東海大學 智慧計算暨應用數學系 Department of Smart Computing and Applied Mathematics

隨著人工智慧技術的躍進，軟體開發正經歷一場深刻的典範轉移，AI 實現全自動化程式撰寫已成現實。Google 執行長 Sundar Pichai 於 2026 年初揭露，其內部新開發的程式碼中，高達 75% 已交由 AI 生成，工程師則轉型為審核與修正的角色。回顧這波爆發性成長的軌跡：

• 2024 年 10 月：約 25% 程式碼由 AI 產出。

• 2025 年 秋季：此比例攀升至 50%。

• 2026 年 4 月：正式突破 75% 大關。

當 AI 協作編程（AI-Assisted Coding）成為產業標準，我們必須重新審視一個核心問題：過去由純人類開發的傳統系統架構，是否具備足夠的安全性、可靠性與執行效率？其邊界條件的考量是否完整？ 若從現代軟體工程的標準來檢視人類過去的開發邏輯，結論往往是殘酷的：傳統人工撰寫的程式碼在應對高度複雜的系統時，往往存在安全性堪慮、穩健性不足、效率受限等瓶頸，且難以達到零缺陷的理想狀態。

更深層的挑戰在於「跨領域技術壁壘」的瓦解。傳統的資通訊架構被嚴格劃分為軟體、硬體與韌體三大層級，過去單一工程師極難同時具備橫跨三端進行逆向分析、破解硬體限制並改寫底層韌體的能力。然而，AI 強大的模式識別與跨域解析能力，已徹底清除了這些底層工程的理解障礙。

這是一把極度危險的雙面刃。當 AI 被廣泛應用於自動化測試、漏洞驗證與逆向破解時，現有的大量物聯網（IoT）與邊緣運算裝置正迎來嚴峻的壓力測試。根據最新資安統計，截至 2025 年底全球 IoT 設備連網總數已突破 211 億台，而針對這些設備的網路攻擊每日高達 82 萬次以上。

在 AI 武器化的推波助瀾下，自動化駭客攻擊正呈現爆炸性成長與精密化趨勢：

1. 惡意軟體與漏洞探測激增：2025 年全球 IoT 惡意軟體攻擊量年增率高達 124%。惡意攻擊者透過 AI 自動尋找未修補的漏洞與預設密碼，工業控制系統（ICS）的漏洞揭露數量更在一年內從 1,690 個翻倍至 2,451 個。

2. AI 驅動的巨型殭屍網路（Botnet）：以 2025 年現蹤的 Aisuru 殭屍網路為例，該組織已導入 AI 進行自動化探測與「精準洪泛攻擊（Precision Flooding）」，甚至曾利用高達上百萬台受感染的消費級 IoT 設備，發動了規模達 29.7 Tbps 的破紀錄 DDoS 攻擊。

3. 關鍵基礎設施成為標靶：邊緣運算設備的脆弱性已直接威脅國家級設施，其中能源領域的 IoT 攻擊成長率高達 387%，顯示駭客正將目標從個人消費電子，轉向具備高勒索價值的產業邊緣節點。

或許初期只是部分使用者透過 AI 進行趣味性的概念驗證（PoC），但對整體網路環境而言，這已演變為系統性的資安風暴。駭客可輕易利用 AI 大規模滲透並控制各類邊緣運算硬體——包含印表機、智慧電視、藍牙播放器，乃至於 Wi-Fi 路由器與醫療監控設備。在 AI 技術大爆發的年代，這將是全球資訊安全最脆弱、也最具挑戰性的深水區。

針對未來的防禦策略，治本之道在於建立更具韌性的系統生命週期管理（Life-cycle Management）。這意味著我們必須借助 AI 進行大規模、自動化的軟韌體安全更新（OTA）；同時，針對架構老舊、已無法透過軟體修補底層漏洞的傳統硬體，則必須啟動強制性的退場機制，方能在新一波的科技浪潮中築起有效的防線。

 

2024-2026 年全球 IoT 與關鍵基礎設施資安威脅趨勢

觀測指標	核心數據 (2024-2026)	成長率與變化趨勢	關鍵受害領域與影響
IoT 攻擊頻率與總量	全球每日發生超過 82 萬次 IoT 攻擊	2024 上半年攻擊量即暴增 107%	高達 75% 的攻擊將目標鎖定在路由器，用於橫向移動並組建巨型殭屍網路（Botnet）。
IoT 惡意軟體攻擊	單年針對 IP 攝影機等設備攔截的攻擊達 1,700 萬次以上	2025 年 IoT 惡意軟體攻擊年增率高達 124%	製造業成為重災區，佔全球 IoT 惡意軟體攻擊目標的 20.2%。
工業控制系統 (ICS) 漏洞	2025 年揭露的 ICS 漏洞數量達 2,451 個	較 2024 年的 1,690 個呈現近乎翻倍成長 (+45%)	醫療體系極度脆弱，高達 99% 的醫院正在使用帶有已知被利用漏洞的醫療物聯網 (IoMT) 設備。
關鍵基礎設施 (OT) 攻擊	逾 3,300 家工業組織受到營運科技 (OT) 勒索軟體攻擊	關鍵領域攻擊激增：能源業 (+387%)、交通 (+382%)、醫療 (+224%)	面臨針對性的自動化癱瘓威脅，OT 系統的勒索軟體攻擊整體攀升 46%。

 

隨著 AI 浪潮從雲端運算全面走向「邊緣端（Edge AI）」與「日常物理世界」，未來兩三年（2027 至 2029 年）我們將迎來一個 AI 深刻重塑、甚至顛覆人類使用現有設備的新世代挑戰。

這場變革不再只是讓語音助理變聰明，而是讓所有我們「習以為常」的既有裝置——從手機、電腦、智慧家電到工業與交通設備——全部經歷一場從「工具（Tools）」到「自主代理人（Autonomous Agents）」的本質轉變。在這個新舊交接的過渡期，人類將面臨以下三大關鍵挑戰：

一、 設備認知的重塑：從「按鍵與指令」到「意圖理解與主動協作」

在未來兩三年，AI 將從目前的「被動響應」演進為具有「主動推論（Proactive Reasoning）」的常駐代理。

• 人機互動的碎片化與自然化：我們不再需要學習特定軟體的選單或硬體的按鍵。AI 將能直接理解人類的「模糊意圖」。例如，你不需要再去手動調整電視、音響或投影機的複雜設定，只需要說一句「我想看點讓人放鬆的東西」，家中的多個設備就會自動連動、調暗光線並尋找影片。

• 使用習慣的陣痛：這意味著人類必須適應「設備比我更懂我」或「設備正在自行運作」的心理轉變。當設備不再100%依賴我們的直接控制，而是透過自主判斷來服務時，使用者與設備之間的信任關係需要重新建立。

二、 舊設備的「數位失能」：新舊世代的隱形斷層與淘汰潮

這將是未來兩三年最切實的社會與經濟挑戰。AI 模型的運行需要強大的晶片（如 NPU）與高度整合的軟體架構，這會導致現有設備迅速「過時」。

• 物理與數位的失焦：大量現有的舊款設備（舊手機、舊電視、無 AI 運算能力的家電）將無法相容新一代的 AI 協作生態。這會讓許多功能正常的硬體在短短幾年內顯得「無用」或「過時」，引發一波「AI 驅動的設備強迫升級潮」。

• 新舊落差與數位排擠：對於無法負擔或不願學習新設備的群體（如高齡者），他們將面臨更嚴重的數位排擠。因為未來的服務與日常設備將默認使用者能與 AI 自然互動，這會讓不熟悉 AI 的人甚至連「開電視」或「調冷氣」都感到困難。

三、 邊緣端 AI 的自主性：安全、隱私與失控的邊界

當 AI 直接在我們的物理設備上運作，並擁有讀取環境、控制硬體（如智慧鎖、車輛、攝影機）的權限時，挑戰將從「便利性」升級為「生存與安全」。

• 隱私與本體安全的矛盾：為了讓 AI 更懂我們，設備必須收集更多即時的環境數據（影像、聲音、生物特徵）。如何保證這些數據在本地（Edge）安全處理而不被濫用，將成為極大的挑戰。

• 自動化攻擊與被破解的風險：如我們之前探討的，AI 既然能幫我們管理設備，也能被駭客用來「批量、自動化地尋找舊設備與物聯網裝置的漏洞」。如果家中的路由器、監視器、甚至智能門鎖因為沒有更新 AI 防禦機制而被輕易攻破，物理世界的安全將不復存在。

• 責任邊界的模糊：當 AI 驅動的設備（如半自動駕駛車、智慧醫療監測儀或自動工廠設備）因為判斷錯誤而造成損失時，責任該由使用者、設備製造商還是 AI 模型的開發者承擔？這在未來兩三年將是法律與倫理的巨大灰色地帶。

結語

未來兩三年的新世代挑戰，不在於「AI 有多強大」，而在於人類與現有物理世界（設備）的接口正在被全面改寫。

我們將處於一個「設備擁有靈魂，但安全防護尚未完全跟上」的摩擦期。這需要我們不僅在技術上尋求突破，更在法律、資安防護（如大規模軟韌體自動更新、零信任架構）與人機倫理上，為這場「AI 物理化」的巨變做好準備。人類需要學習的不再是如何「操作」設備，而是如何與無處不在的 AI「共生與抗衡」。

---