# a16z 的 AI 政策负责人：最让他警惕的一句话，是「这只管几家大公司」 > Cognitive Revolution No. 251 中文精读 - 原标题：a16z on Protecting Little Tech: The Techno-Optimist AI Policy Agenda with Matt Perault, Head of AI Policy - 发布日期：2025-06-09 - 主持：Nathan Labenz - 网页版：https://cogrev.1mmt.com/ep/251-a16z-on-protecting-little-tech-the-techno-optimist-ai-policy-krvJyO.html - 精读字数：约 4734 字（阅读约 11 分钟） > 本文为 cogrev.1mmt.com 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。 纽约州正在推的 RAISE Act，把监管门槛设在一亿美元的单次训练成本。a16z 的 AI 政策负责人 Matt Perault 拿这个数字去问自家技术团队的同事，这条线能不能把小公司和大公司分开。同事的回答很干脆：现在建一个模型就要一亿美元。一条拦不住任何人的线，被写进了法案。 麻烦还在后面。法案没写清楚这笔钱不能累加。一家初创一年做四个两千五百万美元的模型，几年下来，自己也成了「大型开发者」。Perault 在播客里说这段时语气很平，听的人不太平。 这期《Cognitive Revolution》是他和主持人 Nathan Labenz 的一次长谈。Labenz 关注模型能力和安全，Perault 管一家顶级风投的 AI 政策。两人在很多问题上立场接近，在关键几步上分歧明显，而且分歧点说得相当清楚。这种对话不多见。 节目里还聊了加州在推的 SB 813，一套公私合作的监管框架，企业可以选入合规方案换取侵权责任豁免。Labenz 在开场就说了自己的顾虑：如果合规成本高到只有大公司付得起，这份法案会变成在位者的护城河。他把这个想法带进了对话。 ## 他是谁，以及一家风投为什么会关心十年后 Perault 的履历横跨学界、平台和政策圈。他在北卡教堂山分校办过技术政策中心，在 Meta 的政策团队待过，现在是 a16z 的 AI 政策负责人，同时挂着 Abundance Institute 和母校那个中心（现在归 NYU）的 fellow。他反复强调自己不做技术预测，工程师和计算机科学家坐在房子的另一头。 Labenz 开场问他，心里的「丰裕未来」长什么样。他答得不那么技术。父母和姐姐都是心理健康从业者，他从小就听家里人讲心理支持的价值，也看到这道门槛有多高：贵、难找、还有污名。所以他最在意的场景之一是拆掉心理治疗的可及性壁垒，前提是服务质量不打折。 另一个让他又爱又怕的场景是写作。他自认写作能力是学术生涯和职业生活的地基，而这台机器在这件事上追得很紧。他讲了个旧事：在 Facebook 时他跟老板说，「我明白我的工作就是给你一份糟糕的初稿」。老板回：「挺好的。不过偶尔能不能给一份好初稿？」 > 现在有了能写糟糕初稿的工具，也许某天还能写很好的初稿。 真正撑起他整套主张的，是一只基金的账本。a16z 的基金周期是十年。Facebook 的期权四年归属完。他待过的私募，时间视野通常比这短。十年意味着他们不能靠明天的股价，只能靠十年后还活着、还健康的公司。 **如果明年 AI 产品大爆发，后年因为一连串伤害事件市场塌了，他们拿不到想要的那种回报。**这句话解释了后面所有的取舍：他们要的不是最快，是能跑完全程。他也顺带澄清了一个常见误解，很多人以为他的工作做到「一条 AI 法规都没出」就算成功，那不对。 ## 核心主张：管有害的用法，不管研发过程 他给的原则一句话能说完：**监管有害的使用，不监管 AI 的研发。** 他拿软件业做参照。写代码这件事历来没什么监管介入。你写出的软件害了人，视具体情况，多数情况下现成的法律能找到你、起诉你，也让后来者掂量掂量。研发过程留白，有害用法兜底。 Labenz 追问研发这一端。他把前沿训练类比成生物学研究：实验室里问「如果让病毒具备这个特性会怎样」，动机往往是好的，为了将来能治，但历史上实验室泄漏不是零。这类风险有个特点，你不需要部署，甚至不需要打算部署。 Perault 对这个类比的反应挺诚实：他对生物研究监管了解不够，但从表面看是好类比。接着他给了 Cambridge Analytica 的例子。数据从 Facebook 流向一位学术研究者，按当时的条款是合规的。研究者后来滥用了。问题出在滥用那一端。学界一直在要更多数据访问权，这个方向大体是好的；拿到手之后怎么用，才需要严格的规则和惩罚。 他随后讲了一句被很多人忽略的话：研发本身是科学，是数学。**把数学定罪，只会让做科学的人变慢，对有害用法几乎没有作用。**所以他们的议程里，「管用法」是同等分量的另一半。 他把这件事说得比一般人具体。法学院的暑假他在司法部民权司的刑事组实习。去那儿的人都想打官司，实际上整个夏天你坐在办公室里看律师们「建案」。案子不会带着清晰的事实模式送到你面前，事实模式得自己挖。 **AI 违规也会是这样。用 AI 违反反歧视法，不会自己亮红灯。**你需要有人去建案，需要预算，需要懂技术的人看懂发生了什么，有些情况下还需要修法，让旧法条能把新伤害装进去。 他还指出一个制度事实：美国大部分刑法在州一级。想收紧「用 AI 实施犯罪」这种条款，主要靠州议员，联邦插不进来太多。劳动力培训、AI 素养、透明度这些，州和联邦都有得做。这是他把「管用法」当成立法议程而不是口号的原因。 这段话是整期里最能消解误解的部分。批评者听到「别管研发」就关上了耳朵，后面半句没进去。他自己也知道这个沟通问题存在，还开玩笑说可能就是因此大家觉得他只想放松监管。 ## 门槛之争：为什么「只覆盖几家大公司」让他睡不好 近几年一批法案走的是同一条路子：设一个门槛，门槛之上的公司必须写安全方案、公开方案、按方案办事，出了事故要报告。门槛设计的目标通常是让五到十五家公司被覆盖。提案方会说，这已经很克制，我们没打算掐死前沿研究。纽约的 RAISE Act 就是这样，提案人是州众议员 Alex Bores。 Perault 说他最怕的正是这句话。他在欧盟那边跟参与 AI 立法的人聊过，也听到同样的说法。**「这只管几家大公司」在大多数人耳朵里是理性克制，在他耳朵里是监管在制造集中。** 逻辑是这样：如果只有站在最前沿的公司被覆盖，而前沿的门票越来越贵，这套规则等于承认并加固一个寡头市场。一个创始人加五个工程师，从此不该有「我们也要做前沿」的野心。他讲这话时把「野心」这个词用得很重，还说入职前以为这只是听来的故事，现在他已经听了好几次。 那门槛该怎么设？他给了明确判断。收入门槛可以。**一家年收入几百亿美元的公司，拿出一部分做合规，没什么好争的。**成本门槛和算力门槛不行，那计量的是「造工具的科学」，跟一家公司有没有能力承担监管复杂度毫无关系。而且技术跑得比立法快，数字写死就过时。 Labenz 在这里提了个很硬的反对意见。他做过一个「在场玩家」的小测试，问人今天谁算头部 AI 公司，名单短的三个，长的从没超过十个。算力成本在降，但 scaling law 摆在那儿，幂律统治一切。要求前沿有很多玩家，是不是在跟自然规律较劲？ Perault 没否认天然门槛存在。他说 a16z 有扩大算力供给、扩大数据访问的想法，那些才是解法方向。他反问的是另一件事：**在天然门槛之上，政策制定者要不要再加一道人为的门槛。**加了，得到的就是电信业那种结构，极少数公司在一套严密监管下运营，历史上真有过政府直接授予一家垄断的先例。他说有人觉得那才是正确方向，在 a16z 看来那是创新更少、初创更难的方向。 ## 透明度的另一种写法：一张参数表 Labenz 的担忧更靠前沿一些。他注意到有些实验室在追求自我改进的循环，让模型自己改进自己的 ML 研究。Anthropic 发布 Claude 4 时有人说了句大意是「我们希望 Claude 接管所有 ML 研究，这样大家都能去海滩」。他还引了 AI 2027 情景的作者 Daniel Kokotajlo 的判断：现在前沿能力和对外部署之间的差距很窄，未来几年这个差距会明显拉大，因为大家在争夺霸权，谁也不愿意把底牌亮出来。 他问：能不能至少有透明度要求，让我知道你们实验室里的模型能干什么？ Perault 的回答分了法律和实用两层。a16z 专门写过一篇博客，主张很多透明度提案可能过不了第一修正案，对消费者也没什么用。法院判例里有一条比较清楚：要求企业提供有争议的、非事实的、或者负担过重的信息，很难通过审查。让公司去预测长期风险、给安全风险打分，落在这三类里。 他们提出的替代方案叫 **AI model facts**，说白了就是一张基本参数表。他举的例子很好用：知识截止日期。你问模型昨晚谁赢了球，如果它的训练数据停在几个月前，那就别信它给的比分。知道截止日期，你能问出更好的问题，也能判断什么时候该怀疑。 这套方案有四条标准：合法、对消费者有用、不违反第一修正案、对小公司不过分沉重。他说团队把现有提案里的条目一条条往里套，能同时满足的没几条。 两人在这块的差异，是两种世界观的碰撞。Labenz 担心闭门研发，尤其当公司可以在训练过程中不做充分测试、可以在内部部署时不用对外那套安全标准，**有些伤害一旦发生就没法回滚，预防是唯一可行的办法**。Perault 的回应很务实：公开一份安全协议文档，不等于不会有安全事故，如果这套动作跟产品的实际安全表现没有直接相关性，那它就只是在给研发加压。 这两句话其实都对。透明度和安全方案确实不能保证不翻车，但它们改变的是「外面的人知不知道里面在发生什么」。这个价值跟安全表现好坏不完全是一回事，容易被合并计算。 ## SB 813：一份「自愿」的天价门票 加州在推的 SB 813 是个新东西。它设计了一套公私合作的监管框架：企业可以选择加入一套由州政府批准、私人机构运营的合规方案，作为交换拿到侵权责任豁免，将来也可以退出。 Perault 说他们还在研究，先肯定了一点：**这份法案正视了侵权责任，而绝大多数提案根本不碰这个问题。**想让普通人放心用 AI 做那些琐碎但有价值的事，侵权法绕不过去。 然后他给出了最锋利的一击，针对「自愿」这个词。免责是一份巨大的好处。假如规则改成「交两百亿美元就给你免责」，大公司会交，小公司只能裸着承担法律风险。那不叫自愿，那叫用价格把人分等。 他的判断标准因此很简单：这套合规方案的成本，小科技扛不扛得住。扛得住，法案可以往支持的方向走；扛不住，那它就是在给在位者送优势。他希望随辩论推进，法案能改到对小科技可用的形态。 顺带还有几个信号值得记下来。他提到看到报道说欧盟在考虑暂停 AI 法案的实施，自己也说不知道准确性如何。全美只有一个州通过了综合性 AI 立法，科罗拉多，而科罗拉多州长公开支持过联邦层面的 AI 暂停令。**已经把手按在法条上的人开始犹豫，这个信号比任何评论都响。** 关于日落条款，Labenz 提了个三到五年自动失效的想法，理由很实在：没人想要一个 AI 版的 GDPR。Perault 说这类实验他一般喜欢，但给了个贴切的比喻：你想跑这场赛跑，还要跑得尽量快，而规则要求第一英里背着二十磅的背包。不是不能跑，是有成本，而且跑完之后名次可能已经变了。 ## 明天就能用上的几件事 这场对话的分歧点，多数不在价值观上。两人都不喜欢权力集中，都怕黑箱，都希望技术带来实打实的好处。Labenz 自称「典型的矛盾体」，对 AI 同时抱着强烈的期待和强烈的担忧。真正分开他们的是经验判断：scaling law 会不会在未来几年锁死玩家数量，能力会到什么水平、多快到，公开一份安全文档到底能降低多少事故率。**这些是可以被证据改变的，这也是这期播客最值得听的地方。** 落到具体动作，有五个： - 看到任何一份 AI 法案，先找两个词：它管的是「用法」还是「研发」，它的门槛用什么计量。收入门槛和算力、训练成本门槛，后果完全相反。 - 碰到「自愿加入」的合规方案，问一句：不加入的人要承担什么。如果答案是侵权风险全自负，那这个自愿里藏着一条价格线。 - 如果你在做产品，知识截止日期这类事实信息现在就能写进文档，成本接近零，用户真的需要。这就是 model facts 的最小可行版本。 - 关注美国联邦层面的国家 AI 行动计划，Perault 说会在六月或七月出来，那会是接下来最集中的政策信号。 - 跟人争论 AI 监管时，先分清这是价值分歧还是经验分歧。多数时候是后者，那就把话题拉回具体的数字和预测上，别在立场上互扔标签。 最后留一句他的自我定位：他不预测未来，他做的是让能造东西的人有地方造。这个姿态值不值得信，取决于你信不信他那本十年账本。至少他把账本摊开了。