
11月17日,NSA向外界确认,其用于内部传递机密信息的NSANet网络出现中断,事件被定级为“黄色代码” - 三级警报体系中的第二高级别。同一天,苹果因一次内部系统更新,导致员工门户、内部登录、远程VPN以及面向消费者的iCloud、App Store、Apple Pay大面积受扰,全球多家零售门店的销售和维修业务中断。再往前一天,摩根大通本地硬件系统中的软件漏洞造成交易处理延迟,Downdetector记录了超过3000起服务中断报告,美国银行、富国银行等机构的客户也报告了关联故障。再往前三天,FAA因通信故障发布全美航班停飞令,超过5100架次航班取消、近10000架次延误。起点是11月12日,微软365核心服务在至少70个国家瘫痪,Outlook、Teams、Copilot同时失效,故障前后持续超过两天。

六天,五个关键系统,没有一起被认定为攻击,没有一起被归因于AI。但恰恰是这种“每一件都是孤立的、非恶意的技术故障”的叙事,暴露了一个比攻击更难修复的问题。
微软:一次“容量升级”如何演变成两天瘫痪
根据微软11月15日向客户发布的初步报告和彭博社的还原,故障的起点是一次例行的用户流量重定向。11月11日晚,Teams的流量被自动导向处理Outlook流量的另一套服务器系统,叠加此前一个无关问题造成的容量损失,触发了一个自7月以来一直潜伏在数据中心里的漏洞:服务器在流量激增后耗尽内存,开始崩溃。更致命的是,微软的自动化故障转移系统将流量进一步导向它认为“正常”的其他服务器,导致漏洞随之扩散。到11月12日上午企业流量高峰时,超过80%的Outlook服务器无响应。微软又花了15个小时定位问题,才开始推送修复。
微软执行副总裁拉曼纳的解释指向了测试体系的盲区:公司实验室中模拟的流量模式和硬件配置,无法反映真实环境;测试通常侧重于较旧、性能较弱的系统,而触发崩溃的漏洞恰恰在新硬件上“破坏性更大”。
但比技术解释更值得记录的是人的因素。在职场匿名论坛Blind上,一名显示微软员工身份的用户披露:Microsoft 365核心基础设施团队近年经历多轮裁员和自愿离职,长期负责旧系统的工程师已经离开,留下的人员难以迅速定位复杂故障;过去约45分钟就能完成的系统回滚,如今可能需要5小时;在此次事故中,内部故障管理工具一度无法正常加载,工程师只能在深夜跨部门排查前人留下的代码和服务架构。微软尚未对这一说法作出公开回应,但它与故障持续时间的异常、以及“回滚无效”的事实形成了相互印证。
真正在发生的事情:AI迭代速度与基础设施更新速度的剪刀差
这五起事件没有一起被归因于AI。微软明确否认与“人工智能/智能体”有关,FAA和NSA也排除了AI因素。但“不是AI导致的”和“与AI时代无关”是两件事。
真正在发生的是两条曲线的分离。一条是AI驱动的变更频率与负载强度的曲线:流量模式在变、硬件配置在变、软件更新的节奏在变,而测试环境和故障管理能力追赶的速度在放慢。另一条是基础设施更新周期的曲线:FAA的铜缆和路由器按十年计,NSA的网络按代际计,微软内部对旧系统的维护能力按季度在流失。
AI使得以前所未有的速度识别大量系统漏洞成为可能,这给企业和政府机构带来了立即修补漏洞的巨大压力,往往是同时打补丁,给那些并非为承受这种变化速度而设计的系统带来了巨大压力。这里的因果不是“AI制造了漏洞”,而是“AI提高了变更的节奏,而承受变更的系统是为更慢的节奏设计的”。
微软的案例把这个机制展示得最完整:漏洞自7月潜伏,触发它的是一次例行的流量重定向,放大它的是自动化故障转移,而让恢复变得异常漫长的是旧系统维护能力的流失。每一个环节都不是AI,但每一个环节都处在AI驱动的云服务规模扩张的压力之下。