头部厂商呼吁AI限速却加速冲刺IPO

头部厂商罕见达成共识

9月12日，Anthropic CEO达里奥·阿莫迪发表文章《我们必须给前沿踩刹车》，核心主张是各家实验室应暂停速度竞争，留出时间进行安全研究。他提出“三步走”框架：引入METR等第三方机构实时监控模型能力，实验室间协调避免暗箱提速，以及建立全球层面的协调框架。OpenAI CEO奥尔特曼随即转发支持，表示将引入拥有“员工级权限”的独立评估员以监督模型发展。马斯克也罕见回应称“达里奥说得对”，这种罕见一致的阵容在半年前尚不可想象。

值得注意的是，这种口头共识并非孤立表态。The Information曝光显示，OpenAI、Anthropic和Google近期正秘密会面，拟组建类似FINRA的AI行业标准组织，试图将安全定义转化为具约束力的行业规则。FINRA在美国金融业中扮演监管与规范角色，此举暗示头部厂商正试图在监管真空地带自行搭建“自律”框架。然而，阿莫迪在呼吁减速的同时，其公司正紧赶进度争取在今年11月美国中期选举前完成IPO。行业内部人士已将这场提速形容为“军备竞赛”，而“限速”背后的规矩制定权，仍掌握在少数头部厂商手中。

暗地里的加速与竞争

嘴巴上的刹车与脚底下的油门，形成了刺眼的反差。就在阿莫迪发文呼吁“踩刹车”的同一周，资本市场的动作并未停歇。Anthropic 正紧锣密鼓地推进 IPO 进程，目标是在今年 11 月美国中期选举前完成上市。据报道，英伟达被曝考虑作为基石投资人，投入资金最多达 100 亿美元，届时 Anthropic 的估值可能冲击 2 万亿美元。这种“一边喊安全，一边赶上市”的节奏，揭示了头部玩家对资金与时间窗口的极度渴求。

竞争并未局限于美国。国内的智谱也在加速布局。9 月 13 日，智谱宣布完成约 50 亿美元融资。这笔资金被明确用于“完全自训练”，即让下一代模型在上一代构建的环境中进行递归自我改进。这条技术路线恰恰是阿莫迪在文中重点警告的风险点。与此同时，谷歌 DeepMind 也被传出可能已触及该领域，虽然尚未官宣，但在行业圈内流传甚广。

这些动向表明，尽管顶层玩家口头承诺协调与放缓，但在实际业务层面，各方仍在抢占递归自我改进的技术高地。从 Anthropic 的上市冲刺，到智谱的大额融资，再到 DeepMind 的技术探索，全球 AI 竞赛的实质并未因“限速”声明而减速，反而在资本与技术的驱动下持续加速。

监管真空下的行业自建

在监管真空的背景下，行业头部玩家正试图通过内部共识来填补规范缺失。据 The Information 报道，OpenAI、Anthropic 和 Google 近期举行密会，计划建立类似美国金融业监管局（FINRA）的 AI 行业标准组织。这一举措旨在将原本模糊的“安全”概念转化为具有约束力的行业规矩，由行业内部自行制定规则以应对快速迭代带来的风险。

这种自建监管框架的紧迫性，源于技术发展的失控趋势。Anthropic CEO 达里奥·阿莫迪指出，递归自我改进（RSI）正在加速，且近期已出现 AI 智能体实施网络攻击的案例。阿莫迪警告称，若维持当前的发展速度，未来 6 到 12 个月内可能引发严重后果。因此，建立类似 FINRA 的组织不仅是技术伦理的探讨，更是为了在潜在灾难发生前确立行业行为边界，试图在缺乏统一政府监管的当下，通过巨头间的协调来管理风险。

技术演进背后的工程重构

在巨头们口头呼吁“踩刹车”的喧嚣之下，工程实践层面正经历着一场静默的范式重构。随着 AI 深入产业，软件开发的方法论正在发生根本性逆转。Phillip Mortimer 在 QCon London 的演讲中指出，AI 正使所有代码趋向于“只写且不可读”的状态。这种高密度、结构复杂的代码不再依赖人类的可读性来维护，测试用例成为了定义行为和核心文档的载体，通过输入输出组合来验证系统行为。面对 AI 生成代码的巨大数量，传统的人工逐行审查已因效率瓶颈而失效，取而代之的是自动化审查机制以及基于可观测性平台的智能体自我修复能力。在这种“丢弃式”的工程流中，保留测试、丢弃代码并重新实现，往往比调试旧代码更具经济性。

与此同时，底层模型的架构也在回应这种对效率的极致追求。阶跃星辰于 9 月 20 日发布的 Step 5 Preview 模型，采用总参数量 600B、激活参数仅 27B 的稀疏 MoE 架构。该模型在 Artificial Analysis 综合智能指数中跻身全球开源前三，单任务成本仅为 Claude Opus 5 的 1/8。阶跃星辰认为，随着模型规模扩大，单纯用更多计算换取智能的红利正在递减，下一阶段 Scaling 的关键在于提升计算转化为智能的效率。从 Step 3.5 Flash、Step 3.7 Flash 到 Step 5 Preview，这种对“智能与成本帕累托前沿”的探索，反映了行业在追求智能边界的同时，开始注重工程实现的可持续性与经济性。

理性看待全球AI竞赛

全球 AI 头部玩家近期集体发出“减速”信号，但这并非简单的技术叫停，而是竞争维度向规则制定权转移的深层博弈。以达里奥·阿莫迪为代表的核心人物提出需为前沿模型踩刹车，并建议引入 METR 等第三方机构进行实时评估，试图建立全球协调框架。这一动向折射出行业共识：单纯的技术竞速已不足以应对递归自我改进带来的潜在风险，定义“安全”标准的权力正在成为新的角逐焦点。

然而，“口头刹车”与“实际加速”的割裂现象依然显著。在阿莫迪呼吁减速的同时，行业内部正密谋建立类似 FINRA 的行业标准组织，以巩固自身在规则制定中的主导地位。这种矛盾揭示了全球竞赛的现实：头部玩家既希望划定安全底线，仍在追求资本与技术扩张，导致“理性呼吁”与“资本冲刺”并存。

与此同时，AI 落地的另一关键路径在于跨越“中试鸿沟”。在材料研发领域，AI4S 正从单纯的理论发现转向产业化应用，枫清科技等企业提出覆盖材料发现、数字中试与生产优化的全链条技术体系。由于化工等行业存在数据碎片化与标准不一的瓶颈，解决路径不再是单纯的模型规模扩张，而是依赖数据工程与机理模型结合的“双驱动”模式。对普通人而言，关注点应从谁在制造最强模型，转向谁在定义安全标准以及如何打通产业落地的“最后一公里”。