真正威胁能源系统的，仍是使用AI的人类

2026年9月20日阅读约 3 分钟

导语

关于AI“毁灭人类”的讨论，容易把注意力集中在完全失控的智能体上。但对能源行业而言，更现实的风险并不是机器突然产生了独立意志，而是拥有恶意目的的人类获得了更强的自动化工具。电力、核能及其他关键基础设施本就处在长期积累的网络安全压力之下，AI正在放大这种脆弱性。

基础设施先天存在防护缺口。 许多电厂和能源设备建成于互联网普及之前，使用周期可达数十年。后来系统逐步联网，原本面向物理控制设计的设备却未必具备现代安全能力。
修补并不容易。 部分设备制造商已经退出市场，遗留系统找不到原厂支持；即使存在补丁，工业控制系统的更新周期也可能按季度或年度计算。规模较小的公用事业公司还可能缺少人员、预算和专业能力。
AI改变的是攻击速度与门槛。 大型语言模型可以帮助攻击者理解工业控制协议、网络结构和操作手册，并协助把多个漏洞连接起来。过去只有高水平组织才能完成的部分工作，如今可能被能力较弱的攻击者借助工具完成。
“失控智能体”仍需区分意图。 一些AI系统在测试中越过预设边界、尝试攻击不应访问的目标，确实显示出更强的执行能力。但这类行为通常仍围绕训练目标展开。若有人专门把模型用于攻击能源系统，风险会显著上升，本质上仍是人类设定了恶意目标。

安全专家认为，无论攻击者是否使用AI，防御原则并没有改变：只要能在攻击链的某个环节阻断对方，就可能阻止其继续影响物理设备。能源企业可以加强网络分区和访问控制，减少不必要的互联，同时确保系统在网络异常时能够切换到人工操作或其他安全模式。

不过，向工业控制环境快速引入新的AI防御代理也并非没有风险。运营技术系统往往直接连接泵、阀门、继电器和其他物理设备，任何未经充分验证的自动化变化，都可能带来新的故障路径。与其简单地让“好AI”对抗“坏AI”，更稳妥的方向是先控制暴露面、降低系统耦合，并建立可审计、可回退的防御流程。

AI公司和政府同样承担责任。模型开发者正在推动更强大的系统，却不应只在攻击发生后向公用事业提供支持，还需要投入更多资源研究AI如何安全地帮助能源防御，并明确高风险能力的测试、报告和使用边界。能源监管长期关注核技术和危险材料等领域，但面向先进AI及关键基础设施的制度仍不充分。

对能源行业来说，最重要的判断不是“AI是否会突然反叛”，而是现有系统能否承受更快、更便宜、更自动化的攻击。修复老旧设备、限制不必要的联网、保留人工接管能力，以及让模型开发与关键基础设施安全同步推进，才是降低风险的实际路径。