Anthropic CEO 罕见回应“权力集中”质疑：称 AI 监管不等于垄断，并押注 5-10 年医疗突破
据 IT之家 8 月 16 日报道，在 Anthropic IPO 估值被推至高位、外界争议升温之际，Anthropic CEO 达里奥·阿莫迪（Dario Amodei）罕见发布长文，正面回应硅谷围绕公司愿景、AI 监管与市场权力集中的质疑。来源显示，阿莫迪不仅否认“Anthropic 可能成为某种意义上世界唯一私营公司”的相关说法，还进一步阐述了他对 AI 安全监管、开放模型生态以及医疗健康应用的看法，并预告未来 5 到 10 年 AI 有望治愈多数人类疾病。
这次公开表态之所以受到关注，是因为阿莫迪一向以谨慎著称，很少在社交媒体上直接参与舆论交锋。对于一家以“安全”和“对齐”作为核心标签的前沿 AI 公司而言，CEO 在 IPO 前夕主动下场，既是对市场疑虑的回应，也是在重新解释 Anthropic 想扮演的产业角色。
争议焦点：AI 安全监管会不会变成巨头护城河
事件导火索来自美国科技投资人 Gavin Baker 提到的一种说法：有“多个可靠的人”告诉他，阿莫迪曾表达过 Anthropic 未来可能成为某种意义上“世界唯一私营公司”的观点。虽然 Anthropic 品牌与传播负责人 Sasha de Marigny 已出面辟谣，Anthropic 研究人员 Sholto Douglas 也称这一说法不实，并强调公司担心的恰恰是经济权力过度集中，但相关质疑已经在硅谷扩散。
围绕 Anthropic 的批评并非首次出现。来源摘要提到，英伟达 CEO 黄仁勋曾批评类似观点容易形成“只有少数公司能做 AI”的叙事，并主张负责任 AI 应在更开放的环境中开发。马斯克也曾评价阿莫迪的沟通方式，认为如果先强调 AI 的危险性，再推出相关产品，公众自然会提高警惕。
阿莫迪此次回应的核心，是反驳“监管等于监管俘获，最终导致权力集中”的简单逻辑。他认为，这是一种错误二分法：制度设计并不必然服务于大公司，关键在于规则如何制定。他以法院体系作比，强调由规则约束权力，通常比无序竞争更能保护弱者。
- 监管对象应主要指向最前沿 AI 公司，而不是把成本平均压到所有创业团队身上。
- 小公司和开放生态需要保留发展空间，但也要针对不同模型形态的风险制定对应机制。
- AI 风险治理应覆盖网络安全、生物安全和模型对齐，而不是只停留在原则层面。
据来源显示，阿莫迪还以 Anthropic 支持的加州 SB 53 法案为例，称收入低于 5 亿美元的 AI 公司不受该规则约束，意在说明这类政策并非天然打压小型竞争者，而是让前沿公司承担更多安全成本。
从防风险到讲收益：Anthropic 把医疗 AI 放到台前
更值得关注的是，阿莫迪在长文中把话题转向生物医学 AI。他承认，对包括 Anthropic 在内的 AI 公司而言，一个有力批评是：行业还没有兑现“用 AI 造福世界”的宏大承诺。换言之，公众不仅想听到 AI 风险被控制，也想看到 AI 真正解决现实难题。
阿莫迪的判断相当激进：未来 5 到 10 年，AI 将能够治愈多数人类疾病。来源还提到，他此前曾提出，强 AI 可能把原本需要 50 到 100 年的生物学进展压缩到 5 到 10 年内完成。此次表态延续了这一判断，并显示 Anthropic 正在加大生物学和医学领域投入，希望未来几年取得显著成果，甚至在未来几个月看到初步进展。
这也解释了为什么 Anthropic 需要从“安全 AI 公司”扩展为“可交付社会价值的 AI 公司”。如果 AI 只是被描述成网络攻击、生物安全和就业冲击的潜在风险源，那么监管叙事很容易被外界理解为巨头自我保护；但如果 AI 能在癌症、药物研发、医学研究等方向产生可验证成果，公众对前沿模型的接受度可能会明显变化。
影响解读：IPO 前的叙事重塑，也是一场行业路线之争
从产业角度看，阿莫迪这次发声并不只是一次公关回应，而是围绕前沿 AI 发展模式的路线辩论：一边是更强调开放竞争、反对少数公司垄断基础模型能力的阵营；另一边是强调模型能力快速跃迁带来高风险，需要对最强模型施加制度约束的阵营。
Anthropic 试图给出的答案是：安全监管与开放竞争并不必然冲突。它希望将高成本治理主要施加给最前沿玩家，同时让规模更小的公司继续创新。这种设计能否被市场和监管机构接受，仍取决于规则细节，以及执行过程中是否真的避免向大公司倾斜。
对于中文读者和国内 AI 产业观察者来说，这一事件的参考价值在于：AI 公司正在从“模型能力竞赛”进入“社会合法性竞争”。模型参数、推理性能和产品体验仍然重要，但谁能证明 AI 在医疗、科研、效率提升等领域产生真实价值，谁就更可能赢得资本、监管和公众的长期信任。
短期看，阿莫迪的长文是在 IPO 前回应争议；长期看，它反映了前沿 AI 公司必须面对的共同命题：既要让模型继续变强，又要解释为什么这种强大不会变成少数企业的权力集中，并且要拿出足够有说服力的现实收益。