AI 减速令如何落地：谁能阻止偷偷加速的人？

编者按：本文基于 WIRED 专栏作家 Will Knight 的分析编译。当"暂停AI研发"从一个学术圈的道德呼吁，变成大国与企业之间真实的谈判议题，一个更棘手的问题随之浮出水面——就算所有人都点头同意，谁来保证没有人在暗处偷偷踩下油门？

一、争论的重心已经转移

2023年春天，未来生命研究所的一封公开信把"暂停前沿AI训练六个月"推上全球头条，签名者中不乏图灵奖得主与科技界名人。那场争论的核心是"该不该停"。几年过去，争论的重心已经悄然转移到更难的一环："如果要停，究竟怎么停？"

原因不难理解。那封公开信之后，没有任何一家头部实验室真正停下脚步；相反，模型规模、训练算力与数据中心投资都在加速膨胀。于是"暂停"从一个可以喊出口号的主张，变成了必须回答工程与制度细节的问题：谁来核查、核查什么、发现违规又该如何处置。

二、看不见的训练：执行难的第一道坎

历史上成功的军控之所以可行，靠的是"可观测性"。核试验会在地震仪上留下波形，导弹发射逃不过卫星的红外凝视，化学武器的生产设施有可追踪的前体化学品物流。而一次大模型训练，在外部世界几乎不留痕迹——数万张GPU在封闭的数据中心里跑上几个月，最终产出只是一组权重文件。它既不冒烟，也不震动，更不发光。

这意味着，任何"AI减速"机制都必须建立在间接信号之上：算力采购记录、芯片流向、数据中心电力消耗、模型算力规模的自我申报。每一项都可以被规避、模糊或伪装。这也是为什么真正可执行的方案往往绕开"训练本身"，转而盯住训练的上游——芯片与算力。

三、真正的杠杆在供应链，而不在条约

与核不扩散不同，先进AI的供应链高度集中：顶尖GPU来自极少数厂商，最先进制程依赖台积电，光刻设备则几乎由一家荷兰公司垄断。这种集中既是风险，也是杠杆。理论上，只要在芯片层嵌入位置追踪、在云端算力上实行严格的客户身份核验、在超大规模数据中心层面引入国际互查，就能给"偷偷加速"设置实质门槛。

事实上，出口管制已经在扮演事实上的"减速令"——它不是通过协议，而是通过切断硬件供应来延缓对手的进度。这是一种粗糙、单向、且带有强烈地缘色彩的执行方式，但它确实可执行，而一纸纸面上的暂停协议不是。

核试验可以被地震仪捕捉，导弹发射可以被卫星看到，但一次模型训练在外部世界几乎不留痕迹——这正是AI军控与核军控最根本的差别。

四、制度设计：AI版的"国际原子能机构"？

近两年，多国开始筹建AI安全研究机构，学界也在讨论建立类似国际原子能机构的核查体系：申报算力规模、接受现场检查、在关键节点设置审计。问题在于，核材料是物理的、可计量的、难以隐藏的；而模型权重只是数字，几秒钟就能复制、转移、加密后藏在任何一台服务器里。核查"有多少算力"尚且可行，核查"训了什么、训到哪一步"则近乎不可能。

更现实的路径，是把核查做"粗"而不是做"细"：不追究模型内部，只盯住超过某个算力阈值的训练集群是否备案、其电力与芯片供给是否可追溯。这是一种妥协，也是目前唯一可能落地的形式。

五、没有裁判的竞赛

即便技术与制度都到位，最后一道坎仍是政治。任何减速机制都面临经典的军控困境：如果你减速而对手不减速，你就输了；如果你确信对手会减速，你也有动机偷偷多跑一步。领先者不愿放弃优势，追赶者不愿被永久锁死在后面。协议越严格，退出的诱惑越大。

更微妙的是，一次成功的"暂停"可能只是重新分配领先地位——暂停期间谁在基础研究、算法效率与数据上继续积累，解禁后谁就冲得更快。

结语：可执行性才是关键

把AI减速当作道德问题讨论，很容易陷入站队；把它当作执行问题讨论，才可能看到真正的进展。结论未必令人安心：最可行的手段不是全球条约，而是对芯片、算力与云基础设施的供应链管控——它有效，但只能被少数国家使用，且会加深分裂。

换句话说，AI能不能慢下来，最终不取决于有多少人愿意慢下来，而取决于有没有人真的能踩住刹车，以及被踩住刹车的人是否承认那块踏板存在。

本文编译自WIRED。