伊朗科學家在街上慘遭「演算法」奪命!揭開人工智慧暗殺背後的黑科技
伊朗科學家在街上慘遭「演算法」奪命!揭開人工智慧暗殺背後的黑科技

如果你還記得2021年8月五角大樓曾公開宣布,在一次對阿富汗的空襲行動中,他們成功操控無人機「斬首」了一名IS阿富汗分支頭目。那麼,你對下面我們要講的故事,就不會感到太新奇。

2020年11月27日,伊朗核計畫之父、首席核科學家Mohsen Fakhrizadeh在與太太通往鄉下度假別墅的高速公路上被以色列情報機構摩薩德(以色列情報特務局)暗殺。由於Fakhrizadeh在伊朗國家高科技項目中擁有巨大的號召力和象徵地位,他的去世,曾在當時引發國內大規模遊行。

 Mohsen Fakhrizadeh
事故現場。右上為Mohsen Fakhrizadeh
圖/ 虎嗅網

但在當時關於案發現場和這場暗殺執行方式的很多細節,都存在諸多疑點和爭議。

譬如,當時據幾個目擊者稱,現場曾發生過劇烈爆炸,還有多名槍手之間發生了機槍掃射。但事發幾天後,伊朗官方和一些新聞機構卻稱,整個暗殺行動的始作俑者是個「機器人」,整個行動通過遙控進行。

由於Mohsen Fakhrizadeh被害讓民眾頗為氣憤,因此當時「機器人暗殺說」曾招致很多人在Twitter等社交媒體上對保全團隊大加嘲諷,認為他們是在掩蓋自己的真實能力。譬如,紐約時報援引了一位憤怒網友的說法:

「你為什麼不直接說特斯拉製造NISSAN,它自己開車,自己停車,開了槍,然後自己爆炸?」

但就在美國時間9月18日下午, 紐約時報首次揭開了這起科學家暗殺事件的真相:

竟然真的是「機器人殺手」幹的。

在Fakhrizadeh經過的路邊,一把嵌入了人工智慧演算法與多個攝影機的遙控槍,被架設在一輛藍色Nissan皮卡汽車裡。

需要注意的是,紐約時報把這款遠端遙控槍稱為「 Computerized machine gun 」,也就是「計算機化機槍」。它可以通過衛星被遠端操控,每分鐘可發射600發子彈。

此外,更需要注意的是,這其實是這款AI計算機殺手的首次射擊任務。

蓄謀已久的暗殺

紐約時報特別指出,為了阻止伊朗的核武器開發計劃,多年來,以色列情報機構摩薩德一直在執行高度密集的破壞與暗殺行動,其中目標就包括多名核科學家。

「以色列在早期的暗殺行動中使用了各種各樣的方法。名單上第一位核科學家在2007年中毒。第二起發生在2010年,死因是一枚安裝在摩托車上的遙控引爆炸彈。」 紐約時報整理調查了這幾年摩薩德的暗殺動向,發現他們的計劃只在2012至2015年略有中斷。

「從2010年到2012年,在接下來的四起暗殺事件中,每一起都是騎著摩托車的襲擊者在悄悄靠近目標汽車,要不是從車窗向他開槍,就是在車門上綁上黏性炸彈後加速離開。」

而首席核科學家Mohsen Fakhrizadeh則從2007年開始,則一直是他們的頭號暗殺對象。

這位伊朗核計劃中的先驅人物,其大部分職業生涯都是頂級國家機密。而媒體對其功績的「公開表揚信」中,有兩點格外引人注意——

一方面,他在無人機技術自主研發中發揮了關鍵作用;另一方面,當國家被禁進口敏感裝置與技術時,他找到了獲得一部分裝置或技術的辦法。

但這位被形容為「極為固執己見的老頭」,對保全措施極為不上心,甚至拒絕出行乘坐裝甲車,堅持親自開車,去大學上課也堅持親自到場,從不喜歡遠端。

因此,這場看似是由機器與演算法100%主導的暗殺,其實也有「保全措施嚴重失誤」和「本人對生命危險的態度近乎漫不經心」的雙重催化劑,才最終被執行。

那麼,人工智慧究竟在這裡面發揮了什麼作用?很多細節大大出乎我們的意料。

致命演算法

根據紐約時報的詳細描述,從技術層面來看,我們雖然眼睛沒在現場但卻極為震撼:這簡直是一場無懈可擊的計算與工程化實戰。

對於摩薩德來說,他們有一個長期堅持的任務執行原則,那就是「沒有救援(脫身方法),就沒有行動」。因此,讓特工安全脫身也是他們計劃中至關重要的一部分。

但這次,遠端操控的方法,直接讓這一點幾乎可被忽略。

而在現場,最重要的是解決這三個問題——如何把需要的裝置在現場佈置完善?如何讓機槍準確瞄準目標?如何讓這套裝置最終不被發現?

「機關槍、機器人以及各種零件加起來有一噸重。而這些裝置被盡可能拆解成幾百個小部分,通過各種方式、路線和時間,一件一件秘密搬運過來,然後再秘密組裝起來。最後以一輛車的形式停靠在Mohsen Fakhrizadeh必經的高速公路旁。」

紐約時報援引一位情報人員的話指出,他們把FN MAG機槍連接到一個先進的機器人裝置,這款系統與西班牙著名國防技術服務商Escribano研發的 陀螺穩定遠端控制武器系統SENTINEL 20 (哨兵20)並無太大差別。

最後,這個機器人系統以合適的形態被嵌入這輛Nissan皮卡的內部空間裡。卡車上安裝了可以監視各個方向的攝影機,讓駕駛室內部視角不僅能全面了解目標經過時的細節,還能全面了解周圍環境。

但即便如此,精準打擊也絕對不可能簡單。

首先,計算遠端操控有個大部分人都知道的毛病——時間延遲 ,即便是衛星通信也是如此。換言之,等到操控員在螢幕看到目標時,現實中的目標可能已經過去了;

其次,安裝在卡車上的機關槍,每次射擊後都會在後座力作用下猛烈搖晃,從而改變後續子彈的軌跡。

槍
類似機槍示意圖。
圖/ 虎嗅網

「根據科學預估,攝影機拍攝到目標讓狙擊手看到,再到狙擊手反應到機槍的時間(不包括他的反應時間)大約為1.6秒。」 紐約時報指出,這個時間間隔足以錯過最佳瞄準時機。

也許你已經猜到了。沒錯,人工智慧就是在這個節點上發揮了關鍵作用——

它被編進控制演算法中,用來補償延遲、槍體振動以及車速形成的多元化誤差。

除了這些關鍵節點,紐約時報還提到,另一個實現精準打擊的前提是「 確保Mohsen Fakhrizadeh是開車的那個人」 ,否則只要是任何一個其他人開車,都會出現射擊位置偏差,從而加大風險。

「他們的辦法是在主幹道的一個交叉路口再放一輛看起來廢棄的轎車,這輛車裝有攝影機,這裡距離任務執行地還有四分之三英哩。由於Mohsen Fakhrizadeh的車前往度假地,必須在路口掉頭(因此能清晰拍攝到駕駛座位上的人)。」

在這一切安排就緒後,就發生了當天駕車的Mohsen Fakhrizadeh被機器人發射15槍後,身體多處中彈並倒下的悲劇。而這輛皮卡最終也「自盡」爆炸,大部分裝置被拋向空中後遭到損毀。

最後,讓人十分震驚的是,紐約時報特別指出,這15發子彈幾乎沒有一枚擊中坐在他的旁邊幾英吋的妻子。而調查人員判斷這種準確性來源於人臉識別技術。

從現實應用角度,這些操作細節好像並非那麼難以想像。譬如我們熟悉的交通和汽車感知裝置——攝影機;人臉識別對於普通大眾來說幾乎成了家常便飯式的技術;

而利用神經網路結構為智慧感測器遲滯問題做補償誤差,其實也是自動駕駛等尖端技術領域廣泛關注的議題。

但讓人不容忽視的是,槍械這一幾百年來不斷進化的武器,在被計算機化和技術疊加複雜化之後,顯然也「追隨」著之前多次執行「斬首任務」的戰鬥無人機,加入了常人難以想像的高科技武器庫。

事故現場
圖/ 虎嗅網

讓伊朗甚至核研發領域無法忍受的是,科學家被迫害對於國家計劃和核技術發展無疑是一個巨大損失。但這位一直似乎對生死都不太在意的科學家,曾在2020年11月接受伊朗媒體採訪時有過這樣的表達:

「讓他們殺人吧,想殺多少殺多少,但我們不會被禁足。他們殺害了科學家,而我們有希望稱為烈士。」

本文授權轉載自:虎嗅網

【熱門焦點】

1.五倍券數位綁定開跑!如何在官網上數位綁定、加碼券怎麼領,三大方案一次看懂
2.台灣Pay綁定五倍券,加碼方案特別多?如何操作、各家優惠一次看

最新9月號雜誌《2021年台灣網紅生態全解析》馬上購:傳送門
「電子雜誌」輕鬆讀:傳送門

責任編輯:傅珮晴、錢玉紘

關鍵字: #演算法
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓