9月3日晚上10时后 ，孩子突然告诉我，说几个人工智能（AI）服务同时出事了。基于好奇，我也上网去和AI聊聊。OpenAI的ChatGPT、Anthropic的Claude，就连马斯克SpaceX的Grok都宕机了。当时，我也上谷歌的Gemini以及深度求索（DeepSeek），感觉它们的回应速度好像比平时慢了点，不过基本上没发现什么问题。隔天看新闻才知道，全球AI服务故障延续大概三小时。
三大AI领军平台在同一时段发生故障，是一件极不寻常的事。这令人立刻想到可能是受到大规模的网络攻击，或是支撑这些大佬背后的同一超级云端服务如微软的Azure、亚马逊的AWS等系统出了问题，才会同时把大家一窝端。但各平台在恢复服务后所分别发布的消息，却另有乾坤。
Grok称它位于孟菲斯市为AI提供算力的计算中心发生故障，但没进一步披露具体是什么故障。OpenAI则把ChatGPT和写代码的Codex出错和宕机，归咎于“路由错误”（routing error）。也就是说大模型大脑没有问题，只是收不到客户的问题，或者把答案输出到别的用户处，听起来就是一个相当低级的基础设施的小错误而已。Anthropic当天很快就在服务状态网页上表明，已识别Claude模型错误率升高的原因，并已随后修复，不过也没有把完整的原因公开讲清楚。三大高科技公司因为三个不同的技术问题，同时出状况，真不寻常！
AI宕机发生在本地的夜晚，看来受影响的用户不多。或者他们也和笔者一样，只是找AI聊天，就算全部瘫痪也无所谓，就关机提前去找周公好了。不过，当时在美洲虽还没到办公繁忙时间，根据AI服务追踪网络的记录，在那个时段来自美国的投诉就有数万条。
在很多运用AI的企业和公司，AI已不只是一个聊天网站那么简单，程序员每天靠AI在编码优化产品、回应客户问询、编写制作各种多媒体内容，甚至起草文档和来往电邮、研究和搜索各类资料以供作决策，所以AI宕机必定造成一定的损失。
这次的集体宕机至少显示两大风险。首先是AI发展和系统实施的稳定性。当用户从电脑或终端机发出一个讯息要求后，它通过网络送到服务入口。系统要确认你的账号权限和配套，判断你在用哪个模型，再把请求送到合适的计算资源，让数据中心里的图形处理器（GPU）开始工作。
如果这个任务还需要联网、搜索、写代码、打开文件或者调用别的工具，其间又会继续连接其他系统，最后答案才再沿着网络返回你的屏幕。在短短几十秒里，只要链条里有一个（软件或硬件）关键环节掉链子，再聪明快捷的超强AI电脑，也无法满足客户要求。现在AI算力不断竞争和提升，什么智能体、逻辑推理计算、类人智慧等等，听起来特别科幻，不过却没甚注意朴实的基础设施的同步提升。小问题如服务器突然掉线、电力不稳定、网络容量超载、晶片跟不上，都能令AI系统随时面对断链的风险。
另一个是利用这些科技智能化的风险。这次被影响的还有如Cursor这类依赖Claude和Grok后端的AI编程工具，以及它们衍生的产品和服务。如果企业和公司在智能化时用上这些工具，又再用这些工具和服务发展和提供客服产品，一旦背后的大模型平台发生故障，造成公司客户的损失，问责和赔偿等问题该如何处理？
此外，提供产品的服务品质、备用方案和系统、延续服务等等，这些都是新的商业模式要考虑的问题。
一次偶然的集体服务中断突发事件，肯定造成短期运营中断，但目前尚未出现重大可量化的经济损失估计。受影响的AI平台都信誓旦旦宣布，会进行内部纠正措施，确保同样的事故不会再发生。这次事件把目前AI集中发展资源和单点故障等风险具体化，未来的系统发展应重视新的模式如多模型、多提供商架构、自动故障转移、备用方案，以及电力和云服务等基建领域。这次的服务中断来得及时，可能就是一只雏形的黑天鹅，为我们先敲响警钟。
作者是电子工程师
