当你坐在电脑前训练一个大语言模型，或者在云端调用成千上万块 GPU 进行复杂的 AI 推理时，你可能从未想过，你的代码不仅在处理数据，甚至可能在悄悄撼动本地的电力系统。

2026年7月，来自浙江大学的研究团队发表了一项令人瞩目的概念验证（PoC）研究——Bit2Watt 攻击。这项研究揭示了一个此前被严重忽视的安全盲区：恶意软件（Bits）可以通过操控 AI 显卡（GPU）的计算工作负载，跨界干扰并破坏实体电网（Watts）的稳定性。

https://arxiv.org/pdf/2607.05993

这究竟是怎么做到的？在 AI 与清洁能源深度融合的今天，这种攻击又意味着什么？

什么是 Bit2Watt 攻击？

简单来说，Bit2Watt 是一种“网络-物理”跨界攻击（Cyber-Physical Attack）。

传统的黑客攻击电网，通常是设法潜入电力公司的工业控制系统（如 SCADA 系统）或篡改电网调度软件。但 Bit2Watt 攻击完全不走寻常路：

1. 合法身份，隐蔽运行：攻击者不需要任何特殊的管理员权限，他们只需作为普通用户，在云端正常租用 GPU 服务器。

2. 频率操控，制造波动：攻击者编写了一种特殊的代码（如定制的 CUDA 程序），或者将恶意行为伪装在看似合法的 LLM（大语言模型）训练任务中。

3. 高频震荡：该程序让 GPU 在“极高负载”和“完全空闲”两个状态之间疯狂切换，切换频率高达每秒 1500 次到 6000 次（1.5 kHz - 6 kHz）。

这种极高频率的功耗剧烈波动，会像水波纹一样，顺着服务器的电源、数据中心的配电网络，最终一路传导并放大到本地的公共电网中。

为什么 GPU 能撼动电网？

要理解这个攻击的威力，我们需要补充两个核心的现代背景知识：新型数据中心的供电结构以及可再生能源电网的脆弱性。

1. 谐波畸变（Harmonic Distortion）与电能质量

我们日常和工业使用的交流电（AC）都有标准的频率（如 50Hz 或 60Hz），波形应该是完美的正弦波。

然而，当数千块 GPU 以 1.5 kHz - 6 kHz 的高频同步“高喊”和“安静”时，就会在电网中引入大量的高频谐波。这就好比一个原本节奏整齐的千人合唱团，突然有一群人在旁边用极高频率吹哨子，整个现场的音质就会彻底崩塌。

在最极端的研究模拟中，当 1000 个受损的 GPU 完美同步震荡时，一个 1 兆瓦（MW）本地电力系统的电流谐波畸变率（THD）骤增至 46.8%。这种严重的畸变会导致变压器剧烈发热、保护继电器误动作、甚至直接导致精密设备烧毁。

2. 现代“新能源”电网的软肋

为什么过去没有这种问题，现在却成了安全隐患？因为电网的形态变了。

• 传统电网：依赖大型火电或水电站的“旋转发电机”。这些巨大的机械铁块带有极强的物理惯性，就像一辆重型卡车，路面的一点小坑洼（小规模电力波动）根本无法动摇它。

• 现代绿色电网：越来越依赖现场太阳能、风能等可再生能源。这些能源不使用旋转发电机，而是通过电力电子逆变器（Inverters）将直流电转化为交流电并入电网。逆变器反应极快，但缺乏物理惯性。

当高频波动的 AI 数据中心接入这种高比例新能源的电网时，电网由于缺乏“物理惯性”缓冲，极易被这种高频震荡带偏，从而引发级联故障甚至大面积停电。

恐怖的硬币反面：“Watt2Bit”反馈与侧信道泄露

浙江大学的研究者们不仅提出了“比特影响瓦特（Bit2Watt）”，还提出了一个更令人毛骨悚然的逆向概念：Watt2Bit。

当电网的电能质量因为攻击（或严重不稳）而下降时，这种电压和电流的异常会反向渗透回计算设备的内部。这不仅可能直接导致服务器计算出错、死机，甚至可能成为一种侧信道攻击（Side-Channel Attack）的媒介。

通俗解释：隔墙有耳。黑客可以通过精密监测数据中心周边的电网电压微弱波动，反向推测出当前这台服务器正在运行什么 AI 模型，或者正在处理什么机密数据。

离现实威胁还有多远？

好消息是，这项发表在 arXiv 上的成果目前仍然处于概念验证（PoC）和实验室模拟阶段，在现实世界中尚未观察到真正的 Bit2Watt 攻击。

在实际环境中，要让成千上万块分布在不同机柜、甚至不同区域的 GPU 做到“毫秒级、甚至微秒级的完美同步震荡”是非常困难的，网络延迟、操作系统调度都会打乱这种同步性。

但这绝不是危言耸听。随着 AI 数据中心如雨后春笋般崛起，其能耗已经达到了国家级规模。这种将“网络算法缺陷”转化为“物理实体破坏”的思路，给整个安全界敲响了警钟。

如何防御：打破软硬件的“冷战”

传统的安全工具（如防火墙、流量监控）对此束手无策，因为攻击者运行的确实是“合法”的 AI 代码；而传统的电力监控采样速度太慢（通常几秒才采集一次数据），根本抓不到几千赫兹（kHz）级别的瞬间闪烁。

为了抵御未来的“电力网络战”，研究人员提出了以下联合防御措施：

1. 提高监控分辨率：云服务商需要部署更高频率的功耗传感器，像“心电图”一样捕捉 GPU 的微观功耗异常。

2. 主动乱序调度（Shuffling）：在云端调度算法中引入随机性，故意打乱并分散大负载任务的执行时间，让恶意的高频震荡无法实现“共振”。

3. 网荷互动（Data Center-Grid Coordination）：数据中心与电力运营机构必须建立更紧密的实时协调机制，在异常波动扩散到公共电网之前将其在内部隔离。

AI 的尽头是能源。当算力与电力深度捆绑，未来的网络安全将不再局限于屏幕内的防线，如何守护支撑 AI 运转的每一瓦特，正成为全新的战场。