导读： 2026 年 6 月 10 日，Anthropic CEO Dario Amodei 发表了一篇长文。他没有大谈 Claude 性能如何提升，而是指出了一个核心矛盾：政策机器的运转速度，已经远远跟不上 AI 的指数级发展。
文章的最大价值，并非重复“要不要监管 AI”的老生常谈，而是 Dario 首次将安全审计、就业冲击、收入再分配、科学审批与民主国家联盟，统统纳入了一张制度蓝图。换言之，这位 AI 公司的掌门人，开始正式探讨“社会究竟该如何接住 AI”这个棘手问题了。
核心论点：当“树人” 碰上“急行军”
Dario 开篇用一个极具画面感的比喻点明了现状：政治制度就像《指环王》里的树人，行动迟缓；而 AI 犹如已杀到眼前的半兽人大军，双方根本不在一个时间维度上。
这个比喻背后，是他对近些年 AI 进展的观察。模型从“勉强能写代码”到承担起大型科技公司里的大量编程工作，仅仅用了几年光景。在生物、数学、金融、法律、翻译等领域，类似的跃迁也在发生。如果 Scaling Law 再持续一两年，我们或许真会接近他此前预言的形态——一个“数据中心里的天才国家”。
因此，这篇文章绝非普通的行业评论。它意在提醒：如果 AI 注定成为军事、经济与科研能力的核心来源，那么政策就绝不能继续按普通软件行业的节奏来反应。
Dario 把问题拆解为五个层面：
| 领域 |
核心关切 |
| 公共安全 |
前沿模型上线前，是否必须接受强制测试 |
| 宏观经济 |
AI 替代人类认知劳动后，收入该如何分配 |
| 科学创新 |
药物审批等制度，会不会被 AI 的加速“堵住” |
| 国家权力 |
AI 是否会放大监控、自治武器和权力集中 |
| 地缘政治 |
民主国家如何围绕 AI 供应链与标准结成联盟 |
一个明显的信号是：AI 的公共讨论，正在从“哪个模型更聪明”的阶段，迈进“谁来定规则、谁承担成本、谁获得收益”的阶段。
监管升级：从“公开你怎么测”到“通过测试才放行”
过去几年，Anthropic 更偏向透明度路线：模型开发者披露安全流程、公开测试结果、报告重大安全事件。这个思路相对温和，目的像是先把灯打开，让大家看清楚风险的真实模样。
但 Dario 这次明确表示，风险已经迫在眉睫。尤其是网络安全、生物风险、AI 系统失控、自动化研发这几类问题，不能再只依赖“公司自己说清楚”了。
他提出的类比也随之升级：前沿 AI 模型更像是飞机、汽车和药品。它们对现代社会至关重要，但一旦设计或运营失败，也会造成大范围伤害。因此，他建议：超过一定算力门槛的前沿模型，在发布前必须接受合格的第三方测试；若评估显示风险不可接受，政府理应有权阻止部署，甚至要求将其撤回。
这一步必然会引发巨大争议。
支持者认为，这是将 AI 纳入成熟工业社会的安全逻辑。飞机不能仅凭制造商自证安全，药品也不能只靠药企说有效。反对者则担忧，这会拉高合规门槛，最终变成大公司更容易存活，而小公司更难进场。
两边都有理。但 Dario 此次的重点，已不再是“多写几份安全报告”，而是将前沿模型发布变成一种准入制。过去是公开你怎么测，现在是通过测试才放行。AI 安全监管真正变硬的标志，或许不是报告的厚度，而是“发布”这个动作本身，开始变成一件需要被批准的事。
就业：最难的那道题叫“分配”
整篇文章最容易引发读者共鸣的部分，无疑是就业。
Dario 没有描绘一个 AI 只会“创造新岗位”的美好童话。他说得很直白：如果 AI 能比人类更好地完成绝大多数认知任务，它既可能带来极快的经济增长，也可能引发比以往任何技术都更剧烈、更持久的劳动力冲击。
他的关键判断是：在传统的政策辩论里，增长与分配常常互为代价。照顾弱势群体，可能要牺牲一点效率；追求高速增长，或许就得容忍更多不平等。但强大的 AI 可能会把这个旋钮拧到一个极端位置——增长极快，但不平等也极高。
到那时，最棘手的问题就不再是“如何刺激增长”，而是“如何让大多数人分享到增长的红利”。
他给出的政策方向分三层：
| 层级 |
行动方向 |
| 先看清 |
政府需要更认真地统计 AI 对岗位、薪资和行业的实际影响 |
| 慢一点 |
通过工资保险、培训补贴、留岗激励和转岗匹配，降低冲击速度 |
| 兜到底 |
若长期性替代真的发生，就需要收入支持、资本账户或税制层面的再分配 |
有个细节不容忽视：Dario 并没有断言“大规模失业必定发生”，而是强调政策必须正视这种可能性。真正的危险，不在于预测出错，而在于冲击到来前，社会竟连一套可执行的缓冲机制都没有。
说到底，AI 的经济问题，最终会变成一笔账：增长红利记在谁名下？转型成本又该由谁承担？
更大的野心：让制度本身也加速
一个有趣的地方在于，Dario 的目标并不仅仅是“管住 AI”。在讨论科学创新时，他反过来批评现有制度的效率太低。
以生物医药为例。AI 能更快地发现候选药物、更准地预测毒性、更高效地设计临床试验。如果监管机构还按老节奏处理药物管线，结果可能是：风险没降低多少，收益却被流程卡住了。
所以他的主张包含两面：
- 对 AI 本身要更严格，因为前沿模型的风险来得太快。
- 对 AI 加速出来的科学成果，则要推动 FDA（美国食品药品监督管理局）、EMA（欧洲药品管理局）等机构，提前准备新的评估方式，比如 AI 模拟、毒理预测、合成对照组和替代终点。
否则，一个荒诞的局面便会浮现：AI 把新药研发推到了门口，审批系统却消化不了。
这正是本文比一般“监管倡议”更值得深思的地方。它不是简单地踩刹车，而是在区分哪里该刹、哪里该扩容。真正困难的，便是这个平衡：AI 作为基础能力，需要安全边界；AI 推动出来的医疗、能源、材料进展，又不能被旧流程拖死。
民主国家联盟：AI 成为新的权力基础
文章的最后两部分，尺度骤然拉大。
Dario 不再只盯着单个产品，而是担忧 AI 会彻底改写国家权力与公司权力的边界。强大的 AI 足以放大监控、自治武器、情报分析和社会控制，甚至让企业拥有接近准国家的能力。
因此，他提到了几类具体制度安排：限制全自治武器在国内的运用，堵住数据经纪商和大规模数据购买带来的隐私漏洞，并确保面对政府不利行动的个体和组织，也能获得足够强的 AI 辅助。
尽管这些听上去离产品发布很远，但逻辑并不跳跃。模型能力越强，就越不能只问“谁有 API 权限”，更要问“谁能监督使用者”。
地缘政治部分则更为直接。Dario 认为，AI 可能成为未来军事和经济实力的主要来源。民主国家应围绕芯片、半导体设备、安全标准、AI 防御、医疗审批和宏观政策形成联盟。联盟内部共享能力，对外则管控关键供应链。
这无异于将 AI 从一种“全球化软件产品”，重新定义为战略基础设施。它肯定会让许多人感到不适，因为这意味着 AI 开放、贸易、出口管制和安全审计都将越来越政治化。但从 Dario 的视角看，若 AI 真是个“数据中心里的天才国家”，它便不可能永远停留在普通商业工具的定位上。
一份 AI 时代的制度预案
本文最值得反复研读的地方，在于它把几个原本割裂的争论缝合到了一起。
过去我们聊 AI 安全，容易停在“模型会不会失控”；聊就业，容易停留在“哪些岗位会被替代”；聊地缘政治，又容易停在“美国和中国谁领先”。Dario 这次把它们全放进同一个框架里：AI 的速度太快了，制度需要提前改造。
我并非认为文中的每条建议都能落地，也不否认这其中有 Anthropic 自身的利益考量。前沿模型准入制一旦成立，拥有完备安全、政策和审计流程的大公司无疑更容易适应，而创业公司和开源社区则难免担心，这会变成一道新的护城河。
但把这一点说清楚，不等于就能无视问题本身。
AI 飞奔得越快，社会就越需要直面几个硬核问题：模型发布前，谁说了算？岗位冲击到来时，谁来兜底？增长的收益，如何分享？当国家或公司掌握强大 AI 后，谁来制衡他们？
这些问题不会因为我们不喜欢监管就自动消失，也不会因为某位 AI 大佬写了篇长文就迎刃而解。它们将在未来几年，化作政策辩论、预算分配、选举博弈、产业竞争和企业合规中的一个个具体选择。
一句话总结： Dario 这次不是在喊“AI 很危险”，而是在说，AI 的进步速度，已经快到逼着我们去重写制度的反应程序。安全审计仅是第一步，真正的大题是就业、分配、权力制衡，以及国家间的竞争。
参考链接
完
发表于 1 小时前
|
查看: 5|
回复: 0
