谁应拥有AI？国有化的正反论点

今年5月，星展银行（DBS）首席经济学家 Taimur Baig 和国际货币基金组织（IMF）前经济学家兼作家 Anthony Annett 在《商业时报》（The Business Times）上撰文，主张将部分人工智能（AI）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。

它提出的问题其实并非“AI应否被国有化”，因为这种表述过于笼统。AI并非单一事物，它涵盖了基于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，以及成千上万家开发应用程序的初创企业。

真正的问题是：究竟要将什么国有化，以及国有化的程度有多深？

支持国有化的论据

Baig 和 Annett 的论点解决了部分合理担忧，值得我们完整地审视。

他们首要的担忧是安全问题。先进的AI系统一旦落入不法之徒手中，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。不法分子可能利用AI工业化规模地散播虚假信息，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。

为了加强论证，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。

有论点认为，如果AI具有类似的双重用途风险，或许它也应该得到类似的处理。

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 等——正在构建整个经济体未来可能依赖的基础系统。除了加剧不平等之外，这种集中并不会停留在经济层面，它还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：当今AI的突破可以追溯到数十年来由公共资金资助的研究，而模型本身所用的训练数据实际上也是由我们所有人产生的。

如果公众资助了种子、供给了土壤，那么或许公众也应该分享收获的果实——一种资本红利，其分配方式类似于主权财富基金分配回报，而不是让少数股东完全攫取这笔意外之财。

这个论点很有说服力，但也过于宽泛，经不起AI实际运作方式的推敲。

核能的类比其实并不完全适用。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，并通过检查核设施来侦测是否有物质被转用于制造武器级铀，这大致就是核不扩散机制所做的工作。

AI则不同。它是代码、学习模型和专业知识。它已经扩散到成千上万的研究人员、大学、开源代码库中。而且，正如我们所见，随着可免费下载的中国模型的兴起，它已经跨越了目前不受任何条约管辖的国界。你无法圈禁已经泄露到数百万台笔记本电脑中的东西。

即使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。

在尖端技术开发方面，政府很少是行动最快或最具创造力的建设者——官僚机构追求的是谨慎和问责，而非能带来突破的快速、反复试错的实验。

将构建前沿模型的实验室国有化，你可能会得到更安全的AI，但你也很可能得到发展更慢、能力更弱的AI。

为什么国有化不能一刀切

AI生态系统是分层的，而安全和权力方面的论点在不同层级上的适用性也各不相同。

最顶层是基础模型——即GPT、Claude和Gemini级别的系统，这些系统具备Baig和Annett所描述的那种可能造成灾难性滥用的能力。在这一层，他们的论点最为有力，核能的类比也在此处才算有一定道理。

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，而不是控制灾难性能力的问题。台湾无需将台积电（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，是初创公司和应用程序开发者——成千上万家公司在他们自己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这里几乎不适用。

将这三个层面混为一谈，用单一政策——“将AI国有化”——来应对，是一种范畴错误。辩论应该只围绕顶层展开，即便如此，也应谨慎行事。

新加坡的案例

对于新加坡这样的国家，国有化就更没有意义了。

新加坡的AI战略从来都不是构建下一个前沿模型，而是着重于应用——由私营企业（通常是小公司）开发的、解决物流、金融、医疗保健和语言领域的具体问题的工具。

这个国家的经济模式依赖于外国投资、开放竞争以及作为创业便利、环境可预测之地的声誉。

一个由国家主导的AI产业将与这三者背道而驰。

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。它还会削弱应用层面的竞争，而正是竞争推动了这一层面的质量提升。

而且，它很可能会生产出更差而非更安全的产品，因为国有化的安全理由始终是针对前沿模型，而不是针对那些在客服热线上嫁接聊天机器人的外卖应用。

新加坡的利益不在于拥有AI，而在于确保主要由他国拥有和构建的AI在进入新加坡时得到良好治理。

更佳角色：裁判兼偶尔的教练

如果直接拥有权对于几乎整个AI经济来说是错误的工具，那也并不意味着政府无事可做。

这给他们留下了一项更艰巨的工作：设计游戏规则，而不是成为主要玩家，并帮助游戏朝着正确的方向更快发展。

第一个杠杆是围绕敏感行业设立护栏。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。

税收减免和津贴可以是有效的工具，政府可以利用它们引导AI发展，使其倾向于开发增强工作能力的工具，而非取代工作的工具；减缓AI在基础教育中的推广速度，以免削弱儿童的认知发展；并奖励那些旨在促进公共卫生、城市规划和灾害应对等领域公共利益的创新，而不仅仅是追求私人利润。

第三个是有真正约束力的治理标准。这正是监管发挥作用的地方：高风险AI系统在上线前必须经过强制性测试和认证，就像新药上市前需要获得批准一样；对于在健康、信贷、招聘和保险等领域对人们生活有重大影响的决策，要求具备可解释性；部署前进行独立审计，而非事后补救；当AI系统造成损害时，实行强制性事件报告制度；以及制定溯源标准——既包括用于训练模型的数据，也包括为AI生成内容打上标签，让虚假信息带上“指纹”。

新加坡已经通过 AI Verify 开始了部分这方面的工作。AI Verify 是全球首个由政府构建的AI测试工具包，可对AI的公平性、稳健性和可解释性进行技术审计。

第四个杠杆较少被讨论，但它值得同等重要的地位：政府不仅是裁判，也应是加速器。

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，试用创新的金融产品，然后这些产品才能获准进入更广阔的市场。

同样的逻辑也恰好适用于AI：监管沙盒允许一个医疗保健AI工具、一套自动驾驶系统或一个新的金融咨询机器人，在有监督的情况下，根据真实条件进行测试，这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推向公众。

如果做得好，沙盒能让国家做到国有化永远无法做到的事情：加速安全的创新，而不是减慢创新的步伐。

Baig 和 Annett 的看法是正确的：AI并非普通技术，政府不能在少数公司构建可能造成系统性危害的系统时袖手旁观。但正是那个使他们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，但模型和应用却不能。

对于几乎整个AI经济而言，完全国有化是错误的工具——对于像新加坡这样建立在私营、竞争、应用驱动层面上的经济体来说，它更是有害的。

国家能够也必须做的是，掌握少数可能导致崩溃的系统的钥匙，以有约束力的真实标准来监管其他所有参与者，并——通过监管沙盒等工具——帮助好的想法比坏的想法发展得更快。所有权从来都不是真正的重点。《海峡时报》