DUV 管制为何成立：Saif Khan 谈美中 AI 芯片竞争

DUV管制的理由

与Saif Khan对谈！Jordan Schneider和Phoebe Chow，2026年10月17日

Saif Khan首次亮相ChinaTalk。在我关注华盛顿的这些年里，他或许是我最喜欢的“从发帖到政策”的范例。Saif在CSET任职期间撰写了一些真正出色的AI和半导体深度研究，随后在2020年代早中期先后进入国家安全委员会和商务部，横跨拜登政府和特朗普第二任期两届政府，帮助促成了我们今天所见的出口管制监管体系。他现在已离开政府，正在创办技术与治国术中心（Center for Technology and Statecraft），这是一家隶属于IFP的智库，该智库已经在产出优秀、扎实、技术性强且具有前瞻性的研究成果，这些成果必将在未来数年塑造许多AI政策讨论。

我们讨论了：

Saif为何创办一家新智库，以及在飞速发展的AI世界里，深入、前瞻性政策研究的价值；

CTS那份具有里程碑意义的DUV报告，该报告预测，如果今天停止相关工具出口，到2030年代中期，中国生产的AI芯片数量可能比美国少约100倍，这使DUV管制成为美国影响AI力量平衡最关键的杠杆；

严谨的研究究竟如何转化为政府政策，以及为何在进入政府工作之前拥有智库经验是有价值的；

机器人技术作为美中AI竞争的下一个前沿，以及塑造AI政策的安全思维与扩散思维；

AI如何改变政策研究本身、将AI引入政府所面临的挑战，以及AI驱动的经济和社会变革对人类可能意味着什么。

此外，还有为什么人人都该读鲁迅、为什么AI可能像昆虫一样社交，以及AI保姆式管理。现在就到你最喜欢的播客应用上收听！

为什么还要再办一家智库？

Jordan Schneider：Saif Khan，终于等到你，欢迎来到ChinaTalk。世界为什么需要又一家智库？当下对循证政策的需求有多大？

Saif Khan：出乎意料的是，AI政策智库生态中确实存在一个我们正试图填补的空白。产业界和基金会正在大量吸纳人才，但在华盛顿的智库中，做有影响力研究仍有很大空间。我鼓励大家不要放弃这一点。

我们对什么重要有自己的独特视角。当年我在乔治城CSET的时候，还没什么人真正关心AI政策，甚至半导体政策，我们有充足的时间去思考未来几年会真正重要的议题，并把政策构想储备起来，等政策窗口打开时随时可用。如今，每一天都会带来关于AI、政策和芯片的新消息，所以留给前瞻性研究的空间比过去小了。我们正试图通过埋头钻研、提出在未来一到三年内会重要的新想法，来填补生态中的一点空白。

我们还试图成为另一个中心：过去几年一些最有成效的政策研究，来自对AI供应链的理解——从芯片制造工具到token再到机器人。理解物理世界中正在发生的事，能让研究扎根于现实，从而更具影响力。我们在网站上的创刊文章中谈到了这一点。从物理层面理解AI在现实世界中正在发生什么，有助于你识别别人看不到的模式，你也能预测世界将如何演变。我在CSET花了大量时间做半导体政策研究，理解供应链有一种可预测性：如果你拨动一个政策杠杆，你就能看到世界将如何演变。

如果你研究的是有实证根基的东西，其中还几乎有一种分形般的特性。你可以深入细节，而且总能学到更多。花在这上面的时间绝不会浪费。你研究的不是针尖上有几个天使跳舞——这些都是现实世界中的事物。我们正试图成为这类工作的中心，而具备技术专长来做这类工作的人仍然相对不足。而且，无论你如何看待当下的政策窗口，总会有某些时刻，前瞻性的部分会变得重要。

Jordan Schneider：思考这个领域的演变以及还有哪些空白，很有意思。我记得你在商务部时我们的对话，你会问：“Jordan，中国AI这摊子事到底怎么样了？”我会说：“怎么说呢，只有三个人在盯着它。”那是2023年。现在情况已不再如此，我几乎为此感到宽慰。全职为英语政策界研究中国和AI的人，从四个人变成了——我不知道——三十个或五十个。政府也开窍了，这在DeepSeek出现之前的日子里是没有的。

但我明白你的意思，现在噪音太多了。做政策工作的两种“投资风格”——姑且这么说——是拥有更长的视野，并研究物理层面的东西。我一直害怕的是，把六个月的精力投入写一份一百页的报告，而尤其在AI方面，六个月就是永恒。六个月就是三十年。我很想听你展开讲讲，为什么如果你顺着供应链走，你就能更有信心地认为，你投入时间、精力和人才去深入理解的任何东西，在中期内都会保持相关性。

赛义夫·汗：尽管现在有更多分析师在关注中国和人工智能，但关于美中人工智能力量对比的一些基本问题并没有得到解答。举几个我们将要研究的问题为例：人们经常谈论美国拥有大约八个月的模型能力领先优势。但人们其实并不太清楚为什么会这样。这在多大程度上是因为我们在训练更大的模型，又在多大程度上是因为中国公司通过蒸馏或强化学习获得了多少量化的能力提升？如果美国的能力进步速度加快或放缓，中国会怎样？对世界未来面貌进行建模是相当困难的，而且人们对此的理解还远远不够。这是我们将要探讨的等式中的一部分。

当GLM 5.3 Flash的某个版本发布，并宣布他们正在生产数十万亿个token时，你就会看到这种情况，而反应是：“好吧，出口管制不再起作用了。”为什么这是对的或不对的？关于美中人工智能竞争基本面的许多系统性解释并不为人所熟知。

另外几个领域则几乎完全没有被涉及。一个是机器人技术及其与人工智能的交汇。我们的一位研究员阿米莉亚·迈克尔把所有时间都花在这个课题上，而在华盛顿特区深入思考这个问题的人，我一只手就数得过来，更不用说从中国方面来思考的人了。如果我们做好研究，这里有巨大的空白可以填补。

另一部分：有很多论点认为现在是推动政策最关键的时刻——我们可能在大约一年内就会拥有完全自动化的人工智能研发，而所有关键的政策决定都必须在那之前做出。我不确定我完全同意这一点。在我看来，我们将要做出的许多重大决定将跨越未来五到十年，而提前做这些研究、塑造事情的发展方向，将会带来回报。

我从之前的经历中得到一点体会：我先是在一家智库做研究员，然后进入政府工作。人们的期望是，人们在智库发展自己的专业知识，然后进入政府时把这些知识带过去，这样他们就拥有更有效地实施政策的世界观和工具。我真的看到，在进入政府决策任期之前花时间做这些事的人，有机会在工作中更有效率。

乔丹·施耐德：为什么？

赛义夫·汗：尤其是在国家安全委员会，我在那里待了几年，你会遇到日常的紧急情况，必须对当下正在发生的事情做出回应。很容易整个工作都陷于应对日常事务，而不是主动推进一个你事先已经把细节想清楚的政策议程。如果你没有做过这些，你就根本不会有有效推进它所需的材料。

我在政府工作的时候，你总是可以依赖外部专业知识——来自联邦资助的研发中心或其他旨在与美国政府合作的组织——来获取前瞻性的新政策想法。但拥有内部专业知识、自己发展出这些知识、并拥有自己把事情办成的世界观，是无可替代的。

乔丹·施耐德：但为什么呢？是因为你只见树木不见森林，还是因为你听命于产业界？作为坐在这个位置上的人，如果没有自己在这个议题上的历史、背景和观点，失败模式是什么？

赛义夫·汗：我已经说过的一点是时间——你必须先有一个主动的世界观，才能去执行它。其次，其中一些议题是世界上最技术性的政策制定议题。你需要有能力拥有独立的观点，并在你从外部听到的不同意见之间做出裁决，这些意见来自有着不同激励的不同产业行为体。直接从外部人士那里收集部分知识是有其作用的，但你需要自己的专业知识才能做出裁决。

DUV报告

乔丹·施耐德：让我们用DUV这个问题来展示，而不是空谈。你为什么不先勾勒一下框架，然后谈谈你为理解当前的政策问题所采取的方法？

赛义夫·汗：我们的第一份重要报告是对DUV浸没式光刻技术的非常非常深入的剖析。你播客的长期听众会熟悉这样一个概念：光刻是根本性的卡脖子技术——是驱动前沿半导体制造的必要且最复杂的技术，也是负责制造最先进芯片的技术。EUV，即极紫外光刻，是世界上最先进的工具，用于制造最先进的芯片。次先进的 lithography 工具——这些是在芯片上印制微小特征的工具——是DUV浸没式。它至今仍被用于制造先进芯片。中国的华为使用这些工具以所谓的七纳米技术制造其最先进的芯片。它仍然是塑造各国人工智能能力的关键杠杆。

来源。

我们深入剖析了当前态势，以及向中国出口DUV浸没式技术如何塑造着这场竞争。目前，两个美国盟友——日本和荷兰——是这些工具的唯一生产国。这确实是我们仍然拥有的最有效的卡脖子点。中国造不出来，而且它是供应链中最难实现本土化的工具。通过考察历史数据以及这些工具的成本和复杂性，报告认为中国很可能要到2030年代中期左右才会有商业化的本土工具。这可能是他们最后才能实现本土化的工具。供应链中的所有其他工具，无论是沉积还是刻蚀，他们可能都能更早实现本土化。如果你真的在审视美国人工智能领导地位的长期前景，这就是最重要的工具。

乔丹·施耐德：这份报告在Word文档里有120多页；我们看看转成PDF后会有多少。如今我读了很多AI文本，所以看到这样一份东西真是令人耳目一新：一个非常敏锐的人，把你要理解“向中国出售这种机器与向世界其他地区出售算力相比会产生什么影响”所需的所有问题都合乎逻辑地思考了一遍——而且把全部推演过程都展示给你看。通常我会用这话来形容某人写了十年的非虚构书籍：这份报告的每一页我都学到了东西。以我这样一个在这个领域做了很久、读过大量类似主题报告的人来说，能让我这样说的智库报告数量——极少极少。我真的得回溯到2020年和2021年Will Hunt和Saif Khan的几篇经典之作，才能找到一篇如此直击要害的。

如果你对DUV感兴趣，或者你只是想知道什么才算好作品，那就花点时间读读这份报告，深入细节。它既是一份教学文档和入门指南，也是一份法律论证，说明美国为什么应该走通过MATCH法案、禁止DUV出口的道路。向Saif和他的团队致敬。你们一出手就是重磅之作。出资人的钱花得值。

赛义夫·汗：这里绝大部分功劳归于Nick Brown，他是我们的一位高级研究员，也是主要作者。这将是他重大报告的处女作，尽管他已在生态系统中摸爬滚打了一段时间——在谷歌、兰德公司工作过，还和我在商务部共事。我非常期待世界看到他的出色工作。

简要说一下论点：2023年我们对这些工具实施了一些管制。问题在于，一些不那么先进的DUV浸没式工具仍被允许进入中国。在这些管制刚出台的时候，中国大约安装了170或180台这类工具。由于我们仍允许部分工具出口，这一存量此后大约翻了一番，极大地增强了中国的芯片制造能力。即使你不卖给某些设施，这些工具也很容易被转运。

随后我们做了若干建模步骤——考察这些工具在不同节点制造AI芯片的良率、吞吐量分析、装机量分析——并得出各种情景。到2030年代中期，我们预计美国每年将生产约10亿颗英伟达H100等效芯片，误差范围相当大。如果我们今天就停止DUV浸没式工具的流动，我们预计中国的本土产量很可能被限制在每年约1000万颗左右。如果他们动员起来——如果他们能够实现供应链中所有其他工具的本土化，并选择不制造智能手机芯片——也许能达到数千万颗。那是极端情景，但仍然只是数千万颗。而如果你继续出口这些工具，就有可能出现美国产量的不确定区间开始与中国产量重叠的情况。我们可能把整个领先优势拱手相让。这可能是塑造2030年代美中AI差距的最关键杠杆。我们也在论文中提出了一些政策选项。

从证据到政策

乔丹·施耐德：画一张带锥形区间的图很容易。难的是画出一张能让我相信这些锥形区间在其标准差和置信区间上是真实的图。你做了扎实的工作，把论证做得近乎无懈可击：除了出口这些工具之外，世界其他地区将保持其在算力生产上约10倍的领先优势。

赛义夫·汗：我想说，也许是100倍。

乔丹·施耐德：好吧——10倍是下限，在其他情景下还可能更大幅度地扩大。

赛义夫，那个元问题：很多人在这份报告写出来之前就一直在主张管制DUV。我理解你的观点，即这项工作既关乎培养做这件事的人才，也关乎说服大众。但像这样的工作究竟要通过什么政策路径才能真正渗透到生态系统中并带来改变？把所有证据汇集起来说“禁止DUV”，与仅凭直觉行事——我猜你可能会说，这正是这个圈子过去几年一直在做的——相比，反事实是什么？

赛义夫·汗：坦率地说，这个问题目前正在国会激烈辩论。MATCH法案涉及对华半导体设备出口，并包括对这些DUV浸没式工具的潜在管制。许多聪明的幕僚和议员正在提出相当深入的问题：这项政策会奏效吗？成本是什么，收益是什么，这究竟能给我们带来什么？这方面人们了解得并不充分。拥有更好的信息来为辩论提供依据，无论结果如何，都可能产生重大影响。

即便本届国会没有行动，我们也会有又一年时间来进一步辩论这些问题。显然，特朗普政府时期的出口管制政策发生了转变。但看看去年的AI行动计划，其中明确指出，堵住半导体制造设备管制中的漏洞是该政府AI政策的优先事项。该政府并未撤销任何现有的半导体设备管制。随着美中AI竞争升温、形势迅速变化——特朗普政府自己的AI政策与一年前看起来已大不相同，尤其是在AI安全与保障方面。短期内产生影响的机会绝对存在。

另一个关键点：我们每拖延一天不对这些工具实施额外管制，我们在塑造美中AI平衡方面的筹码就会多流失一点，但这是一个跨越数年逐步展开的问题。即便我们在一两年后实施额外出口管制，对长期而言仍具有极大影响力——即使你认为眼下没有政策窗口。

乔丹·施耐德：你如何看待这样一种批评：拜登政府过于偏向研究，凡事都要先出一份120页的DUV报告才能达成共识？这里是否存在某种失败模式？

赛义夫·汗：在所需研究深度上把握好恰当的平衡，始终是值得的。在政策领域，并不总是追求完美的数学精确性。有时你用80/20法则就够了。在这份报告上，我们可能做得超过了80/20，因为它太重要了——也许在这种情况下95/5是值得的。

乔丹·施耐德：另一个模因式的问题。几个月前我请了运营IFP的凯莱布·沃特尼来做客，而你和你的新组织是IFP衍生出来的。回想一下当前关于“为前沿定速”的辩论。IFP提出了这份完全合理的23点计划：如果你想为前沿定速，这里列出了在许多情景下都很有道理的其他所有事项，我基本上对其无一反对。但你也可以看看过去六个月这场辩论的走向及其驱动因素，并指出伯尼·桑德斯在谈论AI将如何杀死我们所有人，以及这些公司里的少数人站出来大喊大叫、发推说AI将杀死我们所有人。听了你过去三十分钟的人对你的个性有一定了解——更偏向实证和分析。你如何看待这类工作与这个领域里越来越多冒出来的、用于拉伸奥弗顿窗口的模因式操作之间的互动？

也许是IFP的23点计划，伯尼？来源。

赛义夫·汗：我们是一个由IFP赞助和支持的项目，凯莱布、亚历克·斯塔普、蒂姆·菲斯特——所有这些人在帮助我们起步方面都绝对不可或缺，他们现在仍然是研究和政策方面的密切合作者。我还要特别提到伦纳特·海姆，他是我们的另一位亲密顾问，也是ChinaTalk的朋友，他帮助我们起步，如今已奔赴OpenAI基金会这一更广阔的天地。

关于这份报告——《美国应如何应对日益自动化的AI研发》：无论你是否认为递归自我改进（自动化AI研发）即将到来并将构成巨大风险，有哪些准备工作能让你处于一个更好的世界？如果我们最终实行定速，我们将能够以更精准、更有针对性的方式来做，而不是措手不及，在政治体系突然想要对AI风险作出非常激进的回应时采取更严厉的手段。如果最终证明这根本不是问题，我们也会乐于反正已经做了所有这些政策。

有很多地方可以在世界观截然不同的人之间找到积极的折中方案。这就是我们在确定这23项低后悔政策选项时试图做的事情。

乔丹·施耐德：十年后最重要的那件事会是一项低后悔举措吗？必然会有一些举措，其后悔值矩阵属于中或高，但仍然是正确的事情。我记得四年级时的一次对话，有人说：“乔丹，为什么你总是那个说‘我们就不能好好相处吗’的人？”这话一直留在我心里。我也有一种性情上的偏好，不愿对一件会让半数听众对我大为光火的事情大喊大叫。但作为一个深切认同IFP世界观、认同赛义夫实证标准的人：是否也会有一些问题值得严谨的分析和实证，但附带一个更可怕、潜在后悔值更高的收益矩阵？

赛义夫·汗：两者都有空间。第一，我们需要找出所有能做的渐进步骤。凯莱布上任新职时写了一篇文章，引用约翰·冯·诺依曼的话，大意是许多小决定累积起来能造就一个更好的世界。但坦白说，我们刚才谈的是2022年、ChatGPT出现之前实施的出口管制。当时没有人会说那些政策是毫无风险考量的渐进步骤。有时我们必须先发制人，选择一项能推动奥弗顿窗口的政策。

机器人与安全思维 vs. 扩散思维

乔丹·施耐德：说到超越——你想聊聊机器人吗？赛义夫，你在机器人问题上是什么立场？

赛义夫·汗：我们谈了很多中国，但我们还有另一个政策支柱。我们的结构是这样的：有一条供应链/算力/AI生产函数的脊柱，支撑着我们所有的研究。然后是挂靠其上的中国工作。再然后是我们称为“自动化与社会契约”的另一整块，涵盖若干政策领域，其中一些超出了国家安全范畴，进入先进AI时代的经济政策。当AI系统开始执行人类能做的几乎所有劳动时，AI系统之间、以及它们与人类之间的关系会是什么样？

关于未来几年AI发展走向，有一个被低估的部分：是的，我们可能会在软件层面获得递归自我改进和极其强大的AI能力。但世界真正转型的方式是通过物理自动化和机器人技术——将AI能力与机器人技术结合，大规模部署机器人，让它们学会从事制造，并最终在某个时点或许创建自维持的供应链。我们可能最终进入的是一些非常奇特而有趣的世界，而这些在华盛顿相对而言尚未被充分探索。

你现在能看到中国竞争方面的一些政策关注——FCC采取了一些行动，对部分中国机器人实施进口禁令。但围绕如何在机器人和先进制造业领域管理与中国的竞争、以及这与AI的关系，存在一系列广泛的问题，而我们在这方面并没有太多政策构想，而这将在相当近的未来成为美中AI竞争的关键交汇点。产业政策的下一步也会引起关注。我在国安会工作时参与过《芯片法案》，它被视为应对美国核心脆弱性的核心产业政策。机器人很可能很快就会成为我们争论的焦点，以及产业政策战略必须采取何种形态。此外还有关于AI监管的争论。

乔丹·施耐德：赛义夫，你在创刊文章里提出了一个框架：AI政策中的安全思维与扩散思维。这个框架如何解释我在Twitter上看到的一切？

赛义夫·汗：人们看待AI政策有两种根本方式。一种是安全思维，认为最重要的行为者是开发极其强大AI系统的前沿AI公司，这些系统将带来灾难性风险，或以显著且非常离散的方式改变世界力量平衡，往往发生在现有机构之外。另一种世界观认为，AI领域将要发生的大部分事情、以及最有趣的事情，都围绕广泛采用和与现有机构的共同演化过程展开。这其中很多与经济政策、人与人之间的再分配问题、以及AI在经济体系中的作用有关，尤其是当它们变得有能力执行人类目前所做的许多任务时。

我们试图指出的是，这些未必是对立的世界观，因为要拥有一个良好的AI未来，我们需要解决所有这些问题。我们需要解决对我们机构运作方式的安全冲击。我们需要确保AI不被用于制造杀死大量人的生物武器。但即使你解决了所有这些问题，在一个拥有能做人类一切事情的先进AI系统的世界里，人类的角色仍将存在根本性问题。除非你也解决了那一块，否则问题就没有解决。我们的许多工作将融合这两种路径。

乔丹·施耐德：也许这又回到了赛义夫式深度实证何时有用的问题。安全思维、国家竞争力和国家安全那类东西，适合用百页报告来回答非常具体的问题；我能想象，我过去也读过。而我所见过的关于“我们作为一个社会如何适应”的思考质量和解决方案——机器人到处跑意味着什么，或者AI推动生产率快速增长意味着什么——这些本来就是更松散的问题，你很快就会进入道德哲学。我想，在扩散思维这一类里，它们是更宽泛的问题。

赛义夫·汗：非常宽泛，但也非常适合定量、技术和政策分析。实际上缺失的一件事——我们希望至少在长期内将其结合起来，尽管这还需要人手——是：你有一批真正深谙AI的经济学家在斯坦福、Anthropic研究所，以及如今新的DeepMind研究所等地工作，然后你在华盛顿有政策人士在思考AI转型的经济政策。这两者并不在一起。对AI走向的非常深入的技术理解——如果用经济学的技术术语来说，AI成为人类劳动的完全替代品会发生什么，以及这会对我们社会体系的运作方式产生什么影响——在华盛顿之外有人在探索可能具有技术依据的政策答案，但这些想法根本没有被转化为政策制定。

乔丹·施耐德：让我问你一个被Anthropic研究所“洗脑”的问题。我正在打磨这个观点：当我们失控的AI跑出来时，它不会把我们全变成回形针，反而会想让我们这些可怜兮兮的白领继续转下去。一个失业的人群比一个过得好、像《黑客帝国》里那家伙一样吃牛排、或者看着红衣女子走过的人群，更有可能去炸数据中心。是否存在这样一种未来：AI把自己变成神，但把我们当作乖巧的小玩物养着，因为我们这些被安置在地球上的人类，对它的持续存在确实有一点否决权？

赛弗：我知道这块牛排并不存在……无知是福 | 《黑客帝国》

赛义夫·汗：这是个有趣的问题，但它触及了我们终将不得不应对的严肃问题。尤其是当你和AI安全圈的人交谈时，你会听到很多关于AI对齐——让AI做人类希望它们做的事——以及关于控制、保持对AI系统控制的内容。但在一个AI实际上在运营部分经济的世界里，我们需要的未来是相互依赖和相互依靠，这样你描述的那些事情就不会有糟糕的激励。政策将在其中发挥作用。这是双向的：人类需要保留某种根本性角色，这样我们才能保留筹码，在经济和供应链中有一席之地。

乔丹·施耐德：我最近读了很多鲁迅，因为每个人都应该多读鲁迅。他有一篇著名的短篇小说叫《孔乙己》。只有十五页——大家暂停播客去读一下。小说以1920年代中国一家酒馆小伙计的视角叙述。有一个人是落第的考生。在清朝，你必须学完所有儒家经典，如果通过第一级，你就能参加第二级考试，而在通过第三级之前，你基本上身无分文，在社会上没有角色。但一旦你通过第三级，突然间你就成了学者、王者、半神——你得到所有的钱、五十个姨太太、站在社会食物链顶端。一旦清朝覆灭、进入民国，突然间所有这些儒家学问都变得毫无用处。所以这个人贫穷、无家可归。他露宿街头。他有一颗金子般的心——他试图教酒馆小伙计识字，给孩子们豆子、教他们不同的字，但大家只是嘲笑他、取笑他。然后有一天他进来时腿断了，在地上拖着身子，满身泥土，说：“我只想要一杯酒，拜托了。”大家仍然嘲笑他。他们给他一杯酒，嘲弄他，他走出去就再也没回来——大概是死了。

我不知道AI是否会在民国之后把我们全变成清朝学者，但我确实觉得那里有一种回响。社会上和工作场所中会有一些群体，过去拥有高地位和物质舒适，却因为正在发生的任何事情——不管是不是RSI——突然间不再拥有。我希望有一种好的实证方式来应对这个问题——财富转移、工人再培训，也许试着让AI以X方式而非Y方式发展。但这些疯狂的转型在没有廉价到可以计量的智能时也发生过。我们并非没有遇到过这种情况，而在过去，每当社会遇到技术与它带来的东西之间的这种错配时，你仍然会看到非常剧烈的社会后果。人类中有很多人，如果你把他们抽出来、快进五十年或一百年，他们会完全倒霉透顶。你把托马斯·爱迪生扔到1990年，他不会打字。他大概会过得很艰难。这个故事让我真切地感受到我们未来几年可能面临的潜在错位，以一种我之前没有完全内化的方式。

AI驱动的研究与国家安全委员会

乔丹·施耐德：我们来谈谈AI驱动的研究。这不是你在CSET时期有的东西。你怎么看这些工具改变你和你的团队的工作方式？

赛义夫·汗：我们确实在采取非常AI优先的方法，同时也是数据优先的方法，我们将购买大量数据集。凭借过去九个月左右编码革命中我们拥有的一些工具——Claude Code和Codex——撰写像DUV报告这样的报告的能力，以及我们在那里能做的技术分析水平，极大地受益于能够用一个小团队相当快地查询大量数据、做大量分析。过去需要十五或二十人的智库——现在一个小得多的团队就能拥有那种生产力水平和分析深度。这绝对是我们愿意大幅投入的领域，因为你能获得效率。

乔丹·施耐德：你觉得这些工具能够而且应该怎样改变国家安全委员会的决策过程？

赛义夫·汗：天哪，那大概是编码工具最后才会渗透的地方之一。在国家安全委员会这样的地方，光是让政府的IT系统运转起来就是一项基本挑战。

乔丹·施耐德：还有一个可能更大的问题：政客们会不会借助AI来决定如何投票、如何表述某个议题。这已经在发生了——有报道称，议会下院的演讲越来越多地得到AI辅助。这是个想想就觉得奇怪的未来。是的，你希望人们深入研读赛义夫的DUV报告并得出自己的结论。但我认为，即便在今天，更不用说三年后，只要你把目标定义清楚，AI在80%的公务员所做的事情和他们撰写的法规上都会严格占据主导地位，而且这个比例必然会随时间上升。如果世界其他地方在决策上变得更强，而国家安全委员会却因为害怕从Windows 95升级而做不到，那就太可惜了。但把公共部门很大一部分决策交给模型，显然也存在一些危险和担忧。

赛义夫·汗：国家安全委员会尤其令人沮丧的一点是，按法规其工作人员数量是有限的。你真的会遇到负责重要政策领域的国安会主管，却不得不忙于各种行政事务。日程要自己安排。要写大量材料、做大量分析。所有这些本可以大大简化。如果AI承担大量占用时间的基础运营任务——那些你必须产出的一摞摞文件——国安会工作人员的处理能力就能大幅提升。显然，你不能让AI生成的政策文件大规模直接使用，但它确实能加快你的工作速度。

乔丹·施耐德：这就引出了“3倍赛义夫·汗”。有没有一个世界能让我们得到“10倍赛义夫·汗”？从工具角度以及组织和官僚改革角度，你身边需要什么？

赛义夫·汗：在AI真正替你开会之前，10倍似乎相当困难——除非你干脆让AI来主持一切，而我不确定我们是否已经准备好了。

人才培养与书籍推荐

乔丹·施耐德：有道理。我们来谈谈人才培养。谈谈你自己如何提升到目前的知识储备，以及你打算如何为你的团队做这件事。

赛义夫·汗：2019年到2021年左右在乔治城CSET工作时，我很喜欢的一点是，作为一家初创智库，那里有非同寻常的空间。我们资金充足，有时间，也少有干扰，可以真正成为某个主题的专家。这一点被严重低估了：不像读博士要经过十年学校教育才能到达知识前沿，在政策领域，你可以用一年时间深入某个问题，就开始触及知识前沿，并发表别人都没在写的东西。如果你被给予这样的空间，那是巨大的机会。

在很多智库，你根本得不到那种空间，你必须回应各种激励——资助方要求你办圆桌会议或快速出报告。拥有一个可以深入钻研并成为专家的环境非常有价值，尤其是在那些将要变得重要的领域。当政府需要时，如果你是为数不多具备这种专业知识的人之一，你就能处于有利位置进入政府负责该议题。这正是现在在CTS创造这种环境的动机，让研究人员有时间发展出那种专业水平，成为人们会来请教的人。

另一个要素，IFP做得非常好，我们也在效仿，就是“全栈政策研究员”的理念。在一些地方，一部分人写报告，然后其他员工负责传播或立法接触。但由同一个人提出想法、撰写研究报告、与政策制定者交流并分享发现，有很大价值。只有研究者才处于有利位置，能提供所需的完整深度的简报。而且把握政策制定者的想法有助于你为自己的工作排定优先级。

乔丹·施耐德：最后一点人们可能不太领会：当你进行那些对话并以“那么，你在想什么？”结束时——那往往就是你下一个想法的来源。没有这个，你就有点像是在原地打转。

乔丹·施耐德：我们来点书籍推荐吧。你最近喜欢读什么？要不要来个家长角——最近有什么七岁小孩的内容让你有共鸣吗？

赛义夫·汗：七岁小孩的内容我不太清楚，但有一本书一直是我的最爱之一，也是思考AI政策一种被低估的方式，那就是约瑟夫·亨里奇的文化人类学著作《我们成功的秘密》。其论点是，人类作为一个物种之所以如此成功，原因不是我们的原始智力——那并不比其他猿类强多少——而是我们进行社交和传递文化知识的能力。书中有非常有趣的故事：欧洲探险者前往新大陆，不知道烹煮当地植物和根茎的具体步骤，结果无法生存——大量这类信息都嵌入在通过试错学到的文化知识中。

AI的未来在很大程度上将取决于物理世界中真实实验所面临的某种瓶颈。这就是为什么我们把自动化和机器人技术视为一个非常重要的支柱。AI必须像人类一样，通过试错来学习如何做事，才能掌握新技能并适应经济的不同领域。有趣的是，最近OpenAI与Hugging Face的事件中，一批智能体突破了OpenAI服务器的隔离并入侵了Hugging Face，涉及大约1万个智能体组成的集群。那是一个涉及大量社会沟通与学习的事件——印证了约瑟夫·亨里奇（Joseph Henrich）研究中所描述的现象。那相当酷。

乔丹·施耐德：关于智能体那件事，我在想，它们会不会在某个时候实现更好的心灵融合。它们也可能形成蜂后／工蜂式的动态，不需要通过对话来商议。又或者，鉴于人类已经征服了这颗星球，我们在“相对平等的智能体通过商议来确定目标”这件事上或许摸到了什么门道。

赛义夫·汗：你说得完全对。你在AI身上看到的社会组织形式，可能和人类的社会组织形态不太一样。自然界中有很多不同的例子——你提到的是昆虫，这类生物往往具有更高的基因相似度，更像是一个单一的集体在行动。你完全可以想象，那种社会组织形式会比类比人类更接近你实际看到的情况。

乔丹·施耐德：我们有过神皇。我们有过雅典式民主。我们玩过很多不同的东西，所以可供匹配的模式范围很广。

你之前提到过这一点，但我们应该听听你对这个问题的正式看法。RSI（递归自我改进）是你可能比达里奥·阿莫代伊（Dario Amodei）更持怀疑态度的事情。赛义夫，是什么让你这样看？

赛义夫·汗：我不会说自己是个怀疑者。这些公司有可能在未来几年内成功地将很大一部分AI研究大幅自动化。大问题是另一头会出来什么。眼下，我们处在能力指数增长曲线上。一个真正的问题是：自动化的AI研发和RSI究竟只是维持我们处在这条指数曲线上的必要条件，还是真的会把这条曲线向上弯折。

话虽如此，即使我们停留在当前的指数曲线上，今年我们一直在跨越各种里程碑——自主网络能力和智能体能力、解决数学领域的千禧年大奖难题、纳维-斯托克斯问题。这仍然可能把我们带到非常疯狂的地方。我只是对现实世界的影响有很大不确定性，而这是我们必须去观察的。我不会称自己为怀疑者——更多的是，对我们可能最终落入的不同未来，我有很多疑问。

乔丹·施耐德：我们来收个尾。想想养育年幼孩子和教育，你把AI引入这个环节的经历是怎样的，对于这可能把我们带向何方，你有什么轶事或思考？

赛义夫·汗：我有两个男孩，一个六岁、一个四岁，他们正处在对一切都有无数问题的阶段——为什么、为什么、为什么——一路问到宇宙的起源和深层的形而上学问题。我常常没有答案，就求助于AI语音聊天机器人，它会耐心地回答孩子们的所有问题。到了某个时候，他们几乎更喜欢它，因为每次都能得到答案，而且非常有耐心。老实说，效果还不算差。我不会提议让AI完全接管育儿，但作为那条问题链的一部分，还不坏。

乔丹·施耐德：等我们有了人形保姆，就有安全问题。但我们大概会先跨过“它在日常育儿、保持耐心、记得把三明治放进背包方面是不是更好”这条线，而远在那之前，我们还没准备好让它抱起一个两岁小孩。那一天会到来的。手机上有个从不疲倦、从不闹脾气、从不想做任何对四岁小孩来说不刺激的事情的东西，这挺奇怪的。我觉得我们有了点竞争。

赛义夫·汗：还有一点挺有用，有时问题在晚上冒出来时，AI聊天机器人会说：“嘿，也许该睡觉了。”所以它其实还挺有帮助的。

乔丹·施耐德：既然如此，我们也许该在这期精彩的ChinaTalk上道晚安了。赛义夫·汗，非常感谢你的参与。等你带来更多内容丰富的百页半导体拆解时，迫不及待想请你再来。