ARTICLE · 1113744
当 Burry 要求 AI “踩刹车”,巨头沉默了,谁在暗中受益?
AI公司的安全警报，最近被“大空头”Michael Burry放到了另一张账本上。
9月14日，Burry在X发文，质疑OpenAI、Anthropic及大型云计算公司高管谈论放慢AI发展，可能存在商业上的自利动机。他的判断是：减速有利于已经领先的公司，而“技术强大到可能危险”的叙述，也可能服务于融资和上市时的估值。
随后，Burry追踪账号转述了这番话。但这次争议不只是一个投资人唱空AI，更像是把行业习惯分开讨论的两个问题，强行摆到了一起：一家公司可以真心担忧技术风险，同时又从这种担忧中获利吗？
答案可能是可以。难处在于，商业动机的存在，既不能证明风险是假的，也不能替企业的财务表现作证。
Michael Burry
“危险”，为什么可能成为估值语言
普通软件公司通常要证明产品好用、客户愿意续费。前沿模型公司的叙述还多了一层：今天的产品只是过渡，下一阶段的能力可能重塑整个市场。对投资人来说，这两种故事对应着不同的估值逻辑。
前一种要追问收入质量、服务成本与客户留存；后一种则会把想象空间拉到更远的未来。如果一家公司的技术被认为稀缺到足以改变社会，它就不再只是一家按月卖订阅的软件企业。
Burry抓住的正是这里的张力。“必须谨慎”本来是风险语言，但听众也可能将它理解成“我们已经掌握了极其强大的能力”。同一句话，可以同时出现在安全讨论和商业叙事里。
这并不等于任何风险提示都是营销。它提示的是一个阅读方法：当一家企业谈技术的未来时，要区分它已经展示了什么、推测还可能发生什么，以及这些推测如何影响外界对它的定价。如果把三个层次混在一起，尚待验证的能力就可能提前变成估值依据，能力的潜在风险又反过来强化这种估值。
一边降价，一边筹集更多的钱
这种叙述之所以重要，与模型行业的经济结构有关。
斯坦福2025年AI Index收录的一组历史数据表明，在达到GPT-3.5级别MMLU表现的口径下，推理价格从2022年11月的每百万token约20美元，降至2024年10月的约0.07美元。
这是特定能力基准下的价格比较，不是今天所有模型的报价，也不是完成一项工作的总成本。但它展示了一个方向：某种能力一旦被更多模型追上，单靠提供这种能力，未必还能维持原来的价格。
斯坦福2025年AI Index：不同能力基准下的推理价格变化，纵轴采用对数刻度
与此同时，行业对资金的需求并没有沿着同一条曲线下降。
斯坦福2026年AI Index统计的全球企业AI投资，在2025年达到约5817亿美元，2024年约为2530亿美元。这一口径包括并购、私人投资等多种活动，不能等同于模型公司的营收，或全部视为流入初创公司的融资。
把两组图放在一起，能看到一个商业难题：客户购买同等能力的价格在下降，企业争夺下一阶段能力所需的资金却可能继续增加。
这会让“未来的领先地位值多少钱”成为融资谈判的重要部分。只展示当前产品，很难解释所有远期投入；强调能力跃迁，则能讲出更大的市场。
斯坦福2026年AI Index：2013至2025年全球企业AI投资，按投资活动分类
“放慢”这件事，不能脱离具体规则
Burry认为，减速可能有利于领先者。这在商业逻辑上有可讨论的空间，但必须继续追问：究竟让什么放慢？
是暂停某类高能力模型的训练，还是提高发布前测试的要求？规则对所有公司一致，还是只有少数企业有条件承担？安全评估的成本是一次性的，还是随着每次迭代不断增加？
这些差别，会决定“安全要求”更像行业共同的基础设施，还是新进入者难以跨过的门槛。例如，如果某项可靠性测试有公开方法、明确标准，企业可以委托独立机构完成，它可能降低客户的判断成本。反过来，如果标准含糊、证据不透明，却需要长期投入才能满足，资源雄厚的公司往往更容易适应。
这是对规则设计的分析，不是对任何公司的动机定罪。不能看到某家企业受益，就倒推出它提出规则的唯一目的就是阻止竞争。
而且，AI安全承诺也不是最近为了估值才突然出现。Anthropic在2023年9月就发布了ResponsibleScaling Policy，将更强能力与更高等级的安全要求关联起来。这至少说明，相关讨论有自己的发展脉络，不能全部压缩成一次上市前的公关动作。
更值得核对的是：一家企业愿不愿意公开标准，是否接受外部检查，以及是否真的在触及自己设定的条件时调整行动。
最难绕开的，仍然是成本账
安全叙事会影响公众认识，最终支撑企业长期经营的，仍然包括收入能否覆盖交付与研发成本。3斯坦福2026年AI Index引用Epoch AI的估算，将OpenAI和Anthropic的计算支出区分为研发与推理两部分。
图中两家公司2025年的支出均高于2024年，它是研究估算，不是两家公司经审计的财务报表。
按研发与推理划分的计算支出估算，单位为十亿美元
这一区分很重要！训练新模型是在押注未来，服务现有用户则是当前业务的一部分。一个产品的调用量增长，既可能带来更多收入，也可能带来更多推理开支。
因此，不能只问“多少人在用”，还要问：用户支付的价格，能否覆盖完成任务所需的模型调用、工具执行、重试和人工支持？客户是在尝鲜，还是将它纳入了持续付费的工作流程？
Burry在原帖里还提出增长放缓、上市叙事等判断，但这些判断不能替代公司的财务披露。仅凭一条帖子，无法得出OpenAI或Anthropic已经出现特定增长变化的结论。
同样，庞大的使用规模也不能替代盈利证据。一个行业可以同时拥有很强的需求、快速的技术进展，以及尚未稳定的商业模式。
斯坦福2026年AI Index收录的调查：全球受访组织的AI使用比例从2023年的55%升至2025年的88%；使用不等于盈利
要检验的不是谁更会讲未来
从企业客户的角度看，判断标准可以更朴素。采购一套AI系统，买的通常不是关于未来的世界观，而是可交付的工作：故障能否追踪，结果能否验收，服务是否可靠，价格变化是否可承受，切换供应商是否会失去数据和流程。
这些要求也指向了模型之外的机会。把测试做得可复现，把用量拆成可核算的任务成本，把失败变成可以定位和修复的问题，未必比再讲一个宏大的能力故事更抢眼，却更接近客户真正签合同的理由。
Burry的质疑值得讨论，因为它提醒市场检查叙述背后的利益。但它不是“AI风险不存在”的证明，也不是“AI公司必然失败”的判决。
接下来应当观察的，是企业如何把警报变成可以被检验的规则，如何把使用规模变成有质量的收入，以及它们愿意为自己的承诺付出多大的实际代价。
比起争论谁的未来故事更有说服力，这些变化更难被话术替代。
CCF/SCI投稿交流群
为方便大家学习交流建立了CCF/SCI投稿交流群，欢迎大家一起交流学习~
SCI投稿交流
CCF投稿交流
论文投稿DDL查询小程序-AccetpDDL
一思维为方便大家赶DDL不忘记时间研发了AcceptDDL小程序（期刊和特刊也有包含）
一思维——你科研领域的好帮手
一思维课程体系包含高端定制1v1 课程及小班精品课程，内容覆盖论文写作指导、硕博升学规划、科研项目指导、顶会论文辅导等全链条学术服务
👇👇👇联系我们，获取更多精彩内容
