原 OpenAI 安全负责人罗宾逊离职后发声：称公司在 AI 安全与开发节奏上言行不一

据 IT之家 10 月 8 日消息，《商业内幕》在当天凌晨报道称，上周从 OpenAI 离职的安全系统团队前负责人之一戴维·罗宾逊，对老东家在 AI 安全问题上的做法提出批评。罗宾逊认为，OpenAI 一方面持续强调前沿模型能力增强可能带来的风险，并公开讨论应放慢 AI 开发速度；另一方面，公司内部仍维持高速训练与部署节奏，呈现出明显的“说一套、做一套”。

这一表态再次把 OpenAI 的安全治理矛盾推到台前。作为当前生成式 AI 产业中最受关注的公司之一，OpenAI 的模型迭代速度、商业化压力与安全承诺之间如何平衡，不仅关系到公司自身治理，也会影响整个前沿 AI 行业对风险控制的预期。

罗宾逊批评：风险警告与部署节奏存在落差

来源显示，罗宾逊的核心观点并不是否认 AI 安全风险，而是质疑 OpenAI 在公开表态与内部执行之间的反差。他表示，公司不断发布关于新模型潜在危险的警告，但最终仍在训练和部署那些被自己提醒存在风险的模型。这种矛盾让他感到难以接受。

今年 7 月，数百名 OpenAI 员工曾签署公开信，呼吁政府出台监管措施，为 AI 开发降速。此前，Anthropic CEO 达里奥·阿莫迪也曾呼吁 AI 公司之间进行协调，共同放慢开发速度。今年 9 月，OpenAI CEO 山姆·奥尔特曼也对控制前沿 AI 发展节奏表达过赞同，并称相关议题已成为公司内部讨论重点之一。

但按照罗宾逊的说法，OpenAI 办公室内呈现出的仍是高速运转状态，不少员工似乎依靠透支精力维持工作推进。他将这种状态形容为多部门工作同步汇聚、节奏紧绷且充满肾上腺素的过程。这也意味着，“放慢速度”的公开讨论，并未必已经转化为实际研发与产品节奏的改变。

递归自我改进成安全讨论焦点

在前沿 AI 研究中，一个被频繁提及的风险点是“递归自我改进”，即 AI 系统不断提升自身能力，进而可能带来更难预测、更难约束的行为。来源摘要提到，OpenAI 研究人员并不回避这一问题。今年 9 月，OpenAI 首席科学家雅库布·帕乔茨基在讨论相关议题的博客文章中也曾提醒，当前需要保持极度谨慎。

从技术路径看，模型能力的提升并不只来自更大规模训练，也可能来自自动化评估、代码生成、工具调用、数据合成、代理式任务执行等环节的叠加。当模型能够参与优化自身工作流时，安全评估和部署决策的复杂度会显著增加。对于 OpenAI 这类处于前沿模型竞争中心的公司来说，如何证明“安全阈值”确实有效，而不是仅停留在原则层面，将成为外界审视的关键。

• 治理层面：公司需要在安全团队、研究团队、产品团队与商业团队之间建立更清晰的否决与升级机制。
• 技术层面：针对高能力模型的红队测试、自动化评估和上线前审查，需要与模型能力同步升级。
• 产业层面：如果头部公司一边呼吁监管、一边继续加速竞赛，行业协同降速将很难形成可信共识。

影响与解读：安全承诺正在接受现实压力测试

罗宾逊离职后的发声，折射出前沿 AI 公司普遍面临的张力：模型竞赛正在加速，算力、产品和资本市场都在推动更快发布；但越是接近高能力系统，安全风险、社会影响与监管关注就越难被简化处理。对中文读者和国内 AI 从业者而言，这一事件的启示不只是“OpenAI 内部又有人离职”，而是前沿 AI 安全治理正从口号进入更具体的执行阶段。

如果企业公开主张谨慎，却没有让研发节奏、上线流程和组织激励发生相应变化，那么安全承诺就可能被视为公关姿态。反过来，如果真正放慢前沿模型开发，企业又可能在竞争中承受商业压力。这种两难，正是当前全球 AI 产业的真实处境。

可以预见，随着模型能力继续提升，外界对 OpenAI 等头部公司的关注将不再只集中于模型效果和产品体验，还会越来越关注其安全团队是否拥有足够话语权、风险评估是否透明、以及部署决策是否与公开承诺一致。罗宾逊的批评，或许会成为推动行业重新讨论 AI 安全治理机制的又一个节点。