華盛頓與矽谷正就人工智慧的「節奏放緩」展開新的爭論：也就是在安全措施、對齊與社會整體跟上之前，刻意放慢前沿模型的開發。批評者將節奏放緩形容為在與中國競爭中的單方面裁軍；支持者則視之為一項連其創造者都警告存在災難性風險的技術唯一負責任的做法。

然而，雙方都接受了所謂的「算力對GDP謬誤」——即假設AI性能的每一項漸進式改善都會立即轉化為宏觀經濟產出。過去的通用技術——電力、電腦和網際網路等橫跨每個產業的基礎創新——都花費了數十年才在經濟體中擴散並產生可衡量的生產力提升。AI正以更快的速度循著類似路徑發展，但公眾討論卻往往假設歷史與經濟規律這次不再適用。

美國企業在AI前沿上已落後多年。前沿實驗室的商業前景，將更取決於信任與採用，而非原始能力。因此，一段節奏放緩期對經濟造成的成本相對有限，因為這場核心辯論聚焦在錯誤的限制條件上。

對節奏放緩的懷疑並非毫無根據。它究竟是真正的安全措施，還是前沿實驗室與資安公司在首次公開募股前美化財務的行銷策略？放慢開發會否將美國的領先地位拱手讓給中國，還是北京會以自己的方式同步放緩？

前沿問題

AI已達到一個關鍵能力里程碑。關於災難性或生存性風險的警告已不能再被完全漠視，即使其短期機率仍然不高。然而，由於過度聚焦於尖端模型，前沿實驗室在公眾溝通與信任議題上的處理皆屬失當n
作者為即將出版的新書《When Machines Act》進行了100多場與執行長、政策領袖和AI科學家的訪談，使他們確信節奏放緩之辯已偏離了第一性原理。一項關鍵區別被掩蓋了：實驗室在幕後進行的尖端研究，與其向公眾發布的產品並不相同。

更貼切的問題也許是：實驗室究竟是否需要放慢研究，還是只需在確保商業產品安全可用方面做得更好。

對齊問題

自2022年ChatGPT問世以來，企業領導層以現代商業史上罕見的速度動員起來。但企業技術的結構使廣泛的經濟吸收本質上進展緩慢：零散的資料孤島、老舊的企業資源規劃系統、嚴格的合規要求以及不佳的資料衛生，都是阻礙。

因失控的「tokenmaxxing」——即以遠超所需的龐大模型處理例行任務——而造成的企業預算衝擊也表明，許多日常企業工作流程其實需要簡單得多的模型。一般《Fortune》500大企業中，極少數任務真正需要前沿系統。因此，節奏放緩既不會實質損害經濟產出，也不會扼殺實驗室收入，因為企業需要時間來消化現有的能力。

根據麥肯錫（McKinsey），在高績效企業中，超過三分之二將資料視為實施AI的首要障礙。即使模型快速進步，這一障礙依然頑固存在。根據Cloudera與《哈佛商業評論》Analytic Services的報告及Gartner的新聞稿，僅7%的企業表示其資料「完全就緒」可用於AI，不到四分之一擁有資料策略，而63%的企業缺乏適合AI的資料管理，或不確定自己是否具備。

算力對GDP的謬誤

正如麥肯錫資深合夥人Asutosh Padhi在與Fareed Zakaria的節目中所強調的，技術可用性與經濟轉型在本質上截然不同。歷史上，通用技術需要數十年時間重組工作流程並產生廣泛的生產力提升。

電力花了75年才提升全經濟體的生產力；電腦需要50年；網際網路與行動裝置則耗時25年。AI模型或許已經就緒，但要大規模運用它們所需的組織重整將耗費可觀時間。麥肯錫對商業界的調查發現，僅6%的企業回報了「顯著」影響及有限的獲利歸因。AI現狀報告為企業採用提供了更多背景資訊。\n企業目前專注於一兩代前的模型已能勝任的高回報、低風險自動化任務。一位備受尊敬的華爾街前執行長表示，這些系統將與舊有系統並行運作多年，讓企業確認其正確運作，且未在不知情中承擔監管風險。

因此，無論前沿實驗室作何決定，美國企業界將自行決定部署節奏。任何產業的企業都不應發布其認為危險的產品，AI亦不例外。

半導體市場也浮現出類似的態勢。在競逐最新加速器的浪潮中一度被擱置的舊世代晶片，正迎來第二春，成為承擔實用推理工作負載——即已部署模型的日常運行而非訓練——的主力，而這類工作佔企業需求的大宗。

Growth Protocol創辦人兼執行長Miro Dimitrov在前一週的耶魯CEO論壇上表示，神經符號架構在實際客戶部署中將推理成本降低了約80倍。節省主要來自將工作負載從極為昂貴的GPU轉移到標準的企業CPU上。

企業採用AI的三個階段

企業採用可分為三個階段，每個階段取決於企業能負責任地委派多少工作。進度受資料就緒度與系統所贏得的信任程度所限制。

第一階段是輔助。它包括建構在Salesforce等企業平台上的現成副駕工具。這些工具連接現有應用程式之間的資料，協助員工更快速地工作，而無需大規模重新架構。回報可迅速實現，風險也有限，因為大部分工作仍由人類完成。

第二階段是協調編排。它涉及代理式工作流程——即代表員工規劃並執行多步驟任務的AI系統——需要對專有資料以及連接從未設計為協同運作的遠端資料湖進行重大投資。每個關鍵步驟都需由人類把關核准。

第三階段是自主，端到端的代理式作業在無縫連接的系統間運行，人類僅以例外管理方式監督。

每個階段的潛在回報都會增加，但相關風險與所需的信任也隨之提高。這正是為何一般《Fortune》500大企業執行長仍停留在輔助階段，同時進行可觀的早期投資，為協調編排做準備。各階段在企業內部的推進也不會齊頭並進。多數企業將管理跨多階段的組合，在少數前瞻部門試行協調編排，同時讓組織其他部門熟悉基礎輔助功能。

這三個階段都取決於執行長能否信任AI會遵守員工手冊的規定、服從法律，並維持人類價值與判斷的基礎。因此，當投資人、媒體評論員和市場擔心為AI對齊而放緩節奏會阻礙前沿模型的進展時，他們其實誤判了企業價值的創造方式。

圍繞「AGI」——即能在多數認知任務上達到或超越人類表現的系統——的模糊承諾與警告，以及達到「奇點」的機會與災難性風險，使這場辯論更加複雜。對齊本身就是一個主觀概念，不同的實驗室和個人對它的定義各異。對任何提及對齊的回應應是一個追問：與什麼對齊？

如果AI技術旨在自動化人類任務，它們應符合對現任或潛在員工所期望的價值觀、判斷力和道德操守標準。如果最先進的前沿模型在測試環境中無法達到這些標準，它們就尚未做好發布準備。這一原則與美國長期以來保護消費者免受危險產品侵害的法律一致。

前聯邦貿易委員會（FTC）主席Lina Khan在X上提出了類似的觀點：「現有大量法律規範危險與瑕疵產品……發布未經審查的AI模型或代理可能違反消費者保護法。在未採取適當措施偵測和阻止失控或有瑕疵的AI代理的情況下出貨有缺陷的AI工具，可能構成《FTC法》（及類似州法）下的『不公平或欺騙性』行為或做法。」該貼文可見於https://x.com/linamkhan/status/2099204390548639960。

這些法律使企業須對消費者、員工、投資人、病患和競爭對手所受的損害負責，也須對它們所依賴的市場與金融系統的損害負責。

美國、中國、速度與信任

無論人們對中國蒸餾AI模型的爭論——即訓練較小模型以重現較大前沿系統輸出的技術——持何種立場，中國現在已擁有可匹敵市面上前沿模型的系統。中國共產黨也釋出訊號，將把重心轉向在經濟體中推廣AI，而非繼續推進前沿。

因此，前沿實驗室正同時參與兩場競賽：一場是達成「AGI」或「超級智慧」，另一場是贏得客戶的錢包份額。其最資深的客戶——主要為《Fortune》500大企業——可以證明，在採購決定作出後再挽回客戶極為困難。中國深諳這一動態，這正是它在美國已大體落敗的全球電信競賽中獲勝的推動力。

中國共產黨也表達了對對齊的深切關注。北京對齊的國內版本強調國家控制、黨的正統性與官方敘事的一致性；西方的對齊則更著重受託可靠性、消費者安全和產品責任。但在這道意識形態鴻溝之下，兩種體制面臨相同的商業現實：無法遵循組織規則、缺乏健全判斷、不尊重制度防護欄、且會「產生幻覺」的不可預測代理，無法被信任執行關鍵任務工作流程，也無法倚賴其推動持久的經濟成長。

川普政府仍應持續尋求與習近平主席合作與協調的機會，以確保AI不會造成大規模毀滅或災難，無論是蓄意或意外。至於川普是否會提出此議題，則是另一個問題。

在論壇上，受訪的約100位執行長中有93位表示，他們不認同總統將AI風險警告稱為「騙局」的說法。近90%表示總統應在國事訪問期間強調與中國共同制定AI安全準則的必要性，但近四分之三的受訪者預期他不會這樣做。根據Axios，財政部長貝森特與其中國對口官員的籌備會談，或許很快就能讓這約75位商界領袖欣然證明自己看走了眼。

一段節奏放緩期不會是被動的假期或經濟停火，而會是一段主動強化防禦的時期。華盛頓與北京都需要喘息空間，在解鎖下一代前沿能力之前，強化關鍵基礎設施對自主代理攻擊的韌性防禦。

灌輸人類對齊只是戰役的一半。在此期間，當務之急應是鞏固作為社會根基的體制。金融、醫療和教育系統應由最先進的模型進行漏洞探測，正如Anthropic在Project Glasswing計畫下受限部署Mythos所展示的那樣。那些模型憑藉精湛的工程巧思突破了防禦，但其攻擊之所以得逞，正是因為企業數位基礎設施存在系統性弱點。

前沿實驗室或許以為自己正在進行一場邁向超級智慧的單一競賽。然而，決定其商業前景的，是那場較為緩慢的競賽——贏得必須與其成果共存的企業、監管機構和公民的信任。速度或許能贏得頭條，但信任才能贏得客戶。

這場競賽是馬拉松，而非衝刺。長距離賽跑的前半段用於配速，後半段用於超越。在每一次技術革命中，從鐵路到網際網路，最大的財富都歸於那些明白「邊疆在拓荒者到來之前毫無價值」的人。

《Fortune.com》評論文章所表達的觀點僅代表作者本人，不一定反映《Fortune》的意見與信念。本報告已更新共同作者David Siegel的補充評論。本文最初發表於Fortune.com：https://fortune.com/2026/09/22/ai-pacing-debate-how-fast-slow-wrong-debate-frontier