Anthropic 的 2028 年 AI 领导权情景：芯片、开放模型与政策争论

Anthropic 发布了一篇文章，提出 2028 年全球 AI 领导权的两种可能情景。我认为它对风险的识别很有说服力，但不同意其中几项解决方案。我从美国视角参与这场讨论，这一点会影响对其地缘政治框架的理解。

公司认为，美国及其盟友应保持对威权政府的领先，并警告先进 AI 可能扩大压制并改变力量平衡。它认为当前的政策窗口有限。这些是公司的战略主张，并不能证明两种情景穷尽了所有可能的未来（[Anthropic](https://www.anthropic.com/research/2028-ai-leadership)）。

Anthropic 将先进算力视为训练强大模型的核心要素，并提到美国对芯片的出口管制。我指出，不同公司有不同看法：例如 Nvidia 的领导层警告，限制可能鼓励中国开发替代品。这些政策的有效性和长期后果仍有争议。

文章肯定中国的研究人才，同时指称一些实验室通过绕过访问控制和蒸馏攻击获取美国系统的能力。蒸馏通常指使用一个模型的输出训练另一个模型；这种做法可能合法，但访问方式和合同条款可能存在争议。

我质疑所指行为本身能否解释中国模型的实力，并提到在某些情况下也可能是基准测试。Anthropic 2026 年 2 月的[报告](https://www.anthropic.com/news/detecting-and-preventing-distillation-attacks)将超过 1,600 万次交互归于三个实验室，其中超过 15 万次归于 DeepSeek。这些是公司的指控和交互计数，并非由此产生的能力提升的独立证明，也不是普遍性的法律裁决。

视频由 here.now 赞助，我将其描述为面向智能体的托管和私有存储服务。免费访问、安全性和产品能力属于推广主张，可能取决于当前服务条款和配置。

Anthropic 展示了两种 2028 年未来：一种是盟友政策制定者守住算力领先，另一种是中国企业追赶或超越。我推测，这个日期反映了自我改进 AI 门槛的临近，先达到门槛的一方可能取得决定性胜利。文章本身称预计变革性 AI 会在 2028 年前出现；它并没有确立我提出的具体递归改进时间表。

在第一种情景中，更严格的管制和更快的采用让民主国家保持领先。Anthropic 认为，这种领先也会改善就 AI 安全与中国接触的前景。我从谈判筹码的角度理解这一论点，但能力领先与成功合作之间的关系并不确定。

在第二种情景中，限制没有收紧，中国实验室接近或超越前沿。文章设想威权行为者对规则产生影响并使用 AI 进行压制。我反对将所提政策描述为获得有利结果的唯一途径；这些是示意性情景，而非对 2028 年结果的测量。

Anthropic 称，美国及其盟友拥有算力优势，而中国实验室的模型能力与前沿差距不大。我估计一些中国开放权重模型比公开的前沿水平落后数月，但差距取决于基准、模型、日期和任务，并非普遍确立的数字。

文章和我都将中国政府与中国人民区分开来。文章提出审查、监控、黑客活动和军事用途等担忧。我承认美国也进行监控，同时表达了我对民主制度制衡政府权力的偏好。

我称赞包括 DeepSeek 在内的中国研究者的技术才能和算法工作。我质疑蒸馏指控是否足以解释他们的进展，并认为算力限制可能鼓励效率提升和本土芯片开发。人才或访问指控本身都无法量化能力提升的原因。

文章认为，快速增长的算力和 AI 辅助研究使政策决策变得紧迫。我反对它使用“允许”规避的措辞：存在违规或漏洞本身，并不表明美国当局有意如此。Anthropic 希望相关政策能让美国到 2028 年取得显著领先。

Anthropic 认为，前沿 AI 背后的政治制度将塑造其规则和部署方式。我同意领先地位可能带来地缘政治筹码。但这种筹码的强度和分布不仅取决于模型表现，还取决于采用、治理和国际关系。

公司警告，强大 AI 可能使监控和压制自动化并扩大其规模，并提到中国使用面部识别、生物识别和通信监测。我同意 AI 具有双重用途：提高生产力的同一能力也可能支持强制行为。未来影响取决于制度和部署选择。

Anthropic 描述了中国对 AI 和半导体的公共投资，并引用商业 AI 的军事用途。我将国家支持与自己对美国制度的理解进行对比。两国公共支持的规模和形式不同；这并不是对其产业政策的完整统计。

文章提出，先进 AI 可能加速半导体、生物技术和材料研究，从而扩大技术领先。我将此与自己认为自我改进 AI 可能在 2028 年左右出现的观点联系起来。这一联系是我的解读，并非已证实的期限或文章明确作出的预测。

Anthropic 用一个假设中由中国开发、具有类似 Mythos 网络能力的模型来说明潜在安全风险。我认为攻击性滥用是可能的，但这个例子是一种情景，而非某个未来模型或攻击必然出现的证明。能力和安全主张应在实际测试背景下评估。

文章认为，激烈竞争可能迫使企业在安全措施充分之前发布系统。我批评我所理解的 Anthropic 对集中访问的偏好和可能的监管俘获。这些是我对其动机的解读；公司公开表达的担忧是竞争压力可能削弱安全。

Anthropic 引用了中国领先实验室公开安全评估情况的差异。我还提到 Nathan Lambert 访问中国实验室后的观察。这些观察涉及他接触的人和组织；如此有限的样本不能支持我对所有中国研究者想法作出的更广泛概括。

文章引用一项越狱比较，其中 DeepSeek R1 对 94% 的恶意请求作出配合，而美国参考模型为 8%。这些数字适用于指定的评估、模型和攻击，并不代表所有中国或美国系统。我认为开放权重可能允许修改安全措施，同时质疑限制它们是否是应对滥用风险的最佳方式。

Anthropic 将限制访问的 Mythos Preview 和 Project Glasswing 描述为能力加速的信号，尤其是在安全工作方面。我提到 10 万亿参数的数字，并推测营销或算力有限影响了其限制发布。所引用的 [Glasswing 公告](https://www.anthropic.com/project/glasswing)既未证实该参数量，也未确立这些动机。

我认为类似能力的模型仍需要算力，同时认为中国可以开发自己的芯片或提高效率。这些改进的具体幅度和时间尚不清楚，基础设施与算法进步都很重要。

Anthropic 警告，将竞争称为赛跑会暗示存在决定性的终点线，而它预计这是一场持续竞争。我不同意：我参考 Situational Awareness 的预测，认为递归自我改进可能让首位领先者获得无法逾越的优势。这种结果及其速度仍是推测，不能从图表中得出数学上的确定结论。

文章列出四个竞争领域：模型智能、国内采用、全球分发，以及经济转型期间的政治韧性。Anthropic 将智能排在第一位。我强调，即使其他供应商在最强模型方面领先，价格低廉、接近前沿的开放权重模型仍有可能得到广泛采用。

我认为许多商业任务可能由较便宜的模型完成，并举出假设的十倍价格差。我称当前模型可以处理 99% 的使用场景，这只是缺乏证据支持的估计，并非已确立的测量。实际成本和适用性取决于任务、质量、部署和评估。

Anthropic 自己也表示，仅有智能是不够的，低成本 AI 的广泛采用可能弥补能力差距。我认为这与文章对智能的排序之间存在张力。公司的立场是智能最重要，并非采用没有独立影响。

在算力方面，Anthropic 认为管制限制了中国先进半导体的供应，本土努力尚未弥合差距。我将这一观点与 Nvidia 首席执行官 Jensen Huang 的警告进行比较：他认为中国开发者可能针对本土平台进行优化。两者都是关于未来不确定激励的论点，并非某个单一结果的决定性证据。

文章引用一项基于路线图的分析，预测 Huawei 的总算力产出在 2026 年将为 Nvidia 的 4%，2027 年为 2%。这些是基于分析的预测，并非独立观察到的未来总量，也不能完整衡量两国的算力生态。Google、Amazon 等公司也提供芯片。

Anthropic 强调先进光刻设备的限制，包括 EUV 和 DUV 工具，以及高带宽内存方面的约束。我认为这些制造步骤的难度是管制有效的有力论据，但也认为限制可能激励本土创新。永久瓶颈和必然快速追赶都尚未得到证明。

文章认为，算法改进是算力的倍增器而非替代品，因为实验和 AI 辅助研究也需要计算资源。我再次推测可能存在自我改进循环。这是值得研究的问题，但未来速度和政策后果尚无定论。

Anthropic 称，中国开放权重模型的企业采用落后于专有前沿模型，并认为一些实验室正在减少开放发布。我不同意其侧重点，并引用与企业领导者的交谈：他们面临高额 AI 账单，可能考虑更便宜的模型。这些交谈是个案，并非有代表性的采用数据。

第一项政策提议是加强对走私芯片、海外数据中心访问和半导体制造设备的管制与执法。我不确定限制在长期是否更好：它可能在当下限制获取，也可能鼓励替代方案的发展。我预测中国最终会克服每一项限制，这并非确定的结果。

第二项提议旨在限制未经授权的访问并遏制蒸馏攻击，包括可能进行法律澄清和信息共享。我支持保护模型创新，同时提到公众的批评：模型开发者自己也使用互联网数据进行训练。具体行为是否违反合同或法律取决于其具体情况。

第三项提议是推动美国 AI 在全球出口和采用。我认为开放权重模型应发挥重要作用，因为它们可能更便宜、更容易部署。某个模型是否更高效、安全或经济取决于模型和部署方式；仅有开放权重并不能保证这些特性。

我同意 Anthropic 对许多战略风险的描述，但不同意其全部解决方案。我倾向于扩大对开放模型的访问，同时考虑如何保护创新和管理安全。视频最后再次提到 here.now 的赞助，并指向进一步评论。