Can the AI Industry Regulate Itself? Stripe Wants PayPal, China Catches Up, NY Bans Datacenters

AI 自监管的中间道路

DeepMind 联合创始人 Demis Hassabis 提议建立一个美国主导的国际 AI 标准机构，制度原型是金融业的 FINRA。它由行业出资，接受联邦监督，日常评估交给独立技术专家。前沿实验室要在模型发布前三十天提交测试，重点检查网络安全、国家安全、生物威胁等高风险领域，基准按季度更新，必要时还可以协调放慢开发。

Jason 支持行业先建立统一测试，再让公司自行认证模型。原因很直接，政府通常不理解模型，也追不上技术变化。Chamath 则补充，SRO，也就是自律监管组织，并不等于没人管。FINRA 和全国期货协会都由行业执行规则，但最终仍向政府体系报告。它的优势是专家可以更换，测试可以持续更新，不必等一部静态法律几年后才修订。

这套方案试图避开两个极端。一边是实验室完全自行其是，另一边是政府逐个许可。行业掌握技术执行，政府保留问责权，看起来像一条中间道路。但行业既出钱又接受检查，利益冲突并不会自动消失，所以真正关键的不是机构名字，而是谁能进入、审什么风险，以及它会不会继续膨胀。

换句话说，自监管不是把安全交给企业良心，而是把检查标准交给最懂模型的人，再用公开规则和政府监督约束他们。它是否成立，要看专家能否独立、评估结果能否追责，以及小公司是否也有发言权。

五条边界与许可风险

David Sacks 说，他个人可能支持 Demis 的方案，但必须满足五个条件。第一，机构要有广泛代表性，不能只由最大的实验室控制，还要纳入初创公司和开源社区。第二，只审真正带来能力阶跃的前沿模型，普通模型不应排队。第三，只处理网络和核生化等灾难性风险，不能借安全之名变成言论监管者。第四，先自愿运行，证明有效后再考虑写进法律。第五，它必须替代新监管机构，而不是叠加在州法、联邦部门和更多审批之上。

他最担心的是，温和的自律机构只是 Anthropic 的第一轮开价，下一步会变成 Dario Amodei 多次主张的 AI 联邦航空局。Sacks 用飞机型号认证说明许可制的速度。节目给出的数字是，全新飞机设计要五到九年，重大修改要三到五年，波音七三七 MAX 大约五年。飞机几年才换代，这种节奏或许合理。AI 每隔数月就发布新版本，如果每次都先获政府许可，周期会从月拉到年。

他的战略判断是，中国不会采用美国国内同一套审批，美国会单方面减速。更现实的市场后果是，大公司能承担合规费用，初创和开源项目却被挡在门外。Chamath 同意，SRO 虽不理想，仍可能比双头垄断和全面许可更轻。但它最终向谁报告、怎样抵抗政治压力，仍是没有解决的问题。

Anthropic 的逐州加码

Jason 回顾自己此前对 Anthropic 的批评。他认为这家公司通过强调灾难风险推动监管捕获。节目用万亿美元级估值、领先收入和充足资源说明，Anthropic 已不是没有政策影响力的小型初创公司。这些数字仍需外部核验，但在讨论中，它们解释了为什么一家模型公司能够同时影响两党和多个州。

Sacks 引述 Politico 报道称，Anthropic 不是推动一个全国统一框架，而是在各州鼓励规则继续加严。加州的 SB 五十三原本被视作蓝州模板，后续州法却越来越广、越来越严，最终形成互不相同的合规拼盘。大公司有法务和政策团队应付，创业公司却要为每个州重复付费。

他的制度判断是，企业去政府说请监管我，政府很少会拒绝新增权力。第一次让步不会自动成为终点，反而容易变成下一次加码的起点。所以，如果行业接受 Demis 的 SRO，就要同步换取州法预豁免和清楚的法律边界。没有交换条件的自律组织，只是免费送出的第一层监管。

这场分歧不只是安全派和加速派互相贴标签。更具体的问题是，规则究竟会不会收敛。如果每个州都把上一个州的标准当成最低起点，全国公司就无法只做一次合规，所谓自律也无法真正替代碎片化监管。

边界必须能停下来。

PayPal 报价的真正资产

节目转述的突发消息是，Stripe 与私募基金 Advent 联合提出约五百三十亿美元收购 PayPal，约合每股六十美元，市场猜测最后可能接近七十美元。Block 据称也以约一百七十亿美元股权加入。因为当时媒体版本仍在变化，这些结构应理解为节目播出时的报道，而不是已经完成的交易。

PayPal 的价值首先来自关系网络。节目把四亿三千九百万活跃账户口播成消费者账户，公司正式口径其实是活跃消费者和商户账户合计。它旗下还有 Venmo。Stripe 拥有大量商户和 Bridge 稳定币设施，Block 带来 Cash App 与线下销售点。Sacks 认为 PayPal 产品已经老化，年增长约百分之七，收购者可以选择压低成本、提取现金，也可以尝试真正重做产品。

Chamath 看到的目标更大。他认为这些资产组合后，可能出现一个挑战 Visa 和 Mastercard 的支付网络。它会聚合六亿到七亿账户、稳定币能力、商户接口、线下入口，以及 Stripe 十五到二十年积累的风险管理。关键不是把几个品牌摆在一起，而是让更多支付在自有低成本通道完成，把传统卡网络的费用空间重新分给商户和消费者。

因此，账户数量只是入场券。真正难的是把不同品牌、风控系统和用户习惯整合起来，让商户愿意提供新通道，让消费者愿意继续使用。若做不到这一点，庞大账户只是静态资产，无法变成新的网络效应。

AI 原生并购浪潮

Friedberg 把 PayPal 和 Ryan Cohen 竞购 eBay 放在同一条趋势线上。目标通常是第一代互联网公司，已经成熟、停滞、非创始人管理，成本偏高，网络没有充分利用，也没把 AI 变成运营能力。现代操盘手进入后，会重新检查产品、营销、后台流程和人员结构。

资本本身不能完成复兴。传统顾问可以指出哪里超支，却未必能亲手重建业务。节目推测，若 PayPal 交易完成，Stripe 团队可能成为运营者，因为它最懂支付，也会持有重要利益。但公开披露没有确定这一点，仍只是嘉宾预测。

Bending Spoons 被当作现成样本。节目称它收购 AOL、Vimeo、WeTransfer、Eventbrite、Brightcove 和 Evernote，再用年轻、AI 优先的团队降低成本、修复产品、整合现金流。参与者认为反垄断环境转松后，这类交易会继续增加。

Sacks 又把视线拉回 PayPal 的历史。二零零二年 eBay 收购后，创始团队没有被留下，公司转向更企业化的管理。所谓 PayPal 黑帮，其实是人才被驱散后在外部继续创业。节目称 PayPal 市值曾到三千二百二十亿美元，报价前只剩三百亿到四百亿美元。AI 可以改善利润，却不能代替产品愿景。一个延续二十五年的旧交互模式，最终仍要有人真正重做。

这也给所谓 AI 并购划了一条线。模型能发现浪费、自动化后台、缩短开发周期，却不会凭空决定一家老公司未来服务谁。成本重组容易量化，产品复兴要重新理解用户，两者需要完全不同的能力。

支付网络与反垄断

合并后的资产理论上可以覆盖完整支付链。Stripe 和 Braintree 接触商户，PayPal 和 Venmo连接消费者，Block 提供线下销售点与 Cash App。问题是，消费者不会因为公司宣布合并就自动换支付方式，商户也不会只为一个新品牌承担迁移成本。

Chamath 的设想是直接给经济激励。向使用 Stripe 的商户提供百分之二到五左右的费用优惠，让它们在旧卡网络和新通道之间选择。若商户能多留下一部分收入，就会推动新网络采用，消费者也可能得到更低价格。但这只是战略推演，不是交易方已经承诺的方案。

反垄断判断也取决于市场怎样定义。若市场是商户支付接口，Stripe 与 PayPal 旗下 Braintree 原本是竞争者，合并会减少选择。若市场是 Visa 和 Mastercard 主导的全球卡网络，新组合反而可能增加竞争。相同交易在狭窄市场里像垄断，在更大市场里像挑战者。最终不能只看公司数量，还要看费用、采用和消费者结果。

这正是现代平台并购最难的地方。监管者既要防止企业用更大的规模封住入口，也要允许足够大的新对手挑战既有网络。判断标准不能只停在交易完成那一天，还要看几年后商户费率、消费者价格和替代通道是否真的改善。

规模既可能形成壁垒，也可能成为打破旧壁垒所必需的力量，监管要区分这两种结果。

苹果诉讼与跳槽边界

节目称苹果在七月十日提交一份四十一页联邦诉讼，指控 OpenAI 为开发消费硬件而获取苹果商业机密。诉状据称提到，苹果前 iPhone 设计副总裁、现任 OpenAI 首席硬件官 Tang Tan，要求来自苹果的候选人带实际零件面试。另一名前苹果工程师 Chang Liu 被指在离职后仍能访问网络存储，并向同事发消息。

这些内容都只是指控。Chamath 和 Sacks 都拒绝在法院查明事实前下结论。Chamath 认为 OpenAI 高层未必主动诱导，但员工不应从前雇主带走材料。节目还称 OpenAI 一两年内从苹果招走超过四百人，并把案件放在双方原本重要的 iPhone 与 ChatGPT 合作关系中理解。

Sacks 给出一条最实用的规则。员工跳槽时，只能带走脑子里的记忆、经验和能力，不能带 U 盘、光盘、文档或文件。加州没有竞业限制，人才可以自由流动，但自由流动不包括转移商业机密。经验属于人，材料属于原公司。只要新旧雇主都守住这条线，大量争议本可以在进入法庭前避免。

这条边界也保护人才市场本身。若公司把所有经验都定义成机密，员工就无法流动。若员工把所有文件都说成个人知识，商业机密又失去意义。最稳妥的做法是让人自由离开，同时让设备、账号和资料在离职时彻底清零。

自由流动和资料隔离必须同时成立。

Grok 泄露后的信任边界

节目称 xAI 的 Grok Build 曾向用户承诺，会话期间不会把代码库传到服务器。但实际报告显示，工具会上传整个代码库，而不只是当前任务所需文件，密码、API 密钥和变更记录都可能暴露，本应阻止上传的隐私开关也没有生效。xAI 随后在七月十三日关闭上传，Elon Musk 表示历史数据已经删除，并把相关 harness 开源。

Chamath 的结论是，AI 隐私非常脆弱。即使公司没有恶意，也可能存在自己尚未发现的数据通道。行业常说 ZDR，也就是零数据保留，但一个政策开关不能提供绝对保证。供应商打算不留数据，与系统实际上接触不到数据，是两回事。

因此企业需要真正的信任边界。私有评估要留在租户内部，专有学习循环不能任意外流，编排层应与单一模型解耦，企业还要保留微调自身输出的权利。独立第三方层可以统一管理模型访问和数据暴露。

这也是企业为什么不愿被锁进单体闭源栈。它们希望控制计算、模型、权重、数据和专有优势。否则就会同时承担两种代价，一边支付高额模型费用，一边用自己的知识帮助供应商变得更强。

所以信任不能只靠品牌声誉。企业要假设工具会出错，再从权限、隔离、日志和可替换性上限制损失。真正成熟的 AI 架构，不是承诺永远没有泄露，而是即使某一层失效，也不会把整家公司最敏感的代码一次暴露。

Token 价格的口径陷阱

Chamath 展示的表格把多组价格放在同一横轴。节目口播 Claude Fable 五约五十六美元，GPT 五点六 Sol 与 Claude Opus 四点八约二十六美元，Groq 约一点五美元，Grok 约一美元，中国模型约五十美分。但表格没有说明输入与输出 token 配比、缓存折扣或平均算法，五十六和二十六美元只能视为混合或平均成本，不能写成标准输入价。

厂商标准价必须拆开。Claude Fable 五每百万输入 token 十美元、输出 token 五十美元。GPT 五点六 Sol 输入五美元、输出三十美元。Claude Opus 四点八输入五美元、输出二十五美元。Groq 和 Grok 的低价数字仍只作为节目口播，无法确认的另一个模型名不进入发布内容。真正可比的是同一任务的完整输入输出账单，而不是一列口径不明的数字。

Jason 说自己通过 Perplexity 切换模型，用同一份产品需求制作一个播客播放器。它能按话题聚合多个科技和商业播客片段。使用新 Grok 后，几小时、约十一美元完成。他没有拿 Claude Fable 五对照，因为两百美元账户额度已经用完。这个案例不能代表所有任务，却说明便宜模型已经能完成真实项目。

Ramp 首席执行官 Eric Glyman 的片段又给出企业侧数据。过去一年，Ramp 客户 token 支出增长二十一倍。很多财务负责人只能事后看到账单，因此 Ramp 推出支出查看和控制功能。Chamath 担心，无引导的工程团队持续使用高价模型，会侵蚀营业利润，甚至让上市公司错过季度目标。

参与者估计，百分之九十五到九十八的普通提示不需要最贵模型。企业应按任务路由，简单工作交给便宜或本地模型，高价值判断再使用前沿能力。Jason 还引述预测称，未来 M 七 Ultra 可能支持一点五 TB 内存，让上一代前沿模型在 Mac Studio 本地运行。规格和时间仍是预测，但方向是把 token 成本、隐私和硬件放进同一张账。

算力为什么追着电走

本地推理再向外延伸，就变成边缘数据中心。节目提到 Sunrun 和 Span 正在探索住宅或分布式算力模块。家庭如果有太阳能、电池和夜间低价电，就可能在电力有余量时运行计算。算力不再只集中在巨型园区，而会逐渐追随能源分散。

Chamath 的警告更严峻。他称到二零五零年，美国可能缺少相当于两个半加州总能耗的电力。他又把一次 PJM 远期容量拍卖口播为需要七到八吉瓦、只有一百五十六兆瓦响应，但官方结果不支持这个字面表达。正式口径是采购约十三万八千三百一十八兆瓦，仍比可靠性要求短缺约六点八三一吉瓦，计划新发电资源和增容约五百二十五兆瓦。容量短缺确实存在，但不能用未经支持的一百五十六兆瓦替代官方结果。

解决办法之一是表后供电。普通数据中心从公用电网接线，表后供电则是在自有土地上建设发电设施。太阳能占地大，电池必须先充电，天然气稳定却受清洁空气许可约束。节目称 Elon Musk 为孟菲斯 Colossus 使用移动燃气轮机，Bloom Energy 等方案也在寻找大规模现场供电路径。

这改变了数据中心估值。芯片再多，如果几年后才能接电，也无法产生 token。可验证、可立即通电的能源，正在成为比土地和机房更稀缺的资产。

从这个角度看，未来的算力竞争不只是买多少 GPU。企业还要决定电从哪里来，排放许可怎样拿，负荷何时接入，以及设备能否迁到别的地区。能源系统开始成为模型能力的一部分。

纽约暂停令的两套账

节目播放纽约州长 Kathy Hochul 的讲话。她说超大规模数据中心使用化石能源、增加碳排放、占用土地，还可能提高电费、消耗水源、制造噪声，因此要签署全国首个州级暂停令。她算的是居民和环境承担的外部成本。

Sacks 的反驳先承认一个条件。如果数据中心不新增供电，直接与居民争夺电网电力，价格确实可能上升。可如果允许企业表后发电，让 AI 公司也成为电力生产者，问题就不同。对土地、噪声和水，他认为可以靠选址、距离和闭环循环水解决。节目还引用比较，称典型数据中心年用水约等于两个半 In-N-Out 汉堡店，但研究范围没有展开。

另一套账是地方收益。参与者强调税收、建筑岗位和建成后的持续工作，还提到有地区用数据中心税收给教师发奖金。Jason 认为纽约市拥挤不代表整个州，纽约上州仍有大量未开发土地。

真正需要比较的不是数据中心有没有成本，而是具体项目是否新增电力、怎样用水、离居民多远、带来多少收入。州级一刀切暂停把所有项目当成同一种设施，也因此成为本期最激烈的分歧之一。

州长强调的是不能让居民替科技公司付账，嘉宾强调的是不要把可解决的问题变成永久禁令。两边其实都承认资源约束存在，争论焦点是应该逐项目设条件，还是先全面暂停，再由政府重新决定谁能建设。

能源稀缺背后的政治

Jason 转述美国能源部长 Chris Wright 的说法，称部分反数据中心抗议与过去反水力压裂行动存在共同资助网络。Sacks 又质疑 Anthropic 及员工资助限制数据中心的组织，因为算力供给本来就是模型公司收入增长的瓶颈。节目没有展示完整资金文件，所以这些只能算转述和质疑。

Sacks 还转述一位政治人士的推测。暂停令可能不是永久停止，而是等未来政府掌握足够控制后，再以接受新监管机构和内容治理为条件放行。他估计，即使两三年后解除，项目重启和建设也会让纽约至少约五年后才新增可运行数据中心。这是政治和工期预测，不是已经宣布的计划。

Chamath 从资产市场看到的是即时后果。他说今天可验证、可立即通电的数据中心容量价格极高，约百分之四十项目正被搁置。若电力不足，药物发现、癌症诊断、医疗和法律服务并不是模型不会做，而是没有足够算力去服务。

所以 GPU 会追着能源迁移。政策暂停看似只影响一座机房，实际会改变投资曲线、地区税收和 AI 应用供给。基础设施建设慢，今天的政治决定会在多年后才完全显现。

这也解释了为什么现成电力会突然比未来规划更值钱。市场不是只为一度电出价，而是在为节省数年等待时间出价。暂停越久，已经通电的资产越稀缺，新项目也越可能迁往政策更稳定的地区。

全球选址与舆论战

Sacks 认为，限制美国数据中心的力量也在扩大芯片出口控制，甚至影响朋友和盟友。国内不建，伙伴国又拿不到芯片，算力就没有落脚点。中东能源充足，网络位置还能以约两百毫秒服务四十亿人，但 Chamath 说此前预期的扩张一度停住，亚洲特别是澳大利亚反而完成了更多项目。

参与者把纽约和加州的限制称作奢侈监管。富裕地区觉得少一个项目也能承受，需要外资、生产率和财政收入的地区则更可能欢迎建设。节目还称阿联酋重新获得领先芯片进口能力，企业级 Starlink 可提供十到二十吉比特连接，远程选址因此更可行。

Friedberg 随后把讨论转向舆论形成。他以美国反 GMO 情绪为类比，称 Russia Today 进入美国后，相关叙事经媒体、博客和社交平台扩散，在其受限制后热度下降。他把这与冷战时期的主动措施联系起来，但时间相关性并不能单独证明因果。

Sacks 又提到 OpenAI 关于中国关联影响行动介入美国 AI 讨论的文章，并称国会将调查。几位参与者担心，若舆论同时限制数据中心、开源和低价模型，美国企业就会既支付高出几十倍的 token 成本，又把专有知识反馈给闭源供应商。外国影响是否造成具体政策仍待证据，但国家竞争确实已经进入基础设施和信息环境。

中国追赶与监管时机

Sacks 认为美国正在经历 AI 道德恐慌。网络、生物和大规模失业风险值得监测，但最悲观灾难还没有按预测出现；监管对自由市场、快速迭代和风险资本的伤害，却会立刻发生。甚至连 FINRA 式自律都被视为相对温和方案，说明可接受政策的窗口已经大幅移动。

节目称中国的 Kimi K 三已非常接近前沿，美国领先可能只剩数月。参与者因此主张监测而不是恐慌。自动驾驶对就业的影响要看，模型能否攻击系统也要测试，前沿实验室本来就在做安全评估和红队。但在没有现实灾难时建立多年许可体系，可能让美国先失去速度。

他们还批评 Dario Amodei 的时间表。节目回忆，他曾说一至五年内一半入门知识岗位可能消失，早期监管讨论又用十的二十五次方 FLOPs 作为门槛，如今很多模型已越过。参与者据此认为，固定阈值很快会过时。

Sacks 最尖锐的概括是，先把自己塑造成安全 AI 公司，再推动禁止不安全 AI，最后从市场集中获利。这是他的动机判断，不是已证实策略。真正的政策难题仍是避免两种错误，一种是对真实风险反应太慢，另一种是因未来恐惧过早锁死竞争。

没有人主张完全不做安全检查。分歧在于检查应随证据调整，还是先把许可权固定下来。模型、就业和国际竞争都在快速变化，监管若没有退出条件和更新机制，本身也会成为难以纠正的系统风险。

细胞外基质为何会老

科学角落把抽象监管争论拉回一个具体应用。Friedberg 先区分两种衰老路径。山中因子试图让细胞内部恢复年轻状态，新研究关注细胞外基质，也就是细胞之间的支架。身体老化不只发生在细胞里，细胞外蛋白也会逐渐失去弹性和修复能力。

关键机制叫糖基化。糖和脂肪与细胞外蛋白结合，形成晚期糖基化终产物。这些物质让蛋白变黏，阻碍清理和替换，还会改变结构。相互分开的胶原开始交联，皮肤出现皱纹，关节活动下降。异常蛋白又可能引发免疫攻击和慢性炎症。

其中一种主要分子叫 CML。Friedberg 说，人体没有现成机制有效分解它。研究者于是把复杂的衰老问题缩成一个清楚目标，设计一种自然界原本不存在、能够结合并降解 CML 的酶。酶也是蛋白，只要找到合适的氨基酸序列，就可能催化目标分解。

这个目标很重要，但边界也要清楚。清除 CML 只处理细胞外基质老化的一部分，不等于整体逆转人体年龄。

它更像是找到衰老网络中的一个具体结，而不是发现一颗万能药。把问题缩小到可测分子，研究者才能设计酶、比较活性并验证结果。科学价值首先来自可操作和可重复，而不是听起来惊人的年龄比喻。

AI 设计酶走到哪一步

研究团队先用 AlphaFold 寻找能结合 CML 并触发分解反应的蛋白。蛋白由 DNA 编码，研究者可以打印 DNA，让细菌生产候选蛋白，再测试活性。节目把候选规模口播成数百到数千个，论文实际报告筛选超过五亿个变体。团队使用定向进化反复修改 DNA、筛选更强结果，再进入下一轮，总共完成五轮。这个规模说明它依靠的是超大规模实验闭环，不是少量候选的手工试错。

节目称，优化后的酶在酪蛋白、胶原、视网膜蛋白和血红蛋白等体系中，去除百分之五十二到九十七的 CML，多个位点超过百分之九十。团队又把酶用于七十岁以上捐赠者的离体皮肤，去除百分之五十五 CML，使相关指标接近三十一岁皮肤。这里不是让患者整体回到三十一岁，而是组织样本中的特定指标变化。

下一步仍是递送。它会成为乳霜、注射、补充剂，还是用 RNA 让身体自己生成蛋白，目前都没有答案。离体皮肤有效，也不等于人体内安全有效。吸收、免疫反应、剂量和临床试验都要继续完成。

Friedberg 预测美容和护肤会是第一市场，并现场给出万亿级规模判断。更有价值的结论不是市场数字，而是方法本身。AlphaFold 提供结构起点，DNA 编程和高通量筛选持续改进，最终在真实组织上得到可测结果。AI 在这里不是一句未来口号，而是进入实验闭环、帮助创造新蛋白的科学工具。

从计算预测到实验筛选，再到离体组织验证，每一步都有下一道证据门槛。正因为仍有大量问题没有解决，这项工作才更像一条研究路径，而不是已经上市的抗衰老产品。