a16z 谈保护 Little Tech：与 Matt Perault 讨论技术乐观主义 AI 政策议程

摘要

• a16z 的政策主张是，监管有害的 AI 使用，同时对研究与开发保持总体开放。 Matt Perault 强调，这不是借放松监管之名逃避监管：政府可能需要更多调查人员、技术专家和执法资源，并对现有法律进行有针对性的更新。政策制定者应惩罚歧视、犯罪行为及其他危害，但不应试图“把数学定罪”（“criminalize the math”）。

• 这家公司的经济利益在于推动持久采用，而不是制造一轮因危害累积而崩塌的短命 AI 热潮。 Perault 将 a16z 10年的基金存续期与上市公司4年的归属周期作对比：如果明天市场热情爆发，但“1年后市场崩了”，投资组合仍会受损。因此，Little Tech 既需要发展空间，也需要一个用户信任其产品的生态。

• 门槛式监管可能把 AI 天然的幂律分布转化为国家规则加固的寡头格局。 Nathan Labenz 指出，评估当下前沿能力时，名单往往只有3至10家公司；但 Perault 认为，针对5家、10家或15家开发者设计的规则，可能恰恰把这种集中固化下来。他更倾向于以收入设定门槛，因为监管承受能力才是目标；算力或1亿美元训练成本门槛衡量的是开发活动，而不是企业吸收合规成本的能力。

• 尚未解决的分歧在于：部分 AI 危害是否会在基于使用的执法启动前就变得不可逆。 Labenz 提到实验室泄漏，以及足够强的 AI 开发可能在尚未部署前就失控的可能性；Perault 则用一个 COVID 假设说明问题——如果病毒来自实验室，并在全球造成1000多万人死亡，事后罚款显然不够。Labenz 后来担心闭门进行的 AI 辅助 ML 研究，Perault 则回应称，危险研究也可能带来防御手段和突破性收益，并怀疑发布安全计划与实际产品安全之间存在很强的“直接相关性”（“direct correlation”）。

• 透明度是前沿风险监测与 Little Tech 合规负担之间最尖锐的现实冲突。 Labenz 引用 Claude 4 发布时那句“我们希望 Claude 接管所有 ML 研究，这样我们就都能去海滩了”（“We want Claude to take over all the ML research so we can all go to the beach.”），担心实验室能力与公众可用能力之间的差距会继续扩大。Perault 认为，许多拟议披露既属推测、对消费者无益，也很可能受到美国宪法第一修正案的限制；a16z 的替代方案是简明的“AI 模型事实”，包括知识截止日期。

• 只有初创公司确实能够获得责任保护，California 的 SB 813 才有前景。 Perault 认可该法案通过自愿加入、私人管理的制度正面处理侵权责任，但不接受名义上自愿的制度就天然公平这一说法。他的类比是：如果获得豁免需要支付200亿美元， incumbents 会买下保护，而初创公司仍承担风险——“这并不是真正的自愿”（“That’s not really voluntary.”）。

• 临时性或适应性规则在关键的市场形成期仍会造成真实的竞争成本。 Erik Torenberg 提议设置3至5年的日落期限；Perault 回应，即便规则是临时的，也类似于让竞赛选手“在第1英里背着20磅的背包”。他还提到，有报道称 EU 曾怀疑 EU AI Act 能否实施；Colorado 州长支持影响本州法律的联邦暂停令；Trump 政府预计将在6月或7月推出全国 AI 行动计划。

精读

1. 丰裕的起点是可及性，而不是技术预测

• Perault 坦诚回答自己并不擅长预测 AI 的终局：“那是我一直不太擅长的事情。”作为政策专家而非工程师，他从可操作层面定义丰裕：制定规则，让有能力的人能够创造有用工具，同时确保初创公司的合规成本不超过由此获得的收益。

• 他最切身的应用场景是心理健康服务。Perault 的父母和姐姐都从事心理健康工作，因此他看到 AI 可能降低3道门槛——费用、寻找服务提供者的难度和污名化——前提是部署始终符合“高质量的照护标准”。

• 写作让这种机会变得具体，也令人不安。Perault 曾把自己在 Facebook 的工作概括为给老板交付“一份糟糕的初稿”，老板回应说，偶尔能有一份好的就更好了；如今 AI 已能提供粗略结论，未来或许能产出非常好的初稿，迫使写作者在基准能力之上建立差异化。

• Torenberg 称自己的立场是“典型的矛盾”：Claude 用于编程、Operator 用于网页任务，确实令人兴奋；但欺骗或蓄意谋划的行为又引出更大的控制问题。他不太担心岗位，而更担心类似功能增强研究的工作，并把自己描述为 AI 的“林中漫步者 Forrest Gump”——出现在一些重要场景中，通常只是群众演员，同时努力把结果推向极度积极的方向。

2. 10年创投经济学让信任成为回报的一部分

• Perault 认为，日常使用已把注意力从“无限的未来”拉回边际价值创造：食谱、应对不肯睡觉的孩子、家庭旅行活动、结构化想法或一份初步结论。随着人们相互交流使用心得，AI 素养不断扩散，价值主张也变得更贴近生活、更不令人恐惧。

• 这种熟悉度会改变政策平衡。规则应帮助避免危害，包括潜在的长期灾难，同时给人们留下体验收益的空间；消费者与有用应用接触得越多，哪些监管负担算得上适度，就越应据此重新判断。

• Perault 认为，a16z 10年的基金存续期支撑了这一立场，而他在 Facebook 经历的是4年的归属周期。目标不是“推高明天的股价”：如果 AI 热潮在1年后因危害引发崩盘，a16z 想要建设健康、持久公司的努力也会落空。

3. a16z 希望严管有害使用，同时对开发保持开放

• 核心类比是传统软件：监管机构通常不会监督软件如何构建，但法律可以惩罚软件被用于有害目的。Perault 希望 AI 也采用同样的区分——让 Little Tech 保持开发空间，再遏制违法结果，而不是把研究过程本身定义为好或坏。

• Cambridge Analytica 的例子区分了合法访问与滥用。Facebook 最初向学术研究者转移数据，符合其条款，也体现了研究访问这一通常有益的目标；问题出在研究者控制的数据后来被滥用。

• 放到前沿 AI 上，Perault 担心限制开发就等于让科学家更难做科学：“开发本身就是科学，就是数学”（“The development itself is just science. It’s math.”）。具有危险潜力的研究也可能产生防御手段、医疗可及性、更好的心理健康治疗，以及帮助更多开发者打造有价值产品的工具。

• “监管有害使用”要求的是积极的国家能力，而不是被动不作为。Perault 结合自己在司法部民权司度过的一个夏天强调，案件不会按照整齐的事实模式自行出现；执行 AI 相关反歧视法律，需要调查人员识别危害、将危害与工具联系起来、理解技术，并判断现有法规需要在哪些地方调整。

4. 灾难性危害是事后执法承压之处

• RAISE Act 代表了 Torenberg 希望讨论的折中方案：超过一个预计覆盖个位数后段至两位数前段公司的门槛后，开发者制定并遵循自己的安全计划，将其披露给监管机构或公众，并接受审计、自我报告和事件披露等部分要求——本质上是“给自己的作业打分”，但要接受审查。

• Labenz 的反驳是，一个足够强大的系统，或类似实验室泄漏的前沿研究事故，可能在公开部署前就造成不可逆的危害。Perault 后来提出 COVID 假设：如果病毒来自实验室，并在全球造成超过1000万人死亡，事后罚款显然不够；Torenberg 则补充说，社会或许应针对狭窄的“瓶颈环节”，而不是监管每一名研究者。

• Perault 接受安全计划可能阻止部分事件，但质疑其有效性：发布协议并不能确保安全表现，二者之间甚至可能“没有直接相关性”。如果收益有限，这类政策就只是给开发增加负担；他更愿意投资于发现并起诉有害使用。

5. 门槛可能把规模经济变成受监管的寡头格局

• 在 Perault 看来，说一项规则只覆盖5家、10家或15家公司并不能让人安心——这描述的恰恰是“我们最害怕的事情”。健康的前沿生态应继续向只有5名或10名工程师的创业者开放，而不是把今天的领先者变成唯一在法律和财务上有能力推进能力边界的组织。

• Labenz 给出了经验层面的反例：他反复进行的“当前玩家”练习，列出的前沿公司最少只有3家，从未超过10家。规模定律、资本投入和幂律结果可能已经让集中成为结构性现象，因此提高门槛或许是在顺应市场，而不是塑造市场格局。

• 如果立法者真正想针对有能力承担合规成本的公司，Perault 认为收入是更干净的指标。提案可能采用1000亿美元或其他水平，但一家年收入5000亿美元的公司显然可以拿出一定比例的资金处理监管工作；算力和训练支出监管的则是科学本身。

• Perault 说，一名 a16z 技术同事告诉他，“每个模型的开发成本都是1亿美元”，这恰恰削弱了将1亿美元作为 Little Tech 豁免线的意义。他还担心 RAISE Act 会合并计算训练成本，最终覆盖一家开发大量、每个成本250亿美元模型的初创公司。算力和数据已经是进入壁垒；再叠加监管，可能形成电信行业式的“受监管垄断”，创新能力随之减弱。

6. 有用的透明度比前沿观察者希望的更窄

• Labenz 担心，随着各家公司争夺领先地位，今天公众能力与实验室能力之间不大的差距可能会扩大。他引用 Daniel Cocotello 的 AI 2027 情景，预计前沿开发者可能会扣留那些能够压倒竞争对手的系统，使外部人士无法评估闭门实验室里究竟存在什么。

• Claude 4 发布时的一句话成了他印象深刻的警告：Anthropic 有人说，“我们希望 Claude 接管所有 ML 研究，这样我们就都能去海滩了”（“We want Claude to take over all the ML research so we can all go to the beach.”）。Labenz 问，OpenAI、Anthropic 和 Google 是否至少应披露实验室中那些用于递归编码或 ML 自我改进循环的系统能力。

• Perault 的回答明显更为狭窄。a16z 认为，许多拟议披露，尤其是长期危害预测或推测性的安全评估，既不是事实，也对消费者无用，甚至可能违法；在他看来，有争议、非事实性或负担过重的强制言论，很难通过美国宪法第一修正案的审查。

• 替代方案是“AI 模型事实表”，提供实用信息，同时避免给初创公司造成过重负担。知识截止日期可以告诉用户，为什么询问昨晚哪支球队赢得篮球比赛超出了训练语料范围；也能解释为什么一个自信的回答可能是幻觉，而不是值得信任的信息。

7. SB 813 检验可选监管能否真正保持可选

• Torenberg 提议，在一个高度不确定的时期引入监管可逆性：实施3至5年的措施，设置3年日落期限，或者允许公司进入和退出不同监管制度。根据 SB 813，开发者可以接受一套获批准、由私人管理的框架，以换取责任保护，之后仍可能选择退出。

• Perault 认可政策试验，但不接受临时负担没有成本这一说法：让一个行业“在第1英里背着20磅的背包”竞跑，可能永久改变最终结果。他还指出——同时强调自己并不知道相关报道是否准确——EU 当时正在考虑暂停实施 EU AI Act。

• SB 813 介入侵权法仍然值得肯定，因为即使是平常的 AI 采用，也可能取决于是否存在可控的责任风险。决定性问题在于 Little Tech 是否有能力合规：称这套框架是自愿的，忽略了责任豁免的巨大价值，也忽略了可能只有 incumbents 才负担得起。

• Perault 提出的200亿美元假设，把分配问题摆到了台面上：大公司会买下豁免，小公司则承担法律风险。如果制度变得可供初创公司实际使用，他可能会转向支持。除责任问题外，他还支持州和联邦层面推进打击犯罪性滥用、劳动力发展、AI 素养和模型事实等工作，同时关注 Trump 政府预计将在6月或7月推出的全国 AI 行动计划。