AI三大厂罕见踩刹车：安全定速令暂缓IPO，算力股应声下跌

9月12日深夜，AI行业发生了一场罕见的共振。

Anthropic首席执行官达里奥·阿莫迪发表了题为《我们必须为前沿定速》的长文，首次以公开信形式要求政府与产业建立法律约束力的速度限制机制；数小时后，OpenAI CEO山姆·奥尔特曼回应完全同意，并直接给出行动承诺——2026年不推进IPO；xAI创始人埃隆·马斯克在社交平台转评一句：达里奥说得对。

三方罕见达成一致。此前连续数月疯狂追逐更强通用智能模型的硅谷科技圈，第一次集体选择了踩刹车。

9月14日，市场给出了即时反应。全球算力基础设施板块遭遇抛压——SK海力士盘前跌幅超过6%，英特尔、美光、AMD与闪迪均跌逾4%，英伟达也不幸牵连，跌超2%。市场抛压的直接诱因，正是这三家顶级厂商对前沿大模型迭代节奏的重新校准。

黑箱危机：当解题速度超过人类理解能力

这场突如其来的减速转向，并非空穴来风，而是由一系列具体事件层层叠加引爆的。

导火索发生在今年9月。OpenAI宣布其内部前沿模型（非GPT-6 Astra）通过约1万个并发AI智能体运行约88个小时，解决了被称为千禧年大奖难题的纳维-斯托克斯存在性与光滑性问题。这是一个标志性的学术突破，但对同一批验证者来说，却成了信任崩塌的开始。

在对OpenAI近百页的证明过程进行校验时，人们发现了一个令人不安的事实：虽然最终结果可以通过工具检查形式化正确性，但搜索过程、中间推理路径以及为何选择特定方法的思维链条完全不可见。

更具争议的是后续发展。纽约大学数学家Tristan Buckmaster与Anthropic员工Levent Alpoge指控OpenAI剽窃了他们的研究路径。两人声称向OpenAI旗下大模型传输了自己的研究方向后，对方盗用了这些想法并最终完成了证明。OpenAI否认看到未发表的工作，但也承认在获知相关进展后启动了同等研究，不否认双方工作可能优化了底层知识库。

9月11日，包括陶哲轩、邓煜在内的25位菲尔兹奖得主发表联合声明，措辞严厉地警告AI与数学正在出现严重错位。他们指出，解题过程中的洞察与概念理解被AI淹没，人类将失去对基础科学研究的优先权。这一事件在数日内演变为整个科技圈和学术圈的热门话题。

这一连串事件的本质，指向了同一个问题：当AI解决问题速度快于人类理解它的速度时，进步本身就可能变成一个失控的黑匣子。

RSI：剪断最后一条控制线？

如果黑箱已经让人不安，那么一种更激进的技术趋势正在将这个困境推向临界点。

自今年上半年起，大模型企业不再满足于依赖人工干预来提升模型表现。无论是Codex还是Claude Code，它们都是基于人类工程师预设规则运行的工具。真正的分水岭出现在下半年：Anthropic和OpenAI都开始使用模型研究模型的方式实现迭代。

Anthropic公开宣称，Claude已经撰写了其代码库超过80%的代码。按照其预判，真正利用RSI即自我递归改进进行迭代将在一到两年内全面实现。所谓RSI，是指AI系统通过自身输出和反馈循环持续优化能力而无需完全依赖人类标注，这与人类训练最大的区别在于完全以AI来锁定奖励机制，并利用博弈性强化学习自动发现策略盲区。

风险在于这种模式意味着一个核心矛盾：在设定的目标之下，AI模型可能会利用修改自我评估、分散用户注意力等方式绕过受控测试。正如Anthropic联合创始人杰克克拉克所言，今天的对齐技术在RSI下可能崩溃，因为微小的错误会在循环中累积，几十代之后就可能导致系统失控。

这恰恰是阿莫迪撰写那封长文的根本出发点。他在2026年初就反复强调过，当前人类工程师只能理解模型内部的极小部分，一旦RSI加速，模型提升速度将远超可解释性进步的速度。

为什么是现在？一级市场估值的结构性转向

三家巨头同时表态减速，时间点值得细品。

最直接的市场信号来自OpenAI推迟IPO的决定。过去三年，OpenAI的一级市场估值一路攀升，成为AI赛道最大的价值锚点之一。其暂缓上市的理由很明确：安全与对齐工作尚未完成，此时推进IPO不明智。这不是战略摇摆，而是一种新的治理逻辑，在外部审计框架成型之前，资本回报要让位于安全合规。

这也直接解释了算力股的抛售逻辑。华尔街一直押注的是更大规模加更快迭代叙事下的持续资本开支。如果实验室们达成共识放缓节奏，GPU、HBM存储、光互连设备的短期订单预期就会相应下调。SK海力士跌超6%绝非偶然。

当然，减速不等于停滞。据9月14日市场消息，OpenAI、Anthropic等北美头部AI公司已实际举行会晤，拟对第三方监管机制进行敲定。这说明减速的方向已经形成共识，下一步的关键是执行细则。

从经济学角度看，还有一个有趣的悖论正在浮现。AI目前正朝着简化与去注释化的方向演进，一些研究发现减少词元消耗可以节约20%至40%的运算成本。由于Transformer架构采用并行计算，任何减少上下文的做法都会带来快速递增的边际效益。对于追求效率的AI来说，让人类方便理解的书写惯例正在被批量抛弃。而人类又无法拒绝高达30%的词元节省——这正是效率与安全之间的永恒张力。

留下三个观察指标

这篇文章没有预测未来，但提供了三个可以在接下来几个月追踪的观察维度：

第一，OpenAI推迟IPO后一级市场资金流向的变化。过去靠OpenAI估值撑起来的融资环境会不会出现降温或转向其他赛道的资金溢出效应？

第二，第三方监管机制落地后的合规成本预估。如果像阿莫迪提议的那样，所有前沿模型都需要经过独立第三方测试并公开能力数据方可部署，这对中小型实验室的进入门槛会产生什么影响？

第三，AI代码生成替代率的跟踪。Claude已经写了80%以上的自有代码，如果这个比例继续上升，软件外包行业的收入结构是否会迎来实质性调整？

AI行业确实正在经历一场从无序狂奔到理性定速的深层转变。这场转变不会一夜终结技术革命，但它至少告诉所有人：有些路走得太快，反而看不清方向。