Dario Amodei 新文解讀：AI 跑太快，監管、就業和國際競爭都跟不上了

Fri, 12 Jun 2026 14:36:10 +0800

Dario Amodei 在 2026 年 6 月發了一篇很長的政策文章：Policy on the AI Exponential。

這篇文章不是單純談 AI 安全，也不是單純談監管。它真正想說的是一個時間差：AI 能力在按指數曲線推進，而政策系統仍然按傳統速度移動。

用他的比喻說，AI 像《魔戒》裡急著求援的哈比人，政治制度像行動緩慢的樹人。問題不是樹人完全不醒，而是醒來太慢。等立法、監管、國際協調慢慢形成時，AI 可能已經從「有趣的工具」變成「資料中心裡的一整個天才國家」。

這篇文章值得看，不是因為它給出了所有答案，而是因為它把 Anthropic 現在最關心的政策議題攤開了：模型發布前測試、就業衝擊、科學監管、公民自由、民主國家聯盟。

文章的核心判斷

Dario 的主線很清楚：過去幾年，AI 風險還不夠具體，所以最現實的政策是透明度、資訊揭露、晶片出口管制、勞動力影響資料收集。

這些政策的作用，是給未來反應留出選擇權。

但他認為，現在情況已經變了。前沿模型在網路安全等領域的能力，已經足以讓 AI 成為國家戰略層面的工具。未來還可能出現生物風險、自治系統失控、自動化研發加速風險。

所以政策不能只停留在「先看看」。他主張進入更強約束階段：對超過一定算力門檻的前沿模型，做強制第三方測試；如果模型在特定風險領域不可接受，政府應有權阻止或延後部署。

這不是把 AI 當普通軟體管，而是更接近飛機、藥品、汽車這類高影響技術：能帶來巨大收益，但設計或營運不當也會造成大規模傷害。

第一塊：監管要從透明度走向發布前測試

文章第一部分談監管和公共安全。

他承認，過早監管很容易寫錯。2023 到 2024 年，風險方向能看見，但風險形態、測試方法、緩解手段還沒完全清楚。如果那時立法，很可能會製造大量低價值合規要求，卻錯過真正重要的風險。

所以 Anthropic 當時支持透明度立法：讓模型開發者揭露安全流程、測試方式和重大安全事件。

現在他認為，僅有透明度不夠了。

他提出的方向包括：

超過算力門檻的模型，必須接受合格第三方在四類風險上的測試：網路安全、生物武器、AI 系統失控、可能加速這些風險的自動化研發。
如果第三方評估認為模型風險不可接受，政府應有權阻止或震懾部署。
測試可以由類似 FAA 的政府機構執行，也可以由政府授權和監督的私營評估機構執行。
開發前沿模型的公司必須保護模型權重，定期紅隊測試和滲透測試，並與政府合作防禦主要威脅行為體。
四類關鍵風險中的安全事件必須及時報告。

這裡的關鍵詞是「具體風險」。他並不是主張政府無限制接管 AI，而是把權力範圍限定在四類最嚴重風險上，並要求防止政治偏袒和任意裁量。

第二塊：就業問題不是 PR 問題

第二部分談宏觀經濟和稅收政策。

Dario 的判斷有兩面。

一面是強樂觀：如果 AI 能遠超人類完成大多數認知任務，它可能透過科學、技術和營運效率提升，帶來極快的經濟成長。AI 還能幫助製造更強的 AI，這會進一步放大成長。

另一面是強擔憂：同樣因為 AI 能替代廣泛認知能力，它也可能比過去技術更快、更深地衝擊勞動力市場。

他說得很直接：我們可能進入一個「超成長、超不平等」的世界。屆時最大挑戰不再是如何刺激成長，而是如何讓所有人分享成長收益。

這部分有兩個值得注意的表述。

第一，他強調持久性失業不是目標，而是需要盡量避免的風險。Anthropic 不是希望企業用 AI 裁員，而是希望企業找到新收入、新用例，讓現有員工做更多事情。

第二，就業政策不能只解決「給錢」問題，還要解決人的意義、目標和能動性。經濟支持重要，但人如何在 AI 比自己更強的世界裡找到價值，是更深的問題。

他的政策建議包括：

建立更好的勞動力市場測量體系，追蹤 AI 對職位的真實影響。
用工資保險、留任稅收激勵、培訓補助、勞動力匹配基礎設施來減緩替代速度。
如果勞動需求長期下降，需要考慮長期收入支持，例如全民基本收入、資本收益稅、面向全民的資本帳戶等。

他還提到資料中心和電價爭議：AI 公司應承擔電價上漲成本，但公眾對資料中心的反感，更多是對 AI 經濟衝擊焦慮的出口。

第三塊：AI 的正面收益也會被舊監管卡住

第三部分談科學創新，尤其是生物醫學。

這裡他的觀點和第一部分有點反向。

對 AI 本身，他擔心監管不夠快；對 AI 加速出來的下游科技，他擔心監管太慢、太舊，接不住創新速度。

以藥物研發為例，AI 可能帶來這些變化：

大幅增加進入監管管線的新藥候選數量。
提高藥物效果和安全性。
開發過去無法治療疾病的候選藥物。
快速創造新的治療形態。

但現有藥品監管流程建立在一個比較悲觀的假設上：候選藥物多數無效，即使有效也可能有嚴重安全問題。所以 FDA、EMA 這類機構通常需要多年時間完成審批。

如果 AI 讓候選藥物大量湧入，舊流程可能被堵死。

他的建議不是降低安全標準，而是提前建立新標準：哪些臨床步驟可以由 AI 模擬或分析替代，什麼條件下接受 AI-based PD/PK 建模、毒理預測、劑量選擇、biomarker 驗證、synthetic control arms、surrogate endpoints。

這部分很關鍵。它提醒我們，AI 政策不只是「怎麼限制 AI」，也包括「怎麼讓 AI 帶來的好處不要被舊制度拖慢」。

第四塊：國家權力和公民自由會被 AI 重新放大

第四部分談國家、公民自由和權力制衡。

Dario 的擔憂是：強 AI 落在錯誤的人手裡，可能成為極權工具。已有的法律和憲法保護機制，未必能應對 AI 帶來的突然權力躍遷。

他舉了幾類風險：

完全自動化武器可能服從非法命令，讓政府繞過人類軍官的專業約束。
面向監控的 AI 可以大規模分析公開和私有資料，推斷公民生活的最深層細節。
政府或公司都可能藉 AI 獲得過度權力，甚至繞過民主監督。

他的政策建議包括：

為完全自主武器建立可靠問責規則，確保它們回應法院命令、立法和高級人類監督，而不是盲目服從命令。
禁止在國內執法中使用完全自主武器。
關閉資料經紀商和大規模資料購買漏洞，防止私人公司資料被用於國內監控和執法。
當政府對個人或組織採取不利行動時，被影響者應有權使用至少同等能力的 AI 建議，避免政府單方面獲得 AI 優勢。

這一部分的底層邏輯是：AI 不只改變生產力，也改變權力分配。政策如果只看經濟和安全，會漏掉自由和制度約束。

第五塊：民主國家要圍繞 AI 重新結盟

第五部分談地緣政治。

Dario 明確反對把 AI 只看成貿易政策工具。他認為 AI 更像核武器級別的戰略變數，甚至可能更重要。

如果強 AI 真能接近「資料中心裡的天才國家」，它就會成為國家軍事和經濟能力的主要來源。一個擁有強 AI 的國家，面對落後三年的國家，可能會形成碾壓式優勢。

因此，他主張民主國家建立一個圍繞共同價值構建 AI 的全球聯盟。

這個聯盟要做幾件事：

管理 AI 供應鏈，在可信聯盟內部共享晶片和半導體製造設備，同時限制對手取得。
國際協調生物、網路安全和自治風險監管標準。
共享 AI 經濟收益和有益部署經驗，幫助發展中國家獲得好處。
在網路防禦、無人機、製造、保密算力、AI 驅動研發和情報分析上互相防禦。
拒絕 AI 驅動的高科技極權壓制。
在就業和宏觀經濟衝擊上協調政策。

他希望這個聯盟先從價值接近的民主國家開始，再逐步吸引更多國家加入。理想狀態是全世界最終都加入；如果做不到，至少讓民主國家處在最有利位置，遏制和超越仍堅持壓制路線的政權。

這篇文章最有價值的地方

我覺得這篇文章最值得讀的，不是某一條具體政策，而是它把 AI 政策問題分成了五個層面：

模型本身怎麼管。
勞動力和財富分配怎麼管。
AI 加速出的科學成果怎麼放行。
國家和公司權力怎麼約束。
民主國家怎麼在全球競爭中組織聯盟。

這比單純討論「開源還是閉源」「監管還是不監管」更接近真實問題。

AI 的麻煩不在於它只衝擊一個部門。它同時像軟體、像基礎設施、像軍工能力、像科研加速器、像勞動力替代器、像國家權力放大器。

所以政策也不能只靠一條線。

也要看到它的立場

這篇文章來自 Anthropic CEO，所以它當然不是中立學術論文。

它會天然強調前沿模型風險，強調發布前測試和政府介入，也會強調民主國家聯盟與供應鏈控制。這些立場和 Anthropic 的產品位置、公司治理、美國公司身份都有關係。

但這不意味著文章不值得讀。

相反，它的價值正來自這種位置：一家前沿模型公司正在公開說，AI 已經不是「市場自己會消化」的普通技術，而是需要政策系統重新提速的指數級變數。

你可以不同意他的具體方案，但很難忽視這個判斷：如果 AI 能力繼續快速提升，慢政策遇到快技術，遲早會出問題。

小結

Policy on the AI Exponential 這篇文章的核心，是把 AI 政策從「有沒有必要監管」推進到「政策系統如何追上指數曲線」。

Dario Amodei 的答案是：前沿模型要發布前測試，就業衝擊要提前測量和緩衝，生物醫學等正向應用要改革監管通道，公民自由要防止 AI 放大國家和公司權力，民主國家要圍繞供應鏈、安全標準和價值觀形成聯盟。

這套方案未必完整，也一定會有爭議。

但它提出了一個越來越難繞開的問題：當 AI 用一年走完過去技術十年的路時，政策還能不能繼續按過去的速度走？

參考資料：

Policy on the AI Exponential - Dario Amodei

就業影響 on KnightLi的博客