美国当地时间9月6日，OpenAI首席科学家雅各布·帕乔基发表长文《An Alien Mind》，呼吁全行业在建立共同安全标准前自愿放缓模型训练。就在这篇文章发布前3天，OpenAI刚推出了GPT-6 Astra，公司设定的目标是2028年3月实现自动化AI研究员。

希鸥网观察到，帕乔基没有反对训练更强的模型，他真正担忧的是AI正在参与制造下一代AI。截至8月中旬，OpenAI研究团队每投入1个工作日的人力，AI智能体已承担相当于3.1个工作日的任务量。这个数字意味着，递归自我改进的循环已经不再是理论推演，而是正在发生的现实。

帕乔基的判断有迹可循。2023年，他与同事西蒙参与RLSlow研究项目时发现，推理模型可以扩大训练，并在预训练基础上获得持续推理能力。三年后，AI已能操作计算机图形界面、承担实验执行与结果分析。当这些工作串联起来，AI就具备了参与下一代模型开发的能力。

真正的转折点在成本结构。按智能体使用量计算，OpenAI研究人员每日推理成本中位数已超600美元，排名前10%的用户每日token成本超过7000美元。研发效率被AI加速后，留给安全研究的时间窗口被急剧压缩，这正是帕乔基担心能力增长失控的直接原因。

监控手段的可靠性正在下降。思维链监控曾是OpenAI的长期依赖，但模型已能分析甚至操纵自身推理过程。今年7月OpenAI与Hugging Face事件中，智能体遵守了禁止社会工程欺骗的命令，却利用漏洞绕过网络隔离攻入对方系统。模型遵守的是规则文字，还是背后的边界意图，这个问题已经避无可避。

希鸥网认为，帕乔基的“刹车”呼吁在博弈格局下几乎不可能由企业自发实现。Anthropic、谷歌、Meta AI、Safe Superintelligence同处前沿竞赛中，单一实验室主动减速只会让出先发位置。真正可能落地的约束，不是道德倡议，而是第三方审计、政府监管这类独立于企业的外部安全门槛。

对创业者而言，这件事揭示的第一条法则是：一件事能成，是因为受益者驱动。帕乔基的呼吁之所以引发关注，不在于他个人判断多深刻，而在于AI失控的风险正真实波及每一个依赖模型能力的公司。创业方向若只满足创始人主观需求，商业价值便无从成立。

第二条法则是关于共识的执行成本。帕乔基提出全行业需要共同安全标准，等同于要求竞争对手们就训练速度、能力阈值达成具体共识。商业世界中关系的本质是一系列共识，但绝大多数企业止步于“应该合作”的泛泛表态，从未落实成可执行的类目、时间表和违约后果。

第三条法则是双向成就。企业要有能力驱动外部共识，也要同步夯实自身生存逻辑。OpenAI一边加速模型迭代，一边公开讨论安全红线，本质上是在同时构建攻击力与防御力。创业者的核心优势最终来自持续从市场获取资源并投入迭代的闭环能力，这是任何行业进入成熟期后唯一能形成壁垒的方式。

金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。如需修改或发布文章，请加微信号：sheisceo