分散还是集中？硅谷AI监管之争日渐激烈

过去一周，硅谷掌握巨大话语权的两位科技领袖围绕一个问题展开了一场公开论战：前沿AI的强大能力，究竟应当依托严格的准入机制集中于受规管的少数实体，还是通过市场竞争广泛分散？

这场交锋始于知名科技播客All-in的最新一期长节目。知名投资人贝克（Gavin Baker）在节目中称，据其多方信源，Anthropic首席执行官阿莫代伊（Dario Amodei）曾在内部表示，Anthropic未来可能成为“除了各国政府之外全球唯一的私营公司”。

Anthropic首席品牌与传播官德马里尼（Sasha de Marigny）及多位研究员随即出面驳斥该说法不实。向来极少在社交平台发声的阿莫代伊随后发表长文正面回应，称把选择简单归结为“要么集中在少数公司和政客手里，要么广泛分发（distribute）”是虚假的二分法。当地时间8月17日，该播客联合主持人、白宫总统科技顾问委员会联合主席萨克斯（David Sacks）发布一篇包含九个论点的长帖回击。他在其中一条中写道：“阿莫代伊认为前沿AI的力量太强，不能分散；我们认为它太强，不能集中。”

这一分歧实际上折射出硅谷内部在AI监管路径上的对峙。

“监管俘获”之争

在此前的长文中，阿莫代伊将“制度监管”与“权力垄断”进行概念切割。阿莫代伊认为，将选择简单归结为“要么把权力集中在少数寡头手中，要么完全自由分发”是一种过于简化的思维。硅谷部分人把“监管”直接等同于“监管俘获与权力集中”是过于简化的世界观。他称，客观公平的程序能够将权力锚定在规则而非个人手中，反而具备去中心化的保护作用。他类比称，正式的法院系统虽然有时显得刻板，但在保护弱势个体权利方面，远比“私刑正义”做得好得多。

阿莫代伊表示，Anthropic推动的政策一直致力于“减缓前沿实验室速度、向小型竞争者倾斜”，例如该公司支持的加州SB 53法案就对低营收或低训练成本的模型设置了豁免。他还认为，AI因规模定律本身就倾向于集中权力，开放权重模型并不能真正解决问题，只是把权力转移给拥有最多算力和芯片的一方。

对此，萨克斯反驳称阿莫代伊在“立靶子”，因为批评者从未反对一切监管，而是反对特定行业利用规则筑墙。萨克斯引用诺贝尔经济学奖得主施蒂格勒（George Stigler）的经典理论，称“监管俘获”（Regulatory Capture）有着严谨的经济学定义，即某个行业凭借集中的利益与充沛的资源去俘获并主导规则，让监管主要服务于自身，而公众利益则因分散且缺乏组织被边缘化。

萨克斯称：“Anthropic深谙这些动态，该公司聘用了多位前拜登政府的AI政策高级官员，建立了庞大的政府事务部门，并构建了一个由立场一致的组织组成的网络，在州和联邦层面推动其偏好的监管框架。”

其次是关于前沿模型事前审查机制的性质认定。阿莫代伊在长文中表示，AI由于规模定律和算力门槛在结构上本就倾向于权力集中，开放权重模型无法彻底解决该问题，因而他支持对前沿模型实施部署前测试，并认可行业内关于建立类似美国金融业监管局（FINRA）自律机构的设想。

此前，阿莫代伊也使用类似美国食品药品监督管理局（FDA）或美国联邦航空管理局（FAA）的机制来为AI审查辩护。他称：“在当前指数级发展的阶段，最恰当的类比是汽车、飞机或药品——这些都是现代经济不可或缺的强大技术，但如果设计或操作不当，也可能造成大规模伤亡。因此，我认为AI监管应当以FAA等机构为蓝本。前沿AI模型应当像飞机一样，必须经过技术测试和审计才能放行；如果未能达到高标准的安全要求，就应以其对公共安全构成威胁为由，阻止其发布或撤回已发布的模型。”

但萨克斯在反驳中直接给这类事前审批机构贴上了“AI版机动车辆管理局（DMV）”的标签。在美国公共语境中，DMV是繁琐程序和无休止排队的象征。在萨克斯看来，无论采取哪种模式或流程，AI模型审查都“将排起长队，等待测试和批准”，不仅削弱企业的商业模式，也对美国在全球AI竞争中的位置不利。

最后，萨克斯将矛头指向了Anthropic此前在公众层面大肆渲染“AI风险与就业替代”的舆论叙事，认为正是这种恐慌营销加剧了社会对AI技术的不信任。在他看来，这股恐慌情绪的根源在于少数前沿精英认为唯有自己足够“开明”、能够掌控技术走向。

硅谷内部的监管分歧

事实上，硅谷在人工智能监管问题上的分裂，已经从早期简单的“安全派与加速派”对立，演变为更为复杂的多维利益博弈。各家科技巨头与前沿实验室正在监管介入时机、制度设计与权力分配等核心议题上各自下注。

在监管介入的时机与强度上，阿莫代伊在今年6月发布的《关于AI指数级发展的政策》中提出对前沿模型实施强制部署前测试，并赋予政府直接叫停高风险模型部署的权力；谷歌DeepMind首席执行官哈萨比斯（Demis Hassabis）在7月更具体地提出倾向于机制化的行业共治，倡议设立由行业出资、受联邦监督的独立机构（即“AI版FINRA”），负责安全审计与标准验证；而以Meta、英伟达等为代表的阵营则主张将防线后移，反对在基础模型层预设前置枷锁，强调应在具体的应用与部署层面进行针对性治理。

在立法路径与博弈策略上，美国联邦与各州的关系成为各方角力的新战线。OpenAI全球事务首席官勒汉（Chris Lehane）此前提出“反向联邦主义”（reverse federalism）策略，即先推动加州、纽约、伊利诺伊等大州通过内容相近的安全立法，形成事实标准后，再促使国会将其追认为全美统一规则。Anthropic支持各州逐步抬高安全门槛的立法，除非联邦标准强度不低于现有州法，否则明确反对联邦法律轻易废止州法。与之相对，多数跨国科技大厂与硬件巨头则反对州级立法的碎片化合规成本，全力游说建立宽松、统一的联邦框架。

在技术分发与权力集中这一问题上，7月24日，微软总裁史密斯（Brad Smith）发布题为《开放权重与美国AI领导力》的联名信，英伟达、Meta、IBM等也参与了联署。该阵营认为，开放权重是战略资产，广泛分发有助于提升整体竞争力和防御能力，限制开放反而可能削弱美国在全球AI竞赛中的地位。随后，OpenAI和谷歌也加入了这一多方联署倡议，而Anthropic是唯一没签字的头部前沿实验室。阿莫代伊表示，由于规模法则和算力需求，AI在结构上倾向于集中权力，而开放权重“远远不足以”解决这一问题，只会把集中转移到拥有最多算力和芯片的人手中。

世界经济论坛人工智能卓越中心（CAIE）人工智能应用与影响力负责人巴索（Maria Basso）此前对第一财经记者表示，当前全球都在摸索什么才是最合理的监管尺度，但这一讨论往往被政治化。科学研究表明，制定得当的监管非但不会阻碍创新，反而会成为创新的催化剂。然而，在这个全新的技术领域中，要勾勒出“好监管”的具体样貌，确实是一件非常微妙且具有挑战性的事情。“核心在于你需要想清楚应该与谁合作才能真正具备竞争力。你不可能凭一己之力包揽所有事情，否则你将永远无法获得竞争力。”她称。