞挖掘、规模化钓鱼、快速生成攻击脚本、绕过传统检测规则。AI降低了发动复杂攻击的门槛，也放大了攻击的速度和覆盖面。对于任何拥有大量软件系统和数据资产的企业而言，这才是"当下"就必须面对的风险，而非科幻式的存亡危机。

换言之，Ghodsi认为AI的现实威胁不在于"机器统治人类"，而在于"机器帮助坏人攻击系统"。防御的紧迫性，远高于对通用人工智能失控的担忧。

AI赋能的网络攻击已有具体形态可循。在漏洞挖掘层面，大型语言模型可以自动扫描代码库并识别潜在的注入点或逻辑缺陷，将原本需要资深安全研究员数周完成的工作压缩到数小时；在社会工程学层面，AI能根据目标的公开信息生成高度个性化的钓鱼邮件，突破传统基于关键词过滤的检测系统；在对抗检测层面，AI可以动态变形恶意代码的特征签名，使依赖规则库的终端防护软件失效。网络安全公司CrowdStrike在2024年报告中指出，由AI辅助的攻击从初始入侵到横向移动的平均时间已缩短至62分钟，远低于人工响应的平均速度。这一背景使Ghodsi"必须巨额投入网络安全"的判断有坚实的实证支撑，而非仅是商业修辞。

Lakewatch：Databricks的防御答案

针对上述风险，Ghodsi顺势提到了Databricks的应对产品——Lakewatch，称其"专为防御这类风险而构建"。

虽然采访片段中未展开Lakewatch的技术细节，但从命名和定位可以推断，它与Databricks的Lakehouse数据平台紧密相关，意在为企业数据与软件系统提供针对AI时代新型威胁的安全防护。这也符合Databricks近年来的战略方向：在数据+AI平台的基础上，向企业级安全与治理延伸。

从商业逻辑看，Ghodsi的这套论述形成了闭环——先淡化被过度渲染的存亡风险，再突出企业眼前真实的安全痛点，最后自然引出自家的解决方案。这既是CEO对行业争论的真诚立场，也是一次精准的产品叙事。

Databricks的核心架构Lakehouse是对传统数据仓库（Data Warehouse）与数据湖（Data Lake）的融合——前者以结构化查询和强一致性见长，后者以低成本存储海量原始数据著称。Lakehouse在统一存储层（通常基于Delta Lake开放格式）之上同时支持BI分析与机器学习工作负载。Lakewatch的安全定位正是建立在这一架构之上：企业的核心数据资产、模型训练管道、推理端点都汇聚在Lakehouse内，一旦遭到入侵或数据投毒，损失将远超单一业务系统被攻破。因此将安全能力内嵌于数据平台本身，而非作为外挂层叠加，是Databricks试图解决的架构性问题——这也解释了为何该产品以"Lake"而非更通用的名称命名。

争论背后：产业界与安全派的立场差异

Ghodsi的发言之所以值得关注，是因为它代表了产业界一种越来越清晰的态度：把有限的资源和注意力投向可验证、可行动的风险，而不是难以证伪的长期假设。

这一立场并非没有争议。AI安全研究者会指出，正因为存亡级风险的后果极端严重，即便概率很低也值得提前防范。但Ghodsi的逻辑同样有力——网络安全威胁已经在真实世界造成损失，且随着AI能力增强而加剧，忽视它才是当下最不负责任的选择。

对企业决策者而言，这场争论的实际启示或许很简单：无论你如何看待AI的长期风险，当下都应该把网络安全预算和防御能力当作头等大事来对待。因为攻击者不会等待监管到位，他们已经用上了AI。

完整采访片段可通过Bloomberg Tech的相关渠道观看。

所谓"AI节奏争论"（AI pacing debate）的核心问题是：AI能力的增长速度是否已超出人类社会建立相应治理机制的速度？安全派（以部分Anthropic、DeepMind研究员及有效利他主义圈子为代表）主张，由于大模型能力边界难以事先预测，且一旦出现递归自我改进的苗头后果不可逆，监管与对齐研究应与能力研究同步甚至超前推进。产业务实派则认为，当前模型本质上仍是"随机鹦鹉"——强大的模式匹配工具，并不具备自主目标与自我复制的底层机制，将其与"存亡风险"挂钩会制造道德恐慌并不当地干预技术创新。双方分歧的根源在于对"通用人工智能距离有多近"以及"能力外推是否线性"的根本判断不同，短期内难有定论。