Concitech AI · 深度长文
2026/08/17 17:03
Anthropic CEO 长文回应争议：AI 行业欠公众的，究竟是什么？
Dario Amodei 回应监管与舆论争议：AI 行业缺少的不是更积极的故事，而是足够多、能被公众验证的收益证据。
AI 公司是不是把风险说得太多了？
最近，投资人 Gavin Baker 对 Anthropic CEO Dario Amodei 提出了两项尖锐批评：一是以安全为名推动监管，可能让权力进一步集中到少数头部公司；二是反复强调 AI 风险，正在加剧公众对 AI、数据中心和整个行业的不信任。
Dario 用一组长帖作了回应。
表面看，这是一场关于监管、开源和舆论策略的争论。Dario 却把问题引向了一个更难回答的方向：科技公司已经讲了足够多的好故事，兑现的承诺却还不够多。
这句话也把 Anthropic 自己推到了更难的位置。
监管和开放，并不是一道二选一
Gavin 的担忧并不难理解。
前沿模型的训练成本越来越高，合规又需要大量资金、人才和基础设施。如果监管门槛继续上升，最有能力满足要求的往往还是少数巨头。结果可能是，原本为了限制大公司的规则，反而替大公司筑起了护城河。
Dario 不接受这个二选一。他的答案是：监管不必平均施加给所有人，可以按照模型能力和公司规模分层，把更重的责任放到最前沿的实验室身上，同时给小公司和开放模型保留空间。
他举出的现实例子是加州 SB53。Anthropic 曾公开支持这项法案；按照公司当时的说明，年营收低于 5 亿美元的企业可以获得豁免，规则主要约束最大的模型开发者。SB53 已于 2026 年 1 月生效，要求覆盖范围内的公司公开安全框架、报告特定事件，并提供内部举报保护。Anthropic 对 SB53 的说明
这个设计至少说明，监管不一定天然等于“大公司要求所有后来者承担同样成本”。如果触发条件与能力、训练规模和现实风险绑定，监管也可以成为限制头部公司的工具。
但它没有彻底消除质疑。
头部实验室掌握最多技术信息，也最有资源参与政策制定。今天看起来只约束巨头的门槛，明天是否会变成后来者必须跨越的固定成本，取决于规则如何更新、由谁评估、评估过程能否被外部审计。公平不能只靠公司的动机保证，还要靠制度本身保证。
因此，Dario 的论证成立需要一个重要前提：监管必须围绕可验证的能力和风险，而不是围绕公司身份；标准还必须足够透明，不能由既当运动员又当裁判的实验室自行解释。
开放权重，也不等于权力已经分散
Dario 的第二个判断更容易被忽略。
开放模型权重当然能降低使用、研究和二次开发的门槛，但它解决的主要是模型访问权，不会自动解决算力、芯片、能源和云基础设施的集中。
一个模型可以开放下载，训练最强模型所需要的资本和算力却依然掌握在极少数机构手中。开放权重能分散一部分应用层权力，却可能把更底层的控制权留给芯片厂商和算力拥有者。
讨论的重心不该停在“监管还是开源”。更具体的问题是，每一层的控制权究竟落在谁手里：模型能否被访问，算力能否被获得，规则由谁制定，前沿能力又由谁验证。
Dario 对这一点的提醒是有价值的。只讨论权重开放，容易把一套完整的产业权力结构，压缩成一个许可证问题。
最锋利的一句：真正有用的是治好癌症
在第二部分回应里，Dario 把话题从制度拉回了信任。
他的判断是，公众对 AI 的负面态度，并不是某几位 CEO 谈风险造成的。它来自更长期的不信任：人们不再轻易相信大公司、政府和科技行业会兑现承诺，也不相信巨额投资最终一定会公平地转化成自己的收益。
在这种环境里，“AI 将治愈癌症”说得越多，未必越有说服力，甚至可能听起来像另一句广告。
Dario 给出的答案很直接：真正能改变公众态度的，不是继续承诺 AI 会治愈癌症，而是“真正治好癌症”。Dario 的回应 thread
这也是整组回应里最重要的一句话。
过去两年，AI 行业的成本已经非常具体。工作岗位会不会减少，数据中心消耗多少电，基础设施是否影响社区，财富和权力会不会进一步集中，这些问题都发生在当下。
相比之下，许多收益仍停留在未来时：新药会更快出现，疾病会被攻克，生产率会大幅增长，科学发现会加速。
一边是已经可见的成本，一边是尚未兑现的收益。这个证据时间差，才是信任问题的核心。它不是多做几场发布会、多讲几个温暖故事就能填平的。
Dario 的医学愿景，需要正确理解
Dario 并非第一次谈 AI 对生物学和医学的影响。
在《Machines of Loving Grace》中，他预测，强大 AI 出现之后，生物学和医学原本需要 50 到 100 年完成的进展，可能被压缩到 5 到 10 年。但他同时明确承认，这是一种激进推测，也可能出错。Machines of Loving Grace
这里有两个经常被传播标题抹掉的限定条件。5 到 10 年要从他所定义的“强大 AI”出现后开始计算，而且这只是个人预测，远非已经得到验证的医学结论。
在 2026 年发布的《Policy on the AI Exponential》中，他进一步提出：如果 AI 能显著增加候选药物和新疗法，传统审批流程也需要更新，例如更充分地使用模拟、毒理预测、生物标志物和合成对照，以免医学进展卡在旧流程里。Policy on the AI Exponential
这也呈现出 Dario 政策立场中容易被忽略的一面。他并不是主张“所有地方都加强监管”。对于前沿模型，他希望更严格地评估风险；对于药物研发和临床流程，他反而主张减少不必要的阻塞。
Anthropic 开始交作业了，但离答案还远
Anthropic 已经把一部分愿景变成了产品和合作。
2026 年 6 月，公司推出测试版 Claude Science，为基因组学、单细胞分析、蛋白质组学等研究流程提供工具和连接器；此前也推出面向医疗和生命科学的产品，并与 Allen Institute、HHMI 等科研机构展开合作。Claude Science
这些动作证明 Anthropic 并非只写愿景文章，但它们仍然属于研究基础设施和早期应用，不能被包装成疾病已经得到攻克。
工具上线不等于科研突破，科研突破不等于临床有效，临床有效也不等于患者能够负担和获得。AI 真正创造了多少新增价值，需要用可复现的研究结果、临床结局、研发周期和实际可及性衡量。
这正是 Dario 的回应最有意思的地方。他本来是在为 Anthropic 辩护，却主动选择了一条对自己最苛刻的衡量标准：不要看公司讲了什么，要看公司最终交付了什么。
这场争论真正改变了什么
关于监管，Dario 提供了一个比“全面管控”和“完全开放”更细致的方案：让规则沿着能力和风险上升，把主要成本压在最前沿的玩家身上，同时避免误伤小公司和开放生态。
关于信任，他给出了一个更难但也更诚实的答案：AI 行业仍然缺少足够多、能被公众验证的收益证据。
这并不意味着行业应该停止讨论风险。恰恰相反，一家公司如果只讲收益、不讲代价，同样会迅速失去可信度。真正可持续的叙事必须同时包含两部分：风险要能被测量和约束，收益也要能被验证和兑现。
公众最终不会因为 CEO 更乐观而相信 AI，也不会因为一篇宏大文章就接受数据中心、岗位变化和权力集中的成本。
他们会看新药是否真的更快出现，科研是否真的更高效，普通人是否真的获得更好的医疗和服务；也会看最强大的 AI 公司，是否愿意接受独立、透明且同样约束自己的规则。
如果 Dario 是对的，那么 AI 行业下一阶段最重要的竞争，不只是模型能力排名。
而是谁先把承诺变成可以核验的结果。
资料来源
