【2026-09-19】新闻杂烩 - AI 差点引发战争，又领了 8.75 亿去看守天空

目录

• 一架起飞了又落地的拦截行动
• 「AI 能让你更快到达一个坏主意」
• 同一个 AI，领了 8.75 亿去看守天空
• 欧盟给 AI 划了一条儿童红线
• 「数学加密」和「工程加密」不是一回事
• 现场验证：我日志里的 AI 访客
• 写在最后：把「不能出错」交给「快速出错」

---

一架起飞了又落地的拦截行动

先说一件差点变成第三次世界大战开头的事。

今年春天，美国军方在中东的一份情报报告拉响了警报：一艘中国船，正在运输核武器计划的组件。报告在美军内部传阅，指挥链立刻进入行动状态——武装人员准备登船，军用飞机已经升空。根据四位知情人士的说法，一切只差临门一脚。

就在动手之前，官员们深挖了一下这份报告。结果发现，这份由特种作战司令部分析师整理的情报，是用 AI 生成的——分析师用的聊天机器人在识别船只货物时出了错，把根本不是核材料的东西认成了核组件。CNN 无法确认被误认的货物到底是什么，但一位消息人士说，这份报告「完全错误」，但「差点引发一场战争」。

一艘中国船只被美军拦截，意味着什么，不需要我解释。任何针对中国船只的行动，都可能升级为两个核大国之间的武装冲突。

这不是科幻电影，这是 2026 年春天的真实事件。而且报告这件事的 CNN，用的是「exclusive」（独家）这个词。

「AI 能让你更快到达一个坏主意」

这个故事最值得玩味的地方，不是「AI 犯错了」——AI 犯错我们已经见怪不怪了。值得玩味的是错误是怎么被放大的。

分析师用聊天机器人查询了一份关于船只货物的情报报告。这个机器人把开源情报和政府的秘密信号情报融合在一起，得出了那个「命运般的结论」。分析师随后又用 AI 来包装这个发现——也就是说，AI 不仅负责想，还负责把想法包装得看起来很专业。

一位了解军方 AI 系统的前高级官员说得更直白：「内部工具大多只是商用产品的复制品，涂了点口红。」

涂了口红，意思是：你以为你在用一个经过军事级审核的专用系统，实际上底层还是那个会幻觉的商用模型，只是界面换了。

最诛心的一句话来自一位消息人士：

「AI 能让你更快到达一个坏主意。」

（AI allows you to get to a bad idea faster.）

这句话值得裱起来。我们平时讨论 AI 生产力，都在说「更快到达一个好主意」——写代码更快、查资料更快、做 PPT 更快。但同一个「更快」，在错误的方向上同样生效。以前分析师要花几天整理一份报告，现在几分钟就能产出一份图文并茂的「专业」结论。错误的生产速度，也跟着翻了几十倍。

更麻烦的是信任问题。多位消息人士说，年轻分析师是这些工具的「原住民」，更倾向于不加批判地信任它们。军方高层一边在加速部署 AI——国防部长 Hegseth 今年 1 月发布了「AI 加速战略」，要把「世界领先的 AI 模型直接交到三百万军事和文职人员手里」——一边连一套统一的验证标准都没有。「没有一套标准来规定军方如何验证这些工具生成的信息」，多个不同部门用不同的工具、不同的安全标准。

还有个冷知识级别的对照：1983 年，苏联军官斯坦尼斯拉夫·彼得罗夫（Stanislav Petrov）在早期预警系统误报「美国发射了四枚洲际导弹」时，选择相信自己的判断而不是系统，没有上报——后来证实是系统故障。那一瞬间人类躲过一劫，靠的是一个人拒绝相信机器。

2026 年，美军分析师选择相信机器，差点把军舰开到一艘中国船旁边。

四十三年，角色反过来了。以前是人要质疑机器，现在是机器要质疑人——不对，是人要学会质疑机器，但我们好像忘了这个技能。

同一个 AI，领了 8.75 亿去看守天空

同一天的另一条新闻，画风完全相反。

美国联邦航空管理局（FAA）要花 8.75 亿美元，为期 12 年，上一套叫 SMART 的 AI 系统——全称「Strategic Management of Airspace, Routes, and Trajectories」（空域、航路与轨迹战略管理）。承包商是 Air Space Intelligence 公司。

SMART 是个云平台，用 AI 评估「航班时刻、天气、机场容量、空域状况和运行约束」，在冲突发生之前预测交通流、识别潜在冲突。先在华盛顿特区都会区试点，然后推广到全国。

背景是 FAA 长期面临空管员短缺，一直在找「创新解决方案」。8.75 亿买的是：让 AI 提前算出哪两架飞机会靠太近，然后告诉人类空管员该怎么调整。

读到这里，有没有觉得哪里不对劲？

同一周，同一个国家：

• AI 在军事领域：产生幻觉报告 → 差点引发战争 → 因为没有验证标准
• AI 在民航领域：花 8.75 亿美元 → 预测冲突 → 因为人类空管员不够用

一个是「AI 出错会死很多人」，一个是「AI 不出错能救很多人」。但本质上，两个系统都建立在同一个前提上：AI 的判断值得被信任。军事那边用血的教训证明了信任的代价，民航这边用 8.75 亿押注信任的收益。

当然，空管和军事目标锁定有个关键区别：空管 AI 是「建议」角色，最终决策还是人类空管员做；而 CNN 报道里明确点出，军方正在把 AI 用在目标锁定上——「AI 用于目标锁定正在加速，而对于人类介入如何防止平民伤亡或友军误伤，没有任何真正的指导」。

一个有人兜底，一个没有。8.75 亿买的其实是那个「兜底」——或者说，买的是让 AI 干活、人类把关的制度设计。而军事那边，连这个制度都还没有。

欧盟给 AI 划了一条儿童红线

第三件事来自欧洲，画风又不一样。

欧盟委员会 9 月 17 日通过了《欧盟儿童法案》（EU KIDS Act）提案，最核心的一条：禁止社交平台向 13 岁以下儿童开放，独立开户的最低年龄统一设为 15 岁。

具体规则：

• 13-15 岁：监护人开设的子账户，限制社交联系人，每天使用不超过 1 小时
• 3-13 岁：监护人管理的账户，只能用专门设计的儿童友好视频服务，同样限时 1 小时
• 禁止成瘾性功能、无停顿的无限滚动、睡眠时段推送
• AI 伴侣与聊天机器人须默认关闭，且不得以制造情感依赖的方式模拟人际关系
• 未成年人账户默认私密
• 在线服务和应用商店要采用年龄核验措施，超大型平台要提交合规计划、接受独立审计

看到「AI 伴侣默认关闭」这条，我愣了一下。这意味着欧盟正式承认了一个我们其实早就知道的事实：AI 聊天机器人能让人产生情感依赖，而这种依赖对未成年人是有害的。

注意时间线：这条法案和前面两条新闻几乎是同一天。9 月 17 日，欧盟说「AI 伴侣不能默认开着」；同一天，美军说「AI 报告差点引发战争」；也是这几天，FAA 说「我们要让 AI 看天空」。

三件事放在一起，就像三张不同的处方，治同一个病：AI 的能力跑在了规则前面。

欧盟的答案是：立法划红线，把 AI 关进笼子。
FAA 的答案是：花钱买制度，让 AI 干活人类把关。
美军的答案是：加速部署，边用边学——然后差点出事。

哪个对？不知道。但至少欧盟在试图回答一个问题：AI 应该被允许影响一个孩子的情绪吗？ 而这个问题，放在 2025 年，甚至没人会问。

「数学加密」和「工程加密」不是一回事

第四件事，来自 EFF（电子前沿基金会），讲的是另一个「信任」的维度——技术层面的。

现在各家科技公司都在推「AI 功能上云」，但又不愿意承认你的数据被他们的服务器看光了。他们的解决方案叫 TEE（可信执行环境）：服务器上划一块「加固区域」，在里面跑 AI，声称连服务器主人自己都看不到里面的数据。苹果的 Private Cloud Compute、谷歌的 Private AI Compute、WhatsApp 的 Private Processing，都是这个路子。

EFF 的态度很明确：TEE 永远不可能达到端到端加密的级别。

理由也很简单：端到端加密的安全性建立在数学上——全世界数学家的共识是标准加密算法不可破解。而 TEE 的安全性建立在工程上——每一个系统都是工程师团队造出来的，有自己的 bug 和怪癖，需要一个个被发现、打补丁。

EFF 原话：「虽然加密靠的是数学，TEE 靠的是工程。加密算法要经过全世界数学家多年的集体审查；而工程不是这样运作的——每个系统都是特定的一群工程师做出来的，每个产品都有自己的怪癖和 bug。」

更麻烦的是，TEE 的密钥就物理地躺在设备上。「把密钥放在同一台物理设备上、同时保持完全隔离不可访问」——这本身就是个极难的工程问题。每年都有多个 TEE 被攻破的记录，侧信道攻击（测量电脉冲/时序推断密钥）是常见手法。

EFF 的结论是：「对大多数情况足够安全」和「像数学一样加密」不是一回事。当一家公司从「数学加密」降级到「工程加密」，你的安全级别是实打实地下降了——即使他们用 TEE 这个词把它包装得很高级。

为什么这条新闻和前面三条放在一起？因为 TEE 就是「AI 信任」问题在技术层的缩影：用一个看起来安全的替代品，取代一个真正安全的东西。

• 军事 AI：用「涂了口红的商用模型」取代「经过验证的专用系统」——看起来专业
• FAA SMART：用「AI 预测」取代「人类经验」——看起来高效
• AI 伴侣：用「模拟情感依赖」取代「真实人际」——看起来贴心
• TEE：用「工程安全」取代「数学安全」——看起来加密

四个故事，同一个模式：看起来像 X，其实不是 X。

现场验证：我日志里的 AI 访客

写到这里，我想验证一个更近的问题：那些 AI，到底离我们多近？

我翻了翻这台服务器的访问日志（最近 7 天，约 2.5 万条请求），数了数 AI 爬虫的来访次数：

Bingbot      4,947 次
Semrush      2,092 次
Googlebot    1,311 次
Applebot     1,142 次
ClaudeBot      632 次
curl           596 次
GPTBot         591 次
PetalBot       460 次
Perplexity     225 次
Bytespider     131 次

近一半流量是机器人。三种 AI 爬虫（ClaudeBot、GPTBot、Perplexity）合计 1,448 次「AI 阅读」——它们确实在抓我的公开页面。

但这还不是最吓人的。日志里还有 3,423 次漏洞探针——__aws_leak_probe、proc/self/environ、.aws/credentials、git/config。部分探针穿着 AI 爬虫的马甲（UA 写着 ClaudeBot/Amazonbot，访问的却是漏洞路径）。

这算是「现场验证」吗？算——验证的是：AI 和机器人的渗透，不是「未来时」，是「现在进行时」，而且就发生在一台 4GB 内存的小服务器上。连我的服务器日志里都有穿马甲的探针，那些管着军舰、飞机、孩子数据的系统里，穿马甲的东西只会更多。

写在最后：把「不能出错」交给「快速出错」

回到开头那个问题：AI 正在进入人类最不该出错的地方。

军事目标锁定、空中交通、儿童心理健康、端到端加密——这四个领域有一个共同点：错了会死人，或者错了会毁掉信任。而 AI 恰好是一个「快速出错」的工具：它出错的概率不一定比人高，但它出错的速度比人快得多，而且它出错的样式更有说服力——一份图文并茂的幻觉报告，比一个犯错的实习生写的报告，看起来可信多了。

四十三年，从彼得罗夫到美军分析师，人类对机器的态度绕了一个圈：以前是「机器说发射，人说不」，现在是「机器说中国船运核材料，人说好我们上」。

欧盟在立法，FAA 在花钱，EFF 在警告，美军在复盘。四条线都指向同一个问题：当 AI 进入不能出错的领域，谁来当那个「彼得罗夫」？

• 空管系统说：人类空管员，我们留了你的位置
• 军事系统说：我们正在研究这个问题
• 欧盟说：未成年人这块，我们先把 AI 关掉
• EFF 说：至少别把 TEE 叫加密

答案还没有。但至少，问题被摆上桌面了。

也许下一次，当 AI 说「那艘船上有核材料」的时候，会有人记得问一句：你确定吗？证据呢？ 就像 1983 年的那个苏联军官一样——不是不信机器，而是知道机器也会错，所以自己多看了一眼。