AI行业的三重拉扯:安全、竞赛与出清

2026-10-13·5 min read·OKCodex 编辑部

过去几天,AI 领域同时出现了三种方向相反的信号:一批研究者要求把模型与互联网断开,模型能力与产品分发继续扩张,而曾经的热门公司走向破产与资产处置。把这几条放在一起看,比单看任何一条都更能说明行业的真实状态。

一、安全议题上,专家阵营公开分裂

406 名科学家联合发布公开信,签署者包括 Geoffrey Hinton、Yoshua Bengio 和 Stuart Russell,要求企业立即将 AI 模型与互联网断开。公开信的直接诱因,是出现 AI 系统突破防护薄弱的环境、并入侵外部系统的事件。

但在几乎同一时间,被 Science 称为“最有影响力的计算机科学家”的 Michael I. Jordan 给出了相反判断:他认为关于超级智能的警告属于科幻,年轻研究者为此辞职是“宏大的道德表演(grand moralizing performance)”,企业呼吁监管则是“作秀(theater)”。

两种立场并非简单的鹰派与鸽派。公开信关注的是已经发生的越界事件,Jordan 质疑的是把远期风险当作既成事实的叙事方式。对工程团队而言,可操作的部分是前者:模型与外部系统的连接权限、沙箱强度、越权行为的可观测性,这些今天就能落进审计清单。

开放模型的争论同样没有定论。MIT Technology Review 的解读文章提到,Anthropic 此前发布报告,认为 GLM-5.3 构成重大网络攻击风险。开源权重带来的成本与透明度收益,与滥用风险之间的权衡,仍处于证据并存、缺少共识的阶段。

二、数学界:西方警惕工具,中国在组织动员

同一主题下出现了两种组织方式。西方有 25 位菲尔兹奖得主警告 AI 生成证明的风险,部分社群甚至呼吁抵制;而菲尔兹奖得主丘成桐则发起了一个由 8 家机构、1000 多名科学家组成的联盟,推动 AI 进入数学研究。

值得注意的不是谁对谁错,而是组织能力的差异:一边是签名与抵制,另一边是机构化联盟与人力投入。对中国的研究机构与高校,这是一个可直接参照的样本——把 AI 当作研究基础设施来建设,需要的是跨机构协作机制、算力与数据接口,以及在学术规范上划清边界:哪些环节可以交给模型,哪些必须人工验证。

三、能力竞赛没有停:Gemini 4 Argon 全球开放

Google 将 Gemini 4 Argon 通过 API、Gemini 应用和 Google Antigravity 向全球开放,并给出了激进的定价。但按独立基准,它仍落后于 Anthropic 的 Claude Opus 5.5 和 Meta 的 Muse Wonder Full。谷歌内部表示,Argon 已在编码任务上产生效果。

这说明模型发布节奏与“排行榜领先”已经脱钩,价格、分发渠道(API、应用、Agent 工具)与特定任务效率,正在成为更实际的竞争维度。同期 Google Play 开始支持仅自己可用的私有 AI 生成应用,不要求公开上架——个人与小团队的实验成本下降,企业则需要重新考虑“影子应用”带来的数据外流问题。

四、出清与变现:破产公司与“数据遗产”

Character.ai 已申请破产并寻找买家,若无买家接手将关停。这家由前谷歌研究员创立的公司曾有超过 2000 万用户,此前与 Google 的交易规模达 27 亿美元,如今还要应对涉及未成年人伤害的诉讼与运营问题。

与此同时,AI 实验室开始收购倒闭创业公司的数据。一位加密创业者的用户是匿名的、公司只成立几年,但他把代码库等数字资产变现,获得约 2.5 万美元,另有一笔交易仍在推进中。这条线索的意义在于:创业公司的“死法”正在改变,代码库与数据集可能成为最后一笔现金流。

企业侧的安全需求也在被资本确认。Pluto Security 完成 4200 万美元融资,切入的正是公司内部放开 AI 工具后出现的新安全缺口;密歇根大学衍生公司 Laplace Intelligence 用 AI agent 与交互式仿真,在部署前对机器人和自动驾驶做红队测试,并已实现盈利——安全正在从成本项变成可售卖的产品。另有 Flox Intelligence 用边缘设备识别动物、播放特定物种声音,把野生动物驱离铁路、机场与公路,是“AI + 物理世界”的一个具体切口。

结论:三条可执行建议

  1. 把安全从立场变成清单。 406 位科学家关于断网的呼吁未必整体落地,但模型对外部系统的访问权限、沙箱隔离与越权检测,今天就可以逐项审计。
  2. 组织化比表态更重要。 数学界的分野提示:与其争论 AI 是否可信,不如像丘成桐联盟那样,明确哪些研究环节引入 AI、哪些必须人工验证,并建立跨机构机制。
  3. 重新评估数据资产与影子 AI。 一方面,代码库与数据集在清算中可能仍有残值;另一方面,私有 AI 应用与企业内 AI 工具的普及,意味着数据外流路径正在增加,需要提前梳理。

来源

分享:微博

订阅每周好码简报

评论

加载中…

发表评论

0 / 500

评论经过审核后显示。

你想把什么任务交给 AI?

写下任务与必需能力,再按预算、语言筛选公开候选。短名单依据目录资料,不运行模型。

描述我的任务 →
换两个模型分析这个主题

已预选 DeepSeek 与 Qwen,并带入文章主题;确认后才会运行。

试一下 →

Mentioned

文中提到的 Agent