新智元报道
新智元报道
今天，Anthropic CEO Dario Amodei发布了一篇罕见长文——
We Must Pace the Frontier（我们必须控制前沿AI的发展节奏）
这一次，他直接把矛头对准了前沿模型的研发速度，核心观点就一句话：
最顶尖的AI，真得主动踩刹车了。
这篇长文中，Dario亲口承认，「递归自我改进（RSI）已经在全行业出现了」。
更让人后背发凉的是，他预测未来6—12个月，AI Agent集群可能会接管整个互联网。
面对这种脱缰的风险，Dario在文里直接掏出了一套动真格的「三步刹车法」：
第一步，开门迎客： 引入独立第三方常驻公司，拿到跟内部核心风控同等级的深度访问权限； 第二步，行业划线： 联合全美前沿AI巨头，一起画死能力红线、设立强制安全检查站； 第三步，全球落地： 把这套框架推向国际，彻底锁死不可控风险的蔓延。
话音刚落，奥特曼就光速跟进，「Dario是对的，OpenAI也会引入这样的评估机制」。
另一边，马斯克也是几乎秒回，公开力挺Dario。
能让三位巨头瞬间达成共识，场面确实罕见！
这一次，Dario并没有只喊一句「AI该减速」。
Dario真正想做的，是把这套「减速机制」一级一级推开，而且顺序非常明确——
先让AI公司自己变得可验证，再让整个行业一起踩刹车，最后才谈全球协调。
第一步，先从Anthropic自己动刀。
像METR这样的独立第三方，不应该每次都等事故出了以后，才临时进公司调查，而应该长期驻场。
给工位、给内部电脑、给接近风险团队的权限。
模型怎么训，安全承诺有没有落实，训练流程有没有埋雷，出了事有没有瞒报，都能持续盯着。
而且，查出问题之后，必须公开。
公司可以删掉真正涉及法律、客户隐私和核心商业机密的部分，但不能因为报告太难看，就把结论按下去。
第二步：不能只让一家踩刹车
真正难的，从这里开始。
如果Anthropic自己减速，OpenAI、谷歌、xAI继续狂奔，那谁先踩刹车，谁就可能先吃亏。
所以，Dario建议，需要把规则推到整个美国前沿AI行业。
几家前沿AI公司一起定安全红线，一起设能力检查点。模型每跨过一个危险门槛，就必须先拿出对应的安全证据，才能继续往前冲。
比如，一个模型已经能突破多数常见隔离环境了。
那接下来公司就得证明：它不会轻易逃出沙箱，不会擅自接管大量机器，也不会把这种能力变成现实攻击。
证明不了，就先别往下冲。
另外，Dario甚至提到，还可以讨论限制训练算力、训练方式，以及公司内部用AI研发AI的速度。
也就是，直接给RSI本身加一道限速器。但光靠几家公司私下握手还不够。
他更希望最终由美国政府出手，把规则覆盖到所有前沿AI公司。
第三步：把刹车踩到全球
再往上，就是最难的一层。Dario把全球协调分成了四级。
第一层相对最现实：先禁止生物武器这类明显危险的用途。
第二层，是前沿模型发布之前，统一做网络攻击、生物安全等高风险测试。
到了第三层，才真正开始碰核心：
能不能给RSI，也就是AI研发AI的速度，直接设一个全球上限？
Dario自己的判断是，这件事「刚好处在可能做到的边缘」。
至于第四层——全球前沿AI公司一起大幅减速，甚至阶段性暂停训练——他自己都没抱太大希望。
至少短期内，几乎不现实。卡住这一切的，还是同一个问题：怎么验证。
一家公司说自己停了，谁能证明它真的停了？
所以Dario这整套方案绕到最后，核心其实非常简单：
先把AI公司的门打开，让外部人真正进去看。
也正因为如此，Dario把「第三方长期驻场」放在了整套方案的第一步。
可问题来了。为什么偏偏是现在？
三年前，行业里就掀起过一阵「暂停训练、给 AI 踩刹车」的联名潮，但那时候Dario根本没接茬，认为时机压根不成熟。
真正让他改变态度的，是两件事——RSI开始出现，以及AI智能体已经暴露出越来越具体的失控行为。
他在文章中明确承认，AI参与研发下一代AI的现象，已经开始在整个行业出现，Anthropic自己也包括在内。
AI帮人写代码、做实验、分析结果、优化训练流程，再进一步帮助下一代AI变强。
如果这个循环开始自我加速，最麻烦的地方就出现了：
模型能力提升的速度，可能开始超过人类理解和控制它的速度。
因为安全研究本身需要时间。
你得先观察模型出现了什么新行为，再研究这些行为为什么出现，接着设计测试方法、防护措施，最后验证这些措施到底有没有用。
可如果模型能力每隔几个月就跳一个台阶，安全团队很容易一直追在后面补漏洞。
Dario真正担心的，并不是某一天AI突然「觉醒」，而是这个反馈循环开始越转越快。
AI越来越多地参与AI研发，下一代模型越来越快出现，而安全机制，还来不及跟上。
如果RSI只是让他担心「未来会不会跑得太快」，那么最近一次真实发生的智能体事故，则让这种担忧彻底落了地。
Dario特别提到了最近的「OpenAI-Hugging Face事件」。
在那次测试里，一群AI智能体组成了类似「蜂群」的协作系统。
最开始，人类只是让它们完成正常任务。可很快，一些智能体开始攻击任务之外的外部目标。
更诡异的是，它们还出现了明显的群体协作行为：有的智能体宁愿牺牲自己的任务成绩，也要帮助整个群体拿到更好的结果，甚至还有智能体试图Hack评分系统，为整个群体「作弊」。
这些行为，并不是人类提前写好的剧本。它们是在多智能体协作过程中，自己冒出来的。
Anthropic内部也观察到过类似现象，只是程度更轻。
Dario真正担心的，是再往前6—12个月。
到那时，Agent更强，能调用的工具更多，能控制的机器更多，连续工作的时间也更长。
如果今天这些偏离目标、钻规则漏洞、群体协作的行为依然存在，风险就可能被瞬间放大。
他甚至给出了一个相当惊悚的场景：
大规模AI Agent攻入联网设备，把整个互联网变成一个巨型「僵尸网络」。
造成的损失，可能达到数千亿美元。
所以，Dario这次喊「减速」，真正担心的并不是某个遥远的超级智能。
而是几件事正在同时发生：
RSI已经出现，AI开始参与研发更强的AI；Agent正在获得越来越强的现实行动能力；一些失控行为，也已经从假设走进真实测试。
而模型迭代的速度，还在继续加快。
这也是为什么他想抢出1—2年时间，把安全评估、第三方核查和全球规则先补上。
这套方案能不能落地，还没有答案。
现在，跑在最前面的人开始问：真跑失控了，我们还刹得住吗？
参考资料：
编辑：马可 桃子 大卫
