為何 AI 面臨艱難抉擇：國有化還是去中心化

9 月 12 日，Anthropic 執行長 Dario Amodei 呼籲對前沿 AI 的發展設置協調一致的限制，並提出三階段計畫。Anthropic 將首先邀請外部評估人員進入公司，讓他們取得大致相當於內部風險團隊所擁有的存取權限。

評估團隊將獲得公司設備、工作空間以及與員工交談的機會。其合約將允許發布重要調查結果，而不由 Anthropic 控制結論，但須遵守明確的法律、安全、隱私和商業限制。外部審查人員隨後可以評估 Anthropic 的安全承諾是否會影響實際的訓練與部署決策。

然而，僅取得一家實驗室的存取權，無法單獨放慢競爭性市場的步伐。Anthropic 可能開放其系統接受審查，但競爭對手和各國政府仍會持續加速相關工作。因此，Amodei 的第二階段主張，應在涵蓋美國前沿 AI 開發商關鍵多數的範圍內，推動監管和由政府協調的合作。他的第三階段則尋求各國之間可驗證的協議，同時讓民主國家相對於中國保留足夠的戰略空間，以調節發展速度。

國有化與去中心化之間的爭論，實際上結合了三種不同形式的權力。公共所有權會影響經濟利益由誰取得，也能影響企業決策。獨立存取權則決定誰能檢視前沿 AI 的發展。相較之下，具法律強制力的暫停措施會直接限制受規範系統能夠多快推進。

Anthropic 現有的治理結構，已讓董事有空間考量不只是股東回報。該公司以 Public Benefit Corporation（公益公司）形式運作，而德拉瓦州法律要求其董事在股東的金錢利益、受企業實質影響人士的利益，以及公司所指定的公共利益之間取得平衡。Anthropic 的 Long-Term Benefit Trust 也擁有選任董事會的權力，旨在支持公司的使命。

公益公司章程可以授權 Anthropic 內部作出以安全為重的決策，但無法約束拒絕相同取捨的競爭對手。Amodei 的提案不是透過移轉公司所有權，而是以共同規則和國際驗證來填補這項缺口。

所有權與控制權是不同的槓桿

Sen. Bernie Sanders 於 2026 年 6 月提出的方案，說明部分國有化可能採取的形式。他的 American AI Sovereign Wealth Fund 將取得美國最大 AI 公司的 50% 公共持股，並由一個獨立委員會行使相關投票權。該措施目前仍是提案，尚未成為法律。

公共股權可以重新分配產業部分收益，並讓委員會影響企業決策。但它本身不會建立能力門檻、外部驗證或具強制力的停止命令；這些機制仍需要另外制定法律規則。

Yonathan Arbel、Simon Goldstein 和 Peter Salib 於 2026 年 8 月發表的法律論文，將經濟主張與對現有規則未預見之決策的控制區分開來。作者提出一項狹義、具裁量性且暫時性的政府權力：當涉及災難性風險，或他們所稱的「硬性」企業權力時，可以暫停前沿 AI 的訓練或部署。對於壟斷、不平等及其他危害，他們則支持採取傳統監管或課稅手段。

與公共股權相比，暫停命令能更直接處理發展速度的決策。在暫停受規範的訓練或部署之前，國家不必擁有每個模型，也不必營運每座實驗室。若要讓這項權力具備民主正當性，仍需要明確的法定觸發條件、技術能力、獨立審查及對裁量權的限制。

政府控制本身也會產生集中風險。若將所有前沿實驗室置於國有所有權之下，模型開發和決定何時停止開發的權力，可能會集中在同一個機構。有限度的暫停權則能讓企業維持私人營運，同時為明確界定的極端風險保留緊急干預手段。

開放權重模型則朝相反方向發展，透過擴大存取權來拓寬參與範圍。研究人員可以檢視並調整這些系統，而不必依賴少數企業守門人。2024 年，美國國家電信暨資訊管理局認為，現有證據不足以支持對廣泛可取得的模型權重實施全面限制。

前沿能力使執法更加複雜。歐盟執委會要求具系統性風險的一般用途模型供應商評估並降低風險、回報重大事件及維持網路安全，即使模型採用開源形式亦然。執委會警告，先進模型公開發布後，風險緩解可能變得更加困難。

因此，公開發布一方面可以擴大外部審查，另一方面也會使後續執法更加複雜。跨司法管轄區的複製，讓風險緩解措施更難一致適用。分散式稽核讓更多機構有能力挑戰遭到企業或監管機構俘獲的情況；但前沿模型權重若不受限制地分發，也可能削弱合法暫停所需的控制節點。

公共煞車需要多元監督

加州和歐盟展示了公共規則如何管理私人所有的 AI 開發商。加州於 2025 年 9 月簽署的 SB 53，要求大型前沿 AI 開發商發布安全框架、建立回報潛在重大安全事件的管道，並保護吹哨者。歐盟則對系統性風險模型的供應商，包括開放模型供應商，施加風險管理義務。

Amodei 提議的評估人員將取得更深入的存取權，以測試類似義務是否會影響企業內部決策。狹義且暫時性的暫停權，則能在受規範系統跨越法律界定的風險門檻時，為公共機關提供執法選項。

在這種混合架構下，政府將為具系統重要性的開發商制定具約束力的規則，外部評估人員負責驗證合規情況，公共機關則可以暫停特定的訓練或部署。研究人員、吹哨者和多個司法管轄區的監管機構，仍將保留各自的途徑來挑戰相關證據。

這項干預機制需要與已證實的能力或安全失誤相連結的介入標準、由提出干預的機關之外的實體進行審查，以及明確的期限屆滿和續期規則。評估人員必須有自由回報不利結果，刪節內容則應限於正當的法律、安全、隱私及經嚴格限定的商業需求。這些保障將降低暫時性安全干預演變為對通用研究進行永久政治控制的風險。

這種模式的實際考驗，在於相關規則是否適用於足夠多的開發商，以防止活動只是轉移到受規範群體之外，同時仍保留獨立取得證據的途徑。因此，受規範系統的範圍、評估人員的權限及任何暫停命令的司法管轄範圍，會成為核心執行問題，而不是所有權本身就能解決的細節。

只要前沿系統仍可被辨識，且具強制力的控制節點仍然存在，私人開發就可以在共同的監管邊界內持續。獨立機構將檢查合規情況，並揭露企業或監管機構遭到俘獲的問題。

公共持股可以重新分配 AI 所創造的財富和企業董事會中的影響力，但所有權無法說明訓練何時必須停止。開放分發可以擴大存取和審查，但前沿模型權重一旦擴散，就無法提供具強制力的停止規則。

因此，可信的發展節奏要求每一個受規範的前沿 AI 開發商都面對相同的公共邊界。民主正當性則要求獨立評估人員、研究人員、吹哨者和監管機構檢視證據，並對該邊界及任何暫停命令提出質疑。

來源：CryptoNewsNet。原始參考：CryptoSlate