每经评论员杜恒峰

　　刚刚过去的周末
，OpenAI首席执行官奥尔特曼 、Anthropic首席执行官阿莫代伊与xAI老板马斯克罕见站到同一阵线。三人均主张，放缓前沿大模型迭代 ，让模型与人类目标对齐，引入独立第三方完成安全评估
，通过检查点后再解锁下一代训练 。

　　安全与对齐是大模型发展到现阶段必须要回答的命题
。今年以来 ，头部实验室在安全评测场景下多次出现突破沙箱
、超出设定边界的行为
，有研究员甚至因为担心先进模型“毁灭人类 ”而愤然辞职。大模型的技术特点，决定了人工智能“递归式自我改进”（RSI）会放大模型失控风险 ，现有安全测试已难以预判更高能力模型的危害
，引入独立第三方、设置能力检查点 、开放训练流程，填补了外部监督空白 ，能够有效减少AI发展带来的负外部性 。

　　对齐工作需要企业持续投入
，但直接的经济回报又十分有限；放缓前沿基座训练，能直接砍掉边际收益持续衰减的巨额算力开支 ，成本节约立竿见影。尽管业界巨头“安全
”“对齐”的叙事有不少呼应者
，但直接的商业回报才是更深层次的动机
。

　　Anthropic的情况最能说明问题。今年5月，其ARR（年化营收运行率）为470亿美元 ，环比增速高达56%，但到了7月
，这一增速已经回落至不足20%，尽管有token降价的因素 ，但市场认可始终是真金白银的收入 。该公司推理业务已实现商业化可持续运营
，季度营业利润转正，但继续冲击下一代超大基座模型将消耗巨量现金
。今年10月 ，Anthropic就可能上市
，其高达上万亿美元的估值，建立在持续高增长的基础之上。当ARR环比增速下台阶 ，以安全名义主动放缓前沿迭代
，就能把增长减速解释为主动承担安全责任，这是精妙的资本叙事转换 。

　　OpenAI同样如此
。奥尔特曼近期也将推迟上市与AI安全绑定 ，但事实上
，OpenAI不在今年上市的说法早已有之。OpenAI当前的ARR尚不足以覆盖全年算力支出，自建算力项目的巨额资本开支还要依靠微软、软银等外部主体通过特殊目的载体（SPV）承接；其收入中C端订阅占比更高
、毛利率更低 ，训练下一代旗舰模型的财务压力更大 。推迟IPO需要一个合理解释，“为了安全暂缓上市 ”是一个远比“现阶段数据还不够好
”更有说服力的说辞
。

　　放缓先进模型开发也有缓解“军备竞赛”困境的压力。大模型厂商的估值高度依赖模型的能力
，模型越先进就越容易获得高估值，这也是巨头们乐于公布先进模型在破解数学难题、寻找 *** 安全漏洞等方面能力的原因 。为了确保模型先进性 ，各大厂商被迫持续加码训练
，即便堆参数 、堆算力带来的边际回报在降低，只要对手不停 ，自己就不能停
。单独一家主动减速会被解读为实力不足
，但三家口径达成一致，就变成了行业层面的选取 。

　　放缓先进模型开发 ，让资源得以从前沿预训练
，转向Agent
、代码模型、推理优化 、行业应用这些投资回报率更高的方向 。大模型厂商可以优化资本开支
、引导资本市场预期。大模型商业化的竞争并未停止，只是从“比谁模型能力更强 ”转向“谁的回报更高
”
。大模型厂商放缓投资节奏 ，不可避免对上游硬件厂商产生影响
，9月14日，中日韩股市半导体板块集体下挫。

　　但近来  ，这只是这三家公司的主观想法，在OpenAI和Anthropic身后
，还有谷歌、Meta这样的互联网巨头，其主业利润丰厚 、现金流充沛
、融资空间巨大 ，有能力也有很强意愿继续大规模投入先进模型开发
，以缩短模型能力差距 。在大洋彼岸，中国大模型厂商也在大举融资 ，继续为模型开发储备资源
。

　　“对齐”是大模型发展到一定阶段的必然要求
，但竞争压力决定了先进模型开发很难放缓，“军备竞赛 ”仍将持续。

（文章来源：每天 经济新闻）