“我选择离开，并且认为前沿实验室应当协调限制模型能力的继续提升。”这句来自 Jacob Coxon 的公开声明，把一场原本停留在实验室治理层面的争论，推到了资本市场的桌面上。Coxon 此前在 OpenAI 和 Anthropic 从事预训练工作，他的离职帖发布在 X 上；随后，Anthropic 对齐科学负责人 Evan Hubinger 公开回应，表示认同 Coxon 对风险的主要判断，并给出一个颇具冲击力的数字——未来十年 AI 导致人类灭绝的概率，他估计在 10% 以上。WIRED 等媒体跟进报道了这场隔空对话。
对盯着科技股和 AI 基建订单的人来说，问题很快从“该不该担心”变成“钱会不会少”：如果前沿实验室真的放慢模型研发，过去几年不断上修的 AI 资本开支，是不是也要跟着拐头？依赖 AI 叙事拿到估值溢价的科技股，需不需要重新定价？Beta to Alpha 作者 Saket Mehrotra 在《The bottleneck isn't the model. It never was.》一文中给出的判断是，实验室对风险的担忧和基础设施投资降温，不能直接画等号。
Coxon 离职与 Hubinger 回应：时间线还原
先把事情按顺序摆清楚。第一步是 Coxon 在 X 上发布离职声明，核心主张有两层：一是 OpenAI 和 Anthropic 正在竞相开发能够自我改进的超级智能，二是这些机构没有采取足够负责任的安全措施。他强调这不是外部批评者的孤立声音，而是来自参与过预训练的一线人员。
第二步是 Anthropic 内部的回应。对齐科学负责人 Evan Hubinger 公开表示认同 Coxon 的主要判断，并把未来十年 AI 导致人类灭绝的概率估计在 10% 以上。这个表态的分量在于，它不是来自监管机构或伦理学者，而是来自仍在头部实验室任职的安全方向负责人。相关表态经 WIRED 等媒体报道后，迅速从安全圈扩散到投资圈。
第三步才是市场层面的追问。Mehrotra 把问题拆成两截：AI 安全争议发生在模型和实验室治理层，而本轮 CapEx 周期的约束已经逐步下沉到芯片、封装、电力和数据中心这些物理基础设施。两件事不在同一个层面上运行，因此不能用一个“减速”按钮同时关掉。
各方立场：安全焦虑为何难转化为 CapEx 收缩
Coxon 描述的博弈结构并不复杂。前沿实验室并非没有意识到风险，真正的问题是没有任何一家愿意率先放慢速度。逻辑是：如果一家选择减速，安全意识更弱的竞争对手可能抢先做出更强大的模型。与其让不够谨慎的对手先突破，不如继续投入资源，确保自己处于领先位置，并争取以更安全的方式控制技术。
Mehrotra 由此推出一个反直觉的结论：这种思路很难转化为资本开支收缩，反而可能强化竞赛。实验室越相信自己身处一场决定性的技术竞争，就越难削减 GPU 采购、训练集群和数据中心投入。安全焦虑和 CapEx 增长可以同时存在，甚至形成一个自我强化的循环——担心能力快速提升，却因为怕落后而投入更多，进一步加快能力竞赛。需要说明的是，这是作者对行业博弈结构的解释，不是已经得到公司资本开支计划证实的结果。
第二个立场分歧在瓶颈位置。Mehrotra 认为产业核心瓶颈已经迁移多次，每次迁移都提高资本密集度：最初限制训练的是 GPU 供应和芯片配额；随后转向 HBM 高带宽内存和先进封装；如今电力供应、电网接入和数据中心建设成为更难迅速解决的约束。芯片和封装可以靠扩产缓解，电力问题通常需要建设或重启发电设施、增加燃气轮机与变压器产能、升级输电和并网系统。这类项目投资规模更大、周期更长，没法靠一次软件升级解决。
减速也未必让算力需求自然下降。更长的安全测试、更复杂的推理过程，以及存量模型向企业和消费者场景的部署，仍然要消耗大量计算资源。模型发布频率下降，与已签订的芯片订单、电力采购协议、数据中心建设项目之间，存在明显时间差。
后续观察点：哪几组数据决定 CapEx 逻辑是否改写
第一条观察线是云厂商和 AI 实验室的实际采购与建设计划，而不是社交媒体上的表态。判断安全焦虑是否真的压过竞赛压力，看的是 GPU 订单、训练集群扩容节奏、数据中心开工进度有没有出现方向性调整。目前公开信息里，还没有看到与“协调限速”相匹配的资本开支下调。
第二条线是电力与电网环节的签约情况。如果稀缺资源确实从“模型智能”转向电力及配套基础设施，那么发电设施、燃气轮机、变压器、并网升级相关的长期协议，会比模型发布节奏更早反映产业真实温度。Mehrotra 建议投资者关注未来 18 个月正在形成的新瓶颈，而不是只盯模型层争论最激烈的部分。
第三条线是训练与推理的区分。即使实验室协调限制超大规模前沿训练，存量模型的推理需求、企业部署和 AI 应用普及仍可能推动算力消耗。这意味着 CapEx 更可能出现结构变化，而不是断崖式收缩。落到个股层面，依赖前沿模型持续跃升、产品快速变现的公司，与掌握 GPU、网络设备、供配电、制冷和数据中心资源的公司，订单逻辑未必同步恶化。过去模型公司、云厂商、半导体企业和电力基础设施供应商都能从 AI 叙事中获得溢价，如果能力竞赛放缓，市场可能更严格地区分技术领先、商业化能力和订单兑现。
真正能改写 CapEx 逻辑的变量是监管：如果只是延长安全测试、放缓模型发布，CapEx 未必随之下降；如果政府直接限制训练集群、芯片供应或数据中心用电，整个投资框架才可能发生根本变化。这一条目前尚未落地，属于需要持续跟踪的政策风险，而非既成事实。
这套分析框架的适用边界也需要讲清楚。它适合用来理解前沿实验室治理争议与基础设施投资之间的关系，不适合直接推导某只股票或某个板块的短期涨跌；Mehrotra 的博弈解释本身也未被公司资本开支计划验证。不适用的情况包括：把实验室人员的公开表态当成采购指令，或者把电力瓶颈叙事直接等同于相关公司订单必然增长。可执行的一条建议是，把观察重点放在可查证的公开文件上——云厂商季度财报中的资本开支指引、数据中心与电力采购协议的公告、监管机构对训练算力和芯片出口的政策文本，用这三类出处交叉验证，比追逐社交平台上的限速讨论更接近真实变量。
