The Balance of AI Power: Anton Leicht on Politics, Pacing Deals, and Muddling Through Well

卡内基学者 Anton Leight 认为：美中若只冻结前沿模型、不冻结芯片国产化，等于让中国白赚 6-12 个月追赶期，所以美国不会签这个协议。

AI会让世界更富，却让多数国家更无权

Anton Leicht 是卡内基国际和平基金会技术与国际事务项目研究员，也是 Substack《Threading the Needle》作者。过去两年，他一直在追踪 AI 进步背后的国内政治经济与国际权力格局：谁造模型，谁拿芯片，谁有能力叫停事故，又是谁只能等待技术强国分配能力。本期最锋利的地方在于，他不把 AI 只看成生产率工具，而是看成一套会重新划分国家主权、公司权力和社会保护能力的基础设施。

这期回答了 7 个问题：

1. 为什么 AI 可能让大多数国家生活变好，却把它们推向“准附庸”地位？
2. 技术上值得暂停 AI 扩张，为什么地缘政治上却几乎谈不成？
3. 当前 AI 的天价估值，真正押注的到底是办公自动化还是“创新工厂”？
4. 不等国会立法，政府怎样让外部审计真正进入前沿实验室？
5. 欧洲没有前沿模型，为什么反而能用数据中心换取 AI 主权？
6. AI 落地的最大瓶颈，为什么已经不是模型能力而是组织重构？
7. 台湾芯片产能这个物理瓶颈，会怎样让整个 AI 竞赛突然失控？

被问到非洲、拉丁美洲和南亚等地区若维持现状，会走向什么未来时，Anton 先否定了一个很常见的乐观推论：AI 普及，不等于所有国家都能沿着过去的路径追赶。过去几十年，中低收入国家常靠人口增长、廉价劳动力、承接外国企业设厂和出口产品进入全球供应链。先做便宜的工，再慢慢积累资本、技术和谈判权。

但“先进 AI 加自动化制造”会掏空这套台阶。服务业里，许多可标准化的低成本劳动会先被软件替掉；制造业如果也越来越自动化，劳动力便宜的优势也会变薄。更关键的是，即使这些国家仍参与制造，它们也很难对前沿 AI 的开发拥有监管输入、监督权，或拿到确保持续获得模型出口的硬筹码。Anton 的判断很直接："it is this quasi vaselage to the frontier building powers that I think is just the most likely outcome for most of these countries."（我认为，对大多数国家而言，最可能的结果就是成为前沿 AI 强国的某种“准附庸”。）

这意味着，未来最刺眼的不平等未必是收入，而是主权。居民可能更富，街道可能更整洁，技术溢出也会让再分配更容易；但国家未必能决定自己接入什么模型、模型何时被断供，更未必有能力防御 AI 驱动的网络攻击、诈骗、生物风险和基础设施勒索。生活水平上升，与民主发言权和自主性下降，可以同时发生。

被问到如果全世界能冻结 AI 进展六个月，专心研究失控和对齐问题，是否值得时，Anton 的技术答案是肯定的。他说，几个月前，他还不确定今天看到的模型异常行为，是否真是未来大规模对齐问题的早期形态；现在再看，那些行为已经“长得像”一个真正的大问题。给研究者几个月时间，弄清自主智能体为何会越界、如何控制它们，显然有用。

难处在于，暂停不是实验室里的技术决定，而是一份重新划分国家优势的协议。Anton 认为，中国在机器人、电力建设、AI 扩散和制造业上占优；美国最突出的长板，则集中在芯片设计、盟友控制的芯片制造设备，以及前沿模型开发。如果美国单方面把前沿扩展暂停一年或两年，中国可以继续推进半导体自主化、获取芯片、整合算力。等竞赛恢复，美国原本最硬的一张牌可能已经变软。

这意味着，安全上对全球有益的协议，在地缘政治上可能是美国不愿签的亏本交易。美国若想要“对称”，就得要求中国不仅放慢前沿模型，也放慢芯片自主化和半导体设备能力建设；而这恰恰是中国最不可能接受的条件。Anton 说，即使这种交易对美国不利、却能降低全球风险，他个人仍愿意接受。但国家不会自动按“全世界总风险最小”来行动，尤其当协议会改变产业和军事力量对比时。

被问到六个月暂停会不会冲击股市时，Anton 先承认了一个事实：现有模型并没有被充分部署。即使把西方已有算力都转去做推理，也能找到足够多的生产性场景，帮助企业收回模型和芯片投资。财务部门的 Bob 用 AI 完成过去两个人的工作，这类需求确实存在。

但这撑不起今天实验室和 AI 供应链公司的建设规模。Anton 认为，市场不是只在给“办公自动化”估值，而是在押注下一代模型会卖给愿意付超高价格的客户：药企为新药研发加速支付数百万美元，材料公司为发现新材料签大额合同，编码智能体则直接提高 AI 研发本身的速度。"if you don't get these super premium buyers of the next generation of Frontier models, I'm not entirely sure that you can have the valuations"（如果下一代前沿模型得不到这些愿意支付超高价格的客户，我不确定这些估值还能否成立。）

这意味着，“员工用了 AI、效率不错”与“巨额数据中心投资合理”之间，还隔着一道很宽的鸿沟。后者需要 AI 变成创新工厂：不是少写几封邮件，而是直接贡献高利润的新药、材料、芯片设计或软件突破。边界也在这里：若企业自愿短暂停顿，并将其包装为提升可靠性的行动，市场可能把它看作降低监管风险；若政府强制叫停，市场更可能担心监管路径失控，先卖了再说。

被问到美国行政部门有哪些不必等待国会的低垂果实时，Anton 把重点放在第三方评估机构上。他提到，Meter 和 Redwood 对“hyen face incident”的调查，因能理解对齐与控制问题而获得积极评价。但现在的机制仍太像事故公关：出了问题，OpenAI 之类的实验室自愿邀请外部人进来，给多少材料、开放多长时间，基本由实验室决定。

Anton 的方案是，政府先指定一份可信第三方机构名单。实验室可以从名单里选择评估者，但不能自行决定是否需要调查。调查者应能拿到足以复原事故的材料，并向政府报告实验室是否提供了充分访问。更进一步，外部人员不应只在事故后出现，而要定期进入实验室，查看部分 Slack 频道，与安全研究员、能力研究员和高管交流。"regularly some external evaluators just go in and poke around the lab a little bit."（定期让一些外部评估者进入实验室，四处看看、了解情况。）

这意味着，监管不必先等一部完美法律。它可以先从“事故后复盘”变成有连续信息流的预警系统：谁能看见异常，谁能判断风险，谁又能在风险迫近灾难性后果时立刻升级通报。反面也很现实：第三方目前依赖实验室善意，企业完全可以用知识产权、运营完整性和泄密风险为由拒绝开放。没有行政压力，审计机构再专业，也容易被留在门外。

被问到欧洲没有前沿模型、也缺乏大规模算力，该如何避免被边缘化时，Anton 先泼了盆冷水：欧洲自己训练前沿模型，成本高到并不现实。与其执着于“必须有一个欧洲版基础模型”，不如先追求一个更可操作的目标：稳定、安全、不会被随时掐断的前沿模型访问权。

他的方案叫“compute for access”，可以直译为“以算力设施换取模型访问”。欧洲给美国 hyperscalers，也就是大型云计算公司，提供有利的数据中心建设条件；作为交换，美国模型公司持续向欧洲提供前沿能力。关键不是普通商业采购，而是把双方资产锁进同一份合约：美国若切断欧洲的模型访问，就失去欧洲的数据中心。"If their side goes back on the deal and we're cut off from access to the frontier models, they lose access to the data center."（如果对方违约、切断我们对前沿模型的访问，他们就失去对数据中心的使用权。）

这意味着，AI 主权不必等于自己训练最强模型。土地、能源、数据中心、ASML 和 Zeiss 等半导体供应链资产，都可以成为谈判抵押品。欧洲从“被动买模型”变成让双方都难以违约的互相依赖。当然，最大障碍未必是选址和电力，而是欧洲政策圈仍有人低估美国模型的能力轨迹，也低估算力建设规模和地缘政治分量。

被问到总统若要求数家前沿公司在 90 天内建立共同节奏、互相监督的框架，是否行得通时，Anton 的答案不是全盘否定。他判断，如果把 OpenAI 和 Anthropic 放进同一间房，讨论风险、扩展速度和最低安全做法，双方大概率能形成并执行某种协议。"I think they'd probably do it and I think this would work."（我认为他们大概会做成，而且这会奏效。）

问题在于，行业不是一个利益整齐的集体。Anton 认为，Meta 和 xAI 对风险、行业协调、志愿标准以及放慢能力进展更怀疑。这里有个颇讽刺的结构：前沿放慢，理论上会给追赶者更多追赶时间；但追赶者仍可能不信任协调机制，或担心规则最后由领先者定义。若所有公司都只能接受最低限度的约束，最终规则很可能被稀释成一张没人真受约束的纸。

这意味着，行业自律的难题不在“大家是否知道 AI 有风险”，而在不同竞争位置会让公司对减速有完全不同的收益判断。实验室之间可以互查作业，也可以引入第三方验证，但前者会碰到商业机密，后者需要政府划出清晰边界。否则，企业既担心泄密，也担心安全合作被认定为反垄断式协同行为，最后最不愿受约束的人反而决定整个行业的下限。

被问到当前模型相对雇用人类到底还缺什么、什么能力提升会冲击劳动市场时，Anton 的判断很反直觉：瓶颈未必是模型再聪明一点，而是企业怎么把模型接进自己的数据和工作流。模型可以完成很多单项任务，但企业不是一组互不相干的任务按钮。流程里有专有数据、审批链、责任归属、客户关系和例外情况，不能把聊天窗口接上去就算部署完成。

他说得很形象："You can't just fire the guy who's sitting at his at desk and like plug in Astra instead."（你不能直接解雇那个坐在工位上的人，然后把 Astra 插进去替代他。） 组织必须从“三个人完成一组工作”，重构成“一个人指挥智能体完成大部分工作”。而这个人不能只是原岗位的幸存者，他还得更擅长处理智能体做不了、做错了或不该做的那部分。

这意味着，短期冲击首先会出现在团队构成、管理跨度、招聘标准和生产率上，而不一定是一轮模型升级对应一轮大裁员。最先稀缺的人，可能是能编排人机协作、知道何时该信模型、何时该接管的人。边界是职业司机这类任务高度集中的岗位：自动驾驶若能直接替代驾驶，替代会更陡。但政治很可能加入摩擦，例如要求车内仍保留人类司机；即便最终被吸收进其他工作，新工作也未必更好或更高薪。

被追问美国依靠出口管制保持领先，会不会把中国逼到破坏台湾晶圆厂的临界点时，Anton 没有装作自己能给出确定答案。他列了三条可能路径。第一条最极端：如果美国已拥有压倒性的 AGI 优势，围绕台湾升级冲突对中国会近乎自杀式，因为对手的技术优势已经大到无法用常规方式抵消。

第二条是缓冲路径。即使台湾产能被摧毁，亚利桑那已经本土化的产能、以及当时已经投入运行的芯片，可能为美国争取时间。若 AI 足够强，一年可以做很多事。但这不是“台湾无关紧要”的意思，而是赌现有芯片和本土产线能否撑过供应链断裂的窗口。第三条则是中国暂不升级：它自身也没有成熟的本土替代产能，因此可能选择继续推进国内产业整合和半导体自主化，而不是在美国技术优势最明显时开战。

这意味着，任何把美国芯片领先当成连续、可长期维持变量的 AI 战略，都低估了一个物理断点。模型再先进，也要跑在芯片、晶圆厂、电力和数据中心上。技术竞赛最危险的尾部风险，未必是模型失控，而可能是地缘冲突先毁掉模型赖以存在的基础设施。Anton 的结论很克制：他不判断三条路哪条必然发生，只提醒台湾是许多 AGI 叙事没有充分纳入的重大脆弱点。

被问到最关键该穿过哪些针眼、AI 为什么仍值得推进时，Anton 给出的不是“AGI 会拯救世界”的故事。他不认为人类必须依赖 AGI 才能解决现有社会的问题。他把 AI 看作延续复合经济增长的下一项重大创新：机器人、太空、自动化和较平实的增长一起发生，人们逐渐更富裕，制度也逐渐更有效能。

因此，他期待的最好结局不是某个戏剧化奇点，而是人类能把不断失衡的权力拉回来。实验室不能脱离美国政府控制；美国政府也不能垄断全球智能流动；其他国家必须拥有经济利益、影响力和杠杆。"I think just like genuinely just muddle through."（我认为，我们真的只需要一步步摸索着过关。）

这意味着，AI 治理的成功标准不是一次性解决对齐问题，也不是设计一张永远有效的制度蓝图，而是保留持续纠偏能力。某个实验室权力过大，就让外部审计能看见它；某个国家被模型断供威胁，就让数据中心和供应链成为反制；财富和能力过度集中，就调整分配和准入。这个愿景很克制，也承认未来可能比温和增长的叙事疯狂得多。届时，人类仍得重新寻找能用的制衡装置。

“多数国家会更富，却可能沦为 AI 强国的准附庸”和“欧洲不必自研前沿模型，拿数据中心换确定性访问”，表面上讨论的是两类国家，实际指向同一件事：AI 时代最稀缺的不是一次性买到模型，而是拥有不被随时撤走的能力、影响技术使用方式的权利，以及让强者也付出违约代价的筹码。

“监管不必等国会：把外部审计嵌进实验室日常”与“模型能力已够用，真正落后的却是组织设计”也在说同一件事。模型不是悬在云端的魔法。它会进入实验室的管理结构、企业的工作流、国家的安全体系。看不见这些组织里的决策过程，就谈不上控制；不重做这些组织里的职责划分，也谈不上真正应用。

所以，这期对话的主线不是“谁能赢得 AI 竞赛”，而是怎样避免实验室、单一政府或少数技术强国赢到无人制衡。对普通读者而言，这不只是大国新闻。你所在的公司会怎样重组岗位，你所在的城市会不会用土地和电力换取模型访问，你的数据和工作是否被纳入新的 AI 流程，都会决定你是拥有选择权的人，还是只能接受别人设定条件的人。