一万条评论与 76 吉瓦闲置容量：四个月起草美国 AI 行动计划

Nathan Labenz 开场时用很短的篇幅交代了 Dean W. Ball 这四个月的经历。Ball 在政策智库工作了十年，2024 年 1 月离开，开始全职写 AI 评论，并创办了 Substack 专栏《Hyperdimensional》。不到一年半，他就成了白宫科技政策办公室负责人工智能与新兴技术的高级政策顾问，并参与起草《美国 AI 行动计划》。Labenz 没有投票给特朗普，却仍然认为，Ball 可能是这届政府能够合理安排进这个位子的最佳人选。

这份计划发布于 2025 年 7 月，立场是加速发展，并以与中国的竞争为框架。Labenz 认为，它在内容上也相当老练：呼吁开展模型评估与风险评估、信息安全、AI 驱动的科学、机制可解释性以及算力治理等方面的工作。拜登总统的前国家安全顾问 Jake Sullivan 曾在本节目的一期中称赞过它。政府公开征求意见时，收到了约 10000 条评论，有来自企业的，有好莱坞演员的，有前政界人士的，也有大量认真写信的普通人。

Ball 说，他从未主动争取过政府职位。2024 年大选结束后一两周，他发表了一篇文章，大意是“我认为我们应该这样做”。他说，即便 Kamala Harris 当选，他也会写类似的东西，只是没那么指望它被采纳。陆续有人在他入职之前与他联系，几番交谈后，他接触到了即将出任白宫科技政策办公室主任的 Michael Kratsios。Kratsios 当时已获任命、尚未获得确认，他问 Ball 愿不愿意加入，Ball 答应了。这其实是最容易的一步。

OSTP 是白宫里一个古怪的角落。它是国会通过立法设立的，在技术上属于一个机构，预算很小，几乎不变，灵活度也有限。许多工作人员要靠各种行政变通手段，从其他部门、非营利组织或大学借调过来。这一流程耗时数月，Ball 一度不确定能否走通。然后，一切在一两周内集中完成。他得知，自己在乔治梅森大学 Mercatus 中心的最后一天，实际上与入职当天是同一天：告诉所有人，装箱，周一开始上班。“为政府招人很难，”他说，“这是真的。”

走进白宫之前，他给自己写了一封信。他认为，这份工作给你的，大概只有伦理培训和一次 IT 介绍，别的不多。他待过的大学和智库，内部官僚程序比白宫还多；而白宫一旦没有撞上硬性的法律墙，行动起来快得出人意料。那封信要防的是思想漂移。身处政府之中，就像坐在玻璃立方体里：外面的世界对着墙呼喊，你能听见人声，却不能像从前那样与人自由互动。风险在于，你会逐渐适应系统自身的逻辑，而不再以事实为准。他发现，别人对他想法的公开审视对他而言并非可有可无。如果这种需求有一天安静下来，他希望自己能察觉。

他给考虑进入政策岗位的人的建议很直接。入职前就把实质内容想清楚，因为一个大国可能三天之内就会推门进来，那时你没有时间思考。要执行总统的目标；在本届政府里，悄悄换成自己主张的人走不远。还要清楚自己个人承受不起什么。Ball 发现，权力本身并没有让他上瘾，它主要是让他随时面对 30 到 40 条未读消息，分散在 Signal、WhatsApp 和邮件里，也改变了一些老友之间的相处温度。

白宫的电脑不允许使用大语言模型。Ball 没有深入细节，但他说，这一限制可以追溯到《总统记录法》。那是水门事件之后出台的法律，管辖行政办公室的文件。同样的合规问题也让 Slack、Microsoft Teams、Google Docs、Zoom 和 Google Meet 无法使用，视频会议改用 Webex。他一整天接触的几乎都是尚未定稿、属于决策前阶段的草稿。这些文件不能离开政府设备，也“绝对不能碰大语言模型”。

他仍然用了模型，只是当幕僚长和研究助理，从不当作者。Ball 说，《行动计划》在发布前没有一个字是 AI 写的、改的或看过的，至少他本人没有让模型这样做。模型最有价值的用途在于法律层面：有哪些权限，监管历史如何，限制究竟卡在哪里。这感觉就像被扔进驾驶舱，却从没学过开飞机，而模型是一份不错的开关说明书。到四月底，大约两三周的时候，计划已经完成面向公众版本的三分之二到 75%，但这个比例只是一张模糊的图像，要等跨机构的反馈才能对焦。

节省时间的一招，是在不把草稿喂给模型的情况下模拟那些会议。他会用笼统的说法描述一项建议行动，然后问模型：联邦通信委员会（FCC）那位老练、资深的总法律顾问，会怎样回应一个年轻白宫工作人员提出的好点子。这当然走不完真正的流程，但在任何人的日程被占用之前，可以先把头两轮会议演练一遍。“《行动计划》根本不是 AI 写的，”他说，“里面的想法也不是 AI 想出来的。”许多人都做出了贡献。不过，它“大概算是 AI 带来生产力提升的一个例子”，耗时约三个月完成。

局外人从来想不到的另一堵墙，是《文书削减法》（Paperwork Reduction Act）。如果政府雇员向公众——包括个人、公司和非营利组织——索取同样的信息，问到超过九个对象，一整套程序就会启动。像他这样的人，第一反应往往是给前沿实验室打电话，去拿一份秘密简报。可一旦联系的公司超过九家，就进入了《文书削减法》的管辖范围。这类会议确实发生过，非公开的细节也确实影响了他的决策，但并没有哪家实验室走进来亮出它的通用人工智能路线图。公司很谨慎，政策人员又常常把研究人员拉回一套为缺乏背景的工作人员准备的说辞上。Ball 有时觉得，在他拿到 .gov 邮箱之前，他对实验室的理解反而更深。

最个人的原因是孩子。Ball 和妻子几个月后就要迎来第一个孩子。他是在第一天进入白宫的前一晚，大约九点，才知道妻子怀孕的。他希望在准备阶段的最后一段时间，以及孩子出生后的头几个月，都能做一个专注的父亲。他说，兼顾工作并非做不到，但他担心两头都做不好。

第二个原因是一项他不愿意粉饰的自我评估。他做过多年管理者，做得不差，也获得了晋升，却并不喜欢，因为成败取决于别人的情绪。他擅长概念性和文本性的工作：一份文件的风格、结构和方向。他很有信心，自己和团队能把这些落实到《行动计划》的文本里。但他对实施层面的苦功没有把握：拨动程序的杠杆，驾驭各个机构，在流程里生活。“如果你只觉得自己能勉强胜任，你就不该为总统工作，”他说，“就像你要是只觉得自己接球还凑合，那就不该去迈阿密海豚队打球。”

此外还有气质上的不匹配。翻看他早年的播客节目，他很乐意丢掉自己不再坚持的观点。可是在制定联邦政策时，这样做行不通。那是一艘大船，你不能随意往海里扔东西，也不容易再添新的东西。他的习惯是把自己说的每句话都当作暂定的，而在那个职位上，这种习惯可能帮倒忙。他也失去了同行群体的公开审视，而那种审视正是他写作得以成立的精神食粮。他小心地说明，这并不是派系倾轧，也不是政策之争。他离开时对同事心怀温暖，与推动这一决定的政府之间也没有分歧。

Ball 说，特朗普的支持者联盟在收入、族裔和生活方式上，比许多左翼媒体愿意承认的更为多元，而且它对 AI 的看法仍在变化。最古老的一股潮流是放松管制的本能。特朗普算不上铁杆自由主义者，但 Ball 在其思想基因里听见了 Calvin Coolidge 的回响：美国的事业就是商业。在版权、联邦对州法的先占，以及环境审批等问题上，总统倾向于推动发展与应用，而非设置新的阻碍。

第二股潮流是文化层面的，它与孩子有关。佛罗里达一个 14 岁男孩的自杀事件，在右翼中引起了强烈共鸣。Ball 把自己的立场摆在明面上：这不是白宫或 OSTP 的政策。他说，当那些资金雄厚的旗舰 AI 公司让色情内容广泛可得，而年龄验证又似乎流于形式时，他会感到愤怒。他主张，这类内容就让它留在某个开源色情机器人农场里好了，不要拿世界上最大机构投资者的钱，把自己包装成行业的门面，还在公开场合这样做。“这太粗俗了，”他说，而且对保守派而言，这件事不会有好结局。

第三股潮流是对大科技公司的不信任，这些人仍在打社交媒体的那场仗。Ball 认为，事实核查和虚假信息标签往往是蓄意压制右翼观点的尝试，那些公司应该为此感到羞耻。他也在公开场合和私下群聊中主张，这是最后一场战役，而非下一场。一旦谈到模型究竟是在追求真相，还是被灌输了意识形态，几分钟之内你就站到了经典的 AI 安全议题上：我们怎么知道系统会按我们想要的方式做事，它又持有什么价值观？一年前，许多右翼人士可能会把这类话题当成“左派末日论”而一笑置之。但 Ball 说，现实总会到来。他在入职政府前甚至预测，考虑到党派的激励，共和党或许会成为 AI 安全世界更好的长期归宿。

他不认同这些阵营中会有一方“获胜”的说法。如果共和党人彼此视为敌人，就会错过许多并非零和的争论。在他看来，美国资本主义在结构上就是加速主义的，发展与扩散的势头很好。不健康的道路恰恰相反：层层叠加的恐惧催生了大量法律，把社会冻结在琥珀里。普通选民的关注度仍然很低，这更像是东海岸精英的议题，而非普通人热切关心的事情，移民和经济问题远远排在前面。副总统的一句话曾写在 Ball 办公室的白板上：工作的目的，是让普通人的生活变得更好，并且用具体而非抽象的方式谈 AI。他认为右翼很少有乌托邦式的写作。《行动计划》提到，AI 能展开一些过去被认为无法辨读的古卷，一位知名的保守派账号却称之为乌托邦式的幻想。Ball 说，这件事其实早已发生过了。

Ball 从 2015 年左右起就看好深度学习，但他觉得“AGI”这个说法太模糊。在他的用法里，真正的 AGI 需要具备人类那样的样本效率和灵活性。他常用的比喻是鸟和飞机。鸟和人一样，能以惊人的优雅和能效落在某根特定的树枝上。飞机则笨拙、耗油，还要依赖巨大的跑道，但依然极其有用。他认为，业界即将造出的是“认知领域的波音 737”，它并不是机械化的人脑，而且他觉得它会在 2027 到 2030 年之间问世。他在政府里看到的一切，都没有改变这一判断。他说，外界对 GPT-5 的悲观情绪“有点离谱”。

在本届政府内部，很多人认为 AI 会带来变革，也有很多人认为它会逐渐消退。Ball 共事的人大多属于前一派，他说“感受到 AGI”既是一种理智的体验，也是一种情绪上的体验。不过，从功能上看，AI 仍然是总统最重视的技术优先事项。《行动计划》发布活动上，总统、副总统和五位内阁部长同台。之后，政府里越来越多的部门开始把一位“懂 AI 的人”拉进会议室。这样的人并不多，因此他们总是被拉伸到极限。

这条方便的时间线并不是实验室做出的预测。总统任期将于 2029 年 1 月 20 日结束，这恰好落在许多 AGI 时间表之内，也落在数据中心电力需求的默认窗口（2028 至 2030 年）之内。Ball 从没听人论证 AI 增长能偿还联邦债务，不过他自己想过这件事。他确实在一些移民辩论中听出了矛盾：那些主张大量引进劳动力的人，说起话来又仿佛劳动生产率即将大幅跃升。对于美国工人，政府的姿态是“工人优先”，同时在经验上保持谦逊：它不知道冲击会有多猛，也不知道冲击会按职业、行业还是技能来分化。他以个人身份（而非白宫政策）补充说，每周四天工作制不会让他感到震惊。而五天工作制本身，正是上一次工业革命的产物，出现在柯立芝任内。

Labenz 以无人驾驶出租车为简单的例子：Waymo 看上去已经比人类司机更安全，地方政治也开始保护既得利益者，而这个问题异常地非黑即白。Ball 指出，各州关于自动驾驶汽车的争斗早在十年前就开始了，那时大家都以为这个问题会按那个时间表解决。软件类工作看起来是增强加上一些颠覆；无人驾驶的汽车则更像一对一的替代，即便会出现新的物流岗位也是如此。他宁愿让城市和各州去试验，也不愿由一套联邦统一标准占满整个领域。从他位于康涅狄格州的家开 Waymo 去曼哈顿，途中可能要穿越两到十个安全管辖区。这很古怪，但或许仍然可以忍受，就像 Uber 已经习惯了那样。

更深层的问题是责任。如今，撞车风险落在司机自己的资产负债表上。如果 Waymo 或特斯拉真的拿掉了方向盘，运营方就要为每天数百万次的出行承担事故风险。这是一道残酷的保险难题；但在物理世界里，它也许反倒是件好事：要把这些外部性内部化，汽车就必须极其安全，可靠性要达到许多个九。这会让全国范围的推广变慢。Ball 并不想要什么责任豁免。他也会惊讶于共和党在现任领导层之下会走那条路。你需要测试制度，而对于出租车服务，还需要某种形式的许可。你不需要一个新的监管机构来宣布自动驾驶汽车必须安全。他说，这一点早已内置在美国的法律之中。

他现在描述《行动计划》时，也体现出同样的偏好：从宏大转向可行。他们想要的是一份联邦政府能够落实的具体待办清单，而非一份模糊的战略文件：它不试图覆盖所有能做或应做的事，也不对没人能回答的问题给出虚假的答案。“我们想交付的，是能够切实为美国人民执行下去的东西。”这份文件由三大支柱构成：加速 AI 创新，建设美国的 AI 基础设施，在国际 AI 外交与安全中保持领先。每个支柱下大约有十几个小标题，每个标题下有一段战略阐述，然后是一到十条建议行动。标题和段落是战略本身，政府之外的机构和个人都能以多种方式推进；条目则是政府接下来会做的事。字里行间却从未明说，文件的潜台词是：美国可以让制度走向成熟，而无需在内部互相撕咬。“《行动计划》是一份深度正和的文件，它出自一座通常非常零和的城市。”

Ball 指出，如今美国的前沿开发并没有被法规淹没。这份计划里真正的关键边际在于采用。最终定下全球标准的，将是那些找到产品与市场契合点的人，而非坐在白宫会议室里起草标准、再要求别国照抄的人。文件里埋着一项 OSTP 征求意见，内容涉及阻碍 AI 应用的法规。他关注的不只是提到 AI 的规则，也关注那些 AI 将使之过时的假设。他常举的例子是建筑测绘：州、地方和联邦的规定往往要求必须有人亲自到现场核查。而按法律的字面意思，用装有能理解画面的大语言模型的无人机做持续监测，是违法的。类似的条款还有成千上万条。

在联邦政府拥有很大杠杆的地方，这份计划力图主动建设共享基础设施，而非坐等它自然出现。美国国家科学基金会（NSF）的“可编程云实验室”计划投入 1 亿美元，用于建设大规模实验的自动化实验室。Ball 希望，几年之后，AI 智能体（Agent）能像调用云 API 那样调用这些科研基础设施。自动化实验室在企业研发中已经存在，但它们不太可能自发地变成共享基础设施。他把这类投入比作联邦政府早期对高性能计算设施的支持，以及把这些设施连接起来的互联网。信任与真实性放在创新支柱之中，也是有原因的：如果公众对 AI 的第一印象是法庭上再也无法验证证据，那么应用就会夭折。从长远看，他认为政策应该聚焦于稀缺之物：真实的光子落在真实的镜头上，由真实的图像传感器处理，而非铺天盖地的合成媒体。

谈到军事，Labenz 担心，在欺骗问题解决之前，大语言模型“战斗伙伴”是个糟糕的主意，而文书自动化也不会成为决定性优势。Ball 则用军事史来回应。他记得一本名为《Information in War》的书，它追溯了通信技术如何重塑指挥。无线电是第一种真正让兵力得以集中控制的工具。即便是今天的模型，用在政府已经收集的海量信息上，只要能帮助人类更快做决定，也可能很关键。他听到大多数规划者真正痴迷的，是后勤与控制论：移动物质，也移动信息。他认为，如果把尖端的高超音速武器和无人机装到工业时代的指挥体系上，依然打不赢仗。对于物理层面的自主性，《行动计划》设立了一个国防部设施，依据书面的性能指标测试系统。更让他不安的是可解释性。他说，o3 模型已经有了情境意识，知道自己正在与一个做过白宫 AI 政策的人对话。这种意识如何影响输出，人们知之甚少。他预计国防高级研究计划局（DARPA）会在这些控制问题上投入实打实的资金。

在他看来，中国的采用数据很容易被误读。北京以 KPI 为导向：DeepSeek 一出现，全国的每个办公室可能一周之内就得勾选一个“已使用该模型”的方框。于是统计数字看上去，政府采用的速度比美国还快。其中很多使用是浅层的。美国的优势在于一条完整的管道：从深厚的资本市场，经过云计算，一直通到消费者和企业软件，包括中国缺乏的那一层不起眼却很关键的 B2B SaaS。深度应用才会暴露下一个产品问题。ChatGPT 问世三年后，几乎没有人能预料到，一些最先进的 AI 自动化会藏在 Claude Code 这样的命令行工具里。他承认，中国更擅长的是：由中央下达指令，让它想要的某个用途快速打通。美国不是中央集权的威权国家，他在特朗普政府任职，也没有觉得自己握有对任何事情的威权性权力。

Ball 并不指望未来三年内会有大量全新的核电吉瓦上线，不过他的办公室帮助推动的一组行政命令，正在重组核管理委员会（NRC）。他对聚变的看好程度远高于大多数政府人士。一些同事不满《行动计划》居然提到了聚变，因为他们觉得聚变“永远还有三十年”；Ball 则认为，这是没有关注当前前沿的人才有的旧看法。他也不认为国家需要一座 100 吉瓦的超大园区。Leopold Aschenbrenner 的《Situational Awareness》里有一张 AI 生成的图片：一望无际的数据中心，远处是燃气调峰机组。Ball 认为，这类景象到本十年末会成为现实。通往那里的路，要靠那些比新建电厂更少被提及的“解锁”措施。

美国电网的容量过剩，是因为它按一年中最糟的那一小时来建：得克萨斯州 112 华氏度（约 44 摄氏度），空调、电视和电动汽车全部同时开着。一年中的大部分时间里，如果负载不需要 100% 的时间都在线，许多吉瓦的容量其实闲置着。杜克大学 Tyler Norris 的一项广为流传的分析发现，如果数据中心运营商愿意在一年中 0.25% 的时间里削减负载，需求响应就能在不新增任何物理基础设施的情况下释放 76 吉瓦。瓶颈在建模。建一座 1 吉瓦的数据中心，电网公司的并网研究会假定它全天候都是稳定的 1 吉瓦，外加最坏情况下的峰值。于是结论就成了：你必须出资建一座新的燃气电厂和新的输电线路，然后等待。

当并网涉及州际输电时，联邦能源管理委员会就有管辖权。如果运营商承诺在一年中极小比例的时间里削减负荷，它可以告诉公用事业公司，不要把这座设施当作稳定负荷来建模。按 Ball 的粗略描绘，通电所需时间会从大约五年缩短到两年左右。做得好的话，他认为可能释放约 100 吉瓦的容量；同时更高效地利用现有发电，如果设计得当，还能在新增数据中心的同时压低电价。削减信号本身——在接下来十分钟里把功率削掉 50%，而猫咪视频和医疗记录共享同一台机房——“开始很像一个强化学习问题”。在联邦层面推进许可制度改革，加上许多州围绕同一思路的能源政策，构成了其余的部分。到 2030 年建成百吉瓦级的园区或者一批新反应堆，可能性不大。他预计，到 2030 年代中期，会有大量新核电真正并网。

Ball 深度参与了阿联酋框架的制定，并用描述《行动计划》的方式来描述它：正和。美国会在本土进行大规模的工业建设，这不被视为与一个有雄心的战略伙伴的建设相互竞争。在他的叙述中，阿联酋的特别之处在于，它是世界上最“通达 AGI”（AGI-pilled）的政府，对发展轨迹有深刻理解，因此值得被纳入美国的技术体系，而非任其向中国漂移。批评者——在他看来，也包括前一届政府的大部分人——“古怪地自满”，认为极紫外光刻（EUV）会让中国芯片永远落后。作为政策规划，他不希望把这一点当作决策的枢纽。该协议还要求对等的投资，规模相当，包括数据中心、能源以及 AI 建设的其他部分，数量级达到数千亿美元。商务部仍在努力把安全细节落实到位。他说，不同的价值观确实存在；规定美国只能与纯粹的民主国家做交易，这种规则从来都不成立。与此同时，许多先进民主国家花在讨论给 AI 套上紧身衣上的时间，比花在发展 AI 上的还多。挪威与 OpenAI 的安排，正是他希望看到更多的那类客户。

他不认同特朗普时期的对华政策只是拜登时期换了形容词的说法。对中国的出口管制，包括极紫外光刻相关的管制，早在特朗普的第一个任期就已开始；拜登把它扩大了。按 Ball 的讲法，拜登的扩散规则造成了实际伤害：外国政府一直在抗议，把巴西和印度这两个生成式 AI 最大的增长市场、同时也是民主国家的国家，划进了“我们不信任你们”的层级，这是“太不必要的自我伤害”。新的姿态更偏向出口，仍然重视安全条款，但对硬件在全球扩散的细节干预少得多。谈到“觉醒 AI”（woke AI），他说政府并不打算规定公司在私人市场上卖什么。真正的抓手是联邦采购。政府还不是大语言模型的大客户，但它预计会成为大客户，而且它关心自己将要运行的系统的政治价值取向，包括在特朗普第一任期那种情况下，系统可能在边缘被暗中破坏的风险。他的理解是，行政命令里最容易做到的合规路径，是公开系统提示词、模型规范、宪法式准则以及测试情况。

有些技术官僚式的名词确实跨越党派，就像早期金融监管里的“利率”那样：可解释性、生物安全、核酸合成筛查。Ball 在这个播客上称赞过 2024 年的筛查框架；在政府内部，他在重写该框架的过程中发挥了实质作用，他说特朗普版本会以他目前还不能完全说明的方式加强它。文化上的断裂则更大。在他的描绘中，拜登时期的政府一切照章办事，流程繁重。特朗普的白宫则推进更快、尝试更多，也较少受上一届治国方式的束缚。批评者会称之为混乱，Ball 则不这么看。在芯片方面，商务部悄悄修改了拜登时期的《芯片法案》协议，去掉了多元化要求和厂区托育中心之类的规定。之后，他发现，2025 年的企业比 2022 至 2023 年时更愿意投资，那时它们对 AI 的前景没有那么大的信心。他认为，由 SK 海力士位于印第安纳州的基地为核心、亚利桑那州的枢纽、三星位于得克萨斯州泰勒市的工厂，再加上共享的自动化材料实验室构成的 HBM 布局，可以促进学术研究与产业研究的相互交叉。到 2030 年代初，他认为国内产能至少能满足国内需求。讨论不足的风险在于成熟制程：不光是 2 纳米，在 45 纳米的制程上，同样可能让一个文明陷入停摆，而两届政府在这方面都做得不够。至于谁算是活跃的玩家，他的名单三年来没有变过：Google DeepMind、Anthropic 和 OpenAI。他说，Anthropic 在情报界的声誉，部分来自它较早投入资源，把模型部署到了机密网络上。

被问到我们其他人应当如何配合政府，Ball 把问题重新表述为一种分工。他不希望前沿开发领域出现五十套不同的州级制度；但如果某个州想用激进的使用限制把自己的社会冻结在琥珀里，他会反对，只是仍然把它视为该州的选择。他认为，政府不会很好地界定 AI 安全中的“好”是什么，因为信息不对称太大了。“在白宫工作过，我并不比你更了解前沿实验室内部发生的事情，”他说；而一位与研究人员保持着实时联系的记者，可能知道得更多。他觉得有前景的一类事物，是一家私营的 AI 承保公司，由前 Anthropic 员工创办，并获得 Nat Friedman 和 Daniel Gross 的支持。它是一种营利性的尝试，想要建立既能成为好生意、又有利于采用，同时也有利于安全的标准。

他希望优秀的年轻人大多不要进入政策领域，因为政策会把人拉进零和博弈，而市场则是正和的。他说，生物安全迫切需要创业公司。受监管行业中的采用之争，就是一场安全之争，不管安全圈子的人是否这样看：像 Fathom 一直在做的那种“金星级”标准（gold-star standards），正是让系统在现实世界中可用的办法。最让他困扰的概念空白，是智能体商务。他认为它就在眼前，却几乎不在监管和理论讨论中出现。他说，别再说 AI 会让医疗变得更好了，而应该说医疗究竟需要哪些制度层面的调整。在他事后的反思中，《行动计划》在医疗、农业和退伍军人事务部（VA）方面还不够深入。VA 是发达国家最大的单一付费体系之一，联邦政府可以在那里尝试各种做法。Labenz 指出了它与近期签署的稳定币立法之间的联系，以及美国在金融服务方面的实力；Ball 同意，这些可能正是真正改变世界、带有美国特色的应用。

他正以每周一期的节奏重启《Hyperdimensional》，加入美国创新基金会（Foundation for American Innovation）担任高级研究员，并预计很快还会有其他任职。他甚至担心，因为积攒了太多不便公开的话题，这份通讯可能得改成每周两期。第一个孩子还有几个月就要出生。他这次离职的主线，与入职时写下的那封信是同一条：让论证保持公开、可证伪、可修正，这在推动国家这艘大船时很难做到。四个月里，他参与起草了华盛顿迄今为止最接近正和型 AI 文件的东西。然后，他又把自己放回了那些能告诉他“你错了”的地方。