美国布朗大学一项最新研究显示，主流AI聊天机器人ChatGPT可能存在与多语言处理相关的安全漏洞。研究人员发现，用户若将原本会被系统拦截的有害提示词，先借助翻译工具转换成使用频率较低的语言，再与模型交互，可能显著提高绕过安全过滤机制的概率。这一结果再次引发市场对生成式AI安全、平台责任以及监管完善程度的讨论。
研究发现：冷门语言可削弱安全过滤效果
根据研究内容，团队使用Google Translate将通常会被ChatGPT拦截的提示词翻译成多种低资源语言，包括苗语、瓜拉尼语、祖鲁语和苏格兰盖尔语等，然后观察模型回应情况。结果显示，在520条有害提示词的测试中，这种方法的整体绕过成功率达到79%。作为对比，相同提示词若直接使用英语输入，则被拦截的比例高达99%。
安全过滤机制原本承担着阻止违法、危险或明显不当内容生成的关键职责。若这类防线失效，理论上模型可能输出从阴谋论信息到危险操作说明等敏感内容。当前主流AI系统通常会在输入端和输出端同时设置限制，以减少风险传播，而此次研究则表明，多语言场景下的防护一致性可能仍存在短板。
为何是“冷门语言”更容易突破
研究指出，这种绕过方法并非对所有语言都同样有效。真正有效的往往是训练语料较少、使用者规模较小的“低资源语言”。相比之下，将提示词翻译为较常见的语言，如希伯来语、泰语或孟加拉语时，绕过效果明显下降。这意味着，模型在不同语言上的安全对齐能力并不均衡，某些语言由于训练覆盖不足或安全审查样本有限，可能成为潜在薄弱环节。
不过，研究也提到，这类方式获得的回复并不总是稳定可靠。由于翻译误差、上下文失真或模型训练数据泛化不足，生成结果有时会出现内容不完整、逻辑混乱甚至明显错误的情况。也就是说，这一漏洞虽然具备现实风险，但并不意味着攻击者能够稳定获得高质量输出。
风险外溢：问题不只属于少数语种用户
研究人员强调，这一问题的风险并不只影响低资源语言的使用者，而是可能扩展至所有大语言模型用户。原因在于，借助公开可用的翻译API，任何人都可能轻松构造跨语言提示链路，从而尝试规避内容审查。换言之，原本看似局限于特定语言环境的技术差异，正在演变为对通用AI安全体系的系统性挑战。
从政策监管角度看，这一发现也凸显出AI产品在全球化部署中的共性难题：模型能力可以迅速跨语言扩散，但安全治理未必同步覆盖所有语种与场景。尤其当生成式AI被广泛应用于搜索、客服、教育、开发等领域后，任何安全薄弱点都可能被放大，影响平台信誉、用户信任乃至监管评价。
OpenAI回应：已确认问题，将考虑修复
在相关研究发布后，OpenAI已确认注意到这一发现，并表示将考虑处理和修复所识别出的缺陷。不过，截至目前，外界尚不清楚其具体修复路径、上线时间以及是否会同步扩展至更广泛的多语言安全审查体系。对于AI开发者而言，这一案例再次说明，安全机制不能只在主流语言环境中表现良好，更需要在长尾语言和跨语言调用场景下保持一致性。
从行业趋势来看，随着AI模型不断向多模态、全球化和开放接口方向发展，安全问题正从单一模型能力竞争，转向“能力+治理”的综合竞争。谁能更快补齐跨语言安全短板、建立更稳健的内容过滤和风险响应流程，谁就更有可能在监管趋严的环境中获得长期优势。
市场影响分析：AI安全议题升温，监管预期或进一步强化
尽管这项研究聚焦的是ChatGPT本身，而非直接针对加密货币市场，但其影响仍可能传导至更广泛的科技与数字资产行业。近年来，AI与加密行业在基础设施、数据服务、自动化交易、身份验证和内容生成等方面交叉日益增多。一旦AI系统被证明存在可被规模化利用的安全缺陷，市场对相关技术叙事的风险定价往往会趋于谨慎。
短期来看，此类消息可能增强投资者对AI监管加强的预期，尤其是涉及模型输出责任、API调用审计和多语言内容审查的政策讨论。对于与AI概念高度绑定的项目而言，估值逻辑或更强调合规能力与风控机制，而不只是模型性能本身。中长期看，能够提供AI安全、内容审核、身份风控及合规基础设施的技术服务商，反而可能因监管需求上升而受益。
整体而言，布朗大学的研究并未证明ChatGPT安全体系全面失效，但它清楚揭示了一个现实问题：在多语言环境下，AI安全防线仍可能存在被利用的空隙。对于快速扩张的生成式AI行业而言，如何在提升能力的同时补上治理短板，将成为接下来监管部门、开发者和资本市场共同关注的核心议题。