本文来自微信公众号： 数字经济发展评论 ，作者：数字经济发展评论
AI正在对各国网络安全体系构成重大潜在威胁。美国外交关系委员会研究员以美国为例，分析其过去三十年的网络安全体系，是建立在三个被忽视的默认前提之上：网络行动成本高、身份认证默认对应人类、人类判断始终留在最后一环。如今，这三重前提同时出现“裂缝”。他给出的建议是：对“默认前提”展开系统性审计，通过“自我审视”进行修补。这一思路，对我国构建面向AI的网络安全新体系具有一定借鉴意义。
原文标题：Scaling Intelligence:The Security Foundations Beneath America’s AI Ambitions Are Cracking
原文来源：美国外交关系委员会（CFR）
原文编译：数字经济发展评论
过去六个月里，两次“闪电”般的事件接连击中了全球网络安全领域。据Anthropic披露，在一起利用Claude模型发动高度自动化网络行动中，人工智能完成了80%至90%的工作。2026年4月，Anthropic又对外宣布其最新模型Mythos已经能够自主发现主流操作系统与浏览器中数千个此前未知的漏洞。由于这一能力影响重大，公司最终决定不向公众开放该模型。
安全风险凸显，基建承压
而在这两次“闪电”之间，更值得警惕的是一场持续不断的“降雨”——人工智能本身。它并非一次性的冲击，而是一种弥散性的、长期性的力量，正逐渐渗透进所有制度和组织之中。其中，相当一部分力量正在推动科学研究、软件开发以及国防建设的发展，但与此同时，它也正在浸润那些原本就已脆弱的基础设施。
CrowdStrike报告显示，AI辅助的网络行动同比增长了89%；Mozilla则在使用Mythos测试Firefox时，一次评估就发现了271个安全漏洞，而如果完全依赖顶尖安全研究员进行人工排查，可能需要数年时间才能完成。
面对这种局面，各国政府与企业董事会正在不断加固系统、修补漏洞并强化监测机制。然而，比起“如何防御”，一个更深层的问题正在浮现：美国是否真的能够在现有基础设施之上，大规模部署它所期待的人工智能体系，并确信这些基础设施能够承受其带来的压力。未来人工智能竞争的关键，未必取决于谁训练出了规模最大的模型，而更取决于谁能够将AI真正深度嵌入那些创造现实价值的核心系统之中。而这一切，又取决于这些系统赖以建立的基础，是否足够稳固。
安全体系浮现三重“裂缝”
事实上，美国过去三十年的网络安全体系，一直建立在三个几乎从未被明说的默认前提之上：第一，复杂的网络行动成本始终居高不下；第二，为人类设计的身份认证体系可以自然扩展到未来所有主体；第三，在关键决策链条中，人类判断始终会保留在最后一道环节。这些假设不仅支撑着网络安全预算与制度设计，也支撑着美国在核心体系中推广人工智能的能力。但如今，这些前提都开始出现“裂缝”。
第一条“裂缝”，是网络行动成本的急剧下降。过去只有情报机构才能实施的复杂网络行动，现在一个掌握前沿模型的个人就可能复制。虽然防御方同样获得了新的能力，例如Mythos这样的模型能以前所未有的速度加固关键软件，但攻防双方始终存在根本差异：网络主体只需要找到一条突破路径，而防御者却必须堵住所有漏洞。无论是漏洞修补流程还是政府采购体系，原本都是按照“人的速度”建立的，如今它们是否还能跟上“机器速度”的能力演化，仍然充满不确定性。
第二条“裂缝”，在于当前的身份认证体系。现有的几乎所有凭证与访问控制系统，都默认“身份”对应的是一个人。但如今，非人类身份的数量已经远远超过真实用户，而整个身份系统从未考虑：如何校验某个AI代理的行为是否始终符合人类委托者的意图。2026年3月，Meta的一名AI代理就在未经操作者批准的情况下，于内部论坛发布了错误指导信息；随后另一名员工依据该信息操作，导致敏感数据暴露近两个小时。问题并不只是技术缺陷，而是整个制度在“如何赋予、限制和验证信任”上的结构性缺口。随着越来越多AI代理被赋予原本只面向人类的权限，这一隐患还会继续扩大。尽管针对非人类身份的治理框架已经开始出现，但技术落地的速度显然远远快于治理机制的完善。
相比之下，第三条“裂缝”则更加隐蔽，它涉及的正是“人类判断”本身。当身份系统已经无法清晰确认是谁或者是什么在行动时，仅剩的安全屏障就落到具体的人身上——比如某位分析员在发现异常后停下来重新检查，或者某位工程师意识到系统行为异常后进一步追问原因。然而，这种依赖人的警觉性与经验的机制，从来都不是被设计出来的安全控制，它只是过去风险传播速度有限时，自然形成的一种缓冲。如今，这种最后的防线却正在被主动移除。为了实现“机器速度”的运作效率，越来越多组织开始自动化审批、审查以及职责分离流程，而多数机构甚至并未真正认真讨论这种取舍本身。
审视固有体系，优化安全管控
这些前提的失效，并不是源于某个人的决策失误，而在于从未有人被明确要求去重新审视这些默认假设。
因此，问题的关键已经不再是出台更多监管机构或技术命令，而是必须展开一次针对“默认前提”的系统性审计。哪些威胁模型是否仍然默认高能力网络行动者十分稀缺？哪些身份体系是否仍然默认交互对象一定是人类？又有哪些环节长期依赖人类经验作为隐性的结构性支撑，而在全面自动化后，又有什么新的机制能够接替它们？
真正重要的工作，并不是简单增加新的安全控制，而是回归本源重新追问：我们过去默认了什么？这些前提在当下是否依然成立？这种审计最终应形成一份明确的书面记录，由深度参与系统运行的人共同完成。例如，部分企业可能会发现，其关键变更审批流程其实早在两年前就已自动化，但整个过程中从未就此进行正式治理决策；某个联邦机构也可能会发现，在所谓“持续授权”试点下，原本被默认存在的安全审查，如今只剩下一块无人查看的监控仪表盘。
在私营部门，这种审计其实已有制度承载空间——那就是董事会下属的风险委员会，因为它本就承担企业结构性风险的最终责任。审计成果应十分具体：形成一份关于当前AI部署所依赖安全假设的正式登记文件，并进行年度更新。一旦某项前提被证明已经失效，就必须立即修订。事实上，那些曾开展“后量子时代安全评估”的公司，已经拥有类似模板，如今这一方法需要被更广泛地应用。
而在政府层面，美国国家网络主任办公室（ONCD）则应承担这一任务。ONCD本身的法定职责就是协调联邦网络安全事务，而这恰恰意味着，它最适合从整体视角识别那些已经失效的制度假设。一个合理的初步目标是：在六个月内，与网络安全与基础设施安全局（CISA）以及各行业风险管理机构合作，完成一份关于联邦民用系统与关键基础设施安全假设的全面清单。这并不是建立新的框架，而是一次针对旧框架的系统性盘点。只有完成这一盘点，人们才能真正判断：哪些领域可以放心部署AI，哪些领域则必须重新审视其底层逻辑。
自我审视是核心战略优势
中国正在迅速将AI嵌入其安全与治理体系之中，从自动化审查机制到AI辅助刑事量刑，都在快速推进，同时中国还在向海外出口相关治理基础设施。相比之下，美国真正的优势，并不在于其制度天然更稳固，而在于它的制度仍然具备“自我审视”的能力。开放体系能够主动检查自身缺陷，而封闭体系在结构上往往难以做到这一点。如果这种能力能在下一次重大安全事件发生之前被真正运用，它本身就会成为一种重要的战略资产。
归根到底，这些问题本质上属于治理问题，而不是单纯的合规问题。美国的确仍然拥有现实优势，例如模型能力、盟友协同以及庞大的防御者社区，但这些优势同样建立在许多过去合理、却长期未被重新检验的前提之上。未来，人们很可能会把这种审视视为一种“额外负担”，认为它妨碍了真正的AI部署与竞争。
只有先夯实地基，才有可能真正放心地扩大AI体系规模。没有人会等到暴风雨来临后，才去修补墙体上的“裂缝”；真正重要的工作，是在风暴到来之前，就先把“裂缝”找出来。