Matt Perault

a16z 的 Little Tech 核心判断是：为万亿美元级 incumbents 制定的 AI 规则，可能进一步叠加它们在资本、算力和人才上的既有优势。 关键对比在于“5个人、在车库里就能创业”，对上“千人级合规团队”；许可、审计、影响评估和信息披露制度，可能让少数 frontier developers 的领先地位进一步固化。对投资者而言，政策设计可能决定初创企业能否继续成为可信的挑战者，还是让市场在制度层面走向集中。

Matt Perault 和 Collin McCune 不主张零监管，而是主张“监管使用，不监管开发”。 现有的消费者保护、民权和刑法已经覆盖许多有害的 AI 使用场景，而开发端管制会在违规发生前就把负担施加给每一个开发者。Perault 将这一立场与创投的 10年基金周期联系起来：不安全、充斥诈骗的产品，以及公众对 AI 的不信任，都无法支撑投资者所需要的持久生态。

两人认为，2023年的安全恐慌几乎让一种针对软件、前所未有的开发许可制度常态化。 CEO 作证、存在性风险倡议，以及对社交媒体政策的“重做”，催生了 frontier license、核工业式监管、基于 FLOPs 的披露要求和开源禁令等提议。Perault 的警告非常具体：美国核政策在“50年里只建成2或3座新核电站”；如果把这套模式套用到 AI 上，就会压制突破，而按他的绝对判断，这意味着“输给中国”（“you lose to China”）。

Colorado 是他们最清楚的案例：合规流程可能取代真正的保护。 其框架要求资源有限的初创企业对高风险用途进行分类，并完成可能发现偏见、却不会“终结我们社会中的种族主义”的评估或审计。Perault 更倾向于直接追责：明确规定，使用 AI 违反反歧视法属于违法行为，然后由总检察长针对可观察到的伤害执法。

他们承认，如果 AI 确实带来增量风险，现有法律可能并非终点。 当被问及恐怖主义、网络犯罪或其他能力是否可能变得强大“10,000倍”时，Perault 认为这种情况可以想象，并支持制定能够回应边际风险的政策。他反对的是猜测性的事前监控——预测谁可能违法，并在行为发生前介入——因为这种做法既可能侵犯隐私，也可能无效。

National AI Action Plan 标志着政策主张从“安全优先、附带一点创新”，转向在保障人们安全的同时赢下竞争。 两位嘉宾重点提到对开源、适度的初创企业监管、工人再培训、劳动力市场监测，以及更清晰的联邦与州权责划分的支持。对 China 而言，McCune 认为这是一个艰难的权衡：限制必须确保强大技术不会落入 PLA 和 CCP 手中，但如果把美国开源模型锁死，就会给中国产品成为全球默认平台的机会。

联邦 moratorium 的失败暴露了政治执行风险，而不是对“50州拼装式 AI 监管”的共识。 McCune 称，外界将其理解为禁止所有州级 AI 法规 10年，是对文本的误读，但“感知就是现实”；一个党派色彩鲜明的 reconciliation vehicle，加上一两名共和党参议员，就足以让提案失败。下一轮推动将聚焦更窄范围的联邦模型监管先占，背后有更组织化的联盟和 Leading the Future PAC 支持——不过 Perault 预计，Big Tech 和 Little Tech 可能会再次在具体细节上分道扬镳。

🔗 原始收听与视频来源： AI 的 Little Tech 议程

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。

🔗 原始收听与视频来源： a16z 谈保护 Little Tech：与 Matt Perault 讨论技术乐观主义 AI 政策议程