集中是一整套堆叠结构,而不是某一个市场份额
AI 领域的权力,分散在半导体设计、芯片制造、先进封装、数据中心、云平台、能源、数据、基础模型、应用分发,以及高技能劳动力等多个环节之中。一家企业完全可能在某一个环节面临激烈竞争,同时却在另一个环节依赖于某个关键节点。因此,单纯统计聊天机器人品牌的数量,并不能回答底层系统是否已经集中这一问题。
目前的证据,针对的是前沿生成式 AI 及其供应链。「某一家实验室将会掌控 AGI」这一说法,是一种情景设想,而不是一项已经观察到的结果。但它依然值得分析,因为对异常通用、且具有巨大经济价值的系统的掌控,可能会放大既有的种种优势。
为何前沿研发天然偏向规模效应
训练与服务领先模型,可能需要巨额资本投入、稀缺的芯片资源、电力、网络,以及专业化的团队。云服务提供商能够把这些成本分摊到众多客户身上,并为开发者提供即时可用的基础设施。模型开发者则能从分发渠道、用户反馈,以及能够为下一代模型提供资金的收入中获益。这些效应,即便在算法本身已经公开发表的情况下,依然可能构成进入门槛。
但这一模式并非不可避免。算法效率的提升可以降低成本;规模较小的模型也可以在专业化任务上参与竞争;开放权重能够支持本地化部署;而只要接口保持可移植性,客户就能够在不同的 API 之间自由切换。因此,「集中程度」理应被实际衡量,而不是想当然地加以假定。有用的衡量指标包括:云服务市场份额、加速芯片供应、训练算力的可获取程度、模型性能之间的差距、切换成本、排他性合同、互操作性、人才流动情况,以及依赖少数供应商的下游产品所占的比例。
斯坦福大学 2026 年《AI 指数报告》显示,2025 年全球企业 AI 投资总额同比增长逾一倍,其使用范围也已在各类组织中广泛铺开(斯坦福 HAI,2026 年)。投资总额所展现的,是规模与势头,而非垄断权力本身。行业资助的调查,也可能会过度代表那些大型采用者,因此,国家层面的统计数据与采购数据,依然十分重要。
企业权力的影响,超出了价格本身
一家通用模型提供商,能够决定其系统在哪些语言、观点与活动上表现出色;哪些用户能够获得访问权限;哪些数据会被保留;以及哪些下游开发者需要承担相应责任。这些选择,可能会同时影响教育、媒体、就业、医疗与政府采购等诸多领域。
传统意义上的竞争损害依然存在:将模型访问权限与某个云平台捆绑销售、对关联应用给予优待、排他性的产能协议、对潜在竞争对手的收购、带有歧视性的 API 条款,以及高昂的数据迁出或切换成本。但当一项被补贴的服务演变为基础设施时,单纯的价格因素,可能会让人忽视其中所隐含的治理权力。
集中有时也能够提升安全性。一家运营着受控 API 的供应商,能够监测滥用行为、修补安全漏洞、撤销访问权限,并为评估工作提供资金。而碎片化的格局,则可能让问责变得困难。与之相对的风险则是:一个小群体可能会自行制定规则、隐瞒信息,或变得重要到令各国政府都无法对其加以约束。真正的政策难题,在于如何在不预设「集中」或「开放」本身就自动安全的前提下,同时保留问责机制与冗余能力。
云、芯片与能源各自构成独立的关键节点
领先的加速芯片,依赖于一条全球供应链,其制造与封装环节在地理上高度集中。出口管制措施本身就表明,各国政府将获取这些投入品的能力,视为一项战略性事务。数据中心同样依赖本地电网、水资源、土地、许可,以及交付周期较长的设备。相关社区可能要承担基础设施与环境方面的成本,而收益却流向了别处。
算力治理可以利用其物理层面的可追溯性,但如果合规成本更多地落在中小企业身上,它也可能进一步巩固既有巨头的地位。公共政策应当追问:谁能够合法获取算力、高校与初创企业是否拥有相应的准入渠道,以及各项报告阈值究竟是与实际能力相关,还是仅仅构成了一道固定的护城河。
国家权力与政企之间的相互依赖
各国政府负责出口许可审批、资助研究、采购云服务、制定能源与电信规则,并开展情报活动。企业则拥有政府本身可能缺乏的技术专长与基础设施。这造就的是一种相互依赖关系,而不是一个「企业正在取代国家」这样简单的故事。
国家安全层面的合作关系,能够提升韧性与监督能力,但保密性也可能削弱民主问责。各国政府可能会将 AI 用于监控、目标锁定、边境管控、治安维护或信息行动。把相关能力集中在民主国家手中,本身并不能确保其用途一定符合民主原则;采购法律、司法审查、公民权利保护、监察机制与立法监督,依然不可或缺。
出口管制可以拖慢竞争对手的步伐,但也可能加速本土供应链的形成、造成标准的碎片化,并强化「竞赛」式的叙事。这些都是可能出现的次生效应,而非必然的结果。相关证据,应当把「宣称的政策目标」与「已实测的结果」区分开来。
数据与劳动力,同样是权力的来源
各类模型依赖于创意工作、公开信息、经授权使用的数据库、用户互动,以及人工反馈。围绕知情同意、版权、补偿与隐私的种种争议,关乎的是谁能从这些投入中捕获价值。即便模型市场本身充分竞争,它依然可能建立在开发者与创作者或劳动者之间不平等的议价关系之上。
集中效应同样也影响着这一行业内部的劳动力状况。一个规模有限的雇主群体,可能会让安全研究人员在出现分歧后,更难在不牺牲专业化职业发展或股权的情况下选择离开。可执行的举报人保护机制、对报复性保密条款的限制,以及可携带的职业资质认证,都能够提升内部人员的独立性。
开放权重让局面变得更加复杂
当只有模型权重可供获取时,不应随意使用「开源」这个说法。训练数据、代码、文档与许可权利,依然可能处于封闭状态。广泛可得的模型权重,能够降低对托管 API 的依赖、支持独立研究、支持保护隐私的本地化使用,并拓宽创新的空间。但它们同样也可能让安全防护措施被随意修改,并让具备强大能力的系统扩散到无法收回的地步。
美国国家电信和信息管理局(NTIA)2024 年的一项评估发现,当时的证据尚不足以支持对广泛可得的模型权重实施一刀切的限制,同时建议持续监测,并保留随能力变化而做出相应调整的能力(NTIA,2024 年 7 月)。这一结论有明确的时效性与前提条件,而不是一个永久性的定论。
治理选项及其取舍
没有任何单一的干预措施,能够覆盖所有的环节。竞争执法可以审查排他性行为与并购交易。互操作性与数据可携性能够降低切换成本。公共或共享算力,能够拓宽研究的准入渠道。采购要求可以规定审计权限、事故报告、安全保障与退出方案。面向公共利益的研究资助,能够降低对各实验室自身议程的依赖。公司治理规则与外部评估,则能够对自我监管形成约束。
结构性拆分在某些情境下或许是恰当的,但这样做可能会牺牲整合所带来的效率,也无法解决全球芯片产能集中的问题。许可制度可以施加安全义务,但设计不当的许可制度,也可能反过来保护既有的行业巨头。公共所有权能够让基础设施与社会目标相一致,但依然需要具备胜任能力、且尊重权利的管理。
利益冲突应当是可见的。前沿企业有动机去支持那些自己能够负担、却会给规模较小的竞争对手带来负担的规则。开放模型企业则从「支持开放」的论调中获益。云服务与芯片企业,则从算力需求的不断扩张中获益。安全类组织、劳工团体、创作者、民权倡导者与国家安全机构,同样各自带着不同的使命。披露利益关系,并不能一劳永逸地解决争论,但它有助于读者自行评估这些论点。
AGI 可能带来的改变
如果某个系统能够将研究、管理、说服与软件生产中的很大一部分实现自动化,其所有者可能会以远超普通竞争或政府流程所能应对的速度,不断累积优势。这是一种理论上的机制,而不是「递归式主导地位必然会出现」的证明。瓶颈、信息外泄、监管、协调机制,以及收益递减规律,都可能对其加以限制。
审慎的目标,应当是建立起一种可被质疑、可被问责的能力体系:任何单一的失误,都不应使基本服务陷入瘫痪;任何供应商,都不应凌驾于合法监督之外;研究人员与用户,都应当拥有真正有意义的替代选择;而公众,也应当分享建立在集体投入之上所产生的收益。权力集中之所以构成风险,是因为其中的激励机制与依赖关系,而不是因为每一个大型组织都心怀恶意。衡量整个堆叠结构、并对每一个关键节点分别加以治理,要比单纯信赖市场竞争或制度层面的善意,更为可信。