AI狂飙背后：突破与恐惧可能只是炒作

2026年夏季的“AI炒作流水线”

2026年夏天，人工智能（AI）行业几乎每周都在上演新的“突破”。但当Timnit Gebru与Emily Bender——当下最知名的两位AI批评者——梳理这条新闻流水线时，她们看到的不是技术的飞跃，而是一套运转成熟的炒作机制。

一个“惊人声明”接着一个

事情从4月底开始。Anthropic宣布，其模型Claude Mythos在发现软件漏洞方面“表现优于大多数安全专家”。这个说法的措辞很讲究：不是“在某些基准测试上”，而是“超过大多数安全专家”——一个听起来极具冲击力、却几乎无法验证的表述。

紧接着是OpenAI与Hugging Face的黑客入侵事件。风波未平，Anthropic高调地、Meta不情愿地，先后披露了涉及自家模型的类似事件。再往后，几乎每隔几周就会有新的“里程碑”被推上头条。

这些声明有一个共同点：它们都由当事公司自己发布，都建立在其内部评估之上，也都在被独立验证之前，就已经完成了它们在市场与舆论中的使命。

▲ 公司声明从发布到外部核验的路径

当专家介入后，故事完全变了

关于这些“黑客”事件，网络安全专家表示，问题更多在于OpenAI的疏忽，以及未能采用基本且成熟的安全实践，而不是所谓“模型失控”。至于数学成果，数学家起初对OpenAI的新闻稿感到“震惊”，但随后意识到这些结果并没有“最初看起来那么新颖”。此后，数学家指责该公司存在科研不端和抄袭行为。就在两天前，纽约大学Courant Institute数学教授Tristan Buckmaster发表声明，暗示OpenAI窃取了他人的研究成果，并对成果归属作出了不当说明。

关于危险超级智能即将出现的说法，Gebru和Bender指出，这些说法并不建立在良好的科学或工程实践之上，而是源自超人类主义、优生学等意识形态，以及对想象中的未来数字人类的愿望式幻想。

“超越人类专家”到底是什么意思

宣称一个模型比大多数安全专家更擅长找漏洞，需要回答几个基本问题：这些“专家”是谁？他们在什么条件下、用多长时间、面对哪类代码？评测集是公开的吗？结果能被第三方复现吗？

在软件安全领域，这些问题尤其尖锐。漏洞发现不是一场限时竞赛，而是一项高度依赖上下文、经验与对抗性思维的专业工作。把复杂的专业判断压缩成一个排行榜名次，本身就是一种叙事操作。当一家公司既是参赛者、又是裁判、还是赞助商时，“领先”这个词就已经失去了意义。

类似的问题也出现在安全事件披露上。谁先披露、披露到什么程度、用什么口径描述影响范围，全部由涉事公司自行决定。公众看到的不是一次完整的事故复盘，而是一份经过公关打磨的声明。

炒作不是bug，而是商业模式

为什么这些声明会密集出现？因为它们服务于非常具体的商业目标：融资、估值、企业采购决策，以及在监管叙事中占据有利位置。

这里有一个耐人寻味的双轨结构。一方面，公司宣称模型能力惊人，足以替代专业人力的工作；另一方面，它们又强调AI强大到危险，需要特别治理——而治理的最佳人选，恰好是开发它的公司自己。能力叙事带来订单，风险叙事带来护城河。

▲ 能力叙事与风险叙事如何形成商业双轨

与此同时，媒体循环奖励速度而非核实。一条“AI超越人类专家”的标题能在几小时内传遍全网；而一篇拆解评测方法、追问数据来源的分析文章，可能要花上几周才能完成，读的人却少得多。

速度与紧迫感：一种政策策略

科技公司营造出的速度与紧迫感幻觉，也是一种误导政策制定者和公众的策略。作者指出，这种策略有时确实奏效。例如，参议员Bernie Sanders提出了一项旨在阻止开发“人工超级智能”的立法——出发点虽善意，但最终方向失当。

Gebru和Bender进一步指出，把这些产品称为“超级智能”或“失控模型”，实际上是把能动性赋予产品，而不是赋予制造这些产品的企业。这种叙事一方面将企业产品包装成“超越人类”，另一方面也帮助企业逃避对自身行为的责任。

“OpenAI制造恶意软件并入侵另一家公司，本应受到追究；但新闻稿、媒体、媒体人物和立法者却把它说成‘失控模型’，仿佛模型是自行采取行动的。”

研究人员本应被追问：为什么他们所在的公司习惯性抄袭学者的成果，或未经同意就使用客户数据训练模型；但公众的想象力却被引向另一个方向——担心虚构的超级智能机器到来后，未来会发生什么。

反数据中心运动被“转移注意力”？

作者还指出，人工智能行业甚至暗示，广受欢迎且跨党派的反数据中心运动是在“转移注意力”。按照人工智能行业的说法，我们应该更担心一个虚构的机器之神，而不是担心数据中心对电力和水资源的消耗。

如何阅读下一个“突破”

需要说清楚的是：这并不是说人工智能没有进步。模型确实在变强，在某些任务上的表现也确实令人印象深刻。但“在某个内部基准上跑出好成绩”和“替代受过训练的专业人士”之间，隔着巨大的鸿沟。而这条鸿沟，通常不会出现在新闻标题里。

Gebru和Bender的提醒可以概括为三个问题：谁在说话？谁在买单？谁能独立验证？

如果三个答案分别指向“卖模型的”、“投资人”和“没有人”，那么这个声明值得的不是头条，而是一份更长的技术附录。

这个夏天很热，但热度不等于事实。

好了，今天的分享就到这里。关注我，紧跟AI前沿。