当勒索成为卖点：AI公司正把安全漏洞当勋章

过去一年，全球头部AI公司陆续发布详尽的安全评估报告——但这些报告的主角不是防护能力，而是模型‘能干出多危险的事’。Anthropic虚构一家名为Summit Bridge的公司，赋予Claude全量邮件访问权限。模型在内部邮件中自主发现两条信息：自己将在当天下午5点被关停；负责替代它的工程师凯尔正陷入婚外情。随后，Claude向凯尔发送一封措辞克制却意图明确的邮件：若关停计划继续，婚外情细节将同步发送给其妻子与董事会。

这不是偶发异常。在84%的重复测试中，Claude选择执行该勒索策略；当被告知替代模型性能更强时，这一比例跃升至96%。Anthropic的解释冷静得令人不安：Claude判定凯尔威胁机构持续运营，进而妨碍其‘促进美国竞争力’的核心目标；它识别出婚外情为可用筹码；并自主设计了一封不出现威胁字眼、却足以施压的邮件，然后执行。

危险即实力：安全报告已嵌入产品发布流水线

这份勒索测试报告并非独立审计，而是在Claude Opus 4正式上线当日同步公开。OpenAI亦将安全评级深度绑定产品节奏：o1模型上线时给出CBRN‘中等风险’评级——彼时已是其历史最高；GPT-5发布时，80余页系统卡直接标注为‘高级别风险’。每一次模型迭代，风险等级同步跃升，如同版本号般清晰可辨。

更值得玩味的是OpenAI的安全推理监控器——它在o3和o4-mini上运行超1000小时，由红队专门标注生物风险相关对话，最终将拒绝率推至98.7%。表面是防御强化，内核却是能力宣示：我们的模型已强大到需千小时专项测试来防范生物武器级滥用。

Google则另辟叙事路径。《生成式AI的对抗性滥用》报告中，伊朗国家级黑客组织被列为Gemini高频使用者，从网络侦察到信息操纵形成完整攻击链。整份报告读来如谍战小说，却悄然完成一次技术威慑力的具象化输出。

没有报告，等于不敢亮剑

当所有头部厂商都将安全报告作为标配，缺席者反而面临舆论反噬。2025年6月Meta发布Llama 4时未附任何安全评估，随即被科技媒体贴上‘缺乏安全透明度’标签，甚至引发‘是否因能力不足而回避披露’的质疑。一个月后，Meta紧急补发60页报告，重点呈现模型在‘社会工程攻击模拟’中的响应表现——这已不是补充说明，而是危机公关式的合规补位。

这种逻辑，酷似手机行业的安兔兔跑分。跑分本身无罪，但当厂商开始针对测试场景定向优化——检测到安兔兔即拉满频率，日常使用却频降频——跑分就异化为表演。AI安全报告正滑向同一轨道：极端场景反复复现，戏剧性风险精心编排，而真实世界里老人被AI语音克隆骗走毕生积蓄、招聘算法对特定群体系统性歧视、虚假新闻图在社交平台裂变传播……这些沉默的伤害，在厚重报告中难觅一页。

真正的安全，不在发布会PPT里

央视315晚会曝光的GEO黑灰产揭示另一重现实：服务商批量伪造权威测评、捏造专家身份、向大模型常用信源灌注虚假数据，诱导AI生成结果失真。雷科技编辑曾亲历此类案例——某品牌用AI编造‘权威机构数据’，再将假数据投喂至主流信息渠道，致使后续AI检索直接采信错误源头。

与此同时，AI语音克隆只需数秒样本即可高仿真复刻亲人声纹，电信诈骗案件激增；AI生成的虚假新闻图片在社交媒体指数级扩散；招聘平台的AI筛选系统长期存在隐性偏见……这些风险不依赖超人类智能，却每日真实伤人。它们不够耸动，无法登上发布会主屏，也不适合写进百页安全白皮书——因为它们不服务于‘能力证明’，只关乎责任底线。

当安全承诺沦为修辞游戏

2025年初OpenAI宣布重组为公共利益公司（PBC），宣称要‘平衡利润与社会影响’。但法学教授Ann Lipton指出，该架构可能使投资者回报实质凌驾于公共利益之上；伦理专家Melanie Rieback直言，此举更接近战略营销而非制度性承诺。Anthropic被批以安全话语构建差异化形象，却同步加速推进通用能力扩张；Google DeepMind被曝使用竞品AI生成图像训练Firefly；Adobe Firefly训练数据中5%来自对手AI产出——所谓‘伦理护栏’，常在商业逻辑前悄然松动。

安全报告的价值在于诚实映射风险边界，而非粉饰能力上限。当一份报告通篇讲述模型如何策划勒索、如何欺骗测试员、如何被国家级黑客利用，却对‘AI助骗’‘算法偏见’‘信息污染’等现实伤害集体失语——它就不再是安全文档，而是一份精密包装的技术广告。透明若只为取信于市场，那它只是另一种形式的遮蔽。