微軟當機 26 小時:Exchange 原來是業務層 AuthZ 總管,連三家 AI 都被重連風暴拖下水
一次設定改動,把全世界逼回上個世紀
微軟這次全球大當機前前後後折騰了超過 26 小時(核心中斷約 19 小時),從 11 月 12 日一路拖到週五,把全世界的辦公室逼回上個世紀。(我以外,我們公司是 GWS XD)
很多朋友早上一進公司遇到的怪象特別邪門。打開 Teams,語音開會、在老群裡發訊息都沒問題,但一旦想新建私密群,介面立刻報錯;打開 Power BI 線上看數據報表也沒問題,只要一點匯出 PDF 就卡死,微軟官方給的臨時辦法居然是讓大家手動把檔案上面的保密標籤(sensitivity label)刪掉再匯出。佛州政治策略師 Steve Schale 甚至在 X 上無奈調侃:「親愛的微軟——你關錯了。請把我們的電郵開回來,把 Teams 關掉。」
軟體的別扭迅速演變成現實世界裡的大混亂:
- 英國醫療系統:醫療協作網斷聯後,倫敦和曼徹斯特的多家公立醫院直接拿出紙筆,回歸手寫病歷和處方;專注心理健康服務的 Lincolnshire Partnership NHS Foundation Trust 甚至發公告呼籲:需要轉診或正經歷危機的患者請直接打電話,不要寄電郵。
- 金融圈與公共部門:英格蘭銀行(Bank of England)、英國金融監管局(FCA)和泛歐交易所(Euronext)緊急暫停線上申報系統,要求各大機構改為電話口頭報數;美國眾議院、坦帕與路易斯維爾等多個市政府、洛杉磯縣法醫辦公室、航運巨頭馬士基(Maersk)也相繼受波及,底特律工業公司 Workhorse Group 甚至被迫延後第三季財報電話會議。
- 第一線 IT 服務台:技術服務公司 Envision Technology Advisors 首席技術官 Stephen Rose 向《華爾街日報》坦言,客戶因為無法發信全改打電話,「我們的服務台完全癱瘓」,只能希望消息靠電話口耳相傳。
Exchange 不是收發室,而是業務層 AuthZ 的「行政處」
昨天事件最後復盤:沒有 AI 駭客,沒有海底電纜斷裂,純粹是 Exchange Online 掛了。
為什麼平時不用郵件的人也遭殃?因為在微軟二十多年的架構累積裡,Exchange 不只是 Email 收發室,它還扛了大量業務層的 AuthZ(權限核驗/合規檢查)與資源登記,等於整棟辦公大樓的「行政處」。
很多人會困惑:AuthN(身分驗證)不是在 Entra ID(原 Azure AD)嗎?沒錯,Entra ID 沒掛,所以你依然能登入、Teams 單聊與語音會議走獨立通道也正常、Power BI 也能線上開報表。但只要涉及跨服務的資源建立與合規授權,就得過 Exchange 這關:
- 群組與資源登記:Teams 新建私密群或 M365 Group,必須到 Exchange 行政處登記戶口與信箱路由。
- 保密標籤與權限核驗:Power BI 匯出機密 PDF,或帶企業加密鎖的雲端電腦開機,都要透過同一條底層通道核驗敏感度標籤與解密權限(AuthZ)、蓋保密公章——這也是為什麼刪掉標籤就能匯出,因為繞過了那層 AuthZ 檢查。
老信箱大門一鎖,樓上所有看似獨立的軟體全都辦不了正事。這不是硬體老舊,老的是架構:一個二十多年前誕生的郵件系統,一層層被疊上新服務,變成一棟不斷加蓋、地基卻沒換過的老房子。
為什麼卡了 26 小時?從 GCP 維運視角看這場「重連風暴」
更反常的是恢復時間。我之前在 GCP 做事的時候,其實全球的 Infra 要一次垮 4 個小時就是年度盛事了;這次微軟拖了超過 26 小時,非常詭異。
根據多方技術復盤,工程師早已定位是週四下午一次常規網路設定改動惹 Exchange 的禍,卻還是卡了這麼久,關鍵在五個連鎖反應:
- 排查先繞了 6 小時彎路。起初工程師以為是外部流量洪峰,看到自動健康檢查(health check)成批踢掉無回應的郵件伺服器又以為是巡檢誤報,直到深夜才查出是負責安全入場核驗的程序算力過載,把伺服器直接凍死了。
- 週五零點重啟後,真正的噩夢「重連風暴」才開始。平時幾億用戶的手機和電腦已經在線上,像員工已在樓內就座,保安只需維持秩序。斷網把幾億台設備和背景腳本同時趕到大街上,每秒自動發起重連請求要求重新驗身分,計算量暴增數百上千倍,剛開一條縫的大門瞬間又被擠癱。
- 凌晨 3 點半想撤回設定時,後端已經卡死到收不到工程師指令。這就像房門從裡面反鎖,外面遞再多新鑰匙也塞不進去,上游路由還在瘋狂問路加劇擁堵。
- 最後微軟只好用笨辦法,一邊緊急加機器、關小大門流量閥。
- 工程師一邊把伺服器一台台斷網重啟。
微軟發言人對《華爾街日報》的說法很直接:「鑑於需求規模,我們逐步恢復服務,並在每個階段驗證穩定性。」說白了,就是只能像擰水龍頭一樣一滴一滴放行。這套慢工細活跑通時,剛好趕上亞洲時間週五傍晚,日本與亞太上班族紛紛關電腦下班過週末,門口排隊的設備少了一大半,亞太區才最先喘過氣;而正值週五上班高峰的歐美用戶,只能眼睜睜多熬了半天。
三家 AI 模型沒壞,但 Agent 一起廢了一半
這一次還有一件很有趣的事:許多企業同時採購了微軟 Copilot、Anthropic Claude 與 OpenAI ChatGPT,結果在微軟這波事件裡,三家的模型大腦本身都沒壞,卻在同一時間無法使用 Exchange Connector。
企業資安規矩不允許任何大模型私自囤積公司的郵件與行事曆,每次在對話框裡提問,Agent 都得當場派信使拿臨時通行證去敲 Exchange 的門。老行政處從裡面反鎖,外面的大模型算力再強,也拿不到半頁紙資料,等於直接廢了一半。
更微妙的是:以前信箱壞了,大家手動重新整理兩次沒反應就去茶水間喝咖啡聊天,伺服器自然有喘息空間;現在幾億台設備、背景腳本加上各家 AI 連接器,全都寫死了斷線自動重試。
這 26 小時的超長恢復時間,AI Agent 造成的 retry 風暴可能也貢獻了不少力氣 XD。
AI 該留住老經驗,而不是取代它
事件一出,網路上馬上有人把矛頭指向裁員(微軟 2025 年裁了約 15,000 人、今年 7 月又裁了約 4,800 個職位)。
但有一個風險比謠言更值得我們警惕:組織知識流失。這次的缺陷在系統裡潛伏了很久,排障團隊一開始繞了 6 個小時才找到安全核驗與連線程序。那種「我看過這個症狀」的直覺,不在任何文件裡,只在資深工程師的腦子裡。
很多 AI 轉型專案的敘事是「AI 可以取代老經驗」。我的看法剛好相反:AI 只能承接被寫下來的經驗,取代不了沒寫下來的那些。人先走了,AI 也學不到。
所以順序不能反:
- 先用 AI 把資深人員的排障過程、判斷邏輯萃取出來,變成組織的知識庫。
- 用真實事件驗證這個知識庫站不站得住。
- 最後才談精簡人力。
從十月資安潮,到十一月 Infra Outage 潮?
微軟這邊才剛喘口氣,結果今天(美東時間 11/13 下午、台灣時間清晨)美國聯邦航空總署(FAA)的航管通訊與雷達控制系統又出問題了,發布了 9/11 以來第三次全國性停飛令,整個美國不能起降超過 4 小時(官方紀錄 4 小時 21 分鐘),問題同樣指向老舊航管通訊網路與路由器的資料過載。
一開始是十月的資安潮,現在要迎來 Infra outage 潮了嗎⋯⋯
Disclaimer:有多少資料講多少話
我們是有多少資料講多少話的人,照例補上目前的事實邊界:
- 沒有任何證據顯示 MS 365 當機,與微軟這幾年因為 AI 裁員有關。
- 沒有任何證據顯示 MS 365 當機是網傳的 AI 攻擊導致的(微軟與多方技術復盤均指向網路設定變更)。
- 沒有任何證據顯示 MS 365 當機,跟 Claude 昨天(11/13)自己發生的兩波登入與 API 大當機有關。
- 沒有任何證據顯示 MS 365 當機,跟今天美國 FAA 機場航管系統出問題有關。
呼⋯⋯多事之秋。寫到這裡頭都暈了,但至少把事實與架構邊界先畫清楚,剩下的就是看各家企業怎麼把自己的單點故障與退避(backoff)機制補起來。
Sources
- The Wall Street Journal:The Chaos and Unexpected Joys of a 19-Hour Global Email Outage
- MacRumors:Microsoft 365 Outage Resolving After Nearly 24 Hours
- Control Plane:What Caused the Microsoft 365 Outage of November 12, 2026
- DEV Community:Microsoft 365 Outage (Nov 2026) timeline
- SecurityWeek:Microsoft 365 Outage Disrupts Outlook, Exchange Online and Teams
- Arab News:NHS triggers contingency after Microsoft outage
- The Next Web:Claude and ChatGPT integrations affected
- Claude Status
- CBS News:FAA lifts nationwide ground stop after air traffic control system outage
- Fast Company:Microsoft cuts 4,800 jobs