“中国AI变强，对全球安全反而是一件好事！” DeepMind传记作者：神秘模型Mythos被紧急下架，OpenAI的同款武器却被放了一马

为了写 DeepMind 的传记《无限机器》（The Infinity Machine），作家塞巴斯蒂安·马拉比（Sebastian Mallaby）曾经和 Demis Hassabis 坐在英国一家小酒馆的角落里，前后聊了 30 多个小时。

刚写完的时候，出版商心里特别没底。在那个 Sam Altman 和马斯克天天占领硅谷头条的年份，出版商担心，封面上印着默默无闻的 Hassabis，根本不会有人买账。但直到 2026 年春季新书上架，大家才回过神来——这个一贯低调、试图置身于算力军备竞赛之外的诺贝尔奖得主，早已被推到了风暴的中心。

在马拉比眼里，现在硅谷流行的“谁先造出 AGI，谁就通吃全球”的奇点神话，只是个脱离现实的幻觉。把模型塞进现实世界，阻力大得超乎想象：企业要用数据，必须先让客户正式签字；出了事故，谁来承担法律责任还没扯明白；更别提电网、数据中心和土地配套这些硬骨头。光在服务器里跑通最强的算法，离真正的胜利还差得远。对于程序员失业的恐慌，他也给出了一个很不一样的视角。

他用当年的“中国贸易冲击”做类比：当年中国加入 WTO 后，12 年里美国客观上其实只掉了 200 万个工作岗位，但选民心理上受到的冲击，直接重塑了美国的政治版图。AI 也是一样，哪怕实际裁员人数没那么多，它带来的“饭碗不保”的恐慌感也会被无限放大，逼着决策者必须提前去搞工资保险，或者给年轻人发一些大厂股票。

在最近与《外交事务》（Foreign Affairs）主编 Dan Kurtz-Phelan 的对话里，这位老牌经济史学家从 OpenAI 烧钱却没回报的商业窟窿，聊到了到美国政府临时起意叫停 Anthropic 的 Mythos 模型：

OpenAI 花血本研发的 Sora 沦为社交媒体的免费水帖工具，其面临的财务窟窿大得惊人。截至 2026 年，OpenAI 预测自己未来 5 年要硬烧掉 6600 亿美元。但在缺乏董事会有效监管的情况下，很多决策极其草率。比如 Sora 的视频生成成本贵得要死，用户拿它做出来的视频却大都在社交媒体上发免费的“水帖（slop）”，根本不打算为此付一分钱。这就导致产品收入基本为零，运营成本却成了无底洞。

没有“断电开关”的开放权重模型（Open-weight），将是未来全球安全的最大漏洞。像 ChatGPT 运行在云端，几个月前黑客用它疯狂攻击墨西哥，OpenAI 和 Anthropic 一接到通知，直接在线拔掉网线，攻击当场就停了。但开放权重模型相当于把代码发到了用户本地，大厂根本管不着。一旦这种破坏力极强的模型流到犯罪组织手里，互联网和金融体系随时面临瘫痪的危险。

中美两国的 AI 实力均衡，对全球地缘安全来说反而是一件起稳定作用的好事。翻看核武器历史就会发现，美国唯一一次扔原子弹，是处于核武绝对垄断的时期；一旦多国持核，相互制衡反而避免了全面冲突。中国 AI 变得更强大，能让实力天平保持平衡。中美更应该像冷战时期建立核不扩散条约一样，坐到谈判桌前，联手去管那些不可控的、流向第三方的技术扩散。

美国政府对 AI 实验室的监管，目前处于一种混乱、拍脑袋式的“边跑边看”状态。2026 年 4 月，面对可能瘫痪网络金融系统的 Anthropic 旗下 Mythos 模型，美国政府突然采取临时（ad hoc）指令要求其下架。然而，OpenAI 同样拥有强大网络破坏能力的同款模型，却并未受到同等对待。这种针对个别大厂、缺乏连贯性的执法，暴露出联邦层面制度建设的缺失。

别轻信“5 年内 50% 程序员失业”的耸人预言，AI 真正的破坏力在重创大众的“心理底线”。当年“中国贸易冲击”在 12 年里只减少了 200 万个美国工作岗位，数据比例虽小，但那种“饭碗不保”的恐慌心理，却彻底改变了美国的选民结构并送特朗普上台。

不要追逐“全面独立”的空中楼阁，主权在于关键卡点

主持人：我想先从一个关于 AI 和地缘政治的问题开始。这个问题听上去可能很幼稚，事实上也可能确实有点幼稚：当我们谈论 AI 竞争时，我们到底在谈什么？

Sebastian Mallaby：其实这是个好问题，因为我觉得很多人对这件事相当混淆。有些人、有些地区会说，他们想实现完全独立——从模型设计到芯片，到能够把电路制造到芯片上，整条链条全都自己掌握。

但这其实是个有点疯狂的目标，因为就连美国都做不到这一点。美国也依赖荷兰的光刻机以及东亚地区的芯片制造能力。所以我认为，这并不是地缘政治竞争的正确定义。

我觉得，更好的理解方式，是借用我们外交关系协会（Council on Foreign Relations）同事埃迪·菲什曼（Eddie Fishman）提出的一个概念：卡点（choke points）。如果你在供应链中的某些关键环节占据强势地位，你大概就能利用这种优势，通过谈判为自己争取到想要的 AI 模型供应。

所以如果我是给一位欧洲领导人提建议，我会说：不要追逐“全面独立”这种空中楼阁，而是要在像 ASML 这样的企业上加倍下注。ASML 就是荷兰那家光刻公司。再比如 ARM，它是一家英国芯片设计公司，全球 99% 的智能手机都在使用 ARM 架构芯片。整条链条里有些环节，某些看似不起眼的地方——不只是东亚，甚至包括欧洲——实际上都占据着很强的位置。我认为，真正应该争取“主权”的，就是这些环节。

光在服务器里跑通最强模型，不等于你就赢了全部

主持人：我想稍后再回到这些潜在的卡点。你之前对其中一些维度写过很有意思的分析。不过我现在也想先聚焦一下“胜利”的定义。至少在美国和中国的讨论里——先谈我认为最牵动美国注意力的那一项——竞争目标似乎集中在对 AGI，也就是通用人工智能（artificial general intelligence）、超级智能（superintelligence）、奇点（singularity），或者你愿意用的任何类似说法的追逐上。

你那本写德米斯·哈萨比斯（Demis Hassabis）的精彩著作——他是现代 AI 的先驱之一，DeepMind 的创始人，现在也是 Google 的 AI 负责人之一——描绘了他早年对超级智能前景的洞见与执念。那还是在大多数人几乎没怎么认真想过 AI 的时候。那么，为什么会有人认为，这才是理解整个事业的正确方式？为什么这是 AI 实验室、乃至整个美国都应该聚焦的方向？

Sebastian Mallaby：支持“谁先到达 AGI，谁就赢”的论点在于：一旦你先到达通用人工智能，也就是 AGI，你手里就会拥有一个极其强大的模型，强大到别人永远追不上你。

这里面还有一个概念，就是所谓“奇点”——当模型强大到足以为下一代模型写出全部代码，而下一代模型又能继续造出再下一代模型时，前沿能力的增长曲线就会陡然垂直上升。到了那个时刻，游戏就结束了。我觉得这种看法在 Anthropic 内部尤其强烈。

这是一种论证方式。不过还有另一种论证：把模型真正部署起来，无论是在军事体系、政府体系，还是企业体系，都会遇到相当大的摩擦。所以，仅仅在某个前沿实验室的服务器里拥有“最强前沿模型”，并不等于你就赢了全部。

主持人：你最近和同事塞巴斯蒂安·埃尔鲍姆（Sebastian Elbaum）在 FA 上发表的一篇文章里，我感觉你对“超级智能”或者 AGI 是正确目标这件事，比刚才那个回答里还要更怀疑一些。这样理解公平吗？

Sebastian Mallaby：是，可能我在那篇文章里说得更重一点，我把它叫作“奇点幻觉”（the singularity delusion）。我相当明确地站在这样一边：当人们说，看，这些前沿模型会聪明到足以自己设计出如何帮助你的应用、你的公司、你的军队等等时，我就是不信。

我不认为，在没有某种安全机制、监督机制和审慎态度的前提下，人类制度里的摩擦与不确定性会凭空消失。我不相信事情会那样发展。我觉得，任何采用这类模型的机构内部，都会围绕“到底该怎么采用”爆发巨大的内部政治博弈。

如果是一家公司，你是不是得先让客户正式签字，同意你会使用他们的一部分数据，并把这些数据输入 AI？如果出了问题，谁来承担责任？所有这些现实世界里、非常“人”的问题，都会拖慢采用速度，制造摩擦。还有，别忘了，如果你想把前沿模型部署到整个经济体系中，你得建算力基础设施。你需要数据中心。你需要为数据中心供电。你不可能靠想象把这些问题变没。

所以在我看来，光是比别人更早到达前沿，并不是赢得这场竞赛的方式。

主持人：我在你书里还读到一件很让我着迷的事：德米斯早年关于 AI 的思考，以及他与其他早期参与者之间的讨论。从一开始，他们就会抛出一些几乎带着炫示意味的警告，提醒人们这些技术可能威胁社会稳定，甚至人类生存；但与此同时，他们还是想尽可能快地推进。

这点你现在仍然能在一些头部 AI 实验室 CEO 身上看到。考虑到如今涉及的是数十亿、甚至数万亿美元的利益，他们现在有这样的动机不难理解。但即便在 15 年前、20 年前，在钱景还没这么明确的时候，他们也同样如此。你怎么理解这种张力？我相信你和德米斯一定深入谈过这个问题。你怎么理解这种矛盾，以及他们明明有这些担忧，却依然坚持加速推进的理由？

Sebastian Mallaby：我觉得，在竞赛的最初阶段，这种态度是可以理解的。因为当时有各种关于“如何把它做安全”的理论在流传，而且那时它还并不真正危险，所以进展看上去也没有那么吓人。

早期有一种设想是：会有一个单一实验室，代表全人类孕育出这项技术。既然不存在竞争，你就可以推进得非常慢，在每次发布前都格外谨慎，反复测试、三重测试，确认没问题再把它放到现实世界里。这样一来，它就可能是安全的。

但后来的实际发展——我认为这本来就是可以预见的——却是多个实验室在多个国家同时赛跑。也就是说，现实恰恰和那个“单一主体”场景相反。现实里有竞争。

而一旦如此，任何一家实验室哪怕对自己实施再严格的安全约束，也无法真正改变全人类的结局。Google 明天就算完全退出这场竞赛，关停一切，并宣布“这一切都太危险了”，后天世界上的 AI 进步照样会继续发生。

所以我认为，现在这些公司某种程度上是被困住了。他们之所以继续往前冲，并不是因为他们真有一套让 AI 变得安全的理论，而是因为他们看不到自己单方面做安全这件事的收益。如果这是场竞赛，那么唯一能让所有参赛者一起慢下来的主体，只可能是政府，而且很可能必须是两个政府，因为真正拥有强大 AI 生态系统的国家只有两个：第一是美国，第二是中国。

主持人：这算是个题外话，不算特别符合 Foreign Affairs 播客的一贯主题，但我在读你的作品、也在更广泛地听相关讨论时，一个非常醒目的感受是：整个项目在多大程度上被科幻小说和电子游戏塑造了。很多关键人物似乎都把自己想象成小时候读过的科幻作品里的角色，不管是《安德的游戏》（Ender’s Game）、艾萨克·阿西莫夫（Isaac Asimov）的作品，还是别的什么。有时我们确实从他们那里得到了一些关键洞见。你刚才提到的“奇点”这个概念，本来就来自一位科幻作家。

当然，还有一个事实是，如今如此关键的许多芯片，最初其实就是为电子游戏开发的。很值得注意的是，这个现实并不是由《圣 经》、孔子、或者《摩诃婆罗多》这类经典塑造出来的，而真正塑造它的是科幻小说。对于我们正在进行的这场对话来说，那其实是一套很不一样的范式。

Sebastian Mallaby：如果你回到 2010 年，也就是德米斯创办 DeepMind 的那一年，当时的 AI 其实什么都做不了，连猫的照片都识别不出来。

所以，要去想象一个拥有超级智能的未来，本身就是一个极其大胆的设想。那时候你会从一切可能的地方寻找灵感。在试图创造一种遥远得几乎看不见的东西时，科幻小说是非常有用的想象支架。

中国同行非常务实，他们在想尽办法把技术做进具体的行业里

主持人：让我们从科幻回到地缘政治。你刚才谈到，对于我们的目标应该是什么，存在几种彼此竞争的理论。一种是主导许多美国实验室的 AGI 理论；另一种则更常见于中国：强调开源模型，这些模型更便宜，也许没那么先进，但更容易部署，而且更重视把它们更有效地扩散到经济和军队之中。

你似乎更倾向于中国这套理论。它的道理在哪里？又为什么你觉得，至少到目前为止，它在美国的讨论中还没有得到更大的响应？

Sebastian Mallaby：是的。我今年三月去了中国，因为我的书是在中国先出版的，比在其他任何地方都早。中国人在很多事情上动作都特别快。

我去了四座城市，见了很多做 AI 的人，包括科技公司里的人，也包括学界的人。让我印象很深的一点是，他们谈 AI 安全，其实比华盛顿有些人想象的要多。另一点则是，他们对“应用”非常聚焦。

你刚才也提到了，这其实已经算是众所周知了。但当你真去看一家像华为这样的公司时，你会发现，虽然它还落后于最前沿，但它的自给自足能力确实令人印象深刻。它在造芯片、设计模型、运营云服务，同时把这一整套能力用到具体行业应用里。

举个例子，上海到北京之间每天运行的高铁，在往返若干次之后就需要检修。以前你会让人工机械师爬到车底下，逐项检查有没有问题。现在你只要在下面装上 AI 摄像头，再配一个机器人，它就能修复系统。

我还去看了一家叫海康威视（Hikvision）的公司，做的是传感器和摄像头。这个经历让我会产生一种非常奇怪的“灵魂出窍”感：你去参观一家公司，它的气质有点像一家很酷的美国科技公司，与此同时，你又会意识到，这可是美国的敌手、被制裁的对象。

不过回到你的问题。他们有一个应用案例，我其实挺喜欢这个思路。中国内部有一个关于减少水污染的市场：下游城市可以付钱给上游城市，要求它确保水质清洁。而这个市场之所以能成立，就是因为传感器技术——也就是一种由 AI 赋能的技术——可以直接对准水体，立刻测出污染指数。于是，下游城市就能监测上游城市是否真的减少了污染，进而形成一个可交易的减污市场。

主持人：当你同时观察美国和中国这两边，并考虑那些如今越来越被放到优先位置上的安全风险——不管是网络安全，还是科幻场景里那类更离奇的风险——无论是政府还是私营部门，似乎一直都很难找到一种真正有效的监管公式。

你在书里提到过这样一幕：本·布坎南（Ben Buchanan）当时担任白宫 AI 事务负责人——他离开政府后也曾为 Foreign Affairs 撰稿——他曾试图让一些 AI 实验室支持拜登政府的 AI 安全议程。那种路径，也就是更偏协商式的路径，并没有奏效。与此同时，当 Anthropic 发布了一个被政府认定为过于危险的模型时，我们又看到了特朗普政府采取了一种强硬而粗暴的行动。

你怎么看待公共部门与私营部门、政府与企业，在 AI 安全问题上的关系平衡？你是否已经看到某种可行、而且有效的治理公式开始浮现？

Sebastian Mallaby：是的，我其实并不觉得要想象一种可行的 AI 监管机制有多复杂。

我们有联邦航空管理局（Federal Aviation Administration），它的工作就是：我们不希望飞机在天上飞着飞着掉下来砸死人。我们也有食品药品监督管理局（Food and Drug Administration），它会在药物向公众发布之前进行测试，如果药物不安全，就不允许上市。

在我看来，说“AI 的危险程度与之相当，甚至可能更高，我们需要一个联邦层级的监管机构，在强制而非自愿的基础上，在前沿模型发布前对其进行审查”，这件事完全顺理成章。我们对它们做红队测试（red-team testing），如果发现模型存在漏洞，比如会提供制造生物武器的建议、会教人发动网络攻击、或者会告诉人如何操纵水坝导致城市被淹，那就不允许发布。就这么简单。

有些人会说，哦，软件没法监管，因为它会无形地跨境流动，等等。可事实是，这些模型必须在庞大的半导体集群上训练，而那些集群体量巨大、看得见、也完全可以被监管。

我认为，旧政府值得肯定的一点是，他们在 2022 年 10 月，或者甚至更早的 2022 年夏天，就已经认真看待这件事了。而新政府想走彻底的放任主义（laissez-faire）路线。他们想加快部署，结果，在一个几乎没有任何监管积木可用的环境里，他们到了 2026 年 4 月才突然惊醒，发现：“天哪，Anthropic 的这个 Mythos 模型已经能够发动会从根本上破坏整个互联网稳定性的网络攻击，尤其会冲击金融体系。我们最好管一管这个东西。”

于是他们用一种临时起意的方式接管了它，很长一段时间里几乎没人能接触到 Mythos。后来它终于被允许更广泛发布，但他们又来了个 180 度大转弯，要求 Anthropic 把它撤回。于是你就看到一种边跑边做的政策：既临时、又很针对个人，或者更准确地说，是很针对某家公司。因为 OpenAI 也有一个同样相当强大的网络攻击模型，但它却不在打击范围内。

所以现在的局面就有点任意：Anthropic 被要求撤下自己的模型，而 OpenAI 却没有受到同样对待。这是一种混乱的、边走边看的政策制定方式。而之所以会这样，就是因为那个其实相当显而易见的监管公式，从来没有被真正采用。

大国 AI 实力均衡：中国强一点，地缘博弈反而更安全

主持人：你刚才提到卡点，很多人会认为，对芯片实施出口管制，就是一种有效控制卡点、或者把卡点武器化的方式。但你一直对“依靠芯片出口管制来约束中国”持怀疑态度。你觉得，这种围绕特定卡点的思路到底错在哪里？

Sebastian Mallaby：当然。首先我想强调一点：我反对芯片出口管制的理由，并不是 Nvidia 那套理由。

Nvidia 会说，我们要让他们持续依赖我们的芯片，我们应该继续给他们供货。我不同意 Nvidia 的说法。我的观点不一样。

我的观点是，AI 有两大风险，我们可以把它类比为冷战时期的核对抗。第一种风险，是两个超级大国之间爆发一场由 AI 驱动的战争。我们从冷战中知道，这种风险最终是通过实力均衡、通过相互威慑被控制住的，而这种机制成功阻止了战争。所以从某种意义上说，如果中国的 AI 稍微强一点，甚至可能反而是稳定因素。

你再回头看看核历史就明白了：原子弹真正被投下，唯一一次，就是美国垄断核武的时候。一旦别的国家也有了，使用它的代价就变得极高，于是再也没人用了。

所以我认为，这是一类问题，也就是“大国冲突问题”。但还有另一类问题：其他行为体——犯罪组织、恐怖分子、流氓国家，以及各种“失控者”——拿到了这项技术，然后拿它去干坏事。

那怎么应对这种问题？冷战时期的答案，是 1956 年建立国际原子能机构（IAEA），然后在 1968 年达成《不扩散核武器条约》（Non-Proliferation Treaty）。

我认为，我们显然应该把这件事明确为 AI 领域一个高度优先、而且非常紧迫的问题。为什么？因为现在我们已经有了 Mythos——一种如果被放到野外，就可能让整个互联网失去稳定、基本上击穿现代资本主义的模型。

其次我们也知道，中国距离美国前沿只落后八个月。即便你认为前沿会继续扩张，那就算差距是 12 个月，甚至 15 个月好了。它仍然意味着，中国很快也会拥有 Mythos 级别的 AI。而按照当前的做法，他们会把这种模型作为 open-weight 模型发布，也就是任何人都能在毫无防护措施的情况下使用它。全世界每一个犯罪组织都会得到它。这会是一个极其糟糕的结果。

但新政府根本不从这个角度思考。他们会给你讲一整套“为什么我们必须领先中国”的故事。他们只是在回应“大国平衡”这个问题，却完全漏掉了“扩散”这个问题。他们对此一句话都说不出来。这才是问题所在。

所以，我对芯片出口管制的看法，并不是说我原则上反对它们。相比于让美国领先中国，我更关心的是扩散风险。如果我们必须稍微放松一点对中国的芯片卡控，才能换来中方同意签署一项联合协议，共同阻止扩散，那我会支持这种交换。

主持人：你觉得，通往这样一项协议的路径会是什么？尤其是在特朗普与中国领导人今年五月围绕 AI 有过一场看起来还算有希望的讨论之后——据我们理解，双方似乎确实都对开启这类对话有一点兴趣。那要真正走到协议，路径会是什么样？

Sebastian Mallaby：我觉得，路径的一部分，是美国必须先放下目前关于中国、以及“是否能和中国谈困难问题”的那套惯常叙事。

我在和一些非常聪明、我也很尊敬的人争论这个问题时——他们通常是多数，我是少数。我说我们需要和中国更多对话，他们就说：“你不懂，塞巴斯蒂安。你根本没法和他们谈。”

我会说：当然，确实困难。但不去谈的替代方案是什么？替代方案就是，顺便一提，Mythos 最后流到世界上每一个犯罪组织手里。那可不是什么好结果。

所以我们得重新回到谈判桌前，以更严肃的方式和中国对话。我认为，我们应该愿意在这方面做一点交换。现实是，全世界都有加速主义者，也都有重视安全的人。把任何一方单一面貌化，都是错误的。

我认为，我这套“AI 需要不扩散机制”的逻辑，坦率说几乎无可辩驳，所以最终我们会走到那一步。问题只在于：是不是非得先发生一件特别糟糕的事？

主持人：听到这里，我一个很强烈的感觉是，真正占据主导地位的还是两大强国。欧洲确实像你一开始提到的那样，有一些优势，但它始终没能建立起真正的一线前沿实验室。至于发展中国家，考虑到真正突破性 AI 所需要投入的资金、能源和其他资源，它们几乎没有太多希望。

Sebastian Mallaby：我不觉得其他国家会处在很强的位置上，因为它们最终都可能面临被切断供应的问题。

正如我在播客开头说的，AI 供应链中的某些环节位于其他国家。但真到了关键时刻，这些公司——比如荷兰的 ASML——它们还是想把产品卖给美国，想和美国公司合作。所以它们最终会听美国政府的话，而且它们确实也这么做了。

别信 50% 失业的恐慌，AI 真正砸碎的是选民的心理底线

主持人：你几个月前为 Foreign Affairs 写的那篇文章里，提出了一个非常有意思、也很有说服力的“AI 三难困境”（AI trilemma）。我们刚才已经谈了其中一种风险，也就是国家安全风险。另一项则是社会风险，也就是社会失序或社会扰动的风险。

你书里有一幕让我印象很深：穆斯塔法·苏莱曼（Mustafa Suleyman）——他是 DeepMind 的另一位联合创始人——他曾向 Google 领导层汇报自己所看到的社会和政治风险，并基于就业可能受到的冲击，提出应该分享财富。但就你对那个场景的描绘来看，他并没有得到会议室里其他人的热烈回应。

那么在你更近一些的对话和观察中，你是否看到，无论是公司还是政策制定者，在对待就业风险和其他社会性扰动时，开始展现出更强的认真态度 and 行动意愿？

Sebastian Mallaby：有些公司的人，甚至可以说是把风险看得太严重了。他们的说法相当吓人。达里奥·阿莫代伊（Dario Amodei）大概一两个月前上电视，说接下来五年里，美国 50% 的初级岗位会被冲击。百分之五十。这是一个非常惊人的预测，我不确定自己是否认同。我觉得这夸张得挺厉害。

我之所以这么认为，是因为我前面提到的那些企业内部采用摩擦。我不认为，仅仅因为你有了一个非常强的前沿模型，50% 的工作岗位就会突然消失。但我也不觉得可以说这些公司没有发出警报。

我认为更大的问题是：关于劳动力市场到底会发生什么，外界预测的区间实在太宽了。前不久我在 CFR 主持了一场关于世界经济的讨论会。高盛首席经济学家扬·哈祖斯（Jan Hatzius）和耶鲁大学教授娜塔莎·萨林（Natasha Sarin），他们两个人给出的答案都差不多是 4.5% 到 5%，也就是说，和现在相比变化并不大。

所以，当预测区间从 5% 一路拉到 50% 时，你很难知道到底该做什么。对政策制定者，我会建议：即便客观上的冲击相对不大，它在政治上也可能是爆炸性的。

看看今年毕业季的典礼演讲就知道了。有人上台，一说 AI 的正面作用，下面一群毕业生就开始嘘，因为他们害怕自己找不到工作。

这和当年的“中国冲击”（China shock）非常相似。客观来看，2001 年中国加入 WTO 之后，对美出口激增，真正因此失去工作的美国人数量，在整个美国劳动力市场规模里并不算多。12 年里大约是 200 万个岗位。但它在心理上的影响——体现在美国人对贸易、对全球化的政治态度变化上，以及特朗普当选、整个政治光谱全面转向反对开放贸易——却非常强烈。

所以，给政策制定者的信息应该是：即便 AI 带来的客观冲击只是中等程度，它的政治后果也会很大。所以你现在就得行动。

要不要搞某种给 18 岁以下的美国人发一个账户，里面持有一些头部 AI 公司的股份，好让他们觉得自己在这场游戏里也有点筹码？我认为是有必要的。

要不要设立工资保险，让那些被裁员的人找到新工作后，如果新工作工资低很多，政府可以补贴其中一部分差额？这一点我也认为是有必要的。

要不要把税负从劳动转向资本，这样企业在边际上就不会那么快用机器替代工人？——不仅有必要，绝对也要落实。

我认为，这些事都该推进，因为在“更亲劳工一点”“更支持缩小不平等一点”这件事上，几乎没有缺点。即便不考虑 AI，这大概也是不错的政策；而一旦 AI 对劳动力市场开始产生真实冲击，这些安排也会成为非常好的保险。

董事会监督基本为零：

这帮私有大厂的创始人正在拿着天价成本生产“垃圾水帖”

主持人：我想另一个值得谈的风险，是经济泡沫破裂的风险。这不是说技术本身和它的可能性不真实，而是考虑到投入到整个 AI 生态各个环节的投资规模、资本规模，以及它在美国乃至全球经济增长中的中心地位，很容易想象，如果泡沫破裂，会引发一场相当严重的经济或金融危机。

如果泡沫真的破了，会是为什么？你对此有多焦虑？我们又该警惕哪些诱因？

Sebastian Mallaby：首先，我觉得 AI 泡沫破裂影响普通人和整体经济，大致有两条渠道。

第一条，是你刚才提到的股市渠道：股价下跌，大家看着自己的账户，说“完了，我亏了好多钱”，然后就不消费了。

但第二条则更直接：大型 AI 建设者在数据中心上的巨额资本开支（capex），如今至少占到了经济增长的一半。现实经济本身其实没那么强，但增长数据之所以还能撑住，很大程度上是被数据中心建设潮托住了。

那么，泡沫为什么会破？我觉得这里有两点。

最近三周左右，好像正在发生一种“清算时刻”。过去企业的心态是：为了不掉队，我们不在乎成本，你们尽管放开了试，想用多少 AI token 就用多少。

但现在，前沿模型的 token 成本涨上去了，用模型越来越贵。于是企业领导者突然醒过来，开始说：等等，我为了让大家开心地做实验，花了这么大一笔钱，可生产率提升到底在哪里？

他们不一定会取消整个 AI 推进计划，只是会变得更精明一些。比如，他们会加入一层路由：如果员工问的是一个简单问题，就把这个问题分配给便宜的 AI；如果是复杂问题，才路由到前沿的昂贵 AI。

所以，如果因为这种企业 AI 支出“理性化”而导致 AI 使用量大幅下降，那么一个可能的推演就是：这会传导成数据中心需求下降、数据中心建设减少、半导体制造商收入下滑，最后在整条栈上出现一轮上下联动的修正。这可能会很痛。

还有另一件事，它某种程度上和我前一本书 The Power Law 连在一起——那本书写的是硅谷风险投资。

我认为，美国资本主义里有几种公司治理形式是有效的，也就是管理层会被真正问责的那几种，总共有三种：第一种是股票市场；第二种是私募股权（private equity）；第三种是早期风险投资。

但美国还有第四种公司治理模式，只存在了大概 15 年。它是这样运作的：一家风投支持的公司，长成了独角兽，估值达到 10 亿美元左右。这时，一类新的投资者，也就是“成长型投资者”（growth investor），会出现，然后对创始人说：“我相信你做的任何事都不会错，所以我愿意让你持有超级投票权股份。你每持有一股，就拥有 10 票。作为投资者，我也不会要求董事会席位，因为我为什么要监督你呢？你是天才啊。”

这不叫治理。这不叫监督。这恰恰是治理和监督的反面。当你让这种投资机制去统治这些私营成长型公司——其中包括 Anthropic、OpenAI，以及一大批科技前沿的重要玩家——你最终得到的，就是一群没有任何监督的创始人。他们想干什么就干什么。

所以，不出意外，其中有些人就会做出疯狂的事。OpenAI 就是现成案例。按 2026 年时的预测，他们未来五年的烧钱速度——你听好了——是 6600 亿美元。简直疯了。

史上最大 IPO，是刚刚发生的 SpaceX 那次，融了 750 亿美元。而这些人却打算在五年里烧掉 6600 亿美元去建数据中心。然后他们还搞了那个 Sora 图像生成产品，服务成本高得惊人。但那些视频用户都拿它在干什么？他们只是往社交媒体上发一堆垃圾内容（slop）。他们又不为此付费。所以收入是零，成本却大得惊人。

任何一个正常的董事会都会说：“你们到底在想什么？”但他们没有。因为那个董事会其实根本没有牙齿。

这是美国资本主义结构中的一个根本性问题。这也正是为什么私营 AI 公司会被炒到那么高的估值。美国之所以会有这个问题，是因为我们允许整个体系中有相当大的一块，处于“零治理”状态。

主持人：你一提到危机风险，我就想到你 2020 年在 Foreign Affairs 上写过的一篇文章，标题是《魔法货币时代》（“The Age of Magic Money”）。你在那篇文章里谈到，政府过去是如何利用财政和货币工具来对抗危机的。我在想，考虑到公共债务水平，考虑到由于关税和伊朗战争等因素，通胀依然相当高，这些工具现在还是否有效。感觉如果真的遇到危机，我们眼下所处的位置并不好。

Sebastian Mallaby：是的，我同意。我觉得人们需要记住，央行之所以有能力实施量化宽松、并且以非常激进的方式为经济托底，前提是：通胀低于目标，而且大家相信通胀会持续低于目标。而这个前提我们已经失去了。

美国通胀已经连续五年高于目标，而且没人真的相信央行在控制通胀这件事上有多坚定。

现在新任美联储主席凯文·沃什（Kevin Warsh）在最近第一次记者会上，尽可能强硬地表示：我们绝对致力于把通胀拉回目标值。但问题是，他面对的是同一个委员会——正是这个委员会曾经没能把通胀及时压回目标。所以市场并不确定自己是否真的相信这番话。

主持人：很多人把互联网泡沫视作今天 AI 局面的一个类比。你怎么看？

Sebastian Mallaby：对我来说，互联网泡沫更大的教训是：别让泡沫吹得那么大，而不是说事后该怎么办。

互联网泡沫破裂之后，美联储在货币政策上的做法，好像根本没有意识到发生过什么。到 2004、2005 年前后，利率被压到 1%，结果又为之后的房地产泡沫埋下了系统性条件。

所以，如果一定要说互联网泡沫破裂后的教训，那也许是：在重振经济这件事上，起初你也许应该更快、更积极，但一旦条件允许，也要尽快把这些刺激撤掉。不过我觉得更大、更清楚的教训还是：当泡沫开始膨胀时，不要自欺欺人地说“没关系”。

不要说：“哦，我们看的是消费者价格指数，它看起来并不通胀，所以我们没事。”因为鸡蛋的价格重要，养老金账户的价格同样重要。泡沫一旦破裂，是真的会把你拖下水的。

我觉得我们前面已经就 AI 谈到这一点了：AI 泡沫一旦破裂，也会把你拖下水。所以在我看来，美联储不仅犯了一个错误——也就是没能足够快地收紧政策，把通胀压回 2%——它其实还有另一个收紧的理由，那就是：一个泡沫正在它眼皮底下膨胀，它本该把这一点也纳入决策方程。

其实我觉得凯文·沃什有可能会这么做，而这会成为他更倾向于收紧政策的理由。当然，特朗普肯定不会喜欢这样。这会让他与白宫发生正面碰撞。但我希望他愿意这么碰，因为他的判断会是：最终赢的会是他。

主持人：最后我想引用你 2020 年春天写过的一句话，当时你是想提醒大家认真对待你的警告。你当时写道：“没有人确定通胀为什么消失了，也没有人知道它何时会再回来。去全球化如果造成供应中断，就可能形成瓶颈并推动价格飙升。能源成本近期处于荒谬低位，一旦反弹，也会是另一个可信的触发因素。”

结果这两件事，我们都在 2021 年看到了，所以那确实是个很聪明的预测。我也怀疑，你现在发出的某些警告，最后同样会应验。但至少现在，塞巴斯蒂安，非常感谢你来做这期节目，也感谢你写出了那本关于德米斯的精彩著作 The Infinity Machine，以及这些年来你为 Foreign Affairs 做出的杰出贡献。今天和你聊得非常愉快。

本文来自微信公众号“AI科技大本营”，编译：王启隆，36氪经授权发布。