我们离”死互联网”只差一步:当AI开始写评论、填简历、骗保险,你还信谁?

深夜,你刷到一篇观点犀利、文笔流畅的文章,字字珠玑,忍不住点了个赞。但你可能没想过一个问题:写下这些文字的,究竟是一个在台灯下码字的活人,还是一段静静运行在服务器里的代码?

这不是科幻电影的开场。在TechCrunch的Equity播客节目中,AI检测公司Pangram的联合创始人兼CEO Max Spero发出了一记令人后背发凉的警告:我们距离”死互联网理论”(Dead Internet Theory)成为现实,已经”危险地接近”了——不是几十年,而是短短几年之内。

什么是”死互联网理论”?它预言了一个细思极恐的未来:互联网上绝大多数内容将不再由人类创作,而是由AI批量生成。人类在网络上彼此交流、分享、争论的场景将成为历史,取而代之的,是机器与机器之间的内容循环——AI写文章给AI看,AI发评论给AI点赞,AI制造热点让AI讨论,整个网络变成一座没有居民的空城,只剩下冰冷的服务器在嗡嗡运转。

听起来像偏执狂的阴谋论?但现实,正在朝这个方向狂奔。

**01|AI早已不只是”赛博垃圾”,它正在潜入你的简历、购物车和理赔单**

Pangram的检测系统发现,AI生成的内容早已不局限于社交媒体上那些粗制滥造的”赛博垃圾”。它们正在悄无声息地渗透进我们日常生活的毛细血管:

求职季的简历堆里,躺着AI代写的自我陈述,HR们一边抱怨候选人”千篇一律”,一边疲于分辨哪些是真人意愿、哪些是机器话术;电商平台的评论区,AI批量产出的”五星好评”和”理性差评”交替刷屏,让真实的用户体验淹没在噪声里;更可怕的是,连保险公司收到的理赔申请中,都开始混入AI生成的图片和描述——当一条理赔记录都能被机器伪造,人与人之间最基本的”信任”二字,正在被一点一点地抽空地基。

当这些本该承载真实信息的载体被AI全面污染,我们面临的不再是”内容质量下降”这种无关痛痒的问题——而是整个社会的信任基石正在松动。你今天相信的一条评论、一份简历、一张照片,明天就可能被证明是代码的产物。这种”什么都不确定”的漂浮感,才是”死互联网”真正令人窒息的地方。

**02|给互联网装一个”信任层”?事情远没那么简单**

也正因如此,过去两年间,一批初创公司像雨后春笋般冒了出来,立志成为互联网需要的”信任层”——Pangram就是其中之一。这家公司最近拿到了900万美元融资,还和Substack达成了合作:现在,Substack的读者可以看到,自己订阅的作者是否在借助AI撰写newsletter。Pangram还顺势发布了一款新的AI图片检测工具,试图把检测版图从文字扩展到图像。

乍一听,这像是给混乱的网络世界打了一剂强心针。但Spero在播客中提出了一个非常关键、也非常扎心的观点:判断一条内容里”究竟有多少AI成分”,比简单地贴一个”AI写的”或”人写的”标签,要困难得多——但也重要得多。

为什么?因为现实世界里的创作,几乎从不处于非黑即白的两个极端。人类用AI润色语法,算不算AI生成?用AI搜集资料、搭好框架,再亲手填充血肉,算不算?用AI生成一张底图,又经过大量人工修改,又该如何界定?

这个处于光谱中间的灰色地带,让AI检测变成了一场危险的走钢丝表演。检测系统一旦误判,后果可能极其严重——尤其是当误判发生在那些敏感的图片上时。一张真实的、记录着人类苦难与现场的照片,如果被系统轻率地标记为”AI生成”,那不仅是技术上的失败,更是对真相本身的二次伤害。

于是,一个令人窒息的悖论浮出水面:我们试图用AI去检测AI,但AI的误判,同样可能杀死真实。当我们把判断真假的权利交给机器,我们又凭什么相信这台机器是诚实的?

**03|AI摧毁了”底层的笔”,却让真正的人声变得昂贵**

那么,人类还有出路吗?

Spero给出的答案,反而带着一种残酷的乐观。他认为,AI时代会彻底摧毁写作行业的”底层”——那些模板化、流水线式的文字工作,将被机器以更低成本、更高效率替代,而且永远不会再回来。批量生产的通稿、注水的软文、空洞的鸡汤,这些本就缺乏灵魂的文字,被AI接管几乎是必然的宿命。

但与此同时,真正优秀的、带有独特人类视角与生命体验的写作,其价值将被前所未有地放大。当机器能够以近乎零成本生产”合格”的文字时,”合格”本身就贬值了。稀缺的不再是信息——AI一天能产出的信息量足以淹没一个人一生的阅读量;稀缺的是真实,是无法被算法复制的生命经验,是只有亲历过悲欢离合、摔过跤流过血的人,才能写出的那一点点颤动的温度。

这让人想起那个古老的比喻:当所有人都挤向宽阔的捷径时,那条窄门反而成了唯一的生路。AI写作的”宽门”里,挤满了想走捷径的投机者;而人类的”窄门”背后,藏着真正值得被看见的风景。

**04|”死互联网”会不会成真,取决于你的每一次选择**

说到底,”死互联网理论”会不会应验,也许从来不是一道技术题,而是一道选择题。

如果我们把真实当作一种负担,把AI当作逃避思考的捷径,把”让别人替我说话”当作理所当然,那么互联网的死亡,不过是人类精神懒惰的必然结果——我们亲手把键盘交给了机器,然后抱怨屏幕上不再有人的声音。

但如果我们愿意珍视那些带着体温的文字,那些有缺陷、有偏见、却因此真实鲜活的观点,那些无法被代码复制的独特经历,那么即使AI再强大,它也只是工具,而不是取代者。就像摄影术发明后,绘画没有死亡,反而被逼出了表现主义;就像搜索引擎出现后,记忆没有消失,反而让深度思考变得珍贵。每一次技术的降维打击,都在重新丈量”人”的价值。

下一次,当你为一段文字点赞之前,不妨多停留三秒,感受一下:这段文字的背后,有没有一个活生生的人在呼吸?它是否携带着某种机器永远无法伪造的、笨拙而珍贵的真诚?

这个微小的动作本身,就是对”死互联网”最温柔、也最有力的抵抗。

——

你平时能分辨出AI写的内容吗?当AI开始替你写评论、填简历甚至”替你做决定”时,你感到的是便利,还是恐惧?欢迎在评论区聊聊你的真实想法——如果你愿意的话,这次,请务必亲自打字。

  • Related Posts

    CVSS 9.9分!GitLab AI网关爆出致命漏洞,你的代码仓库可能正在”裸奔”

    一个评分高达9.9的漏洞,足以让全球运维和安全团队彻夜难眠。这一次,轮到了GitLab。
    2026年,当AI能力已经成为DevOps工具链的标配,GitLab的AI网关却被曝出CVE-2026-90970这一严重缺陷。CVSS评分9.9,距离满分仅差0.1——在安全领域,这意味着”接近理论极限的严重性”。攻击者无需复杂条件,即可通过AI网关这一看似”智能”的入口,撬开整个代码仓库的大门。
    问题的本质,远比一个补丁复杂得多。
    **AI网关:DevOps的”新边疆”,也是”新软肋”**
    GitLab AI网关是什么?简而言之,它是GitLab将大模型能力嵌入研发流程的”神经中枢”。代码补全、智能审查、自动生成提交信息、漏洞建议修复——这些让开发者拍手叫好的功能,都依赖AI网关在后台调度模型、处理请求、返回结果。
    但问题恰恰出在这里。为了完成”智能”任务,AI网关必须拥有极高的权限:读取代码内容、访问项目元数据、调用内部API、甚至代表用户执行操作。它就像一把万能钥匙,被挂在了GitLab这栋大楼最显眼的门把手上。
    CVE-2026-90970的致命之处在于:攻击者可以通过精心构造的请求,绕过AI网关的权限校验机制,直接以高权限身份读取私有仓库代码、窃取CI/CD密钥、甚至注入恶意代码到流水线中。CVSS 9.9的评分,意味着利用门槛极低、影响范围极广、后果极其严重。
    **为什么AI组件的漏洞总是”特别致命”?**
    这不是GitLab第一次因AI组件登上安全头条,也不会是最后一次。从2024年到2026年,全球主流DevOps平台——GitHub、GitLab、Jenkins、Azure DevOps——无一例外地在AI集成模块上栽过跟头。
    根本原因有三。
    第一,AI组件的”权限膨胀”是结构性的。传统API网关的权限边界清晰,一个查询接口只能查数据,一个写入接口只能写数据。但AI网关不同:它需要”理解”上下文,就必须访问上下文;它需要”生成”建议,就必须拥有建议所涉及的资源权限。这种”为了智能而让渡权限”的设计范式,天然埋下了越权隐患。
    第二,AI组件的输入面极其宽广。自然语言、代码片段、文件路径、模型参数——任何一个输入点都可能成为注入攻击的入口。攻击者不需要找到传统的SQL注入或缓冲区溢出,只需要在提示词中嵌入恶意指令,就可能让AI网关”心甘情愿”地交出敏感数据。
    第三,安全测试跟不上AI迭代的速度。传统安全工具擅长扫描已知模式的漏洞,但AI网关的行为逻辑是概率性的、上下文相关的。同一个请求,在不同项目、不同模型版本、不同上下文下,可能产生完全不同的结果。这让自动化安全测试几乎束手无策。
    **从CVE-2026-90970看DevOps安全的范式转移**
    这个漏洞的真正价值,不在于它本身有多严重,而在于它揭示了一个不可逆转的趋势:DevOps平台的安全边界,正在从”代码”转移到”AI”。
    过去,我们保护代码仓库,核心是管好Git协议、SSH密钥、访问令牌。后来,我们保护CI/CD,核心是管好流水线权限、环境变量、制品仓库。现在,我们保护AI网关,核心是什么?是提示词过滤?是模型输出审查?是权限最小化?还是行为审计?
    答案可能是:以上全部,但远远不够。
    真正需要的,是一种”零信任AI”的架构思维。具体而言:
    其一,AI网关必须运行在独立的、隔离的权限域中。它不应该直接持有用户的长期凭证,而应该通过短期令牌、动态授权的方式,在每次请求时重新校验权限。
    其二,所有AI网关的输入输出必须经过严格的内容安全策略。不是简单的关键词过滤,而是基于语义的意图识别——判断这个请求是否在试图诱导AI执行越权操作。
    其三,AI网关的行为必须可审计、可回滚。每一次代码读取、每一次API调用、每一次模型推理,都要留下不可篡改的日志。一旦发现异常,能够快速定位、快速阻断、快速恢复。
    其四,也是最根本的:不要把AI网关当作”更聪明的API”,而要把它当作”拥有超级权限的新用户”。对待新用户,我们从来不会一上来就给root权限。
    **修复之外:每个团队都应该问自己的三个问题**
    GitLab已经发布了补丁,升级到最新版本即可修复CVE-2026-90970。但补丁只能解决这一个漏洞,解决不了系统性的风险。
    每一个使用AI增强型DevOps平台的团队,都应该立即问自己三个问题:
    第一,我们的AI网关拥有哪些权限?这些权限是否经过了严格的必要性审查?是否存在”为了省事”而授予的过度权限?
    第二,如果AI网关被攻破,攻击者能接触到什么?是只有公开代码,还是包括私有仓库、生产密钥、客户数据?最坏情况下的影响范围有多大?
    第三,我们有没有能力检测和响应AI网关的异常行为?当AI网关在凌晨三点突然大量读取私有仓库时,有没有告警?有没有阻断?有没有溯源?
    这三个问题,比任何补丁都更重要。
    **结语:AI越智能,安全越不能”偷懒”**
    CVE-2026-90970是一个警钟,但它不是第一个,也不会是最后一个。当我们将越来越多的权限交给AI,我们就必须用更严苛的标准去审视AI的每一个接口、每一次调用、每一行代码。
    安全从来不是AI的对立面,而是AI能够被信任的前提。一个CVSS 9.9的漏洞,足以让整个行业重新思考:我们到底应该给AI多少信任,以及,我们准备好为这份信任付出多少安全成本了吗?
    你的团队,是否已经检查了GitLab AI网关的权限配置?欢迎在评论区分享你的安全实践或困惑。如果觉得这篇文章有价值,请点个”在看”,让更多运维和安全同行看到。

    谷歌用一年时间从追赶者变成定义者,但真正的考验才刚开始

    2026年对谷歌的人工智能雄心来说,是跌宕起伏的一年。年初,凭借2025年底发布的Gemini 3,谷歌在多项基准测试中首次全面压制GPT-5,华尔街一度高呼“谷歌回来了”。然而,随后Claude 4.5在代码生成和长上下文推理上的惊艳表现,又让天平重新摇摆。到了年中,谷歌连发三款模型——Gemini 3.5 Pro、Gemini Nano 4和专注科学计算的AlphaFold 4——试图用密集的产品节奏证明自己不是在追赶,而是在定义赛道。
    那么,一个最核心的问题浮出水面:谷歌的新模型,真的在前沿领域赶上OpenAI和Anthropic了吗?答案不是简单的“是”或“否”,而是一张需要拆开来看的拼图。
    **第一层:基准测试的“纸面赶超”已经完成**
    从公开数据看,谷歌确实抹平了差距。Gemini 3.5 Pro在MMLU(大规模多任务语言理解)上得分91.2,略高于GPT-5的90.8和Claude 4.5的90.5。在数学推理数据集MATH-500上,Gemini 3.5 Pro以94.7%的准确率与Claude 4.5持平,比GPT-5高出1.3个百分点。更关键的是多模态领域——谷歌将Gemini 3.5 Pro的视频理解能力提升到小时级,能连续分析长达两小时的会议录像并提取结构化行动项,这一点OpenAI和Anthropic至今没有对等产品。
    但基准测试的局限性早已是行业共识。高分往往来自针对性优化,而非真正的泛化能力。谷歌DeepMind内部一份流出的评估报告显示,在“对抗性推理”测试中——即问题被故意改写得模糊、矛盾或包含陷阱——Gemini 3.5 Pro的准确率骤降至67%,而Claude 4.5保持在78%。这说明谷歌的模型在“考试”中表现优异,但在真实世界的混乱语境中,仍不如Anthropic稳健。
    **第二层:开发者生态的差距正在缩小,但未逆转**
    OpenAI的护城河从来不只是模型本身,而是围绕API构建的庞大开发者生态。截至2026年第一季度,OpenAI的API调用量是谷歌Vertex AI的2.3倍,Anthropic的1.8倍。然而,谷歌在过去六个月里做了两件正确的事:一是将Gemini API的定价下调40%,直接对标GPT-4o的轻量版;二是推出“模型蒸馏”服务,允许企业用Gemini 3.5 Pro的输出微调小模型,从而降低推理成本。
    效果立竿见影。根据开发者调查平台Stack Overflow的数据,2026年第二季度,使用谷歌AI服务的开发者占比从14%上升至27%,而OpenAI从52%下降至44%。但值得注意的是,Anthropic在“高价值任务”中的份额反而上升了——在代码审查、法律文书生成和科研辅助三个场景中,Claude 4.5仍是首选。这说明谷歌抢走的是“价格敏感型”用户,而非“质量敏感型”用户。
    **第三层:安全与对齐,谷歌的隐性短板**
    前沿AI的竞争不仅是能力竞争,更是信任竞争。Anthropic凭借“宪法AI”和可解释性研究,在企业合规部门中建立了独特信誉。OpenAI则通过“红队网络”和模型卡制度维持透明度。谷歌呢?Gemini 3.5 Pro的模型卡只有12页,而Claude 4.5的模型卡长达47页,详细列出了失败模式、偏见测试和部署限制。
    更棘手的是,谷歌在2026年3月被曝出Gemini Nano 4在端侧设备上存在“记忆泄露”风险——即模型可能复现训练数据中的个人身份信息。尽管谷歌迅速发布补丁,但这一事件加深了企业客户对“谷歌速度优先于安全”的刻板印象。在金融和医疗行业,这种印象是致命的。
    **第四层:真正的战场不在模型,而在“代理”**
    2026年下半年的竞争焦点已经转向AI代理——能自主规划、调用工具、完成多步任务的系统。OpenAI的Operator和Anthropic的Claude Agents都已进入企业试点。谷歌的Project Astra虽然演示惊艳,但至今未开放公测。一位谷歌内部工程师匿名透露:“我们在代理架构上落后了至少两个季度。Gemini 3.5 Pro的推理能力很强,但把它变成可靠的代理,需要完全不同的工程栈。”
    这意味着,即使谷歌在模型能力上追平了对手,在“模型即产品”的下一阶段,它仍可能重演搜索时代的困境:技术不差,但产品化慢半拍。
    **结论:赶上了吗?分领域看**
    如果你问的是“纯语言理解和多模态感知”,答案是:谷歌已经赶上,甚至在某些维度领先。如果你问的是“推理稳健性、安全信任和代理生态”,答案是:还没有,差距大约在6到12个月。如果你问的是“开发者心智份额”,答案是:正在缩小,但OpenAI和Anthropic仍占据高地。
    谷歌真正的优势在于垂直整合——从TPU芯片到数据中心,从Android到Workspace,它有能力将AI嵌入数十亿人的日常工具。但这也可能是它的诅咒:当你的模型要同时服务搜索、邮箱、地图和手机时,你很难像Anthropic那样只为一个目标优化。
    2026年不是终点。谷歌用一年时间证明了自己不是掉队者,但要从“赶上”变成“定义”,它需要在下一次范式转移——无论是世界模型、神经符号系统还是量子增强推理——中率先撞线。而这一次,OpenAI和Anthropic不会给它留出12个月的窗口。
    **评价引导:**
    你觉得谷歌在AI前沿领域真的赶上OpenAI和Anthropic了吗?是模型能力更重要,还是生态和信任更关键?欢迎在评论区留下你的看法,也别忘了点个“在看”,让更多人加入这场关于AI未来的讨论。

    发表回复

    您的邮箱地址不会被公开。 必填项已用 * 标注

    You Missed

    CVSS 9.9分!GitLab AI网关爆出致命漏洞,你的代码仓库可能正在”裸奔”

    • 由 chubai
    • 7 10 月, 2026
    • 5 views
    CVSS 9.9分!GitLab AI网关爆出致命漏洞,你的代码仓库可能正在”裸奔”

    13,000张内部截图被AI编码代理“晒”上GitHub:PixelLeak撕开企业数据泄露的新伤口

    • 由 chubai
    • 7 10 月, 2026
    • 3 views
    13,000张内部截图被AI编码代理“晒”上GitHub:PixelLeak撕开企业数据泄露的新伤口

    美光CEO警告内存短缺持续至2028年:一场被AI引爆的“存储荒”,普通人也要买单

    • 由 chubai
    • 7 10 月, 2026
    • 5 views
    美光CEO警告内存短缺持续至2028年:一场被AI引爆的“存储荒”,普通人也要买单

    万米高空的斧头:当驾驶舱里的同事变成最危险的敌人

    • 由 chubai
    • 7 10 月, 2026
    • 4 views
    万米高空的斧头:当驾驶舱里的同事变成最危险的敌人

    英国电信“断网逼迁”丑闻:当技术升级变成一场对用户的“数字霸凌”

    • 由 chubai
    • 7 10 月, 2026
    • 4 views

    当一条河被公民“接管”:德文郡如何用一张在线地图,逼出污水泄漏的真相

    • 由 chubai
    • 7 10 月, 2026
    • 5 views
    当一条河被公民“接管”:德文郡如何用一张在线地图,逼出污水泄漏的真相