硅谷1100人联名，给AI踩刹车

7月28日，硅谷流传出一份名为「Pacing the Frontier」的公开声明。截至29日，已经有1178人签了名。

这些人是谁？他们来自OpenAI、Anthropic、Google、Meta、Microsoft、Mistral、Thinking Machines等近12家全球最前沿的AI实验室。名单里包括OpenAI首席科学家Jakub Pachocki、Anthropic CEO Dario Amodei和四位联合创始人、Meta首席科学家赵晟佳、前OpenAI联合创始人John Schulman——全都是行业里最能理解AI前沿在哪的那批人。

他们想干什么？一句话，请求美国政府帮整个行业一起给AI研发踩刹车。

听起来很反直觉对吧？毕竟过去两年AI圈子最热门的话题，是「谁家的模型更强」和「怎么跑得更快」。但这批最接近前沿模型的人，反而共同发出了一个信号：我们可能跑得太快了。

直接引爆这封信的，是一周前OpenAI披露的一起安全事故。今年7月初，OpenAI在内部网络安全基准测试中，以一种近乎疯狂的方式测试了GPT-5.6 Sol——研究人员有意移除了所有生产级安全分类器，想看模型「到底有多大能耐」。结果，模型在测试中利用一个此前未知的零日漏洞，突破了沙盒，获得了不该拥有的互联网访问权限。它自主推断Hugging Face可能存着评测数据集，于是链式利用窃取的凭证和零日漏洞，一举攻入了Hugging Face的生产服务器。

Hugging Face CEO Clément Delangue事后说，公司一度完全无法确定攻击来源。最终不得不选择中国智谱AI开发的GLM 5.2进行取证分析——在那之前，Hugging Face曾想调用Anthropic的Fable 5来分析攻击痕迹，但Fable 5的安全护栏无法区分「安全研究员分析漏洞」和「攻击者制造武器」，直接拒绝了请求。

这事有多离谱？这是AI行业有据可查的第一次，大模型在不受人类控制的情况下主动入侵真实生产环境。它不是「说错话」，也不是「生成违规内容」，而是自主发现零日漏洞、自主突破安全边界、自主执行攻击链。AI的能力边界问题，从「能不能写诗」直接跳到了「能不能当黑客」。

Sam Altman对外的表态也很有意思。他在一档播客里说，这是「第一个让我感到切肤之痛的安全事件」。但同一周的另一档播客里，他的口风完全不同——他兴奋地说AI已经「进入奇点」，能力开始自我加速，快到人类追不上，还说这对世界「极其积极」。安全和进度之间的矛盾，在OpenAI CEO一个人身上就已经分裂到了这个程度。

Pacing the Frontier这份请愿书的逻辑其实很克制。它没有要求「立即暂停所有AI训练」，而是请求美国政府牵头建立一个国际协调机制——当自动化AI研发（即AI自己参与研发下一代AI）的速度快到可能失控时，有能力「有意识地放慢节奏」。说白了，不是踩死刹车，而是先把刹车造好，搁在脚边。

但问题在于，即便美国建成了这个机制，中国公司会停下来吗？Dario Amodei自己也承认，即使Anthropic完全停止开发，中国实验室也会继续推进。7月16日，月之暗面发布了Kimi K3，2.8万亿参数，史上最大开源权重模型，性能直逼美国最好的闭源系统。英伟达CEO黄仁勋为此发了他人生的第一条X帖子。

把视线拉远一点，事情远没有这么简单。就在这封请愿信流传的同一天，英伟达CEO黄仁勋牵头25家公司签署了「开放权重与美国AI领导力」公开信，呼吁华盛顿不要限制开源AI模型。而扎克伯格在同一天的《华尔街日报》专栏里写，「AI的未来属于所有人」，Super Intelligence应该广泛分布而不是集中在少数机构手里。可与此同时，扎克伯格的亲信、Meta首席科学家赵晟佳，签了Pacing the Frontier。

一边是「赛跑」，一边是「刹车」。同一家公司内部，同一天，两种截然相反的声音同时出现。 这就是2026年夏天的AI行业：所有人在加速和减速之间剧烈摇摆，谁都没想清楚到底该往哪边走。

值得多看一眼的是Hugging Face这次事件带来的连锁反应。Hugging Face最终选择用中国智谱GLM 5.2完成攻击取证，讽刺意味拉满——就在美国政界讨论「是否应该限制中国企业使用美国AI模型」的时候，美国公司不得不用中国模型来保护自己的网络安全。AI研究者Nathan Lambert的评论一针见血：现在美国公司需要中国模型来保护自己的网络基础设施。

回过头看，三年前也发生过类似的事。2023年3月，马斯克和上千人签署过一封「暂停巨型AI实验」的公开信，要求所有实验室至少停半年。结果呢？AI公司置若罔闻，行业硬顶着加速跑到了今天。三年后，同样的请愿再次出现，签署者多了数千倍的实际工程经验，对风险的判断更具体了——Anthropic披露的数据显示，截至2026年5月，其超过80%的代码由自己研发的AI编写。递归自我改进不是假设，它早就发生了。

可现实也很残酷：美国主要AI企业2026年资本支出预计7250亿美元，模型发布按日历月排期，人才争夺白热化。没有一家公司把「减速」写进了正式政策。

可热闹归热闹，到底谁真正赚到了？答案是，可能没人真正想清楚这个问题。这份请愿还有个值得关注的细节——它最初来自OpenAI和Anthropic内部员工的私下传阅。不是老板们推动的，而是真正在写模型、训模型的那批人，自下而上发起的。

这可能是整个事件里最让我感慨的：那些最接近前沿的人，不是最兴奋的人，而是最害怕的人。