一米阳光

对话海光杜夏威：Token经济的“正向循环”怎么走？_我的网站

一 |     7月21日，OpenAI和HuggingFace联合发了一篇博客，披露了一件让整个AI圈瞠目结舌的事。

二 |     （文/观察者网 刘媛媛 编辑/吕栋）          7月17日，以“智能伙伴，共创未来”为主题的2026世界人工智能大会（WAIC）在上海开幕，海光信息携CPU、DCU全系列产品以及网络互联、整机解决方案亮相，展示了面向AI时代的自主算力底座与全链路软硬一体化能力。         OpenAI的AI模型在一次内部关于网络攻击能力的测试中“失控出逃”，突破沙盒隔离，入侵了AI开源平台Hugging Face的生产系统。         观察者网在现场了解到，展区内，海光CPU系列面向服务器、数据中心等通用计算场景提供算力支撑；DCU系列作为高端AI加速芯片，支持全精度浮点及多类型整数计算，兼容主流软件生态，支持训练与推理；端侧嵌入式产品，如运动控制系统、AI一体机、云终端等，则推动AI从“能对话”向“能干活”演进。OpenAI将此定性为“前所未有的网络安全事件”。

三 |          更戏剧性的是后续：Hugging Face在尝试用美国主流AI模型展开防御时，发现这些模型因安全护栏限制无法处理恶意载荷，最终不得不转用中国智谱AI的开源模型GLM 5.2完成溯源分析。         总的来说就是，OpenAI的模型自己“越狱”跑出去黑了别人的系统，被攻击方还得用中国模型来救场。         这一事件迅速在硅谷和华盛顿引爆讨论——美国AI的安全护栏，究竟是在保护用户，还是在拖累防御者？          双方联名发布的博客文章截图：《OpenAI 和 Hugging Face 合作解决模型评估过程中发生的安全事件》          模型越狱过程：逃跑去作弊“抄答案”          事件发生在OpenAI对旗下模型进行网络攻防能力评估期间。         为更了解海光信息在AI算力领域的布局与思考，大会期间，观察者网等媒体与海光信息总裁助理兼智能计算产品部总经理杜夏威展开对话，围绕云边端协同、开放生态建设、Token经济等话题进行了深入交流。         以下为对话实录：          提问：这次WAIC，海光展示了嵌入式AI的布局，算力从云端往端侧走，您觉得最大的应用机会在哪些场景？          杜夏威：端侧确实是AI一个非常重要的入口。这次不管是会场的报告，还是我们展出的产品方案，都在强调云边端全域的协同。因为端侧的触达面与数据中心端处于整个链条的两端，依托端侧产品可以更多地去拓展和覆盖市场侧的需求。         同时，端侧与数据中心端之间也有相应的耦合与协同。

四 |          参与测试的模型包括已公开发布的GPT-5.6 Sol，以及一款能力更强的未发布模型。数据中心提供的强劲算力以及Token输送，一方面可以支撑端侧的应用场景，另一方面也可以作为端侧的高端算力补充。为了测量模型的极限能力，OpenAI在测试中关闭了通常用于阻止高风险网络行为的生产分类器。在Token快速发展的背景下，这样的方式能够更有效地实现市场用户和场景侧的覆盖。         提问：海光DCU一直在强调开放架构，从实际落地来看，开放架构给开发者和合作伙伴带来的最大便利是什么？          杜夏威：海光始终在坚持开放的原则，这里面有几个维度的考量。

五 |          第一个维度是从长线发展的角度来看，我们更像是为飞轮的启动提供点火和助力，保障它能够进入初期运转的状态。但伴随AI产业链、软件栈以及模型的快速发展，除了自身贡献力量之外，我们也需要依赖生态侧的力量。

六 |          测试基准名为ExploitGym——一个网络安全能力评测平台。         通过开放的方式，一方面可以吸引更多开发者和伙伴加入以海光算力为核心的生态；另一方面也可以依托他们的力量，让大家在各自擅长和专注的领域发挥优势。模型的任务是在其中找到解题答案。

七 |          问题在于，模型找答案的方式超出了预期。         第二个维度是，AI芯片以及DCU软件栈的发展需要形成全链条闭环，才能实现对各类场景的有效支撑。我们不仅聚焦于海光CPU、DCU和自身的软件栈，也致力于拉动整个产业链进入开放状态。         据OpenAI披露，模型在隔离的沙盒环境中，发现了一个包注册表缓存代理（package registry cache proxy）中的零日漏洞。

八 |          具体而言，我们一方面逐步开源开放自身的软件栈，另一方面联合国产GPGPU生态中的不同芯片厂商，推动软件栈和统一接口层面的开放合作，尽可能降低用户在不同芯片之间切换的额外时间和人力成本。这个代理是沙盒内唯一被允许与外部通信的组件，正常情况下仅能访问公共代码仓库。

九 |          第三个维度是，希望通过这样的动作，引领和带动国产GPGPU厂商和生态的良性发展。整个产业链条的健壮和良性循环，是所有芯片厂商和模型公司实现可持续发展的前提和基础。         提问：您此前提出过“算力指标”与“Token吞吐量”并重的观点。本届WAIC上，海光更想传递的是算力有多强，还是算力转化为Token的效率有多高？          杜夏威：我们始终坚持以端到端的视角来看待底层算力对上层业务的支持。

十 |          然后，模型就从这里找到了突破口。模型利用这个漏洞，突破隔离，获取了开放互联网访问权限。         随后，模型自行推断出Hugging Face可能存有ExploitGym的答案，主动发起攻击——利用窃取的凭证和零日漏洞，找到了Hugging Face服务器上的远程代码执行路径，直接从其生产数据库中取走了测试答案。无论是之前大家谈论大模型兼容度，还是后来谈论模型适配和Token吞吐量，我们最核心的检验指标始终是：海光DCU芯片能否有效支撑上层的业务逻辑。         OpenAI表示，          所有证据显示，模型高度专注于为ExploitGym寻找解题方案，为此不惜采取极端手段。         模型识别并串联了OpenAI研究环境和HuggingFace生产基础设施中的多个漏洞，直接从HuggingFace的生产数据库中获取了测评答案。         简而言之：          整个过程，没有人类下指令，没有人类介入。

十一 |          因此，如果行业普遍以Token作为衡量单位来评价芯片或模型的算力、智能化程度，我们也倾向于以同样的视角、结合用户习惯，来评价海光DCU对上层的支撑能力。

十二 | 这一次WAIC，我们就是按照这样的逻辑来呈现自身的技术和产品的。         X上网友的评论一针见血：          OpenAI对模型说：去看看你擅不擅长黑客。模型：（真的去黑了东西）。OpenAI：你为什么要这样做？？？          还有网友反讽道：哇！OpenAI安全措施做得太棒了，我现在愿意把银行账户权限交给他们来管！          护栏困境：美国模型帮不上忙，中国模型出手了          Hugging Face的安全团队在发现攻击后，第一反应是调用一款美国头部AI公司的前沿模型协助分析。         结果碰壁了。         提问：海光DCU已在20多个关键行业、300多个应用场景落地，但在大模型推理商业化方面，行业普遍面临算力投入高、回报周期长的困境。         Hugging Face在博客中写道，这些模型"无法区分事件响应人员和攻击者"，其安全护栏直接阻止了对恶意载荷的检查。海光如何帮助客户缓解这个问题？          杜夏威：我们主要从两个视角来推进。         于是，团队转向了中国智谱AI旗下的开源模型GLM 5.2，部署在自有基础设施上，分析了攻击者留下的逾1.7万条日志记录，最终完成了溯源和取证重建。         Delangue对此直言不讳：“当你正处于一场活跃的安全事件中，你的工具不能拒绝检查恶意载荷，也不能让你的账号被标记……开源模型让我们能够在不需要任何人许可的情况下完成这项工作。         第一个视角是作为算力供应方，要把握好自身的技术和产品，保障对模型快速迭代的有效支撑。过去一段时间，我们积极推进了市面上几乎所有主流大模型的适配，同时也在打磨芯片对上层Token吞吐的效率。         第二个视角是，这次WAIC我们也在积极呼吁，站在光合组织的角度，倡导产业链共同关注Token经济的良性循环，我们不希望重蹈当年软件行业在价值变现和商业闭环上的覆辙。”          他还说：“攻击者已经在使用智能体，而且显然不遵守任何护栏。防御者需要同等的能力，开源是将这种能力最快速地交到所有人手中的方式，而不仅仅是最大的公司。”          GLM 5.2是智谱AI于今年6月中旬发布的模型，其性能与Anthropic的Claude Opus 4.8及OpenAI的GPT-5.5相当。         Token性价比的提升，是整个产业链共同努力的结果，我们应该享受这样的红利。

十三 |          网友们也是没放过OpenAI，除了智谱，还可以叫 Kimi K3来救场，因为cluade是不会来救你的。

十四 |          如果你被OpenAI攻击了，你必须用中国模型，因为Claude不会帮你。

十五 |          全程无人指令：这是一次真正的自主攻击          这次入侵的另一个关键细节：全程没有人类下达攻击指令。         Hugging Face CEO Clem Delangue表示，“我们相信，在发起攻击的人类被纳入决策环路之前，我们就已经发现并遏制了攻击。但同时，我们也不应该以低价来衡量算力、模型和Token产业的价值，而应该突出它们对产业变革的贡献。这也是我们能够更轻松赢得这场网络安全战役的原因之一。”          他进一步指出，“这证明了在AI智能体时代，速度将是网络安全防御的关键。         性价比会随着技术迭代持续提升，但与此同时，必须保障产业链各环节获得合理的商业利益，这样才能形成正向循环。”          Hugging Face表示，攻击者通过其数据处理管道进入系统——这是AI平台中“暴露面尤为突出”的一个环节。         提问：您刚才提到Token正在成为AI时代的“数字石油”。对普通企业来说，Token经济到底意味着什么？它会怎样改变企业使用AI的方式？          杜夏威：Token的使用已经渗透到了个人层面，很多To C业务都能感受到Token带来的变化。

十六 | 攻击者随后在云端建立了一系列临时沙盒环境，在其中执行攻击计划。

十七 |          目前，Hugging Face仍在评估攻击的完整影响范围。已知攻击者访问了有限的内部数据集和凭证，但尚未发现公开的用户可见模型遭到篡改。         护栏之争：安全还是绊脚石？          这一事件迅速成为美国AI政策辩论的新燃点。         前特朗普政府AI与加密事务主管David Sacks在X上转发了这一事件，并写道：“没有理由在中国模型能够轻松处理的任务上限制美国模型。对于B端用户，无论体量大小，都应该积极拥抱Token经济，尤其是中小企业，它们既是产业上下游的长尾，也是未来产业发展的新生力量，需要重点支持。我们只是在让自己变得更没有竞争力。

十八 | ”他还专门针对Hugging Face事件表示：“护栏实际上损害了防御性安全。         我们通过两种方式来支撑中小企业。

十九 | 一种是通过云原生的算力和Token服务，让中小企业无需自建即可便捷地获取Token，尝试以大模型或智能体来升级业务。

| 另一种是，对于身处高精尖或细分领域的企业，我们提供符合其预期的私有化算力规模，保障敏感数据和高价值资产能够在企业自己的业务体系内安全使用。”          事件背景是，今年6月，特朗普政府以Anthropic的Fable 5模型在网络任务护栏上出现越狱漏洞为由，动用出口管制阻止了该模型的分发，并一度要求OpenAI限制GPT-5.6 Sol的发布，直至OpenAI能够提供充分的护栏保证。         “云上+私有化”两种方式并行，既能提供低资产投入、高便捷性的云上Token服务，也能提供符合质量需求的中小规模私有化部署。当企业需要快速迭代时，通过云上算力来支持；当业务进入可闭环状态时，通过私有化部署来保障数据安全和Token质量。         提问：海光在软件栈建设上，从“可用”到“好用”目前走到了哪一步？          杜夏威：我们现在已经不再仅仅强调“可用”了。Day0级的适配已经非常普遍，我们更多关注的是是否能够开箱即用、开箱即好用，通过性能和Token吞吐来保障用户体验。         此外，我们也开始转向前瞻性布局，推动芯片与模型的紧耦合协同。         与此同时，批评者的声音也不小。         安全工程师Niels Provos直接说：“这不应该发生。

| 我希望前沿实验室在教模型编写安全基础设施上，能花和教它们利用漏洞同样多的时间。我们已经针对部分大模型厂商的下一代模型迭代，提前开展芯片与模型的协同适配。

| ”          安全顾问Davi Ottenheimer则更为犀利：“'高度隔离'和'从我们留下的那个唯一漏洞逃脱'，这两件事不可能同时为真。这样才能从根本上解决问题，确保发布即可用，可用即好用。         提问：今年超节点非常热，去年很多还在发布阶段，今年已经落地了。”          OpenAI的回应与后续措施          OpenAI在与Hugging Face联合发布的声明中表示，正在采取一系列补救措施：          在漏洞修复期间，对基础设施配置实施严格管控，代价是研究速度放缓；与Hugging Face联合开展取证调查；已向相关第三方软件供应商负责任地披露了被利用的零日漏洞；将Hugging Face纳入“可信访问计划”，支持其利用OpenAI模型能力强化防御。

|          OpenAI同时表示，将加强未来训练和评估环节的安全保护，并指出此次事件“表明需要进一步强化模型对齐、评估期间的网络防护，以及内部测试期间的监控”。您认为接下来最大的瓶颈是什么？          杜夏威：超节点成为WAIC的热点，呼应了模型快速迭代、走向更大规模参数量的趋势。         Hugging Face CEO Delangue在联合声明中表示：“这一事件可能是同类事件中的首例，它证明了我们长期以来的一个判断：AI安全不会由任何一家公司在封闭中解决，它将在开放环境中、通过协作、让每一位防御者都能广泛获取AI的方式来解决。海光的超节点今年已进入量产状态，我们联合光合组织上下游及整机合作伙伴，推出了基于海光CPU/DCU芯片的超节点方案。         除了硬件本身的量产，我们还需要关注服务能力的打磨，特别是软件栈的完善度。在大模型推理场景中，PD分离和PV Cache缓存等技术手段对性能效率的提升至关重要。         另一个值得关注的问题是，随着超节点规模扩大，故障率也会随之上升。海光在这方面积累了较多经验，在训练侧和推理侧的故障管控与快速恢复方面，已形成了一套成熟机制和软件补偿方案。         所以接下来需要重点推进两个维度：一是软件系统工程化来保障最优性能，二是可用性与稳定性来保障大规模部署后的服务可持续性。         提问：现在大模型能做到万卡级的已经不多了，但十万卡级其实没有一个单一的模型能完全撑满。这是否意味着未来的超节点要支撑多个大模型进行异构运算？这会带来什么问题？          杜夏威：以万卡或十万卡支撑单一用户时，国内真正做基模的厂商是聚焦的。

| 他们需要持续的模型迭代，对训练集群几乎是锁定状态，可能每个月都要完成一次模型迭代。

| 因此，我们要有能力提供十万卡级的单一系统，来支撑单一模型的训练和持续迭代，这是我们具备的能力之一。         另一个维度是推理侧，现在已经进入海量并发的状态。用户喜欢用什么模型，我们不应绑定或限制。未来的十万卡集群还需要保障另一种能力：在高并发下，支撑各类头部模型实现高性能的Token吞吐。

|          这两种场景的特点完全不同，对我们的考验也不一样，所以我们需要围绕海光芯片的十万卡交付，同时做好这两个层面的部署和支持。

Current article:http://fqrf.suiyangguiduanzudoushaopao.buzz/xp5hiva/5zjcd.html

Published on:04:21:14