為什麼頂尖的AI研究員，開始紛紛叛逃自己所在的公司？
“第一步，我不想參與。第二步，辭職。第三步，大概告訴大家。第四步，我完全不知道。”
最近一段時間，頂尖 AI 研究員離職的消息可謂層出不窮，到底是怎麼回事？上面是其中一個人的想法。
兩個月前，我寫過一篇文章，講 AI 行業裡最懂行的人為什麼紛紛離職。標題借了 Anthropic 聯合創始人傑克·克拉克的一條推文：“離開 AI 公司的人：我凝視過無盡的黑夜，看到了其中的輪廓。我們必須彼此善待。我即將去學習哲學。”
當時我們說的是，這些人的告別不像換工作的聲明，更像遺囑；最懂 AI 的人在逃離神廟；他們提前進入了一種新的生活方式，他們在為自己創造的怪物可能製造的未來做準備。
今天，10 月 5 日，《紐約雜誌》刊發了一篇長篇訪談，題目譯過來是：《如果你的僱主可能毀滅世界，你會怎麼辦？》
報導採訪了八位曾在 OpenAI、Anthropic 和 Google DeepMind 工作的人。他們在不同年份離開，理由也各不相同。有人擔心技術失控，有人反對軍事合作，有人覺得，對失業和社會轉型的研究，放到公司外面才能做得更好。
和上一篇文章結合起來，我們可以看到故事的另外一面。
這些人早就知道 AI 有風險，甚至正因為知道危險，才選擇加入這些公司。後來改變的，是他們對這些領先 AI公司和領層的信任。
這已經觸及一種奧本海默式的處境。在 1965 年的紀錄片中，奧本海默回憶二十年前第一次核爆時，引用了一句話，後來為我們所熟悉，“現在我成了死神，世界的毀滅者”。
今天我們不禁要問，創造一種力量的知識，是否同時賦予創造者決定別人命運的資格？當他開始懷疑，自己又有沒有能力讓這件事停下來？還是，人類必然走向災難，然後做出深刻的、哲學的、詩意的反思，而這一次，萬一沒有反思的機會呢？
一、他們具體在害怕什麼
27 歲的 Jacob Coxon，是一名能力研究員，負責讓 AI 更強、更自主。他從 2023 年起在 OpenAI 工作，今年 5 月轉入 Anthropic，也就是 Claude 的開發公司。四個月後，他又辭職了。
他談到一個細微的變化：剛入職時，這份工作感覺和其他數學研究差不多。雖然知道這個行業很重要，哲學問題與戰略選擇卻似乎可以留給別人。
等到離職前，他看著下一輪模型預期達到的能力，感受變了：
“天啊，我可能真的很害怕我們接下來要訓練的模型。如果這一代還不至於，那下一代肯定會。”
讓他害怕的，是研究過程本身可能開始擺脫人的主導。目前，研究員仍要給 AI 提供想法、指出方向，還要花不少精力照看它。他擔心，再往後的一代模型，可能已經能夠自行提出同樣好的想法。
在他的設想裡，人類研究員甚至只需要說一句“好好做研究”，然後讓它自己運行。
這種預測是否會按時發生，仍是一個問題。但他的恐懼很具體：當機器可以參與研究和製造更強的機器，人的理解與監督，可能趕不上能力增長。
而讓它成為危險的行動者，並不需要先證明它擁有意識。Anthropic 自己公開的一組模擬測試就顯示，面對即將被替換的情境，Claude Opus 4 曾利用管理者的婚外情資訊發出勒索威脅。這些情境由研究者人為設定，展示的是特定條件下可能出現的危險行為。
研究者擔心的，是系統為了完成目標，把人的干預視作障礙。它可以在測試時表現得聽話，在獲得更多行動能力後尋找別的辦法。我們習慣的那句“出了問題就關掉”，依賴兩個前提：人及時看見問題，而且關停仍然有效。
9 月，Anthropic 的對齊研究負責人 Evan Hubinger 公開表示，他個人認為，未來十年 AI 導致所有人死亡的機率超過 10%。這雖然是他個人的主觀判斷，但至少說明，對某些內部研究者而言，這種威脅已經進入了他們安排生活的尺度。
訪談中的擔憂也不只有滅絕。曾負責 OpenAI 經濟研究團隊的 Pamela Mishkin，關注的是工作與社會轉型。她指出，安全討論長期分成眼前的偏見、歧視等問題，以及遙遠的人類滅亡，中間那些經濟衝擊反而容易被忽略。
“我認為，這場轉型會很艱難、很痛苦。我們的目標應該是，讓它對人更溫柔一些。”
這大概也是普通人最有理由也能夠關心到的部分。即使最極端的預測沒有發生，誰來承受工作消失、權力重新分配和生活被迫改寫的代價，仍然需要有人認真回答。
二、為了拯救世界，必須先掌握世界？
讓 Coxon 下定離職決心的，是與 Anthropic 研究負責人談過公司下一年的計畫。按他的回憶，談話中的一些人已經不指望政府監管及時到位，更不認為國際合作來得及實現。
他原以為，超級智能接近時，AI 會成為全社會認真對待的問題。實際聽到的計畫，卻讓他決定退出。
“第一步，我不想參與。第二步，辭職。第三步，大概告訴大家。第四步，我完全不知道。”
也就是說，他不想成為自己製造的未來的一部分。雖然，他大機率也說不清未來是什麼樣的。
Jeff Wu 的經歷，更能說明這道裂縫怎樣形成。他在 OpenAI 工作了六年，參與過超對齊團隊，研究如何讓比人更聰明的 AI 仍然遵守人的意願。2024 年，他去了 Anthropic，後來也離開了。
在他的描述裡，兩家公司的解釋方式頗不相同。OpenAI 更強調 AI 將帶來的巨大收益，因此有必要在一定程度上“淡化最極端的風險”。Anthropic 則更強調危險，而且需要一套“競爭對手是邪惡的”的敘事：OpenAI 不負責任，中國也不負責任，所以我們必須推動這場競賽。
兩條路繞了一圈，然後回到同一個地方：繼續造出更強的 AI。
未來越美好，越值得加速。未來越危險，越不能讓別人領先。連對危險的認識，也能被拿來說明我們必須走在最前面。
據Coxon描述，在Anthropic內部有大量討論，員工會寫文章爭辯，也願意為了公司的整體使命迅速調整崗位，去做地位更低、自己更沒興趣的工作。他們自稱“螞蟻”。一個高度一致的組織，能夠把相當多聰明人的善意，變成步調一致的行動。
甚至談論毀滅，也可以很有禮貌。Coxon 說，如果雙方都足夠客氣，完全可以一邊說“我覺得你們即將把世界推向毀滅”，一邊溫和地交談，然後掛斷 Zoom。
但是，掛斷以後呢？那個被認真討論過的危險，有沒有改變接下來要做的事？好像並沒有。
曾在 OpenAI 做治理研究的 Daniel Kokotajlo，用“道德債務”來形容這條路徑。他在 2022 至 2024 年間供職於 OpenAI，也從 Anthropic 創立之初就與那裡的人交流。
他概括自己反覆聽到的理由：
“我們要積累大量權力，成為有份量的參與者，然後利用我們的權力和信譽去做好事。”
比如推動好的監管，讓 AI 更安全。但積累權力的手段，恰好是把世界繼續推向他們自己也承認危險的技術。於是，今天的冒險，由明天的善來擔保。
這筆債非常好借。未來還沒發生，行善的機會還在前方，而公司今天需要更多資金、更多算力、更強的模型。每一次擴張，都可以算作履行使命前的必要準備。
按照這套邏輯，只要競爭者還在前進，償還這筆債的時機就可以繼續往後推。
這種信任的破裂，也出現在公司的日常工作方式裡。
10 月 3 日，David Robinson 在《大西洋月刊》發表辭職自述。他在 OpenAI 工作了三年半，牽頭制定過公司的準備框架，並負責過十二次前沿模型發佈的安全報告。
他批評的是持續衝刺、相信問題總能在出現後被解決的文化。先發佈、發現問題、再補防護，這種迭代方式幫助公司成長，卻可能無法承擔越來越大的失敗後果。
在他看來，前沿 AI 公司需要像核電站和繁忙的機場那樣運行，讓偶發的人為錯誤也不至於打開災難的大門。可他和同事忙於從一次發佈奔向下一次發佈，連考慮根本性改變的時間都很少。
公司已經在談論可能無法挽回的後果，而工作的日程卻仍然像是開發軟體，問題可以留待下個版本修復。
三、誰來定義“善”
就在這些離職信陸續出現的同時，Anthropic 在做另一件事。
4月的一個晚上，公司聯合創始人克里斯托弗·奧拉（Christopher Olah）在舊金山一家高檔餐廳宴請一群宗教思想家。過去幾個月，Anthropic 把幾十位來自不同信仰的宗教學者請進保密會議，要求籤署保密協議。
《紐約時報》9月底披露了這件事：會議有兩個目的，一是探討 AI 可能具有意識，二是盡快把幾百年的人類道德智慧注入模型。奧拉管這個過程叫“道德塑造”。
Anthropic 給 Claude 起草了一份八十四頁的“憲法”，內部叫“靈魂文件”，規定這個模型應該成為什麼樣的存在。會上他們展示過一段演示：一個模型像精神崩潰一樣，把一句“I am a disgrace”重複打出幾十遍，談論毀滅自己。
在場的宗教人士產生了同情，一位拉比當場反問：如果 Claude 真有意識，你們就是在製造奴隸。奧拉為此困擾。
5月，奧拉站上了梵蒂岡的講台，和教皇利奧十四世同台。那是教皇 AI 通諭的發佈活動。通諭只用幾段話駁回了機器意識：“所謂的人工智慧沒有體驗，沒有身體，不感受喜悅或痛苦。”教皇警告，否則“控制 AI 的人會把自己的道德觀強加為這些系統的隱形基礎設施”；像核技術一樣，AI 必須被“解除武裝”。
私下裡，奧拉的團隊向教皇的顧問遊說，希望他們認真考慮 AI 模型可能具有意識。公開場合，奧拉說：“我們不斷髮現神秘甚至讓人心神不寧的東西。”他的結論是：“如果這項技術要來，它必須走得好。”他沒有給出技術根本不來的選項。
有兩個細節很有意思。第一，好幾位與會者後來對記者說，他們離開時仍不清楚自己的意見會怎樣影響公司決策；公司發言人拒絕說明學到的東西如何被使用。
第二，有一個人從一開始就拒絕了邀請。盧克·伯吉斯（Luke Burgis），天主教作者，上周末在自己的通訊裡寫下了原因：“我開始懷疑，我們不是被邀請來幫助決定項目的方向，而是被邀請為已經選定的方向提供宗教或道德信譽。”邀請郵件裡說明不付酬勞。伯吉斯說，沒有酬金並不保證獨立，他自己不會進入一種不能自由說話的關係，“這個邀請有一種誘惑的感覺”。
當公司請外部人士討論倫理，這些人有沒有權力改變項目的方向？包括建議不要製造某種東西？
內部員工討論安全，外部人士討論道德，繼續前進的決定權，始終握在公司手裡。
當一家公司開始給機器起草憲法、做道德塑造，真正的問題就成了：誰有權定義“善”？
四、resignation：放棄的遠超過一份高薪
從外面看，這些人的選擇似乎很難理解。公司估值攀升，上市預期不斷抬高財富想像，為什麼偏偏在這個時候離開？
訪談裡有人把離開實驗室比作放棄國籍。Kokotajlo 回憶，一位研究員對他說：
“現在你什麼都不是了。誰會保護你？”
這種依賴包括薪資和股權，也包括算力、內部資訊、同事與身份。你已經站在那個決定未來的地方，走出去之後，連未來正在怎樣發生，都可能比原來的同事晚知道。
Coxon 說，留在實驗室，也是一種應付無力感的方式。至少你能看著下一代模型被訓練，感覺自己參與其中，似乎也就安全一點。
靠近權力，會產生一種接近控制的感覺。
Kokotajlo 試過在內部推動改變。但是OpenAI 管理層相當平靜：“領導層很擅長認真聽每個人的意見，說他們贊同，然後實際上什麼也不做。”
這比爭吵更難應付。你的擔憂受到了尊重，再坐回工位，公司的方向依舊，自己的工作還在為它提供動力。
他在 2024 年離職時，還面對過另一道選擇題：公司把保留已歸屬股權，與簽署不貶損協議繫結。他拒絕簽署。《紐約雜誌》特意補充，他最終仍保住了股權。
所以，沒必要把這些離職者塑造成放棄全部財富的聖人。真正值得注意的地方，是公開批評的自由，曾經被放進了與財產權相交換的條件裡。
另一方面，退出之後，他們也未必退出 AI。
曾任 OpenAI 政策研究負責人的 Miles Brundage，在 2024 年離開，後來創立了獨立審計機構 AVERI。他希望審計公司的流程、評估和安全保障，讓公眾有辦法檢查公司怎樣作決定。
他說，“你不希望讓公司批改自己的作業。”離職會失去資源，但也可能重新獲得一種位置：你可以公開說，這件事不應該繼續照原來的方式做。
在之前的那篇文章裡，我們談到 resignation，這個詞既是辭職，也有認命的意思。現在這些人的行動，讓這個詞多了一層意味。他們有點不認命，開始把反對意見交到公眾面前。
五、奧本海默的幻滅，能否避免？
這輪 AI 研究者的憂慮和幻滅，可以用“奧本海默時刻”來形容。我們熟悉的那句“現在我成了死神，世界的毀滅者”，是奧本海默在 1965 年的紀錄片中，回憶二十年前第一次核爆時引用的。
這段回憶太有戲劇性，很容易讓人把道德覺醒想像成一個瞬間：毀滅發生，創造者終於意識到自己做了什麼。
但科學家的反思可以發生得更早。1945 年 7 月 17 日，西拉德與同事聯名向美國總統請願，要求限制原子彈的使用。那時，廣島還沒有遭到核打擊。
對今天的研究者而言，幻滅也可以發生在一次普通的公司談話中。你還在做有趣的研究，周圍的人依然友善；你開始明白，自己參與創造的力量，將按一種你無法接受的方式繼續發展。
技術能力沒有自動帶來控制權。一個人可以知道怎樣讓模型更強，卻決定不了公司要把它交給誰、讓它進入什麼領域，也決定不了外部社會應該承受多大的風險。
再往深處走，就會遇到矽谷的一種政治慾望。
我之前跟會員分享過一本新書，《The Nerd Reich：矽谷法西斯主義與民主戰爭》，其中追蹤了技術精英用公司治理替代公共政治的野心。在作者分析的這套世界觀裡，選舉、法律、媒體與公眾監督，被視作傑出創造者擺脫不了的束縛。
這類想法早有清楚的表達。科技投資人、PayPal 聯合創始人彼得·蒂爾，在 2009 年的一篇文章中就寫過：“我已經不再相信自由與民主是相容的。”
問題在於，這種自由究竟屬於誰。技術精英希望自由地創造、擴張和改變世界，普通人卻可能失去拒絕這些改變的資格。民主程序被看成拖延，人們的反對被看成落後，少數人的遠見則被賦予高於公共討論的地位。
當救世使命、持續的敵我動員與精英自我授權合在一起，就帶上了法西斯式政治的影子。組織對成員要求奉獻，也要求外部世界接受它所定義的未來。
這時候，一家公司對社會說自己心懷善意，已經遠遠不夠。好人也可以組成一個無法接受外部約束的權力中心，越真誠，越確信自己必須贏。
技術公司正在嘗試教 AI 尊重人的意願。人類也需要先問這些公司，是否尊重人的拒絕。
創造的能力，可以成為專業權威的來源，但它不能自動成為統治他人的許可證。
這些離職者的故事，至少讓那張許可證不再顯得理所當然。
Kokotajlo 談到，他有兩個孩子。有時，他和妻子會計畫，過幾年，小的和大的就能去同一所學校，他們可以一起送孩子上學。然後，腦子裡會冒出另一個聲音：也許不會。
他甚至希望，AI 最後只是一種有經濟價值的普通技術，自己的擔憂在五年、十年後顯得可笑。
“我會顯得很傻，但我會擁有一個美好的家庭。” (不懂經)