徽声在线热评 | AI巨头放缓模型开发：是真“对齐”还是竞争下的权宜之计？

徽声在线评论员 林晓峰

在刚刚过去的这个周末，全球AI领域迎来了一场罕见的一致行动——OpenAI掌门人奥尔特曼、Anthropic首席执行官阿莫代伊，以及xAI创始人马斯克，这三位科技界的重量级人物罕见地站在了同一战线。他们共同呼吁，应放缓前沿大模型的迭代速度，确保模型的发展与人类的目标保持一致，并引入独立的第三方机构进行安全评估，只有在通过严格检查后，才能解锁下一代模型的训练。

随着大模型技术的飞速发展，安全与对齐问题已成为不可回避的重大议题。今年以来，多家头部实验室在安全评测中屡次出现突破预设边界、超出沙箱限制的情况，甚至有研究员因担忧先进模型可能对人类构成威胁而选择离职。大模型的独特技术特性，特别是其“递归式自我改进”（RSI）能力，极大地放大了模型失控的风险。现有的安全测试手段已难以准确预判更高能力模型可能带来的危害。因此，引入独立第三方、设立能力检查点、开放训练流程等措施，填补了外部监督的空白，为有效减少AI发展带来的负面影响提供了有力保障。

然而，对齐工作并非一蹴而就，它需要企业持续投入大量资源，但直接的经济回报却往往十分有限。相比之下，放缓前沿基座模型的训练，能够直接削减因边际收益持续衰减而产生的巨额算力开支，成本节约效果立竿见影。尽管业界巨头们以“安全”“对齐”为口号，赢得了不少支持者，但背后的商业动机同样不容忽视。

以Anthropic为例，今年5月，其ARR（年化营收运行率）高达470亿美元，环比增速达到惊人的56%。然而，到了7月，这一增速已回落至不足20%。尽管有token降价等因素的影响，但市场最终看重的还是实实在在的收入。尽管Anthropic的推理业务已实现商业化可持续运营，季度营业利润也转为正数，但继续冲击下一代超大基座模型仍需消耗巨量现金。考虑到该公司今年10月可能上市，其高达上万亿美元的估值建立在持续高增长的基础之上。因此，当ARR环比增速出现下滑时，以安全名义主动放缓前沿迭代，便成为了一种精妙的资本叙事转换策略。

OpenAI的情况也颇为相似。奥尔特曼近期也将推迟上市与AI安全紧密绑定，但实际上，OpenAI不在今年上市的说法早已流传。目前，OpenAI的ARR尚不足以覆盖全年的算力支出，自建算力项目的巨额资本开支还需依靠微软、软银等外部主体通过特殊目的载体（SPV）来承接。其收入中，C端订阅占比更高、毛利率更低，这使得训练下一代旗舰模型的财务压力更大。因此，推迟IPO需要一个合理的解释，“为了安全暂缓上市”无疑是一个远比“现阶段数据还不够好”更有说服力的说辞。

此外，放缓先进模型开发还有助于缓解当前激烈的“军备竞赛”困境。大模型厂商的估值高度依赖于模型的能力，模型越先进就越容易获得高估值。这也是巨头们乐于公布先进模型在破解数学难题、寻找网络安全漏洞等方面能力的原因。为了确保模型的先进性，各大厂商被迫持续加码训练，即便堆参数、堆算力带来的边际回报在降低，只要对手不停，自己就不能停。然而，当三家巨头口径达成一致时，单独一家主动减速便不再被解读为实力不足，而是变成了行业层面的共同选择。

放缓先进模型开发，还能让资源得以从前沿预训练转向Agent、代码模型、推理优化、行业应用等投资回报率更高的方向。这样，大模型厂商可以优化资本开支、引导资本市场预期。虽然大模型商业化的竞争并未停止，但竞争的焦点已从“比谁模型能力更强”转向“谁的回报更高”。不过，大模型厂商放缓投资节奏，不可避免地会对上游硬件厂商产生影响。例如，9月14日，中日韩股市半导体板块就集体出现了下挫。

但值得注意的是，目前这还只是这三家公司的主观想法。在OpenAI和Anthropic身后，还有谷歌、Meta这样的互联网巨头，它们主业利润丰厚、现金流充沛、融资空间巨大，有能力也有很强意愿继续大规模投入先进模型开发，以缩短模型能力差距。而在大洋彼岸，中国的大模型厂商也在大举融资，继续为模型开发储备资源。

综上所述，“对齐”确实是大模型发展到一定阶段的必然要求，但激烈的竞争压力决定了先进模型的开发很难真正放缓，“军备竞赛”仍将持续进行。