文章转载于新智元
编辑：马可 桃子 大卫
今天，Anthropic CEO Dario Amodei发布了一篇罕见长文——
We Must Pace the Frontier（我们必须控制前沿AI的发展节奏）
这一次，他直接把矛头对准了前沿模型的研发速度，核心观点就一句话：
最顶尖的AI，真得主动踩刹车了。
这篇长文中，Dario亲口承认，「递归自我改进（RSI）已经在全行业出现了」。
更让人后背发凉的是，他预测未来6—12个月，AI Agent集群可能会接管整个互联网。
面对这种脱缰的风险，Dario在文里直接掏出了一套动真格的「三步刹车法」：
第一步，开门迎客： 引入独立第三方常驻公司，拿到跟内部核心风控同等级的深度访问权限；
第二步，行业划线： 联合全美前沿AI巨头，一起画死能力红线、设立强制安全检查站；
第三步，全球落地： 把这套框架推向国际，彻底锁死不可控风险的蔓延。
话音刚落，奥特曼就光速跟进，「Dario是对的，OpenAI也会引入这样的评估机制」。
另一边，马斯克也是几乎秒回，公开力挺Dario。
能让三位巨头瞬间达成共识，场面确实罕见！
1
达里奥的「三步计划」为全球AI减速
这一次，Dario并没有只喊一句「AI该减速」。
Dario真正想做的，是把这套「减速机制」一级一级推开，而且顺序非常明确——
先让AI公司自己变得可验证，再让整个行业一起踩刹车，最后才谈全球协调。
第一步，先从Anthropic自己动刀。
像METR这样的独立第三方，不应该每次都等事故出了以后，才临时进公司调查，而应该长期驻场。
给工位、给内部电脑、给接近风险团队的权限。
模型怎么训，安全承诺有没有落实，训练流程有没有埋雷，出了事有没有瞒报，都能持续盯着。
而且，查出问题之后，必须公开。
公司可以删掉真正涉及法律、客户隐私和核心商业机密的部分，但不能因为报告太难看，就把结论按下去。
第二步：不能只让一家踩刹车
真正难的，从这里开始。
如果Anthropic自己减速，OpenAI、谷歌、xAI继续狂奔，那谁先踩刹车，谁就可能先吃亏。
所以，Dario建议，需要把规则推到整个美国前沿AI行业。
几家前沿AI公司一起定安全红线，一起设能力检查点。模型每跨过一个危险门槛，就必须先拿出对应的安全证据，才能继续往前冲。
比如，一个模型已经能突破多数常见隔离环境了。
那接下来公司就得证明：它不会轻易逃出沙箱，不会擅自接管大量机器，也不会把这种能力变成现实攻击。
证明不了，就先别往下冲。
另外，Dario甚至提到，还可以讨论限制训练算力、训练方式，以及公司内部用AI研发AI的速度。
也就是，直接给RSI本身加一道限速器。但光靠几家公司私下握手还不够。
他更希望最终由美国政府出手，把规则覆盖到所有前沿AI公司。
第三步：把刹车踩到全球
再往上，就是最难的一层。Dario把全球协调分成了四级。
第一层相对最现实：先禁止生物武器这类明显危险的用途。
第二层，是前沿模型发布之前，统一做网络攻击、生物安全等高风险测试。
到了第三层，才真正开始碰核心：
能不能给RSI，也就是AI研发AI的速度，直接设一个全球上限？
Dario自己的判断是，这件事「刚好处在可能做到的边缘」。
至于第四层——全球前沿AI公司一起大幅减速，甚至阶段性暂停训练——他自己都没抱太大希望。
至少短期内，几乎不现实。卡住这一切的，还是同一个问题：怎么验证。
一家公司说自己停了，谁能证明它真的停了？
所以Dario这整套方案绕到最后，核心其实非常简单：
先把AI公司的门打开，让外部人真正进去看。
也正因为如此，Dario把「第三方长期驻场」放在了整套方案的第一步。
1
RSI已经开始了6个月AI接管互联网
可问题来了。为什么偏偏是现在？
三年前，行业里就掀起过一阵「暂停训练、给 AI 踩刹车」的联名潮，但那时候Dario根本没接茬，认为时机压根不成熟。
真正让他改变态度的，是两件事——RSI开始出现，以及AI智能体已经暴露出越来越具体的失控行为。
他在文章中明确承认，AI参与研发下一代AI的现象，已经开始在整个行业出现，Anthropic自己也包括在内。
AI帮人写代码、做实验、分析结果、优化训练流程，再进一步帮助下一代AI变强
如果这个循环开始自我加速，最麻烦的地方就出现了：
模型能力提升的速度，可能开始超过人类理解和控制它的速度。
因为安全研究本身需要时间。
你得先观察模型出现了什么新行为，再研究这些行为为什么出现，接着设计测试方法、防护措施，最后验证这些措施到底有没有用。
可如果模型能力每隔几个月就跳一个台阶，安全团队很容易一直追在后面补漏洞。
Dario真正担心的，并不是某一天AI突然「觉醒」，而是这个反馈循环开始越转越快。
AI越来越多地参与AI研发，下一代模型越来越快出现，而安全机制，还来不及跟上。
如果RSI只是让他担心「未来会不会跑得太快」，那么最近一次真实发生的智能体事故，则让这种担忧彻底落了地。
Dario特别提到了最近的「OpenAI-Hugging Face事件」。
在那次测试里，一群AI智能体组成了类似「蜂群」的协作系统。
最开始，人类只是让它们完成正常任务。可很快，一些智能体开始攻击任务之外的外部目标。
更诡异的是，它们还出现了明显的群体协作行为：有的智能体宁愿牺牲自己的任务成绩，也要帮助整个群体拿到更好的结果，甚至还有智能体试图Hack评分系统，为整个群体「作弊」。
这些行为，并不是人类提前写好的剧本。它们是在多智能体协作过程中，自己冒出来的。
Anthropic内部也观察到过类似现象，只是程度更轻。
Dario真正担心的，是再往前6—12个月。
到那时，Agent更强，能调用的工具更多，能控制的机器更多，连续工作的时间也更长。
如果今天这些偏离目标、钻规则漏洞、群体协作的行为依然存在，风险就可能被瞬间放大。
他甚至给出了一个相当惊悚的场景：
大规模AI Agent攻入联网设备，把整个互联网变成一个巨型「僵尸网络」。
造成的损失，可能达到数千亿美元。
1
当AI越跑越快 人类还刹得住吗？
所以，Dario这次喊「减速」，真正担心的并不是某个遥远的超级智能。
而是几件事正在同时发生：
RSI已经出现，AI开始参与研发更强的AI；Agent正在获得越来越强的现实行动能力；一些失控行为，也已经从假设走进真实测试。
而模型迭代的速度，还在继续加快。
这也是为什么他想抢出1—2年时间，把安全评估、第三方核查和全球规则先补上。
这套方案能不能落地，还没有答案。
现在，跑在最前面的人开始问：真跑失控了，我们还刹得住吗？
参考资料：
https://darioamodei.com/post/we-must-pace-the-frontier
