华盛顿与硅谷正围绕人工智能的“节奏”（pacing）展开一场新争论：即在安全措施、对齐与社会整体跟上之前，有意放慢前沿模型的开发。批评者将“节奏”描述为在与中国的竞争中单方面自缴武器。支持者则视其为这项连创造者自己都警告存在灾难性风险的技术唯一负责任的发展路径。

然而，双方都接受了可称之为“算力-GDP谬误”的观念——即认为AI性能的每一次渐进式提升都会立即转化为宏观经济产出。以往的通用技术——诸如电力、计算机和互联网这类横跨所有行业的基础性创新——曾耗费数十年才在经济中扩散并产生可衡量的生产率提升。AI正沿着相似的路径加速推进，但公众讨论往往假设历史规律和经济规律这一次不再适用。

实际上，美国企业界已经落后AI前沿数年。前沿实验室的商业命运将更多取决于信任与采纳，而非单纯的能力。因此，一个“节奏”阶段对经济造成的损失相对有限，因为这场核心争论聚焦于错误的约束条件。

对“节奏”的怀疑并非毫无根据。它是真正的安全措施，还是前沿实验室和网络安全公司在IPO前粉饰财务的营销策略？放慢开发会将美国的领先优势拱手让给中国，还是北京也会以自己的方式同步“踩刹车”？

前沿问题

AI显然已达到一个关键能力里程碑。即便近期概率仍然较低，对灾难性或生存性风险的警告也已不能再被断然否定。然而，由于几乎完全聚焦于尖端模型，前沿实验室在公共传播和公众信任两个方面都处理失当。

为新作When Machines Act而进行的100多场与CEO、政策领袖和AI科学家的近期访谈使作者确信，“节奏”之争已经背离了第一性原理思考。一个关键区别被噪声掩盖：实验室在幕后进行的尖端研究，与其向公众发布的产品并非同一回事。

更相关的问题或许是：实验室究竟是否需要放慢研究，还是只需更好地确保其商业产品可以安全使用。

对齐问题

自ChatGPT于2022年发布以来，企业领导层的动员速度在现代商业史上。但企业技术架构的结构性现实使得广泛的经济吸收本质上进展缓慢。碎片化的数据孤岛、遗留的企业资源规划系统、严格的合规要求以及糟糕的数据卫生状况都是阻碍。

失控的“tokenmaxxing”——即用远超任务所需的庞大模型处理日常任务的做法——引发的企业预算冲击也表明，许多日常企业工作流只需要简单得多的模型。在典型的Fortune 500公司中，几乎没有什么任务真正需要前沿系统。因此，“节奏”既不会实质损害经济产出，也不会切断实验室的收入来源，因为企业需要时间来消化现成可用的能力。

根据McKinsey的数据，超过三分之二的高绩效企业将数据视为实施AI的首要障碍。即便模型快速进步，这一障碍依然顽固。根据Cloudera与Harvard Business Review Analytic Services的报告以及Gartner的发布，只有7%的企业称其数据“完全就绪”可用于AI，不足四分之一的企业拥有数据战略，63%的企业要么缺乏适配AI的数据管理，要么不确定自己是否具备。

算力-GDP谬误

正如McKinsey资深合伙人Asutosh Padhi在与Fareed Zakaria的对话中所强调的，技术可用性与经济转型存在根本区别。历史上，通用技术需要数十年才能重组工作流程并带来广泛的生产率提升。

电力花了75年才在全经济范围内提升生产率。计算机需要50年，而互联网和移动设备用了25年。AI模型或许已经就绪，但大规模应用所需的组织重构将耗费大量时间。McKinsey对商界的调查发现，只有6%的公司报告了“显著”影响和适度的盈利贡献。State of AI报告为企业采纳提供了更多背景信息。

企业正专注于高回报、低风险的自动化任务，而一两个世代之前的模型已经可以胜任这些任务。一位备受尊敬的前华尔街CEO表示，这些系统将与遗留系统并行运行多年，以便企业确认其运行正常，且不会在不知不觉中承担监管风险。

因此，无论前沿实验室作何决定，美国企业界都将自行设定部署节奏。任何行业的任何公司都不应发布其认为危险的产品，AI亦不例外。

半导体市场也出现了类似的格局。在争夺最新加速器的竞赛中一度被搁置的旧一代芯片，正作为实用推理工作负载——即已部署模型的日常运行而非训练——的主力而重获新生，而这类负载占企业需求的很大一部分。

Growth Protocol创始人兼CEO Miro Dimitrov在上一周的Yale CEO Caucus上表示，神经符号架构在实际客户部署中将推理成本降低了约80倍。节省的成本主要来自将工作负载从极其昂贵的图形处理单元转移到标准的企业中央处理单元上。

企业采纳AI的三个阶段

企业采纳可以理解为三个阶段，每个阶段由公司能够负责任地委派多少工作来界定。进展受制于数据就绪程度和系统所赢得的信任水平。

第一阶段是辅助（assistance）。它由构建在Salesforce等企业平台之上的现成副驾工具组成。这些工具跨现有应用连接数据，帮助员工更快地工作，而无需大规模重新架构。回报可以很快到来，风险也保持有限，因为大部分工作仍由人来完成。

第二阶段是编排（orchestration）。它涉及代理式工作流——即代替员工规划并执行多步骤任务的AI系统——这需要在专有数据以及连接那些从未被设计为协同工作的分散数据湖方面进行大量投入。每个关键步骤仍需人工审批。

第三阶段是自主（autonomy），即端到端的代理式运营在无缝互联的系统上运行，人类只需例外监督。

每个阶段的潜在回报都在增加，但相关风险和所需信任也随之增加。这正是Fortune 500 CEO仍停留在辅助阶段、同时进行大规模早期投资以为编排阶段做准备的原因。各阶段在公司内部的推进也并非齐头并进。大多数企业将管理一个跨越多个阶段的组合，在部分前瞻性部门试点编排，同时让组织的其余部门逐步适应基础辅助功能。

所有三个阶段都依赖于CEO信任AI会遵守员工手册中的规则、遵守法律，并保持人类价值观与判断的基础层。因此，当投资者、媒体评论员和市场担心为AI对齐而“踩刹车”会阻碍前沿模型的进步时，他们误判了企业价值的创造方式。

围绕“AGI”（通用人工智能——即在大多数认知任务上可媲美或超越人类表现的系统）的模糊承诺与警告，以及触及“奇点”相关的机遇与灾难性风险，使争论进一步复杂化。对齐本身就是一个主观概念，不同实验室和个人对其定义各异。对任何提及对齐的说法，恰当的回应是另一个问题：与什么对齐？

如果AI技术旨在自动化人类的任务，它们就应当符合对现任或潜在员工的价值观、判断力和道德操守标准。如果最先进的前沿模型在测试环境中无法达到这些标准，它们就没有准备好发布。这一原则与美国长期以来为保护消费者免受危险产品侵害而维持的法律是一致的。

前联邦贸易委员会主席Lina Khan在X上表达了类似观点：“有一整套法律规范危险和缺陷产品……发布未经审查的AI模型或代理可能违反消费者保护法。在没有实施足够措施来检测和阻止失控或缺陷AI代理的情况下交付有缺陷的AI工具，可能构成《FTC法》（及类似的州法律）下的‘不公平或欺骗性’行为或做法。”该帖文见https://x.com/linamkhan/status/2099204390548639960。

这些法律要求公司对其对消费者、员工、投资者、患者和竞争者造成的损害承担责任，也对其赖以运作的市场和金融体系的损害承担责任。

美国、中国、速度与信任

无论人们在中国蒸馏AI模型之争——即训练较小模型以复现较大前沿系统输出的技术——中持何种立场，事实依然是中国现在已拥有与市面上的前沿模型相匹敌的系统。中国共产党也已释放信号，将把注意力转向在整个经济中推广AI，而非继续推进前沿。

因此，前沿实验室正在同时参与两场竞赛：一场是抵达“AGI”或“超级智能”的竞赛，另一场是争夺客户钱包份额的竞赛。其最资深的客户——主要是Fortune 500企业——可以证明，在购买决定作出之后再赢回客户是极其困难的。中国深谙这一动态，它曾推动中国在全球电信竞赛中获胜——那是一场美国基本输掉的比赛。

中国共产党也对对齐表达了深切关注。北京的国内对齐版本强调国家控制、党的正统性和与官方叙事的一致性；而西方对齐更注重受托责任、消费者安全和产品责任。在这一意识形态鸿沟之下，是两套体系中相同的商业现实：不可预测、会“幻觉”、不遵守组织规则、缺乏良好判断力或不尊重制度护栏的代理，无法被托付关键任务工作流，也无法带来持久的经济增长。

特朗普政府仍应寻求与习近平主席协作与协调的途径，以确保AI不会有意或无意地造成大规模毁灭或灾难。特朗普是否会提出这一议题则是另一个问题。

在CEO Caucus上，接受调查的约100名CEO中有93人不认为总统将AI危险警告称为“骗局”是正确的。近90%的受访者表示，总统应在国事访问期间强调与中国共同制定AI安全准则的必要性，但近四分之三的受访者预计他不会这么做。据Ax报道，财政部长贝森特与其中国对等官员的筹备性磋商，可能很快会让这约75位商界领袖欣然发现自己判断错误。

“节奏”阶段不应是被动的假期或经济停火，而应是积极的防御加固窗口。在解锁下一代前沿能力之前，华盛顿和北京都需要有意的喘息空间，以加固关键基础设施、抵御自主代理式攻击。

注入人类对齐只是挑战的一半。在此期间，当务之急应是加固作为文明基石的制度。金融、医疗和教育系统应由最先进的模型来探测漏洞，正如Anthropic在Project Glasswing下受限部署Mythos所展示的那样。这些模型以令人惊叹的工程巧思突破防御，但其攻击之所以得手，是因为企业数字基础设施存在系统性弱点。

前沿实验室或许认为自己在进行一场奔向超级智能的单程竞赛。然而，决定其商业命运的，是那场更缓慢的竞赛：赢得必须与其所造之物共存的企业、监管者和公民的信任。速度可以赢得头条，但信任才能赢得客户。

这场竞赛是马拉松，不是短跑。作为曾经的跑者，我们知道长跑的前半程用来配速，后半程用来超越。在每一次技术革命中，从铁路到互联网，最大的财富都归属于那些明白“在拓荒者到来之前，前沿毫无价值”的人。

Fortune.com评论文章所表达的观点仅为作者个人观点，不一定反映Fortune的意见与信念。本报道已更新，加入合著者David Siegel的补充评论。本文最初发表于Fortune.com：https://fortune.com/2026/09/22/ai-pacing-debate-how-fast-slow-wrong-debate-frontier