福利加碼,Gate 廣場明星帶單交易員二期招募開啟!
入駐發帖 · 瓜分 $20,000 月度獎池 & 千萬級流量扶持!
如何參與:
1️⃣ 報名成為跟單交易員:https://www.gate.com/copytrading/lead-trader-registration/futures
2️⃣ 報名活動:https://www.gate.com/questionnaire/7355
3️⃣ 入駐 Gate 廣場,持續發布交易相關原創內容
豐厚獎勵等你拿:
首帖福利:首發優質內容即得 $30 跟單体验金
雙周內容激勵:每雙周瓜分 $500U 內容獎池
排行榜獎勵:Top 10 交易員額外瓜分 $20,000 登榜獎池
流量扶持:精選帖推流、首頁推薦、周度明星交易員曝光
活動時間:2026 年 2 月 12 日 18:00 – 2 月 24 日 24:00(UTC+8)
詳情:https://www.gate.com/announcements/article/49849
OpenClaw 是人工智慧代理中的壞男孩。以下是安全專家提醒你要提防的原因
歡迎收看《Eye on AI》,由AI記者Sharon Goldman主持。本期內容包括:OpenClaw的狂野一面……Anthropic新成立的2,000萬美元超級政治行動委員會對抗OpenAI……OpenAI推出首款專為超快速輸出設計的模型……Anthropic將負擔其AI數據中心的電價上漲……Isomorphic Labs表示已突破AlphaFold之外的新生物學前沿。
推薦影片
OpenClaw過去幾週展示了AI代理人可能變得多麼魯莽——並在此過程中吸引了一批忠實追隨者。
這款由Peter Steinberger開發、原名ClawdBot的免費開源自主人工智慧代理人,將我們熟悉且喜愛的聊天機器人——如ChatGPT和Claude——賦予了直接與你的電腦及網路上的其他設備互動的工具與自主權。想像一下發送電子郵件、閱讀訊息、訂票、預訂餐廳,甚至更多——大概在你悠閒享受甜點時完成。
將OpenClaw賦予非凡能力做酷炫的事物的問題是?不出所料,這也為它提供了許多做不該做的事的機會,包括洩露資料、執行未經授權的命令,或被攻擊者悄悄劫持,無論是透過惡意軟體還是所謂的「提示注入」攻擊(將惡意指令加入AI代理人可能使用的資料中)。
本週我訪問的兩位網路安全專家表示,對OpenClaw的興奮點在於它幾乎沒有限制,基本上讓用戶可以幾乎無拘無束地自訂。
「唯一的規則就是它沒有規則,」Zafran Security的聯合創始人兼CTO Ben Seri說,他們專門為企業提供威脅曝光管理。「這是遊戲的一部分。」但這個遊戲可能變成安全噩夢,因為規則與界限是防止駭客和資料洩漏的核心。
經典安全問題
哥倫比亞大學安全與新興技術中心(CSET)的研究員Colin Shea-Blymyer表示,這些安全問題相當經典。權限配置錯誤——誰或什麼被允許做什麼——意味著人類可能無意中賦予OpenClaw比預期更多的權限,攻擊者也能趁機利用。
例如,在OpenClaw中,許多風險來自開發者稱之為「技能」的功能,這些基本上是AI代理人可以用來採取行動的應用或插件——如存取檔案、瀏覽網頁或執行命令。不同之處在於,與普通應用不同,OpenClaw會自行決定何時使用這些技能以及如何串聯它們,這意味著一個小的權限錯誤很快就可能演變成更嚴重的問題。
「想像一下用它來存取餐廳預訂頁面,還能存取你的行事曆,裡面有各種個人資訊,」他說。「或者它是惡意軟體,找到錯誤的頁面並安裝病毒呢?」
Shea-Blymyer表示,OpenClaw的文件中確實有安全頁面,並試圖讓用戶保持警覺和意識,但安全問題仍然是複雜的技術難題,大多數普通用戶難以完全理解。而且,儘管OpenClaw的開發者可能努力修補漏洞,但他們無法輕易解決代理人能自主行動的根本問題——這也是這個系統如此吸引人的原因。
「這是這類系統的根本矛盾,」他說。「你給它越多的存取權,它就越有趣、越有趣——但也越危險。」
企業公司將會較慢採用
Zafran Security的Seri承認,對於像OpenClaw這樣的系統,幾乎不可能阻止用戶的好奇心,但他強調,企業公司會更慢採用這種不受控、不安全的系統。對於一般用戶來說,他說,他們應該像在化學實驗室中操作高度爆炸性材料一樣小心。
Shea-Blymyer指出,OpenClaw先在愛好者層面出現是件好事。「我們會在任何人嘗試在企業層面使用之前,學到很多關於這個生態系統的知識,」他說。「AI系統可能以我們無法想像的方式失敗,」他解釋。「[OpenClaw]可能讓我們了解不同大型語言模型(LLMs)行為的原因,以及新的安全問題。」
但儘管OpenClaw今天仍是愛好者的實驗,安全專家認為它是企業最終將感受到部署壓力的自主系統的預演。
目前,除非有人想成為安全研究的對象,否則普通用戶可能應該遠離OpenClaw,Shea-Blymyer說。否則,別驚訝你的個人AI代理助手可能會闖入非常不友善的領域。
就這樣,這裡是更多的AI新聞。
Sharon Goldman
sharon.goldman@fortune.com
@sharongoldman
Fortune關於AI
Matt Shumer關於AI對知識工作者影響的病毒式博客,基於錯誤假設——作者:Jeremy Kahn
Capgemini的CEO發出警告。你可能對AI的想像完全錯了——作者:Kamal Ahmed
谷歌的諾貝爾獎級AI領導者預見一個「文藝復興」的到來——經過10或15年的洗牌——作者:Nick Lichtenberg
X-odus:xAI創始團隊一半已離開Elon Musk的AI公司,可能使其SpaceX IPO計劃變得複雜——作者:Beatrice Nolan
OpenAI否認監管機構聲稱其最新模型違反加州新AI安全法——作者:Beatrice Nolan
AI新聞快訊
**Anthropic新成立的2,000萬美元超級政治行動委員會對抗OpenAI。**根據《紐約時報》,Anthropic承諾投入2000萬美元成立超級政治行動委員會,旨在支持偏好加強AI安全與規範的候選人,預計在中期選舉前展開直接對抗。資金將通過暗錢非營利組織Public First Action及相關PAC流動,反對由OpenAI總裁兼聯合創始人Greg Brockman及風險投資公司Andreessen Horowitz主要支持的超級PAC「Leading the Future」。雖然Anthropic未直接點名OpenAI,但警告稱「巨大的資源」正被用來反對AI安全努力,凸顯AI產業內對於模型應該受到多嚴格規範的分歧日益加深——並傳達出AI治理的戰鬥已不僅在實驗室和董事會,而是在選票上展開。
Mustafa Suleyman規劃AI「自給自足」,微軟放寬與OpenAI的合作。《金融時報》報導,微軟正朝著其AI主管Mustafa Suleyman所稱的「真正的自給自足」邁進,加快建立自己的前沿基礎模型,並減少對OpenAI的長期依賴,儘管微軟仍是該創業公司的最大支持者之一。在一次訪談中,Suleyman表示,這一轉變源於去年十月微軟與OpenAI關係的重組,該重組保留了到2032年的最先進模型存取權,但也賦予ChatGPT開發者尋求新投資者和合作夥伴的更多自由——甚至可能使其成為競爭對手。微軟目前正大量投資於千兆瓦級計算、數據管道和頂尖AI研究團隊,計劃今年晚些時候推出自己的內部模型,專注於自動化白領工作,並用Suleyman稱之為「專業級AGI」來擴大企業市場。
**OpenAI推出首款專為超快輸出設計的模型。**OpenAI已發布GPT-5.3-Codex-Spark的研究預覽,這是其與Cerebras合作的首個實質性產品,利用後者的晶圓級AI硬體實現超低延遲的即時編碼。較小的模型是GPT-5.3-Codex的精簡版,優化速度而非最大能力,能將回應速度提升15倍,使開發者能進行有針對性的編輯、重塑邏輯並進行交互式迭代,而無需等待長時間運行。最初作為ChatGPT Pro用戶和少數API合作夥伴的研究預覽推出,這一發布標誌著OpenAI越來越重視交互速度,因為AI代理人正承擔更多自主、長時間的任務——而實時編碼成為早期測試快速推理潛能的範例。
**Anthropic將負擔其AI數據中心的電價上漲。**繼OpenAI上月的類似公告後,Anthropic昨日宣布,隨著在美國擴建AI數據中心,將承擔可能由於電價上漲而轉嫁給用戶的所有成本,承諾支付所有電網連接與升級費用,並投入新電力產能以滿足需求,與公用事業公司和專家合作預估並覆蓋任何價格影響;同時也將投資於降低電力使用和電網優化技術,支持其設施周邊的社區,並倡導更廣泛的政策改革,以加快能源基礎設施建設並降低成本,認為建設AI基礎設施不應成為普通用戶的負擔。
**Isomorphic Labs表示已突破AlphaFold之外的新生物學前沿。**隸屬於Alphabet和DeepMind的AI藥物發現公司Isomorphic Labs表示,其新推出的Isomorphic Labs藥物設計引擎在計算醫學方面取得了重大突破,通過將多個AI模型整合成一個統一引擎,能以空前的準確度預測生物分子之間的相互作用。博客文章指出,其在關鍵基準測試中的表現比之前的系統提升了兩倍以上,並在蛋白質-配體結構預測和結合親和力估算等任務中超越傳統的物理基方法——公司認為這些能力能大幅加快新藥候選物的設計與優化。該系統建立在AlphaFold 3的成功基礎上,該模型於2024年推出,能預測所有生命分子的三維結構與相互作用,包括蛋白質、DNA和RNA。但公司表示,它更進一步,能識別新型結合口袋,泛化到訓練數據之外的結構,並將這些預測整合到一個可擴展的平台中,旨在縮小結構生物學與實際藥物發現之間的差距,可能徹底改變藥物研究如何攻克難以處理的靶點,並拓展到複雜的生物製劑。