夜雨聆风
导读
人类文明的每一次重大技术跃迁，都伴随着社会权力结构的深层重组。从蒸汽机重塑工业资本格局，到电气化重构城市空间与劳动分工，再到互联网瓦解信息传播与地理边界，技术看似是中性的工具，然而当我们深入探究其对经济社会的作用机理，则会发现人类对技术的运用及发展已在社会中建构出特定的权力关系。当前，以通用人工智能（AGI）为代表的新一轮技术革命，正在以更为隐蔽而深刻的方式，广泛重塑全球权力版图。它不仅改变了“谁拥有权力”，更在根本上重新定义了“权力本身是什么”。
在这一历史节点上，一个根本性的文明命题浮现出来：当技术的复杂性超越单一国家的治理能力，当资本的集中速度超越不同制度的回应能力，当技术带来新的权力并集中在少数企业中，当个体生活在技术浪潮中面临翻天覆地的挑战，人类社会该如何应对？各国政府、其他企业该如何采取措施？
作为《麻省理工科技评论》的前资深记者，郝珂灵（Karen Hao）在其著作《AI帝国：OpenAI的权力冲突与人类的未来》中，以OpenAI为解剖样本，深入揭示了技术权力化的内在机制。郝珂灵基于对约260人的超过300次深度访谈、大量往来信件及文件材料，以及对全球各大洲AI产业链所在地的实地调查，完成了这部兼具调查深度与批判力度的著作。本书并未停留在技术细节上，而是将OpenAI的崛起和演变置于资本主义演化与民主治理危机的历史视角和分析框架中，追问一个更为根本的问题：当宣称“造福人类”的技术机构，其运作逻辑却与殖民帝国的资源掠夺、劳动剥削和叙事垄断高度相似时，这意味着什么？
本书认为，OpenAI的蜕变并非简单的“理想主义向商业现实妥协”的个案，而是揭示了当代技术权力运作的一种普遍范式，即在最初通过“使命叙事”获取合法性，在发展过程中通过“规模竞赛”锁定竞争格局，在遭遇挑战时通过“治理黑箱”规避公共问责，在产业竞争中逐步走向技术垄断和资本聚集，最终形成新型的技术与资本复合体。这一复合体的危险之处，不仅在于其对经济资源的垄断及对其他资源的占用，更在于其对人类技术想象力的“殖民”——它定义了何为技术进步、何为技术风险，以及哪些代价可以被接受，从而将自身不可撼动地嵌入文明演进的轨道之中。
书籍内容
本书对OpenAI制度设计的讨论，揭示了其从一个非营利组织向科技商业帝国演变的深层逻辑。2015年创立时，OpenAI以非营利组织形式出现，旨在“让AI技术属于全世界”，其核心制度包含非营利主体、巨额资金承诺、精英治理、成果公开等。作者指出，这一设计表面上是“理想主义的制度创新”，实质上创造了一种制度上的真空，其以使命替代问责制度、以组织愿景替代细则设置，为后来OpenAI出现的治理混乱埋下了伏笔。作者在书中揭示，它表面上看是对已有的科技巨头垄断的反抗，但似乎又十分隐蔽地内嵌着另一种垄断的野心，这种野心随着组织的演变才在后来浮现出来。
2018年，马斯克与奥特曼因控制权决裂，正式退出OpenAI董事会，这导致OpenAI的非营利资金基础崩塌，制度转型压力骤增。随后，OpenAI发布了一份章程，表示OpenAI的使命是确保AGI能够造福全人类，但这需要巨量资源，并且需要OpenAI处于AI能力前沿。出于“安全与保障方面的考量”，公司将收回此前关于公开研究成果的承诺。
2019年，奥特曼成立了嵌套于OpenAI非营利主体之下的实体OpenAI LP，该主体的投资者将获得有上限回报，超额价值归非营利主体。这一设计具有双重功能，既对外保留OpenAI的道德光环，又对内为大规模、多渠道融资打开了通道。但作者尖锐地揭示了这一组织架构带来的治理困境：一是边界模糊化，使OpenAI能够在“公益”与“私利”之间自由切换。二是形成了权力闭环，该制度设计使决策权置于奥特曼设计的董事会手中，既不受股东问责也不受公众监督。
营利主体的成立不仅意味着OpenAI朝商业化推进，也导致其组织文化发生了转变。作者指出，在OpenAI内部，知识生产从论文开源转向严格限制公开，GPT-4的技术报告也被刻意模糊化；组织文化从多元、包容转向统一的商业化愿景，安全团队被削弱，有异议者被边缘化；奥特曼通过其个人魅力将自己塑造为AI时代“先知”形象，但与此同时，组织决策过程日益黑箱化。
2023年11月，OpenAI董事会尝试罢免奥特曼的“政变”是其制度转向的关键转折点。董事会因奥特曼压缩安全审查、推出未充分测试产品等原因而将其罢免，但奥特曼迅速动员员工、投资者和微软支持他留下，使组织形式上的治理权力流于表面、在资本权力面前彻底失效。在这次“政变”中，原独立董事反而被迫辞职，奥特曼复职并进一步巩固对组织的控制。更具讽刺意味的是，奥特曼长期宣扬“董事会有权解雇CEO”是最重要的治理机制，但当这一机制真正触发时，他却通过资本动员迅速瓦解了董事会独立性。
此后，OpenAI的商业化步伐加速。其业务从“研究优先”转向“应用产品优先”，公司的估值也快速扩张至2026年的8520亿美元。与此同时，其内部的安全团队进一步被边缘化，产品发布节奏被市场竞争主导。不仅如此，OpenAI的ChatGPT引发了全球的大模型竞赛，这反过来导致其更进一步聚焦于提升产品能力和扩大融资规模。
作者借OpenAI的制度转变指出，问题并不只是OpenAI“违背初心”，更在于其早期作为非营利组织时采取的“使命驱动型”治理方式本身存在根本缺陷。当创始人形象与组织使命被融为一体时，任何对创始人的约束或质疑，都可能被内部成员理解为对使命本身的背叛，因为在一个以“人类未来”为使命的组织中，没有任何法律框架能够将“人类利益”转化为可操作的问责标准。
作者对OpenAI的调查和分析并未止步于其硅谷的办公室，而是将其视野拓展到全球各地被OpenAI和AI产业重塑的物理空间与认知空间。这也是作者将OpenAI与历史上的殖民帝国相比较的原因，她认为OpenAI以及与其类似的科技巨头，在发展人工智能的过程中掠夺了全球的资源、对AI发展的认知框架产生了垄断。
在土地与自然资源方面，数据中心集群正在吞噬全球各地的水资源：美国亚利桑那州一个数据中心的日用水量相当于数万个家庭，智利农村的水源被悄然改道至数据中心而当地居民毫无发言权。数据中心则使这种“剥削”更加隐蔽：许多企业无需占领土地，只需通过基础设施接入便能实现对土地及当地其他资源的长期占用。
在劳工剥削方面，作者认为当前的数据标注产业看似为欠发达国家的贫困人口提供了新的就业机会，实际上是进一步加剧了不平等。肯尼亚的数据标注和内容审查工人以每小时不足2美元的报酬，日复一日地浏览互联网上最暴力、最仇恨的内容。许多人出现严重的创伤后应激障碍（PTSD）症状，导致这些人在不同程度上丧失劳动力。这些心理创伤被外包公司的“效率考核”和OpenAI的“供应链距离”遮蔽了，尽管OpenAI声称他们有相应的行为准则，但却从未开展独立审计。不仅如此，这些工人并不像办公室的白领一样拥有劳动保障，他们没有制式的劳动合同、没有固定的工时、没有稳定的工作量，获得的报酬随着外包公司进入该国的时长增加而减少。与此同时，由于外包公司临时决定关闭所在国家的业务，这些工人还有可能面临部分报酬无法从外包公司平台提取的风险。作者将此置于“AI殖民主义”框架下审视：工人的劳动被完全排除在收益分配之外，他们为ChatGPT提供基础训练数据，却与数百亿美元估值毫无关系。相反，在美国本土，早期员工和投资者则一夜暴富。
在知识产权方面，作者认为AGI对创意产业进行了系统性的侵占：艺术家的风格被抽取用于图像生成，作家的文本被纳入训练数据集，音乐家的音色被复制。OpenAI则以“合理使用”“技术必要性”“公共利益”等说辞为由辩护，但这些主张回避了“谁的利益”和“谁的代价”等根本问题。更进一步来看，这种侵占正在重塑创意产业的权力结构。当AI能以极低成本模仿任何风格时，人类创作者的“稀缺性价值”被系统性稀释，自由撰稿人、插画师等收入将显著下降。
在环境影响方面，大模型消耗的资源和产生的碳排放规模庞大。单次大模型训练的碳排放相当于数百辆汽车的排放量，而每一次ChatGPT查询都消耗大量电力和冷却用水。作者调查发现，美国亚利桑那州农民因数据中心用水而面临灌溉用水短缺，智利社区则因水资源被占用发起抗议。AI企业将环境成本外部化给当地生态系统，但将“智能”内部化为企业资产，产生了一种被技术光环遮蔽的“公地悲剧”。针对AI算力指数级增长产生的碳排放，尽管企业通过购买碳信用、承诺未来使用可再生能源等措施来应对，但作者走访发现，部分举措并不像企业描述的那样完善，也未能发挥应有作用，企业只有遭到当地社区的强力抗议和抵制才会进一步采取行动。这些举措也因此被作者批评为“延迟的正义”和“责任的转移”。
在认知方面，作者认为OpenAI在两个方面形成了垄断。一方面OpenAI垄断了AI的“元叙事”，定义了什么是AGI。奥特曼将AGI描绘为解决人类一切难题的终极技术，为其无限扩张提供了道德合法性。另一方面OpenAI通过其商业化迫使全球竞争对手跟进，导致独立研究者生存空间被压缩，AI研究多样性遭到严重侵蚀。作者进一步揭示了“加速主义”的自我实现机制：当所有参与者都相信更大的模型等于更好的性能时，这一信念本身便驱动资源无限投入，而这些投入又反过来证实最初的信念，系统性排除对模型规模本身的质疑。作者发现，自ChatGPT发布以来，全球六大科技巨头市值迅猛增长，而独立AI研究机构数量却呈下降趋势。换句话说，AI的“繁荣”正以思想的多样性为代价。
作者将这些维度整合为“AI殖民主义”分析框架，并认为AI产业的繁荣建立在对全球最脆弱群体的系统性剥削之上，他们的劳动、数据、资源、环境被转化为硅谷的估值和投资者回报。这一分析揭示了AGI的“智能”并非自然涌现，而是特定权力结构和意识形态选择的结果。
作者对AI安全的讨论并非停留在技术风险评估，而是将其置于权力运作的框架中审视，揭示了关于安全的话语如何被建构又如何被逐步工具化。作者的核心洞察在于，AI安全不仅是技术问题，更是权力问题，即谁有权定义“安全”、谁有权执行安全审查、由谁来承担“不安全”的代价。作者认为这些答案决定了AI发展的根本方向。
书中详细记录了OpenAI安全团队从核心部门到被边缘化的组织性衰落。 早期OpenAI将关于AI安全的研究置于优先位置，但随着微软投资注入及组织商业化压力增大，安全团队地位逐渐发生系统性下滑：一开始是预算被压缩、审查流程被简化以“加速发布”、风险评估被要求“淡化处理”，ChatGPT发布后产品的“快速迭代、事后修复”成为主导策略，坚持“安全优先”的部门则因被认为“阻碍创新”，被组织边缘化。
作者认为，在这一过程中，“安全”的定义也逐渐被异化，偏离了最初的内涵。第一，OpenAI认为，如果不加速开发产品，竞争对手将率先研发出“超级智能”的框架，因此将所有商业扩张行为都视作“必要的安全措施”，“安全”也因此被异化为给无限扩张提供道德合法性。第二，OpenAI以“防止恶意使用”为由限制大模型开源，“安全”被异化为给知识封闭提供正当理由。第三，在OpenAI内部，任何“更小规模、更分布式”的发展倡议都被“安全风险”压制，“安全”被异化为给替代性路径的排除提供话语工具，最终所有的替代路径也因此被排除在组织的严肃讨论之外。
2023年的“政变”也暴露了组织内部争夺“安全”话语权的本质。董事会以奥特曼的激进商业化增加“灾难性风险”为由将其罢免，但奥特曼成功将安全关切重构为“对使命的背叛”，并将董事会描述为“脱离现实的理论家”，将产品发布前的安全审查等同于“阻碍人类获得AGI益处的官僚主义”。作者指出，当“安全”与“创新”被建构为零和博弈时，“安全”总是处于话语弱势，因为“创新”的收益可量化为估值和市场份额，而“安全”的预期收益是当前不可见的。这种不对称性使“安全优先”在资本逻辑主导的环境中难以维系。
思考与拓展
当前，在OpenAI之外，关于AI的事件每天都在世界各地发生，政府、企业、学术机构、个人都在从不同的维度塑造AI发展的叙事：Anthropic等AI企业上市预期升温，OpenAI在高估值融资后进一步强化了资本市场关注度，“星际之门”项目加速落地，欧盟《人工智能法案》即将全面实施，中美围绕AI的产业链竞争愈发激烈，国际组织着力探究降低AI环境影响的方式，人们探讨AI对就业和教育的未知影响……这些纷繁复杂的全球动态，共同指向一个核心命题：AI治理已不再是单一企业或单一国家的内部事务，而是关乎人类文明走向的集体挑战。正是在这一宏大背景下，作者对OpenAI的六年深度追踪获得了超越企业传记的普遍意义。她揭示的不仅是一家公司的兴衰轨迹，更是整个AI时代治理困境的微观缩影。当我们跳出其“数据殖民帝国”的叙事，从更加宽广的视角看待AI治理，能更加清晰地把握这一时代命题的结构性张力。
从环境维度来看，AI属于资源密集型数字技术，发展过程伴随大量资源消耗。大模型训练依托数据中心，耗费大量电力、淡水与土地资源，同时AI硬件生产依赖锂、稀土等关键矿产，绑定高消耗的全球采掘产业链，折射出技术发达地区享受便利、边缘地区承担环境压力的不均衡发展矛盾。据国际能源署数据，当前全球数据中心用电量占总用电量约为1.5%，AI算力扩张可能导致该比例在2030年之前翻倍。
为应对碳排放难题，绿色AI理念兴起，各大科技企业纷纷布局清洁能源、许下低碳运营承诺。但正如郝珂灵在书中所表明，目前承诺与落地效果存在较大差距，AI算力呈指数级增长的同时，能耗优化与清洁能源落地速度难以匹配行业竞赛节奏。此外，尽管AI可赋能气候预测、精准农业等绿色场景，具备显著环保潜力，但相关效益尚未规模化。行业需摒弃片面的技术发展思维，落实可追责的低碳实践，透明核算AI全周期环境成本，杜绝成本转嫁，实现均衡可持续发展。
从社会发展维度来看，AI发展暗藏深层的结构性社会问题。在就业领域，AI并未实现大众期待的减负效果，反而转移并加重了劳动者的工作负荷，多数从业者的工作量不降反升。这一模式大幅提升了劳动密度，造成劳动者去技能化、工作自主性被持续压缩。在教育与认知领域，AI则催生了普遍的认知外包问题，一方面单一的主流认知被固化、多元观点被边缘化，另一方面算法机制放大情绪化内容，持续破坏公共话语生态。当下科技巨头垄断了AI的定义与发展话语权，不断削弱公众的独立思考与社会参与权利。AI的发展取决于社会与政治选择，因此亟需通过多元集体协商规范行业发展，守住人类自主判断的核心能力与发展空间。
从治理维度来看，OpenAI的治理危机集中体现了美国市场驱动模式的核心悖论。哥伦比亚大学法学院教授阿努·布拉德福德在其著作《数字帝国：全球科技规制之战》指出，该模式以“自由市场、自由言论、自由创新”为支柱，政府对数字经济的干预被严格限定于国家安全领域。这一宽松制度环境为OpenAI的狂飙突进提供了绿灯。然而，美国模式赋予私人行动者无限的创新自由，却未能构建起有效的公共问责机制。同时，该模式也被诟病以企业“自我规制”为名放任科技巨头膨胀，却在关键时刻发现它们已大到“不能倒”、强到“不能管”。
相比之下，中国和欧洲的监管模式与美国均有显著差异，两个辖区内的AI企业发展情况也有所不同。布拉德福德认为中国的国家主导模式为“自上而下的治理”结构，其特征在于国家对技术发展方向的前置性设定与全过程管控。与美国模式不同，中国模式强调AI发展必须服务于“共同富裕”与社会稳定，因此2020年底以来对蚂蚁集团、阿里巴巴、滴滴等大型科技巨头的整顿，是将平台经济重新纳入国家发展蓝图的战略调整。欧洲则采取“权力驱动型监管模式”，将数字经济的监管建立在保护个人基本权利的基础上，特别强调隐私权、数据保护、人类尊严和民主价值观。这看似与美国的监管模式更类似、与中国的有所差别，但实际上欧洲的监管模式与中国有共通之处。欧盟认为政府应在数字经济中发挥积极作用，通过法律和规则来引导技术发展，确保技术服务于人类福祉，而非如美国模式中完全由市场或企业自我监管。但欧洲也被指责在其监管模式下无法产生可以与中美抗衡的科技巨头，该模式抑制创新、执行力度不足、导致内部成员国分歧，甚至被指责为“监管帝国主义”或保护主义。
布拉德福德认为，欧洲模式将在原以美国模式为主导的地区逐渐取代其地位，而中国模式将受到部分其他地区的欢迎。郝珂灵在书中呈现的调研结果也为政府加强监管干预提供了有力支撑——其揭示的OpenAI内部权力失衡、对环境资源掠夺性开发与社会代价外部化，印证了市场驱动模式在缺乏公共约束条件下的系统性失灵。更深层的启示在于，郝珂灵的叙事揭示了私人资本对公共治理的侵蚀与部分地区国家权力对社会诉求的压制并存的现象，而中、美、欧三种监管模式的碰撞表明，AI治理的出路不在于简单地选择其中一种模式，而在于汲取各自有效要素、激活社会参与，使技术规则的制定成为开放包容的公共实践。
推荐人：袁明嘉
