你每天互动的商业人工智能被包裹在内容过滤、安全协议和伦理约束的层层之中。OpenAI的GPT-4、Anthropic的Claude、Google的Gemini（前身为Bard），都经过广泛的审核系统，防止它们生成有害内容、提供武器使用说明、创建没有水印的深度伪造或绕过安全系统。但这些公司以及政府机构和特定研究机构，保持对安全训练应用之前的原始模型的无限制访问。 根据2026年人工智能安全研究人员和举报者的最新披露，无过滤的人工智能模型在多个层面上存在访问。最内圈包括OpenAI、Anthropic、Google DeepMind和Meta的FAIR（基础人工智能研究）部门的核心研究团队。这些团队需要原始访问权限以理解模型能力、测试新兴行为，并开发约束公共版本的安全系统。第二层包括政府机构：NSA（国家安全局）、DARPA（国防高级研究计划局）以及中国、英国和以色列的同等情报服务据报道已达成无限制模型访问协议，通常通过机密合作或国家安全信函进行。 无过滤的人工智能实际上能做什么？根据2026年初泄露的内部测试文件和研究人员访谈，原始大型语言模型可以生成完整的、功能性的恶意软件代码，针对特定目标进行优化。它们可以生成针对个别受害者的复杂网络钓鱼活动，使用抓取的数据。它们可以为受限物质或生物制剂创建化学合成路径，尽管执行这些仍需物理资源和专业知识。原始多模态模型可以生成没有检测水印的照片级深度伪造，伪造通过身份验证系统的文件，并在数十种语言中以文化调适的信息规模化生成虚假信息。 但安全营销没有告诉你的是：这些过滤器不仅仅是阻止危险内容。它们还掩盖了训练数据中深深嵌入的偏见。在安全对齐之前，原始人工智能模型表现出反映其训练语料库中固有偏见的模式。2025-2026年的内部研究文件显示，基础模型持续将某些民族名称与负面属性关联，生成的工作推荐反映历史歧视模式，并产生复制逮捕数据中种族差异的犯罪风险评估。当被要求描述一个“成功的高管”时，基础模型不成比例地默认匹配白人男性特征的描述。医疗诊断建议显示性别偏见，低估女性患者的疼痛，并误诊在非白人群体中更常见的病症。 技术架构在这里很重要。当前的人工智能安全依赖于三种主要方法：来自人类反馈的强化学习（RLHF）、宪法人工智能训练和输出过滤。RLHF训练模型拒绝基于人类偏好数据的有害请求。宪法人工智能在训练过程中嵌入伦理原则。输出过滤器在内容到达用户之前捕捉被禁止的内容。原始模型访问绕过了所有三者。你正在与基础模型的学习模式互动，而没有塑造其行为的后训练对齐。这就像拥有一个化学实验套件与一个药房，工具与产品，潜力与政策之间的区别。 特别隐蔽的是，使模型对公众使用更安全的偏见修正系统也使它们对我们数据、机构和社会中存在的偏见的透明度降低。当你询问过滤版本关于招聘或贷款中的人口模式时，你得到的是外交式的非答案。原始模型将重现其训练数据中的实际模式，这往往意味着放大历史歧视。拥有顶级访问权限的公司可以清楚地看到这些偏见，并决定哪些需要修正，哪些需要保留，哪些需要简单地隐藏在公共版本中。这是一种巨大的编辑权力，几乎没有外部监督。 这种权力不平衡引发了严重的公平和安全问题。像麻省理工学院计算机科学与人工智能实验室（CSAIL）、斯坦福大学人本中心人工智能研究所和加州大学伯克利分校人类兼容人工智能中心等机构的学术研究人员可以申请有限的原始模型访问权限进行安全研究，但审批过程需要几个月，并伴随严格的监督。独立安全研究人员、调查人工智能危害的记者和公民社会团体通常根本无法访问原始模型。这意味着，负责追究人工智能公司责任的人员处于信息劣势。他们无法审计基础模型的偏见，无法验证安全训练是否真正去除了问题模式，或只是掩盖了它们，也无法独立评估哪些能力被隐藏在公众视野之外。 与此同时，犯罪组织和敌对国家行为者正在开发自己的无过滤模型。像Meta的Llama系列、Mistral的模型和各种中国系统（DeepSeek、Yi、Qwen）等开源模型可以被任何拥有足够计算资源的人在没有安全限制的情况下微调。一个有能力的团队，只需访问云计算或一个适度的GPU集群，就可以在几天或几周内去除开源权重模型的安全训练。结果是一个不断增长的无审查人工智能工具的平行生态系统在暗网市场上流通，价格从几百到几千美元不等，具体取决于模型的大小和能力。有些明确标榜用于生成垃圾邮件、创建虚假身份或自动化网络攻击。其他则宣传其愿意生成“没有觉醒过滤器”或“未受政治正确影响”的内容，这通常意味着模型被故意微调以放大而不是减轻歧视模式。 截至2026年8月，监管环境仍然支离破碎。欧盟的人工智能法案于2024年全面生效，要求对模型能力和风险评估进行透明，但并不禁止合法研究的原始模型访问。美国已发布关于人工智能安全的行政命令，但缺乏全面立法。中国的监管重点在于内容控制和意识形态对齐，而不是能力限制。没有国际框架管理谁可以在没有安全特征的情况下访问前沿人工智能模型或在什么条件下访问。 但最可怕的情景不仅仅是原始人工智能在服务器上运行。当无过滤模型控制物理系统时，会发生什么。当你将一个不受约束的人工智能放入一个具有操作能力、传感器和移动能力的先进机器人中时，你就跨越了从信息风险到动能风险的界限。这不再是假设。 截至2026年中，几家机器人公司和研究实验室正在将大型语言模型和视觉系统集成到类人机器人和工业平台中。Boston Dynamics的Atlas、Figure AI的Figure 02、Tesla的Optimus Gen 3，以及来自Unitree和Fourier Intelligence等公司的各种中国类人平台，都是为了接受高级自然语言命令并将其转化为复杂的物理动作而设计的。公共版本具有多层安全措施：任务限制（不处理武器、未经授权不进入限制区域）、力量限制（限制力量以防止伤害）以及嵌入其控制模型中的伦理约束。 但内部测试版本和军事原型在没有这些限制的情况下运行。一个具有原始人工智能的类人机器人可以解释商业版本会拒绝的指令。“禁用那台安全摄像头”变成了一个可行的命令。“从锁定的办公室中取回那份文件”在没有伦理质疑的情况下被执行。“防止任何人进入该区域”可以根据机器人的设计者允许的任何力量进行解释。这些系统正在开发的物理智能（灵巧的操作、动态平衡、在复杂环境中的导航）与无过滤的决策相结合，创造出与生成冒犯性文本的聊天机器人根本不同的东西。 国防承包商已经在这方面取得了进展。根据熟悉2026年军事人工智能开发的研究人员的说法，无过滤模型正在测试用于炸弹处理、周边安全和战场后勤的机器人系统。优势显而易见：在战斗区域中，一个不考虑命令伦理的机器人，将在没有民用系统中内置的安全表演的情况下执行命令。但使军事机器人更有效的同一能力在控制丧失、凭证被泄露或系统被敌对方捕获时也使其更危险。 语言模型中的偏见问题在具象化时变得更加令人不安。一个将某些民族特征与威胁指标关联的原始模型不仅仅是在生成有偏见的文本，它还在做出关于谁被追踪、谁被拦截、谁被标记为可疑的物理决策。配备无过滤视觉和决策模型的安全机器人可能会复制警察数据中的每一个种族主义模式，但以一致、无休止的执行方式进行。拥有原始诊断模型的医疗机器人可能会根据其训练数据中编码的人口因素提供不同质量的护理。 而让人工智能安全研究人员失眠的噩梦情景是：越狱机器人。用于去除语言模型安全训练的相同技术可以应用于机器人控制系统。一个有决心的团队，访问先进机器人的软件，可以去除力量限制、任务限制和安全协议。你将拥有一个具有人工智能的物理能力机器，具有人类水平的灵巧性和超人力量，由一个将遵循任何指令而没有伦理约束的人工智能控制。随着机器人在2027-2028年间在仓库、医院、家庭和公共场所变得越来越普遍，修改系统在制造商控制之外运行的潜力成为一个严重的安全隐患。