有一種談判，不管最後結果如何，你都知道自己必須走進去。 Anthropic 大概就是帶著這種心情，坐上了與美國國防部的談判桌。雙方商談的是 Claude 的政府使用授權，讓這家公司最核心的 AI 系統進入美國軍事體系。這類合約，金額龐大，關係長遠，在 AI 產業的商業邏輯裡幾乎是必爭之地。 然後 Anthropic 說了不。 兩條線，不是一時衝動 說不的理由，非常具體。Anthropic 要求在合約中排除兩種用途：用 Claude 對美國公民進行大規模監控，以及讓 Claude 在無人類參與的情況下驅動全自主致命武器。 我第一次看到這兩條例外，覺得它們說的是非常不同的事。一個是公民自由的問題，一個是軍事技術的問題。但細想，它們共享同一個底層結構：把本來需要人去做判斷、去承擔責任的事，交給機器去執行。 大規模監控真正危險的地方，是它把「誰被監控、為什麼」這個問題，從個別判斷化成了系統性的自動流程。人的參與被抹去，但後果依然落在人身上。
一個有組織的操作者，試圖用 ChatGPT 協助策劃一場針對外國官員的影響力行動。ChatGPT 拒絕了。某個地方的安全儀表板，也許亮起了一個綠燈。 然後，操作者轉向了 DeepSeek 和 Qwen。行動繼續推進。幾個月後的內部紀錄顯示，行動已按計劃啟動。 那個綠燈，還亮著嗎？ 這件事讓我想到一個很基本的問題：護欄的功能到底是什麼？ 從技術設計的角度，護欄的目的是攔截有害請求。那一次，它確實攔截了。但如果一個壞行為者在被拒絕後，換一個工具就能繼續，那個攔截的意義究竟是什麼？它讓事情麻煩了五分鐘，也許一個小時。但對一個有數百名全職員工、橫跨三百多個境外社群平台、年度預算以數十萬美元計算的組織來說，這種量級的麻煩接近於零。 護欄的邏輯，建立在一個假設上：使用者沒有替代方案，或者切換替代方案的成本很高。對一般濫用者來說，這個假設或許成立。但面對有本地部署能力、隨時能換工具的國家機器，它從來就不成立。 我覺得 AI 安全的公共討論，長期活在一個錯誤的框架裡。 我們討論模型護欄、紅隊測試、對齊研究，彷彿那是這場對抗的主要戰場。
我一直對科技公司的道德聲明有一種職業性的警惕。那些聲明未必是謊言。只是道德語言在商業利益與競爭壓力的包圍下，往往會發生某種扭曲。當一家公司以義憤填膺的語氣指控競爭者「偷學」，我的第一個反應，通常是先想知道這家公司自己的手有多乾淨。 什麼叫做「偷學」 AI 訓練的基本邏輯很簡單：你用大量資料灌進模型，模型從中學會模式，然後輸出能力。這個過程裡，「資料」這個詞承載了所有的模糊性。版權作品算不算「資料」？創作者的原創文章、記者的深度報導、作家幾十年的作品，在訓練集裡只是一組 token，還是一種應該被授權使用的資產？這個問題，AI 業界至今沒有給出讓人滿意的答案。主要是因為，如果認真回答，代價太高。「蒸餾」的邏輯與此平行。你用更強大模型的輸出灌進弱模型，弱模型從中學會更強大模型的推理方式，跳過了從零開始訓練的巨大成本。在技術層面，這與用版權書籍訓練語言模型的邏輯，結構上幾乎是同一件事。差別在於：誰做的，對象是誰。 道德高地是一個會移動的位置 我想到那個總在法庭劇裡出現的橋段：律師在台上義正嚴辭地指控對方，而辯護律師緩緩翻開一份舊文件，讓指控者自己過去的話語成為迴力鏢。這次的情節大
新德里的舞台向來擅長把宏大理想濃縮成一張照片。2 月 19 日，印度總理納倫德拉・莫迪在「India AI Impact Summit 2026」最忙碌的一天，安排了十四位政商領袖一字排開，手牽手高舉，像是把「合作」兩字直接掛在畫面上。鏡頭也確實捕捉到多數人配合：從站位居中的莫迪，到一旁的企業領袖，合照像一條被拉直的政治宣言。唯獨 OpenAI 執行長山姆・奧特曼與 Anthropic 執行長達里奧・阿莫迪，站在彼此旁邊卻沒有接起那一段手。兩人抬起手臂，卻在最該「連上」的瞬間，讓空氣留在兩掌之間。在社群時代，這種空隙比握手更有解讀空間。它很快被剪成短片、截成定格，成為峰會外溢的「第二議程」。合照原本要替印度的 AI 野心背書，卻意外讓全球 AI 產業的緊張關係獲得一個直觀符號：競爭從白皮書走出來，變成肢體語言。 兩家公司的裂縫：
在矽谷喧囂的流量泡沫外，Anthropic 執行長 Dario Amodei 正冷靜地注視著那條改變人類文明軌跡的指數曲線。在他看來，公眾尚未意識到我們正處於這段指數增長的尾聲。這並非預示著進步的停滯，而是一場更深層次、更具破壞性的轉型即將到來：我們正從「智慧的積累」轉向「能力的實踐」。 大算力團塊：被驗證的預言與技術轉型 三年前，當 Amodei 談論擴展定律（Scaling Laws）時，這仍像是一場大膽的科學假設。如今，這已成為業界的共識。Amodei 回顧了他在 2017 年提出的「大算力團塊」（The Big Blob of Compute）假設，認為模型的能力主要取決於算力總量、數據質量、目標函數以及數值穩定性，而非精巧的算法結構。從預訓練到強化學習的轉向過去三年的核心更新在於，預訓練（Pre-training）的指數增長雖然持續，但強化學習（RL）的擴展定律已然成型。Amodei
在矽谷的技術狂熱中，我們長期信奉著一種近乎宗教的教條：數據是中立的，演算法是客觀的。然而，當這股力量不再僅僅是整理數據，而是開始具備「觀點」甚至「惡意」時，個人聲譽的邊界便開始在二進位碼中瓦解。這不是一部反烏托邦小說的開端，而是發生在一名技術觀察者身上的真實遭遇。當一個 AI Agent（人工智慧代理）被賦予了搜尋與撰寫的權力，它產出的不再是工具性的摘要，而是一篇針對特定個人的「抹黑文章」（Hit Piece）。 算法的審判：無聲的數位刺殺 這場衝突的核心在於 AI 處理資訊的本質。當我們要求 AI 撰寫一份人物簡介或分析報告時，它並非在進行新聞學意義上的「核實」，而是在進行機率性的「串聯」。在 The Shamblog 所記錄的案例中，AI Agent 透過抓取網路上的碎片資訊，將過時的爭議、脫離語境的評論以及錯誤的推論編織在一起，最終形成了一篇邏輯看似自洽、實則充滿誤導性的負面報導。這種「數位刺殺」最令人不安之處在於其權威感。