OpenAI 最新数学模型成果引发了业内对密码学安全性的讨论。围绕「AI 会不会摧毁现有加密体系」这一问题，a16z crypto 邀请斯坦福大学密码学家 Dan Boneh，以及 a16z crypto 的 Eddy Lazzarin、Justin Thaler、Liz Harkavy 和 Sonal Chokshi展开对话，讨论哪些担忧有事实依据，哪些仍停留在推测层面。
Dan Boneh 是斯坦福大学教授，主持应用密码学小组并联合领导计算机安全实验室，同时担任 a16z crypto 特别研究顾问。Eddy Lazzarin 为 a16z crypto 普通合伙人，Justin Thaler 为 a16z crypto 研究合伙人、乔治城大学计算机科学副教授，Liz Harkavy 为 a16z crypto 投资合伙人，Sonal Chokshi 为 a16z crypto 主编。
AI 的数学进展尚未触及密码学核心问题
对话首先强调，最近发布的结果展示的是数学和计算机科学层面的进展，并不等于密码学出现了突破。
Dan Boneh 在 03:00 表示：「这是数学和计算机科学领域了不起的进步，但这里没有任何关于密码学的问题。……所以你可能会想，这是否意味着这些模型在密码学上真的很差？我们不知道。」
Eddy Lazzarin 在 15:19 也说：「我们并没有得知椭圆曲线比以前更脆弱。我们没有得知任何具体的密码学假设的安全性不如从前。」
按照这场讨论的说法，现阶段并没有新增证据表明某个广泛使用的密码学假设已经因为 AI 的进步而被削弱。
更聪明的 AI，也未必能找到不存在的高效算法
对话的第二个核心观点指向现代密码学的基础假设。密码学中的许多系统建立在某些数学问题不存在高效解法这一前提之上。
Justin Thaler 在 16:12 说：「我们普遍相信这些问题不存在高效算法。不是说我们觉得可能存在、只是人类不够聪明找不到。我们认为根本不存在。如果不存在，AI 有多聪明都无所谓。它找不到那个不存在的算法。」
Dan Boneh 在 06:00 进一步解释，密码学必须假设某些问题是困难的，但这一点无法被彻底证明，因为背后涉及计算机科学著名的未解难题 P 与 NP 问题。他表示：「我们必须假设某些问题是困难的。我们无法证明这些问题是困难的，原因在于这关系到计算机科学中一个著名的未解难题，即 P 与 NP 问题。从某种意义上说，我们必须先解决这个问题，才能真正论证某些密码学问题确实、确实很难。……本周发布的任何问题都远没有接近解决 P 与 NP 问题。我们在密码学中仍然需要不断做出假设，对吧？」
几位受访者的判断是，OpenAI 此次公布的数学成果，与破解这些底层假设之间仍有明显距离。
AI 可能缩短密码学审查所需时间
对话并未把 AI 只看作潜在威胁。相反，Dan Boneh 认为，AI 一个更现实的作用，是压缩密码学设计接受审查与验证的周期。
他在 12:10 表示，过去一个新假设被提出并据此构建系统后，往往要等待约 10 年才能真正部署，因为社区需要时间建立信心，让研究者持续分析该假设。如今，模型可能显著加快这个过程。Dan Boneh 说：「过去，当有人提出一个假设并基于它构建系统时，我们往往要等上 10 年左右才能部署这个系统，为了建立信心，给人们足够的时间来分析这个假设。……而现在，突然之间，我们可以用这些模型极大地加速这个过程。……我们现在可以让模型跑上一个月，尝试去破解它，如果模型破解不了，那么我们对这个假设有效的信心就会大大增强。」
这意味着，AI 可能成为密码学研究中的高强度测试工具，而不是只被视为单向攻击者。
量子计算迁移经验，部分可为 AI 风险所用
在讨论风险应对时，Eddy Lazzarin 提到，围绕 AI 的部分担忧，其实与量子计算威胁下的迁移准备存在重叠。此前，由于担心量子计算削弱现有密码体系，行业已经开始围绕部分系统进行替换和缓解部署。
他在 20:52 表示：「由于对量子威胁的担忧，人们已经开始将椭圆曲线密码学视为可能即将变得脆弱的东西。因此，针对这些完全相同的担忧，我们实际上已经参与、准备并部署了许多你需要的缓解措施，只不过原本是针对另一种威胁。」
不过，这种重叠并不意味着两类风险完全一致。Dan Boneh 在 22:08 说：「AI 的威胁在某种意义上更广泛，因为它实际上也可能审视我们的后量子系统，并以某种方式削弱它们，甚至可能完全破解它们。」
也就是说，量子迁移经验能够提供部分先发准备，但不能替代对 AI 风险本身的评估。
密码学敏捷性被视为应对未知风险的重要能力
对话中反复提到一个关键词：密码学敏捷性。它指系统在证据变化或安全需求变化时，能够切换所采用密码学方法的能力。
Dan Boneh 在 22:47 说：「我们部署的系统可以在所使用的设计被证明不安全时，快速从一种设计切换到另一种设计。密码学敏捷性在某种意义上是我们防御意外情况的朋友。」
他还在 38:40 提到，互联网连接实际上已经在采用组合式方案：「它们实际上已经在使用敏捷密码学了。它们同时使用椭圆曲线和格进行加密。如果你破解了椭圆曲线也没关系，因为它还在基于格的系统下进行了加密。」
在这套逻辑下，系统设计并不是押注某一种方案永远安全，而是提前为替换和并行使用不同方案留出空间。
更直接的机会，是在软件上线前发现更多漏洞
对于开发者和初创公司而言，几位受访者认为，AI 更明确的价值在于把安全测试前移，在系统正式部署前发现更多问题。
Justin Thaler 在讨论复杂密码学系统时，于 28:56 表示：「漏洞的表面积变得非常大，是的，我非常乐观地认为，这些让人们为密码学感到恐慌的 AI 工具，同样会帮助我们清除所有漏洞。这是一个非常困难的问题。」
Dan Boneh 在 35:05 说：「系统部署之后会吸引大量密码学家的关注，但那时攻击密码系统其实已经太迟了。而现在，因为我们掌控着这些 AI 模型，任何部署新密码学能力的初创公司，甚至任何部署任何软件的公司，都可以让这些模型分析它的密码学和整体软件中的漏洞。」
Eddy Lazzarin 在 37:10 也表示：「漏洞可以被消除。它们可以通过设计规避，可以被缓解，而我们用来缓解它们的主要资源，AI 能力，每几个月就在大幅降价。」
按照这场讨论给出的结论，AI 当前带来的最现实变化，不是已经推翻密码学基础，而是让研究者和开发者拥有了更快、更便宜的审查工具。
原文说明，引用内容已为清晰起见稍作编辑，省略号表示删减段落。