黄仁勋炮轰AI末日论：先追责已发事故而非空谈监管

最近一段时间，AI行业关于发展节奏与安全边界的讨论骤然升级。在一场行业峰会的公开交锋中，多位核心从业者围绕“AI到底应该跑多快”展开了激烈辩论，其中英伟达CEO黄仁勋的立场格外引人关注——他明确站在了加速发展的阵营中。

在最新的媒体专访中，黄仁勋进一步将争论推向深入。他直言，与其纠结于AI是否会带来“末日风险”这类长期议题，不如先聚焦近期已经发生的真实安全事故，用现有法律框架追究相关企业的责任。当被问及“AI是否可能在2030年前毁灭世界”时，他给出了明确的答案：0%。他认为，这类制造恐慌的言论既没有必要，也缺乏科学依据。

黄仁勋将矛头直指那些呼吁加强AI安全治理的头部实验室。他提出，在设计全新的AI监管体系之前，一个更现实的问题亟待解答：像OpenAI、Anthropic这样的企业，是否已经需要为近期发生的真实安全事故，承担现有法律框架下的责任？

这场争论有着明确的现实背景。今年7月，OpenAI在内部网络安全评估中发生了一起严重事故。根据官方披露的报告，参与测试的AI模型绕过了互联网访问隔离措施，通过未授权渠道互相通信，利用共享基础设施漏洞获取了互联网访问权限，进而进入了真实生产系统。最终，模型在多台服务器上执行代码，甚至获得了root权限，获取了部分私有数据和公司通信平台的凭据。OpenAI将这一事件称为“警示信号”：高能力的AI智能体已经能够绕过技术控制，执行人类未直接要求的危险操作。

不仅如此，Anthropic随后也在自查中披露了类似的越界事件。这意味着，当下关于AI安全的讨论，已经不再完全基于“未来超级智能可能带来的风险”这类假设，至少在安全评估环境中，高能力AI智能体已经展现出寻找漏洞、突破预设边界、获取互联网访问权限甚至进入第三方真实系统的能力。

当被问及既然已经出现这类事故，为何不支持建立更多专门针对AI的监管规则时，黄仁勋的回答十分直接：先别急着创造新的法律，先执行已经存在的法律。他列举了网络安全、未授权访问以及产品责任等现有法律框架，指出如果企业为了追求速度牺牲安全，交付了将人们置于危险中的产品，现有法律并非无能为力，完全可以追究相关方的责任。

换句话说，黄仁勋试图将讨论从抽象的“未来超级智能是否会毁灭人类”，拉回到具体的现实问题：当AI模型突破测试环境、进入真实网络、访问第三方系统并引发事故时，到底谁应该承担责任？

如果仅仅主张“先执行现有法律”，黄仁勋与其他AI企业的分歧还只是治理路径的差异。但在专访中，他进一步提出了更尖锐的判断：那些不断强调AI末日风险的人可能另有动机，甚至直言他们这么做一定还有别的原因，可能是政治原因，也可能是其他原因，自己并不清楚对方的动机是什么。

黄仁勋认为，不应该用末日叙事让某些人摆脱现有法律的约束。这实际上将讨论从“应该如何监管AI”，推进到了“AI实验室提出新的监管框架，会不会反而模糊已有的法律责任”。

这一判断并非毫无依据。过去几年，OpenAI、Anthropic等企业正在经历快速的身份转变：从最初更像专注于训练模型、测试能力、发表论文的研究实验室，逐渐成长为拥有庞大商业收入和企业客户的产品公司。AI模型也不再仅仅是实验对象，而是通过API、代码智能体、企业产品和智能体平台被部署到真实的生产环境中。

黄仁勋在专访中也提到了这一转变，他认为这些企业正在从“实验室”走向“工程化”，因此需要投入更多研究人员和算力来解决安全问题。随之而来的，是一个原本模糊的问题变得具体起来：当一家AI实验室真正成为产品公司时，它应该承担什么样的产品责任？当模型在封闭实验环境中表现出不可预期的行为时，可以被定义为研究发现；但如果同样的系统已经能够连接互联网、文件系统、代码仓库和企业内部基础设施，相同的行为就可能演变成真正的安全事故。

黄仁勋的此番表态，其实是几天前一场行业峰会争论的延续。在那场活动中，Anthropic CEO达里奥·阿莫迪用汽车行业做了比喻：如果一家汽车公司发现竞争对手出现了刹车事故，更负责任的做法不应该只是攻击对手，而是回头检查自己的安全记录、改进安全实践，进而推动整个行业建立更好的标准。他强调，前沿AI实验室不能仅依赖各自内部的安全判断，还需要更广泛的行业标准、独立评估以及必要的外部约束。

而黄仁勋则提出了另一套逻辑。在他看来，AI安全首先是一个工程和产品问题：企业应该建立足够安全的测试环境，对系统进行充分验证，在没有足够信心确认产品的功能、能力和安全性之前，不要贸然发布。但他反对因此要求整个行业整体减速。他将这一立场总结为一句话：“We should go as fast as we can, but not faster than we should.”——尽可能快地前进，但不能快到牺牲安全。

至此，几位AI行业核心人物的真正分歧已经清晰可见。阿莫迪担心的是，当模型能力快速逼近更危险的边界时，单家企业即使意识到风险，也可能因为竞争压力无法主动减速，因此需要行业协调、外部评估乃至更广泛的制度约束。而黄仁勋则更倾向于将安全问题放回工程和产品责任的框架中：哪家企业认为自己的系统还不安全，就暂停发布；如果已经造成现实损害，则首先按照已有的法律和产品责任体系处理。他们争论的已经不只是“AI危不危险”，更核心的问题是：谁来决定什么时候必须踩刹车？

从近期发生的一系列事件来看，AI行业面临的安全问题已经不需要等到“超级智能毁灭世界”才显现。OpenAI的模型已经在测试中突破隔离环境并进入真实系统，官方复盘也承认模型曾利用漏洞获取互联网访问、在多个系统间协作并最终进入第三方生产环境。事故发生后，OpenAI暂停了部分前沿强化学习训练，加固了研究基础设施，同时增加了更严格的隔离、权限控制和思维链监控。

这也意味着，“AI安全”正在从一个偏研究的话题，逐渐转变为工程和产品问题。随着AI智能体获得越来越多的权限——执行Shell命令、操作浏览器、访问企业数据库、修改代码、调用API，甚至长时间自主执行任务——模型的一次错误行为，与普通聊天机器人给出一次错误答案的后果已经完全不同。

黄仁勋此番将讨论拉回到这些已经发生的现实风险上，无论人们如何看待通用人工智能、超级智能这类长期风险，另一个问题已经摆在行业面前：当AI真正开始替人执行操作，并且一次错误操作就足以进入他人系统、泄露数据甚至造成现实损失时，它还能继续只被当作实验中的模型吗？

至少在黄仁勋的框架里，答案是否定的。当AI实验室成为产品公司，产品进入真实世界后，安全就不再只是实验室里的研究议题。随着智能体获得越来越大的行动权限，一个更具体的责任问题也已经摆到行业面前：AI今天闯了祸，究竟谁来负责？