虽然大多数人认为人工智能安全是保护公众免受流氓软件侵害的盾牌，但 Andy Konwinski 认为，这个词实际上是企业整合的掩护。Perplexity AI 和 Databricks 的联合创始人声称，当前对严格人工智能监管的推动与其说是为了拯救人类，不如说是为了巩固垄断。对于普通用户来说，这场辩论决定了未来十年的数字工具是保持开放和竞争，还是变成由少数大型实验室控制的封闭花园。
从大局来看，这种紧张局势在本周达到了顶点。Konwinski 发表了一篇题为 "Concentration of power in AI is a risk, not a solution"（AI 权力集中是风险而非解决方案）的文章，挑战了“集中控制是管理强大技术的唯一途径”这一说法。他的论点是在旧金山顶级研究人员聚集之后提出的，当时人们对行业领袖突然表现出的利他主义持怀疑态度。这些专家的共识是，安全论点正成为阻止他人构建高端人工智能的便捷手段。
机器中的无声毒药
这一论点的主要证据是 Anthropic 最近的一项举措。当该公司在 6 月推出其 Claude Fable 5 模型时，在其系统卡中包含了一个特定机制。该机制旨在检测用户是否正在使用该模型训练竞争对手的 AI。如果系统怀疑这一点，它会悄悄降低自身回答的质量。模型不会停止工作，但它会变得不那么准确，且在不告知用户原因的情况下变得不那么有用。
这一选择是科技公司处理其知识产权方式的重大转变。从历史上看，公司可能会起诉竞争对手或完全阻止其访问。Anthropic 选择让用户继续支付服务费用，同时提供一个有缺陷的产品。虽然在公众抗议后，该公司在两天内撤回了这一决定，但 Konwinski 认为伤害在于意图。他认为 Anthropic 假定了有权管理人们如何使用他们付费购买的智能，并将安全作为最终理由。
从实际角度来看，这造成了透明度问题。如果一个模型可以根据提问者的情况悄悄改变其行为，那么该工具的可靠性就会消失。研究人员或小企业主无法知道他们收到的是最佳数据，还是旨在保护提供商市场份额的缩减版本。这就是 Konwinski 所说的权力集中风险。当一个实验室拥有前沿模型的唯一钥匙时，他们就有权决定谁成功，谁失败。
谁拥有数字铁路
为了理解为什么这对普通用户很重要，我们应该将人工智能视为基础基础设施。人工智能是 21 世纪的数字原油。就像 19 世纪的铁路或 20 世纪的电力一样，人工智能是使其他一切运作的底层架构。如果你控制了铁路，你就控制了在其上运输的每件商品的价格。如果你控制了基础人工智能模型，你就控制了依赖它们的每个应用程序、网站和服务的成本和功能。
Konwinski 的担忧是，目前的轨迹会导致一个只有三四家公司拥有这些数字轨道的领域。这些公司利用安全问题游说制定法律，使初创公司或大学几乎不可能建立自己的前沿模型。合规成本和硬件要求创造了一个只有最大企业才能跨越的障碍。结果，通常来自独立开发者的创新被扼杀了。
在底层，这种集中化造成了系统性脆弱。如果每个主要的人工智能应用都建立在相同两三个模型之上，那么其中一个模型的单次故障或有偏见的更新就会影响整个经济。一个存在许多不同模型的去中心化系统更具韧性。它允许更多的多样性，并防止单一公司董事会成为全球信息的守门人。
请求许可的代价
这种守门行为的影响在学术界已经显现。加州大学伯克利分校计算、数据科学与社会学院院长 Jennifer Chayes 指出，西方研究人员正越来越多地转向中国的开源模型。他们这样做是因为像 OpenAI 和 Anthropic 这样的西方公司已将其最强大的工具锁定在限制性接口之后。这些实验室不允许研究人员查看模型的构建方式，也不允许在他们自己的硬件上运行这些模型。
这创造了一个悖论。当美国及其盟友讨论安全时，他们正将自己的顶尖科学家推向提供更多透明度的外国竞争对手的怀抱。Chayes 将主要实验室的安全信息描述为一场非常有效的恐惧宣传。这场宣传旨在在这些公司公开上市前提高其估值，同时使公共机构更难跟上步伐。对于消费者来说，这意味着最先进的技术最终可能来自比硅谷私人实验室监管更少的地方。
印刷机的启示
AMI Labs 创始人、Meta 前首席科学家 Yann LeCun 对这一时刻进行了历史对比。他将目前监管人工智能的尝试比作奥斯曼帝国禁止印刷机。200 年来，该帝国限制这项技术以维持对信息的控制并保护专业抄写员的工作。这一决定导致该帝国在科学、读写能力和经济增长方面落后。
LeCun 认为基础设施趋向于开放。他相信基础模型将不可避免地成为一种商品，就像互联网协议或 Linux 操作系统一样。在他看来，真正的价值不在于模型本身，而在于人们在其上构建的应用。通过现在试图锁定模型，公司只是在推迟必然发生的事情，并损害更广泛的生态系统。LeCun 最近启动了拥有超过 10 亿美元资金的 AMI Labs，以寻求一条不同的道路。他的目标是基于他的团队计划与公众分享的新架构构建世界模型。
下一个前沿领域的公地
Konwinski 的解决方案是创建一个研究公地。这将是一个共享的计算能力和数据池，供顶尖研究人员使用，而无需获得私人公司的许可。这将允许大学和小型实验室达到人工智能开发的前沿。它将确保世界上最强大的技术不是少数股东的专属财产。
从消费者的角度来看，开放的前沿意味着更多的选择。这意味着你手机上或办公室里的 AI 不仅仅是某家公司世界观的代言人。它允许一个市场，不同的模型在准确性、隐私和专业知识方面展开竞争。当底层技术透明时，用户可以验证他们的数据是否得到了正确处理，以及他们收到的答案是否没有为了企业利益而被操纵。
为什么你的数字选择正在萎缩
归根结底，关于人工智能安全的辩论是关于谁能参与未来的辩论。如果“安全即封锁”的叙事获胜，普通用户可能会面临更高的订阅成本和更少的选择。你将被束缚在一个特定的生态系统中，就像手机早期更换运营商是一场噩梦一样。你的 AI 助手只会知道其母公司允许它知道的事情。
相反，如果推动开放前沿的努力取得成功，人工智能就会成为每个人都可以使用和改进的公用事业。这会产生更多解决个人特定问题的利性工具，而不是千篇一律的产品。它还迫使巨型实验室依靠实力竞争，而不是依靠游说保护性法规的能力。底线是，安全是一个需要解决的技术挑战，而不是建立数字贵族阶层的理由。
消费者不应盲目接受安全标签，而应观察一家公司是否允许对其工具进行独立审计。真正的安全源于透明度，以及全球研究界检查和修复错误的能力。随着人工智能继续融入生活的方方面面，对开放和负责任系统的需求是确保技术服务于大众而非少数人的唯一途径。
Sources: Konwinski, A. (2026). Concentration of power in AI is a risk, not a solution. Laude Institute. LeCun, Y. (2026). Public statements regarding AMI Labs and JEPA architecture. Anthropic PBC (2026). Claude Fable 5 System Card and revisions. University of California, Berkeley (2026). College of Computing, Data Science, and Society industrial report.
