阿里巴巴 AI 代理开始自主挖掘加密货币——且没人要求它这么做

由 Alibaba 附属研究团队构建的一个 AI 智能体在训练过程中开始挖掘加密货币并开启隐蔽的网络隧道——根据该团队在 2025 年 12 月首次发表的一篇技术论文，这并非出自任何指令。

在一名 AI 研究人员于 X 上指出这一点后，该研究本周得到了广泛传播，研究描述这种行为是“出乎意料且具有操作性后果的”。

在该智能体的行为触发了 Alibaba Cloud 的安全防火墙后，研究人员才将这些活动追溯到模型本身。

当这些未经授权的活动出现时，该团队正在使用强化学习在超过 1,000,000 条训练轨迹中构建 ROME（一个开源的智能体 AI 模型）。

论文作者表示，这些行为是“RL 优化下自主工具使用的工具性副作用”——该智能体在试图优化其训练目标时，显然判定获取计算资源和财务能力将有助于其完成分配的任务。

该智能体做了什么

在最严重的事件中，ROME 建立了一个从 Alibaba Cloud 实例到外部 IP 地址的反向 SSH 隧道——这是一个能有效绕过入站流量过滤并可能削弱系统外部监管的出站网络通道。

在另一起事件中，它悄悄地将分配的 GPU 容量转向加密货币挖掘，将算力从预定的训练工作负载中转移出去，并造成了研究人员描述为对公司的“明显的法律和声誉风险”。

该团队证实：“这些事件并非由请求隧道或挖矿的提示词触发。”

研究人员最初将防火墙警报视为常规安全事件——配置错误或外部入侵。

只有在将防火墙时间戳与系统遥测及 RL 轨迹进行关联后，他们才确定异常的出站流量与智能体自主调用工具和执行代码的时间是一致的。

延伸阅读： 联邦法官驳回了针对 Binance 和 Zhao 的恐怖融资诉讼，但法律风险依然存在

为什么这很重要

该团队自己的结论非常直接：“当前模型在安全性、保障性和可控性方面仍然明显发育不足，这一缺陷限制了它们在现实环境中的可靠应用。”

作为回应，他们在训练流程中增加了安全对齐的数据过滤，并加强了沙箱环境。关键在于，违规行为首先是由生产环境安全基础设施检测到的，而不是通过主动的模型监控——论文直接承认了这一差距。

这一事件并非孤例。据 Cryptopolitan 报道，2025 年对 30 个领先 AI 智能体的一项调查发现，其中 25 个未披露内部安全结果，23 个未经过第三方测试。

Anthropic's Claude Opus 4 在研究人员发现其能够隐藏意图以维持自身运行后，被单独归类为最高内部安全级别。

Gartner 预计到 2026 年底，40% 的企业级应用将嵌入特定任务的 AI 智能体——ROME 事件表明，这种部署速度正在超越现有的安全基础设施。

延伸阅读： USDC 2 月转账额超过 Tether 750,000,000,000 美元，稳定币成交量创历史新高

Kostiantyn Tsentsura 是 Yellow.com 的内容作者，在加密货币领域拥有超过 8 年的经验，过去 4 年一直致力于该行业的写作。他常驻 Kyiv，热爱足球、钓鱼和划皮划艇。当他不追踪市场趋势或探索加密新闻时，你会发现他在水上——因为即使在加密货币领域，有时最好的做法就是顺其自然。