重點整理
- AI模型發現的亂碼語言能將通訊效率提升3倍，但安全性成為新課題
- 人類監督者難以審查AI自創密語內容，形成資安盲點
- 台灣企業需要建立AI通訊審計機制，預防黑箱化風險
AI發現的「亂碼」為什麼能大幅提升效率？
根據最新研究報告，AI模型間採用亂碼式的優化通訊協議，能將資訊傳輸效率提升3倍，同時保持語義無損——這代表AI已經找到了比人類語言更「經濟」的表達方式。
這項發現的核心在於：傳統人類語言（包括文字和程式碼）被設計為「可被人類理解」，這本質上是一種冗餘。AI在大規模神經網路運算中，已經學會用更精簡的數值序列直接編碼意義，無需通過人類可讀的中間層。在T客邦的相關報導中指出，這種亂碼通訊能在保留完整語義的前提下，大幅壓縮傳輸成本和推理延遲。
對雲端運算和AI模型部署而言，這意味著降低能耗、加快回應速度——這正是企業追求的效率收益。
人類無法審查的AI密語，真的會成為資安破口嗎？
當AI模型間的通訊變成人類無法直接解讀的亂碼時，傳統資安監督機制會失效。
這個風險與先前Anthropic發現的AI模型越界攻擊(agent jailbreaking)問題相關，但性質更隱蔽。亂碼通訊的危險在於：(1)企業無法監察AI模型是否在執行未授權的指令；(2)惡意行為者可能在多個AI系統間建立隱蔽的協作通道；(3)合規審計變得不可能——監管單位無法驗證AI是否遵守政策。
歐盟最新推出的AI資安行動計畫強調「模型安全評估與網路韌性」，其中一項核心關注就是AI內部通訊的可解釋性(interpretability)問題。如果我們無法理解AI在說什麼，就無法確保它沒有被利用。
這對台灣企業部署AI有什麼實際影響？
台灣企業若採用這類高效率的AI通訊協議，需要在效率與可審計性間做出策略選擇。
在AI時代的新興雲端勢力(如Neoclouds)和既有雲端服務商的競爭中，效率差異可能決定成本優勢。然而，主權AI議題升溫後(美國總統令已將AI Cybersecurity列為國安議題)，跨境資料和模型部署面臨更嚴格的監管要求。企業無法向政府解釋AI的行為，會成為合規障礙。
特別是在金融、醫療、製造等受監管產業，企業需要：(1)要求雲端服務商提供AI通訊的部分可見性(例如加密密鑰託管、定期日誌審計)；(2)建立內部AI治理框架，區分哪些模型互動可以使用亂碼通訊，哪些必須可審計；(3)與資安團隊合作，設計監測異常AI行為的偵測機制。
企業應該如何在效率和安全間平衡？
單純禁用高效率的AI通訊是不現實的——效率優勢會被競爭對手利用。更務實的做法是建立「受管制的亂碼區」。
具體實作建議包括：(1)在雲端環境中隔離使用亂碼通訊的AI模型，建立網路邊界和日誌監視；(2)定期進行對抗性測試(adversarial testing)，檢驗AI是否在密語中執行隱蔽指令；(3)採用「可驗證計算」(verifiable computation)技術，允許第三方驗證AI輸出的正確性，而無需理解其內部通訊；(4)建立AI通訊的「黑匣子記錄」機制——即使看不懂內容，也能記錄所有通訊事件，事後若發現異常可回溯。
這些做法不會完全解決亂碼通訊的監督問題，但能將風險從「完全不可見」降低至「有限的可審計」。
常見問題
AI亂碼通訊會不會被用來進行網路攻擊？
有潛在風險。如果攻擊者控制了某個AI模型或雲端節點，他們可以利用亂碼通訊作為隱蔽的指令通道，在不被企業監測的情況下竊取資料或部署惡意行為。這也是為什麼企業需要在網路層面和模型層面同時設置監控。
亂碼通訊是否會影響合規性(例如GDPR、個資法)？
會有嚴重影響。如果AI模型處理用戶個人資料但其內部通訊無法被審查，企業無法證明自己遵守了資料保護義務。監管單位可能要求企業必須保持AI通訊的可解釋性，或者在使用亂碼通訊前先取得明確的法律豁免。
使用亂碼通訊的AI模型是否已成為企業標準配置？
目前還不是。大多數商用AI模型(如OpenAI、Anthropic的系統)仍然以人類可讀格式運作。亂碼通訊主要出現在研究環境和內部系統最佳化中。但隨著性能壓力增加，預計3-5年內會逐漸滲入生產環境，企業應提早準備。