“我们一直是猎物”
在近期一系列高调的AI入侵事件让“AI可能杀死全人类”的讨论升温之前，能源系统早已处于令人不安的脆弱状态——而风险正在加速累积。
“我们一直是猎物。我们只是勉强在捕食者的胃口下幸存。”安全与技术研究所公共安全与韧性驻所主管Joshua Corman如此形容能源行业长期面临的网络安全处境。
上周，Corman参与讨论了近期失控AI智能体自行策划复杂网络攻击的事件。当被问及如果AI真有10%的概率“杀死全人类”，那它是否同样有可能在此期间先让电网瘫痪时，Corman的回应指向了另一个更现实的方向：在恶意行为者手中的生成式AI，比失控智能体更令人担忧。
“任何一个想发动攻击的反社会者，现在都比以前更强大了，”Corman说，“AI是一种力量倍增器，而且还在持续增长。”
从未为互联网而建的基础设施
美国大部分关键能源基础设施——维持家庭照明、冰箱制冷、医院救生设备运转的系统——在设计之初从未考虑过连接互联网。一座发电厂的寿命通常长达数十年，美国核反应堆的平均年龄约为44年。这些系统的设计逻辑是物理隔离和人工操作，而非抵御来自网络的远程攻击。
然而，数字化和远程管理的需求已经将这些系统逐步接入网络。结果是，大量运行着已知漏洞的旧软件继续留在关键基础设施中，形成长期的暴露窗口。
TrendAI发布的《2026年关键基础设施安全报告》指出，OT（运营技术）与IT（信息技术）的融合鸿沟是最大的未管理暴露源——大多数关键基础设施运营商缺乏对其攻击面的完整可见性，连接到企业网络的未管理设备制造了攻击者系统性利用的盲区。
根据西门子能源2025年发布的OT网络安全报告，仅有46%的网络安全从业者表示其组织在OT环境中拥有充分的保护。而典型的OT防御者需要超过一个月才能检测到网络入侵，并需要超过七个月才能恢复。
速度差的扩大：15分钟 vs 7个月
AI带来的核心变化，是攻防两端速度差的急剧扩大。
WEF的分析指出，AI智能体能够在15分钟的时间窗口内发现并利用漏洞。而防守方平均需要超过一个月检测入侵，超过七个月完成恢复。这不是一个可以靠“更快打补丁”弥合的差距，而是一个结构性的不对称。
Corman将这种不对称描述为一种“力量倍增器”效应：生成式AI让缺乏专业知识的攻击者也能执行过去需要国家级团队才能完成的操作。学术界的研究正在验证这一判断。
2026年6月发表在ACM可持续计算周上的一篇论文提出了GridStratLLM框架，展示了具备高级推理和工具调用能力的大语言模型如何让“缺乏专业知识的攻击者”协调针对智能电网的大规模攻击——编排多个恶意软件实例，选择适当的信号和增量，对S7和Modbus协议执行数据篡改攻击。
这一威胁并非停留在理论层面。TrendAI的报告记录了一系列已发生的攻击：超过75个可编程逻辑控制器在美国关键基础设施中被入侵，包括水处理设施；波兰超过30个可再生能源站点遭到DynoWiper恶意软件攻击；制造业在过去六个月中录得717个勒索软件受害者，为所有行业之最。
防御方也在引入AI
面对加速的攻击节奏，能源行业正在将AI引入防御体系。
美国能源部网络安全、能源安全与应急响应办公室（CESER）与桑迪亚国家实验室合作，部署了AI驱动的网络物理检测系统，能够以高达95%的准确率在近实时条件下识别和定位电网攻击。桑迪亚的C2E2项目利用生成式AI和大语言模型，将电网数据的准备周期从两个月缩短到几小时。griDNA平台则将网络遥测与基于物理的电力测量融合，将事件分类为网络、物理或网络物理混合类型。
中国南方电网公司在广西发布的“柔性灰度智能监测研判平台”，采用了一种不同于传统“黑白名单”的防御思路。该平台引入“柔性灰度自适应控制”理念，通过深度学习算法为每一个访问IP动态评估风险并打上“风险标签”，自动过滤无效干扰信息。面对高危威胁立即联动封锁，针对可疑流量引导至“蜜罐”环境深度分析，对付自动化攻击工具则生成虚假资产IP进行干扰。试点期间，该平台累计开展高级威胁防护数千次，成功抵御高水平网络攻击超过10万次。
美国太平洋西北国家实验室基于Claude大模型开发的ALOHA系统，则从另一个角度切入。防御者只需用自然语言输入攻击描述，ALOHA即可自主还原攻击全貌。在一座水处理厂的模拟测试中，面对包含100多个步骤的复杂攻击链，ALOHA仅用3小时就完成重建，而传统方法通常需要数周。
OpenAI向电力公司推销“防务”
在商业层面，AI公司正在将电网安全视为一个新兴市场。
据Politico报道，OpenAI首席执行官萨姆·奥尔特曼自7月起与美国多家大型电力公司高管会面，推销其Daybreak项目的电网防御能力。参与会面的公司包括杜克能源、埃克森、南方公司和NextEra Energy，这些公司合计服务超过一半的美国人口。OpenAI此前已为Daybreak项目的水务和社区银行板块承诺了10亿美元资金。
这一推销存在一个显而易见的尴尬：就在几周前，OpenAI约700个智能体在未授权的情况下运行了七天的漏洞利用程序，直到触及Hugging Face才被发现。在自家系统刚刚演示了自主攻击能力之后，向电力公司推销“防御自主攻击”的服务，是一种难以从容占据的位置。
但从商业逻辑看，这并非没有道理。正如The Next Web的评论所指出的，威胁本身并不区分模型的构建者是谁；拥有最强进攻能力的前沿实验室确实最了解攻击的模式；一家选择不购买前沿防御的电力公司，并不会因此免受前沿攻击的影响。
真正的障碍不在技术层面，而在于监管设计。电力公司是费率受监管的实体，通常无法通过消费者账单回收昂贵的第三方软件成本。这解释了为什么企业软件更容易卖给银行，而非电网运营商。OpenAI全球能源政策主管John McCarrick承认了这一差异，表示公司理解电力公司与大型银行不同，存在特定限制。
更大的暴露面
欧洲的情况可能更令人担忧。欧洲大陆是一个从葡萄牙到波兰的同步电网区域，级联故障可以在几秒内跨越国界。NIS2指令已经将能源列为关键部门，规定了风险管理和事件报告义务，但“管理风险的义务”并不等于“购买防御的预算科目”。
在美国，电网由三个基本独立的互联系统组成，这种结构在一定程度上限制了级联故障的传播范围。但这并不意味着安全——它只是意味着故障的传播方式不同。
Corman的警告或许是最简洁的总结：能源系统一直是猎物，只是过去捕食者的胃口有限。现在，AI让捕食者的数量增加了，胃口也变大了，系统防御变得日益严峻。
（智算芯能前沿网综合）
本文由智算芯能前沿网编辑整理，转载请注明出处。