谁应拥有人工智能？支持与反对国有化的论据

今年五月，星展银行 (DBS) 首席经济学家Taimur Baig与前国际货币基金组织 (IMF) 经济学家兼作家Anthony Annett在《商业时报》上撰文，主张将部分人工智能产业国有化——这与核武器和中央银行所受到的待遇相同。

这篇文章论证充分，值得我们审慎回应。

其提出的问题并非简单的“人工智能是否应该国有化”，因为这种框架过于笼统。人工智能并非单一事物，它涵盖了用全球文本训练的基础模型、芯片制造厂、数据中心、创造AI代理的软件公司，以及数以千计构建应用程序的初创企业。

真正的问题是：具体要将什么国有化，以及国有化的程度如何？

支持国有化的理由

Baig和Annett的论点值得我们全面审视，因为它触及了一些合理的担忧。

他们的首要担忧是安全问题。先进的人工智能系统一旦落入不法分子之手，可能扰乱金融体系、侵蚀或摧毁财富，或干扰电网、供水系统和交通网络等公用事业。恶意行为者可能利用人工智能进行工业规模的虚假信息传播，实施与真实通信无异的诈骗，甚至设计出致命的病原体。

这些并非科幻场景，而是研发这些技术的实验室自己公开表达的担忧。

为了进一步阐述其观点，Baig和Annett引用了一个类比：核能。核能既能提供清洁可靠的能源，也能制造大规模杀伤性武器。正是这种双重用途的特性，使得核技术在世界各地都受到国家控制，并受国际核不扩散条约的约束。

有观点认为，如果人工智能具有类似的双重用途风险，或许它也理应受到类似的处理。

SEE ALSO

If AI is a public good, nationalisation should be considered

Understand what AI replaces, not whom

他们的第二个担忧关乎权力。少数几家公司——OpenAI、Anthropic、Google及其他一些公司——正在构建可能支撑未来整个经济运行的基础系统。这种集中除了会加剧不平等之外，其影响力也不会仅仅停留在经济层面，它可能转化为政治权力，而公有制将削弱这种转化。

此外，还有一个公平性的论点：支撑当今人工智能的突破可以追溯到数十年来由公共资金支持的研究，而模型本身也是用我们所有人实际产生的数据进行训练的。

如果公众资助了种子并供给了土壤，那么或许公众也理应分享收获的果实——以资本红利的形式，像主权财富基金分配回报那样进行分配，而不是让少数股东独占这笔意外之财。

这个论点很有说服力，但也过于宽泛，以至于在人工智能的实际运作面前站不住脚。

核能的类比其实并不贴切。铀是一种物理物质，你可以为反应堆设置围栏，守卫浓缩设施，并检查核设施以发现是否被转用于武器级铀，这大致就是核不扩散机制所做的工作。

人工智能则不同，它是由代码、学习模型和专业知识构成的。它已经扩散到成千上万的研究人员、大学、开源代码库中，并且正如我们看到可免费下载的中国模型崛起一样，它已经跨越了目前任何条约都无法管辖的国界。你无法圈禁已经泄露到数百万台笔记本电脑中的东西。

即便将目标缩小到少数几家构建前沿模型的公司，国家所有权也并非没有代价。

政府很少是尖端技术最快或最具创造力的建设者——官僚机构的优化目标是谨慎和问责，而非能带来突破的快速、试错式实验。将构建前沿模型的实验室国有化，你可能会得到更安全的人工智能，但也很可能得到发展更慢、能力更弱的人工智能。

为何国有化不能“一刀切”

人工智能生态系统分为不同层次，关于安全和权力的论点在不同层次上的适用性也各不相同。

位于最顶层的是基础模型——即GPT、Claude和Gemini级别的系统，它们有能力造成Baig和Annett所描述的灾难性滥用。在这一层，他们的论点最有说服力，核能的类比也在此处才算有些道理。

其下是基础设施层——芯片、电力供应、数据中心。这是一个资源配置和供应链问题，而非控制灾难性能力的问题。台湾不需要将台积电 (TSMC) 国有化来管理流氓芯片的风险，它需要的是出口管制以及测试和验证标准。

而在最广泛的层面，是初创企业和应用开发者——成千上万家公司在它们自己并不拥有或训练的模型之上，构建狭窄、特定的工具。在这一层，国有化最没有意义，因为这恰恰是最需要竞争、速度和试错的层面，而灾难性风险的论点在此几乎不适用。

将这三个层面合并成单一的“人工智能国有化”政策，是一种范畴错误。相关辩论应仅限于顶层，并且即便如此，也应持谨慎态度。

新加坡的案例

对于新加坡这样的国家，国有化更没有意义。

新加坡的人工智能战略从来不是要构建下一个前沿模型，而是专注于应用——由私营企业（通常是小公司）开发的、用于解决物流、金融、医疗保健和语言等领域特定问题的工具。

这个国家的经济模式依赖于外国投资、开放竞争，以及作为一个易于、可预测的创业之地的声誉。

新加坡的人工智能战略从来不是要构建下一个前沿模型，而是专注于应用——由私营企业（通常是小公司）开发的、用于解决物流、金融、医疗保健和语言等领域特定问题的工具。

这个国家的经济模式依赖于外国投资、开放竞争，以及作为一个易于、可预测的创业之地的声誉。

一个由国家主导的人工智能产业将与这三点背道而驰。

它会向外国投资者发出信号，即国家打算主导他们计划投资的行业。它会在应用层面——这个最能通过竞争驱动质量的层面——削弱竞争。而且，它很可能会产出更差的产品，而非更安全的产品，因为国有化的安全理由始终是针对前沿模型，而不是针对那些为其客服热线添加聊天机器人的外卖应用。

新加坡的利益不在于拥有人工智能，而在于确保主要由他国拥有和构建的人工智能在进入本国时得到良好治理。

更好的角色：裁判兼偶尔的教练

如果说完全国有对于几乎整个AI经济而言并非良策，这并不意味着政府无事可做。相反，政府面临着更艰巨的任务：设计游戏规则，而非成为主要玩家，并帮助游戏朝着正确的方向加速发展。

第一个手段是为敏感行业设置护栏。国家安全、金融和关键公用事业面临系统性风险，理应受到严格而具体的监管。

第二个是激励设计。减税和津贴可以是有效的工具，政府可以利用它们来引导人工智能发展，使其倾向于增强就业的工具而非取代就业的工具；减缓人工智能在基础教育中的推广，以免削弱儿童的认知发展；并奖励旨在公共利益的创新，例如公共卫生、城市规划和灾害响应等领域，而非纯粹追求私人利润。

第三个是具有实际约束力的治理标准。这正是监管发挥作用的地方：对高风险人工智能系统在投入使用前进行强制性测试和认证，就像新药上市前需要获批一样；对于在健康、信贷、招聘和保险等领域对个人生活产生重大影响的决策，要求提供可解释性；在部署前进行独立审计，而非在出现故障后；当人工智能系统造成损害时，强制报告事件；以及制定来源标准——既包括用于训练模型的数据，也包括为人工智能生成内容打上标签，以便虚假信息能够留下“指纹”。

新加坡已经通过AI Verify开始构建部分此类机制。AI Verify是全球首个由政府开发的人工智能测试工具包，可对公平性、稳健性和可解释性进行技术审计。

第四个手段较少被讨论，但同等重要：政府不仅是裁判，还是加速器。

新加坡在另一个行业已经有了可行的模板。新加坡金融管理局 (MAS) 的监管沙盒允许金融科技公司在受控环境中，以宽松的规则和严密的监督试用新型金融产品，之后这些产品才能获准进入更广阔的市场。

同样的逻辑也完全适用于人工智能：沙盒允许一个医疗保健人工智能工具、一套自动驾驶系统或一个新的金融咨询机器人在监督下，根据真实条件进行测试，既避免了因先发制人的监管而扼杀创新，也避免了未经测试就将其投向公众。

如果运用得当，沙盒能让国家做到国有化永远无法做到的事：加速安全的创新，而非减缓它。

Baig和Annett的观点是正确的，人工智能并非普通技术，国家不能仅仅袖手旁观，任由少数公司构建可能造成系统性危害的系统。但正是那个使其论点极具说服力的核能类比，也限制了其适用性：铀可以被圈禁，而模型和应用则不能。

对于几乎整个AI经济而言，全面国有化都是错误的工具——对于像新加坡这样建立在私营、竞争、应用驱动层面之上的经济体来说，更是具有积极的危害性。

国家能够并且必须做的是，掌握少数可能导致“熔断”的系统的钥匙，用真正的标准和有力的措施来监管其他所有参与者，并——通过沙盒等工具——帮助好的创意比坏的想法发展得更快。所有权从来都不是真正的关键。 《海峡时报》