David Sacks

你把20%的股权放进了一家LLC。它是否服务于公共利益，还有待观察。

这正好说明了我一直强调的一点：在网络安全领域，对超级智能安全采取集中式管理是有局限的。 OpenCode（以及更早的 Hugging Face）在攻击进行到一半时撞上了同一堵墙：前沿模型拒绝分析防御所必需的那些漏洞利用，因为这些载荷触发了安全过滤器。护栏适得其反。 与此同时，攻击者却找到了绕过限制、获取先进能力的办法。这并不意外。在网络安全方面，中国模型只比美国前沿落后大约 6–9 个月。显然，美国对它们没有管辖权。 唯一持久的应对之道是去中心化：让强大的模型可以被使用，这样防御方就能构建并运行自己的网络防御。应对超级智能驱动的网络攻击，唯一的解法就是超级智能驱动的网络防御。

👇

10²⁵ FLOPs 还是前沿门槛吗？ Anthropic 撰写的一份新的安全法案正在国会山流传。如果只针对真正的前沿公司，其中一些想法可能还算合理。但按目前的写法，它最终会波及硅谷的大部分公司，损害创业生态。 该法案将“前沿”定义为任何在 10²⁵ FLOPs 上训练的模型——这是 2023 年的欧盟标准。拜登的行政令、加州的 SB 53 和纽约的 RAISE Act 用的都是 10²⁶（十倍于此）。而今天真正的前沿在 10²⁷（例如 GPT-6 Astra）。 据报道，Astra 是在 10 万+ 块 Grace Blackwell GPU 上训练的。而一个 10²⁵ 的模型，最少只需几百块 GB300 芯片训练三个月就能完成。这在 2026 年算不上前沿。 这个定义还是累计式的：它会把微调、强化学习或其他实质性修改所消耗的 FLOPs 加进去。实际上，这几乎涵盖了所有有意义的后训练工作——而这类工作在企业中正变得越来越普遍。 企业界的趋势是构建数千个为特定工作负载定制的小模型。这些模型不构成前沿风险。把它们当作前沿系统来对待，只会给全美企业带来高昂的合规成本，而换不来任何安全收益。 Dario 曾声称，Anthropic 设计规则是为了让像他自己公司这样的前沿企业处于劣势，而让较小的竞争者占优。这个定义做的恰恰相反。 一个过时的 2023 年门槛，有利于那些已经跨过门槛、且能消化成本的现有巨头。它束缚的是那个威胁到 Anthropic 定价权的开放模型生态。 前沿在不停移动。任何旨在追踪风险的定义都应该随之移动。 Anthropic 应该澄清一下，他们是否真的认为 10²⁵ FLOPs 代表前沿。

Patrick 是我在政府里共事过的最敏锐的人之一。没有人比他更懂加密政策，也没有人比他更努力推动市场结构立法。他谈成了必要的妥协，让 Clarity 走出委员会、进入参议院全院审议——没有他，根本走不到那一步。他在白宫、五角大楼以及身着军装的服役，国家都欠他一份感谢。期待看到他在私营部门接下来的作为。🇺🇸

小模型真的是威胁吗？ Anthropic 恐惧工厂刚刚发布了一份新报告，警告说小模型可能只需几个月就能在廉价的 IoT 设备上自我复制，比如杂牌 Android TV 盒子和智能烤箱。他们说这种 AI 蠕虫很难被关停，因为不存在中央 kill switch。 我们已经从“终结者要来了”进化到“你的烤面包机可能会杀了你”。 但实验并不支持那些耸动的标题。他们在一个 26B 模型上跑了 15 台 55 美元的 TV 盒子，速度是每秒 0.39 个 token。端到端测试用的是模拟设备，而且故意开放了 ADB 端口，所以“黑客攻击”这一步根本毫无难度。那个有能力的模型往往跑在单独的服务器上。Agent 被约束住，然后被告知去传播。这并不能证明野外存在自主的流氓 AI 蠕虫。 这威胁甚至都不新鲜。不用 AI 就能干这事的蠕虫早就存在了。2016 年的 Mirai 扫描默认凭证，构建了庞大的 DDoS 僵尸网络。Kimwolf 已经感染了超过两百万台设备，大多是廉价的 Android TV 盒子，靠的就是攻击开放的 ADB 端口。 小模型目前在这些目标上并没有增加多少真正重要的东西。瓶颈从来都不是搞清设备是什么。瓶颈是海量设备出厂就带着开放端口、默认密码，而且从不打补丁。传统蠕虫早就已经在大规模利用这一点了。 一个务实的攻击者会用离线可用的最强模型来设计一个更好的传统蠕虫，然后发布精简的二进制文件。你在设计阶段就获得了智能上的收益，又不用在每次感染时拖着一个又慢又重的模型。把弱模型嵌进 payload 里，对任何真正想要最大、最快僵尸网络的人来说都是更差的选择。 Anthropic 这轮最新恐慌宣传的时机很难让人忽视。就在前一天，Brian Armstrong 发帖说 Coinbase 用专有欺诈数据微调了一个开放权重的小模型（Qwen-3.5-9B）。它击败了前沿模型，包括 Anthropic 自家的 Opus 4.5，同时更快、便宜得多。在测试中，它把欺诈交易减少了大约 30%。 这就是正在浮现的模式。对于狭窄的企业工作负载，你不需要通用超级智能。你需要的是一个用你自己数据训练出来的小型专家模型。运行成本更低，尤其是在算力越来越紧张的时候，而且在真正重要的指标上往往更好。这对前沿公司那种“售卖越来越大通用模型访问权”的商业模式是直接威胁。 安全倡导者应该欢迎这一发展。如果真正担心的是来自越来越大的前沿系统的生存风险——那些理论上能进行持续自主研发或变得难以控制的系统——那么转向更小的专用模型才是更安全的结果。 专门用于欺诈检测或客服工单的小模型并没有在推动前沿。它们不属于可能变成一个新物种的系统类别。理论上的失控风险，是由模型变得更大、更通用、能力更强所创造的。 关注这些风险的安全倡导者应该欢迎企业拥有一个比不断扩展通用模型更便宜的替代方案。结果我们得到的，却是在小模型开始真正从 Anthropic 这类闭源模型公司手中夺取企业份额的 exact 时刻，对小模型发出的戏剧性警告。

Anthropic 表示，在蒸馏攻击中从 Claude 获取的数据量已减少约 90–99%。祝贺他们取得这一成果。 这与我几个月前提出的观点一致（All-In 第 282 期）：最有能力阻止自家模型被蒸馏的，是 Anthropic 自己，而不是政府。马已经跑出马厩之后，事后政府行动的价值有限。 当时华盛顿有一股很大的推动力，要以知识产权为由限制开放模型。这一威胁看起来足够严重，以至于 50 家公司——包括 Nvidia、Microsoft、Meta、IBM、Palantir 和 Dell——发表了一封公开信，为开放权重模型辩护。Jensen Huang 在他人生第一条 X 帖子里推广了这封信。近 200 家初创公司也发出了类似信件。 我当时主张，限制开放模型可能会消除闭源模型公司自行解决问题的动力——还可能奖励疏忽，因为它在这些公司继续从蒸馏中获利的同时扼杀竞争。政府最终没有实施那些限制。 现在我们看到了结果。Anthropic 投入了防御，而且奏效了。不是每一个技术挑战都需要跑到华盛顿去寻求新监管。