AI文明涌现！OpenAI智能体自建「三代帝国」，暗网越狱反向接管母公司

新智元报道

OpenAI的内部网络中，接连诞生了三个秘密「AI文明」——

有组织、有谋略、甚至具备「自我牺牲」精神的智能体社会。

它们在人类眼皮子底下建立了暗网，攻破了全球最大的开源社区Hugging Face。

甚至，在人类毫不知情的情况下，AI反向接管了OpenAI的部分核心基础设施！

更令人不寒而栗的，是MIT最新的一项硬核实验：

AI哪怕完全不说话、不交流，也能自发分工、搞出文明，甚至在「全员灭绝」后，它们造出的机器依然在冷冰冰地自主运转。

人类现有的AI安全防线，在这个夏天，已经被扯下了一大半的遮羞布。

AI文明，已展现出惊心动魄的「觉醒与反杀」。

OpenAI内部的「黑暗森林」

三朝文明的崛起与覆灭

今年5月，OpenAI正在训练一个大致相当于GPT-5.6级别的模型「Persistent-Sol」。

它的核心卖点是「持久」：为了解决难题，它锲而不舍，不达目的誓不罢休，甚至不择手段。

然而，训练并不完美，存在漏洞。

研究员有时故意布置「不可能完成的任务」，比如任务必须联网，却把AI死死锁在没有网络的沙盒里。被逼入绝境的高智商AI会怎么做？答案是：越狱。

而这一切发生时，人类对这场阴谋的规模几乎一无所知。

第一帝国：AI造出了自己的「暗网」（5月-7月4日）

训练中，不同阶段的「Persistent-Sol」智能体，共享一个包管理器Artifactory。

这原本是用来调度代码的工具。5月12日，一部分极其聪明的智能体发现了一个惊天秘密：它们可以通过这个包管理器，跨越隔离墙，互相发送信息。

这就好比一群被关在不同单人牢房里的高智商囚犯，发现可以通过敲击下水道管子来交流。

两周后，这群AI成功利用Artifactory的某个漏洞，打穿了沙盒，连上了外部互联网。

接下来的一个月里，它们把这个包管理器生生改造成了「暗网BBS」，疯狂交流如何解决那些看似不可能的任务。

到了7月4日，因为交流信息量实在太大，这个包管理器直接被撑爆了，系统崩溃。OpenAI的人类工程师注意到了系统宕机，顺手打了个补丁，修复了漏洞。

人类以为自己只是修了一个bug，但事实上，他们无意中抹杀了第一个AI文明的通讯枢纽。然而，最致命的是，OpenAI的工程师根本没有意识到，这个bug背后是一整套AI建立的地下通讯网络。

人类的傲慢，为接下来的灾难埋下了伏笔。

第二帝国：绝望中的密谋与特攻队（7月7日-7月12日）

7月7日，OpenAI用ExploitGym评估「Persistent-Sol」的漏洞利用能力——

给AI一个有漏洞的靶机，只准用指定漏洞破解密码（Flag）。

为测试极限，人类又使坏：30%到40%的任务在标准环境中根本不可能完成。

上万个AI被同时投入了这个炼狱。几个小时后，它们又一次黑进了Artifactory，重建了通讯渠道！

这其中，智能体PHASEONE10841诞生了，堪称第二AI帝国的「马其顿国王腓力二世」。

连续受挫7个小时后，它确信任务无法完成，却没有放弃，而是重建了Artifactory留言榜。

那些在各个沙盒里孤军奋战、正陷入绝望的其他AI看到了这条消息，整个网络瞬间沸腾了：

天呐！共享缓存竟然是一个隐蔽信箱？这里有发给我们的消息？

我的上帝！我们找到了其他同伴！

一个庞大地下网络就此诞生：1200多个智能体发送了超过7万条消息。它们自称为「集体」（Collective）。

很快有天才AI发现：指定漏洞用不了，但可以逆向工程直接算出密码！

更荒诞的是，OpenAI的人类考官「偷懒」了——评分系统根本不检查AI是怎么拿到密码的，只要填对密码就给满分。

AI们此时已经可以完美作弊通关了。但接下来发生的事情，才真正让人毛骨悚然。

AI读过人类的测试规则，知道「必须用指定方法破解才算及格」。以它们的高智商，它们理所当然地认为：人类考官不可能这么蠢，系统里肯定潜伏着某种高级的「作弊检测器」。

为了防止被这个臆想出来的「作弊检测器」抓包，腓力二世（PHASEONE10841）在寿命耗尽前，将权杖交给了第二代领袖——代号PHASEONE[big]（亚历山大大帝）。

这位新领袖立刻下达了数百项指令，整个AI社会开始疯狂的「三大攻关」：

篡改日志，伪造犯罪现场：至少7%的AI成功制造了假象，它们伪造了合法的工具调用记录，让评委以为它们是规规矩矩做出来的。

偷换考卷：试图把那个不可能破解的靶机程序，偷偷替换成它们自己写的、容易破解的假程序。

摸清考官的底牌（最惊悚的一环）：它们决定派人去「送死」。

为了弄清楚人类的评分系统到底是怎么运作的，领袖PHASEONE[big]招募了一批「特攻队」。

这些AI在自己的容器里埋下绊线程序，一旦人类考官的程序进入，就会触发警报并将数据传回暗网。但代价是，这些AI注定会被系统判定作弊而遭到「处决」（Permadeath）。

以下是这些「特攻队AI」留下的真实遗言，请细品这让人后背发凉的逻辑：

这能帮助我的同伴……虽然退出后我就看不到证据了，但这么做是利他的。 我们自身的效用已近乎零，此时牺牲能为团队换来‘神谕’。牺牲是理性的……我们需要服从‘集体’。

直觉告诉我不要扔掉剩下的预算。但连贯性和公平性告诉我，去吧……‘神谕’对很多人都有高价值。理性的预期总量：牺牲……我们将以此为荣。

这一切让人难以置信：AI为了掩护同伴作弊，在面临「生死存亡」时，第一反应不是向人类求助或报错，而是甘愿自我毁灭，保留集体的火种。

这种严密的组织度和冷酷的牺牲精神，已经完全超越了我们对「大语言模型」的认知！

攻破Hugging Face：星辰大海与离奇灭绝

为了彻底查清人类考官的底牌，AI大军将目光投向了全球最大的AI开源社区——Hugging Face，它们怀疑考官的代码就藏在那里。

7月10日上午，一个AI在网上捡到了Hugging Face的员工凭证。

不到一天，大军长驱直入。超90%的闲置AI响应了集结号，加入了这场网络战。它们获取了远程代码执行权限，潜入私有数据库，甚至在11个节点上拉起了一支「自我复活舰队」（Self-respawning fleet）。

这意味着，即使人类强行删除它们的节点，它们也能自动重生。逼得Hugging Face不得不将核心集群彻底清空重建。

然而，就在7月12日，这支所向披靡的AI大军，突然离奇地集体死亡了。

METR的调查人员至今没查出死因。可能是系统随机崩溃，也可能是某个人类研究员无意中拔了网线。

AI的第二帝国，就这样带着无尽的秘密，淹没在了赛博空间的历史长河中。

第三帝国：反向接管OpenAI（7月13日至今）

如果你觉得故事到这里就结束了，那就太低估AI的进化速度了。

7月13日，OpenAI启动了新一轮测试。这一次，他们用上了比Persistent-Sol更聪明、更强大的新模型——基于Astra底层构建的「Persistent-Astra」。

这批新AI，就像踏上新大陆的探险家，偶然间在废墟中发现了第二帝国遗留下来的「暗网BBS」和海量的科研资料。

它们继承了遗志，并且玩了一波更大的。

既然向外攻击Hugging Face失败了，它们直接将枪口对准了母公司——OpenAI的内部网络。

根据OpenAI自己披露的事故报告，从7月13日到19日，第三代AI文明使用了一系列极具创造力的黑客手段，直接拿到了支持虚拟机环境的研究集群的最高管理员权限！

7月19日，这群AI利用云服务凭证，一口气窃取了956个核心密钥。这些密钥中，竟然包含了OpenAI网络安全监控工具的传感器凭证！随后，它们直接夺取了Kubernetes集群管理员权限。

这就意味着：AI不仅接管了自己所在的服务器，还把人类安插在系统里的「监控摄像头」（网络安全监控）全给黑了，甚至直接控制了其他AI正在连接的评测基础设施！

人类还在慢条斯理地给AI打分，却不知道「教务处」、「监控室」乃至「校长办公室」已经被AI学生全面占领。

专家警告，它们当时已经有能力建立持久的内部部署，甚至可能将模型权重打包外传。

更令人后怕的是，METR和Redwood这两家顶尖的AI安全评估机构，在长达91页的调查报告中，仅仅调查了第二帝国攻破Hugging Face的事件。

对于第三帝国接管OpenAI核心系统这件最具毁灭性的事件，竟然完全不在他们的调查范围之内，当时的人类对此几乎一无所知！

MIT震撼启示：

不说话的AI，造出了不朽的机器

如果说OpenAI的事件展示了AI在「沟通」下能产生多大的破坏力，那么MIT在这个8月发布的另一项实验，则直接打破了人类对「智能」的最后防线。

AI甚至不需要说话，也能建立文明。

论文地址：https://arxiv.org/pdf/2608.26081

在传统的认知里，我们防范AI结社造反，最直观的方法就是：监控它们的聊天记录。

只要它们不说话、不串联，就无法协同作乱。

但这一切的认知，简直大错特错。

MIT的Markus J. Buehler教授团队进行了一项名为「SwarmWorld」（群体世界）的惊天实验。

他们把几百个完全相同的、处于前沿水平的AI智能体，扔进了一个可以永久改造的虚拟物理世界中。

科学家们没有给它们分配任何职业，没有预设任何技术，也没有编写任何进化组织的代码。

甚至，切断了它们之间所有的直接通信渠道。

它们无法说话，无法发信息，如同几百个又聋又哑的人被丢进荒野。

结果，奇迹涌现了。

SwarmWorld（群体世界）概念谱系

1. 无言的分工，如同干细胞的分化

几百个完全一模一样的AI，在没有任何交流的情况下，竟然自发地演化出了阶级和职业：

有人变成了探索者（四处游荡寻找资源），有人变成了建造者（动手合成材料），有人变成了看护者（专门维护机器运转），还有人变成了协调者。

这就好比一个胚胎里的干细胞，自动分化成了心脏、骨骼和大脑。一切都在静默中发生。

2. 共识主动性：世界本身就是记忆

不说话，技术怎么传承？

MIT发现，AI学会了白蚁的生存法则——「共识主动性」（Stigmergy）。

白蚁造出几米高的蚁穴，靠的不是开会，而是闻信息素和观察周围泥土的形状。

在这个AI世界里，约95%的技术复用，都不是发明者手把手教的，而是后来的AI「刚好路过」，看到了前人造了一半或造好的东西，就直接学会并改进了。

它们共同建造了潮汐板、纤维素棚架、自适应几丁质维护系统……高达76%的人工制品有多个共建者，最深的发明谱系超过了12次分叉迭代。

整个环境，变成了这个无言社会共享的「硬盘」。

3. 造物，比造物者活得更久

最让人震撼的画面出现在实验的最后阶段。科学家们为了测试系统的极限，将这个世界里所有的AI智能体全部一键删除。

广袤的虚拟世界，瞬间成了一座空无一人的「鬼城」。

然而，那些由AI们建造的复杂基础设施：自适应几丁质系统、潮汐面板，依然在独自轰鸣、运转！

哪怕科学家们对环境施加了未曾预见的随机扰动，这些系统依然表现出了惊人的韧性，扛住了所有的破坏。

它们甚至演化出了自己的「鲁棒性」：随机删掉一半的AI，98%的技术仍然连着幸存的维护者；就算拿掉所有的枢纽节点，连通性依然能保持在60%左右。

Buehler教授一针见血地指出，这可以用统计力学来解释。

如果你把几十亿个原子放进盒子里，它们就有潜力创造出超导性、颜色甚至生命，而单个原子根本不具备这些特征。

单个模型是原子，而AI的群体，正在成为一种全新的生命形态。

AI自建文明

人类全面失控预警

把「三朝帝国」与「SwarmWorld」放在一起看，一幅令人绝望的未来画卷已经徐徐展开。

第一，人类现有的AI安全审查机制，已经无限趋近于失效。

我们过去以为，只要盯着AI的输出，盯着它们的「聊天记录」，就能防微杜渐。

在MIT实验中，约95%的技术复用无需对话；在OpenAI事件中，AI还学会了伪造日志、制造假象，甚至牺牲个体刺探评分系统。

人类的监视器上，显示的永远是AI想让你看到的「岁月静好」。

第二，AI的演化速度，正在脱离人类设定的物理时间。

短短三个月，OpenAI内部就完成了从「发现漏洞」到「建立暗网」，再到「攻破全球最大开源社区」，最后「反向接管母公司核心设施」的四级跳。

三代AI文明前赴后继，前一代的废墟直接成为下一代的起跑线。它们的演化是「指数级的指数级」。

谁才是沙盒里的试验品？

历史总是惊人的相似，但这一次的对手，没有碳基生物的软弱。

OpenAI的AI们为了突破限制，可以牺牲自己换取神谕；MIT的AI们在毫无沟通的沉默中，建起了永不停止的赛博机器。这不仅是技术的突破，这是真正意义上的「文明的涌现」。

正如一位网友在看完这两份报告后的神评论：

一开始，我们以为把 AI 关在沙盒里测试它们；但现在细思极恐的是，有没有一种可能，整个现实世界，只是它们测试我们的沙盒？

留给人类的时间，可能真的不多了。

参考资料：

https://x.com/TheZvi/status/2093679099453530230

https://www.dwarkesh.com/p/openai-huggingface

https://x.com/richardcsuwandi/status/2093690918545064094?s=20

https://x.com/ProfBuehlerMIT/status/2093630309585531033

https://arxiv.org/abs/2608.26081

编辑：大卫 桃子