AI 治理的诸多思路里，「算力治理（compute governance）」是最独特的一条：它不试图监管模型的行为（太难观察）、不试图监管算法（太容易扩散），而是监管训练与运行模型所需的物理资源——芯片与数据中心。这个思路成立的根基是一个经济学事实：前沿 AI 的算力需求极度集中——全球能训练前沿模型的组织屈指可数，因为它们都需要同样的东西：最先进的 AI 加速芯片（供应链集中在一家代工厂与两三家设计公司）、数亿美元级的数据中心、巨量的电力。集中性 = 可监管性：管控少数几个环节，就管控了能力的扩散。本篇讲清算力治理的逻辑、已经落地的实践、以及它刻意没说破的盲区。
治理逻辑：三个「算力独有」的治理优势
算力作为治理杠杆，有三个其他治理对象不具备的属性。属性一：可测量。算力以 FLOPs（浮点运算次数）计量，训练一次前沿模型需要的算力总量是可以估算的硬数字——这使得「哪些训练触及监管门槛」第一次变得可判定（欧盟 AI Act 的系统性风险认定、美国出口管制的能力阈值，都以训练算力为标尺之一）。对比之下，「模型是否有害」「算法是否危险」是无法测量的软概念——算力把 AI 治理从语义问题变成了计量问题。属性二：可拦截。芯片的制造链条全球极度集中（先进制程的代工、光刻机、高端显存都指向极少数供应商），物理货物流动可以被海关与出口管制拦截——这与「算法复制零成本」形成鲜明对比：权重可以复制，造权重的芯片不能复制。属性三：可追踪。数据中心的选址（电力、冷却、土地）无法隐藏，大规模算力集群的电力消耗在电网数据上可见——大规模训练「藏不住」，这为合规验证（你有没有用超标的算力训练）提供了物理观测点。三个属性合起来，算力治理为 AI 这个「信息世界」的东西，接上了「物理世界」的监管抓手——这是它被称为「卡脖子杠杆」的原因：字面意义与比喻意义的双重卡脖子。
已落地的实践：出口管制与它的演进
算力治理最成体系的实践是出口管制。管制框架的演进：以美国 2022 年 10 月的对华先进芯片与设备出口管制为标志（对高性能 AI 芯片的出口许可要求、对先进制程设备的限制），2023 年 10 月升级（性能密度指标堵住降规格绕过、管控范围扩至更多国家），此后多轮迭代（针对「降规特供版」的持续收紧、盟友体系的协调）——管制框架的核心逻辑是按算力与互连性能划线：超过阈值的芯片与可用于训练的设备，向特定目的地出口需要许可。被管制方的应对与管制的真实效果构成复杂的博弈：受限市场催生了本土替代方案（中国厂商的国产芯片路线与「合规降规版」芯片），管制在「延缓最前沿扩散」上有明确的短期效果，但在「刺激自主供应链」上的长期反效果同样被反复讨论——出口管制的历史（从冷战巴统到瓦森纳协定）早就演示过这个双向性。算力治理的其他实践：训练算力的报告要求（部分司法辖区要求大型训练的算力申报）、云服务的客户审查（云厂商对训练用途的合规筛查）、以及学术界提出的「算力闸门」构想（对超大训练集群的许可制度——尚在讨论阶段）。
盲区与边界：算力治理管不住什么
算力治理的极限，与它的优势同样清晰。盲区一：算法效率的进步会持续「挖墙脚」——算法改进让「同样的能力需要更少的算力」，管制的算力阈值随算法进步而相对放宽（几年前需要受管制算力才能训练的模型，今天消费级硬件可复现）——算力阈值是移动的靶子，管制的有效性持续被算法研究侵蚀。盲区二：开放权重绕过了训练管制——训练被管住，但已经发布的开放权重可以被任何人下载微调（本库《开放权重模型的安全辩论》），算力治理管「造新的大模型」，管不了「改造已发布的小模型」；两者的风险交叉点（开源模型能力的快速逼近）正是算力治理的软肋。盲区三：绕过与扩散的灰色地带——芯片的走私与转口、算力的跨境租赁（在不受管制的数据中心租用算力）、以及管制联盟之外的第三国转口——物理管制的经典漏洞在算力上同样存在。盲区四：治理的工具属性——算力治理本质是地缘政治工具，它的首要目标是战略竞争而非安全本身——这决定了它的规则设计（阈值、名单、许可）服务于战略目标，与「AI 安全」的最优规则未必重合；对安全研究者而言，算力治理是「现实存在的治理杠杆」，但不是「理想的治理设计」。算力治理的准确评价：它是当前世界上唯一真正咬合的 AI 治理齿轮——虽然齿轮的转向由地缘政治驱动，但它演示了一个重要事实：AI 能力的扩散是可管理的，只要抓住物理层的集中性。
算力治理的中国视角：受管制方的应对逻辑
算力治理的讨论如果缺了「被管制方视角」就只剩一半——中国的芯片与算力应对是一个完整的战略样本。应对的三条主线：国产替代（本土 AI 芯片的研发与生态建设——CUDA 生态的护城河是最大障碍，国产软件栈的建设是长期战）；合规降规的采购（在管制阈值内的「特供版」芯片——每一轮管制升级都针对这类绕过收窄，猫鼠游戏的循环）；存量与效率的挖掘（已有算力的调度优化、算法效率的提升——「用更少的算力做更多的事」是被管制方的天然战略，本库正文的「算法进步挖墙脚」从被管制方的视角看是「突围路径」）。应对的深层逻辑：出口管制对被管制方是一次「强制性的技术独立投资」——短期成本巨大（先进制程的差距真实存在），长期效果双面（自主供应链的成型速度被压力加速，但「最前沿」的差距可能固化）。对算力治理讨论的完整启示：任何治理杠杆的设计都要预演「被治理方的理性反应」——管制不会消灭需求，只会改变需求的满足路径；治理设计的水平，体现在对「满足路径」的预判与覆盖上（管住了芯片，算法效率的路径被打开；管住了大算力训练，小模型与蒸馏的路径被打开——治理者的战场是所有替代路径的预判，这不是一次立法能完成的，是持续的博弈）。
数据中心的地理学：算力分布的未来变量
算力治理的长尾变量还有一层：数据中心的地理分布逻辑本身在变化。传统逻辑：数据中心靠近用户与网络枢纽（延迟优先）。AI 时代的变量：电力的优先级急剧上升（训练集群的功耗以百兆瓦计，电价与电力供应的稳定性成为选址的第一约束）；冷却与气候（散热成本与水资源）；以及监管地理（数据出境限制、算力管制的辖区边界——算力的选址开始考虑「合规地理」）。地理变化对治理的反向影响：算力向电力富集区迁移（能源丰富的地区成为「算力特区」的候选——中东的算力投资、极地与海洋的数据中心设想），治理的管辖权追不上算力的迁移（算力特区如果落在管制联盟之外，管制的地图需要重画）；同时电力成为新的战略资源（「AI 的尽头是电力」的行业说法反映了算力与能源的绑定）。给治理讨论的补充结论：算力治理的下一个战场不在芯片，在能源与地理——谁有便宜而稳定的电力，谁就有算力的主权；而监管的「可观测性」（本篇正文的属性三）在电力数据上的优势，也可能被「离网算力」（自建电厂的数据中心）削弱——治理与被治理的博弈，正在从芯片的制程，扩展到电网的版图。
小结
算力治理收成四条：算力的三个属性让 AI 治理第一次「可计量、可拦截、可追踪」——集中性把信息世界的监管接上了物理世界的抓手；出口管制是已落地的实践，按算力阈值划线、多轮迭代，短期延缓效果明确、长期刺激自主供应链的双向性同样明确；四个盲区——算法进步挖墙脚、开放权重绕过训练管制、走私与租赁的灰色地带、治理目标的地缘属性；算力治理是当前唯一真正咬合的 AI 治理齿轮——它的转向由地缘驱动，但它证明了 AI 能力的扩散可以管理。对 AI 安全而言，算力治理的启示是：最有效的治理抓手，往往不在信息层，而在信息世界的物理地基里。
参考资料
- 美国 BIS 先进计算与半导体制造出口管制规则（2022 年 10 月版及后续修订）
- 欧盟 AI Act 关于训练算力阈值的系统性风险认定条款
- Sastry, G. et al. (2024). Computing Power and the Governance of AI —— 算力治理的系统综述
- 本库前篇：《开放权重模型的安全辩论》《生化风险的 AI 管控》《欧盟 AI Act 两年记》
读者留言
COMMENTS 暂无还没有留言，来说第一句？