评论文章主张AI基础设施建设（特别是OpenAI的Stargate项目）需要持续积极的数据中心建设。

突然间，AI行业中的许多企业想要放慢脚步。本月早些时候，Anthropic首席执行官Dario Amodei呼吁"控制AI开发前沿"的步伐，原因是日益强大的模型可能会超出开发者的控制能力。其他行业领袖已表示支持更大的监督和更强的保障措施。立法者也在忙着应对，有些甚至提议暂停先进AI开发并禁止人工超级智能。

与此同时，其他人则在推动另一种暂停：停止建造为AI提供动力的数据中心。面对公众反对和从严处理该行业的压力，州和地方官员越来越多地追求禁令、延期和其他对新数据中心建设的限制。

这两项努力表面上看似是一致的。如果AI发展太快，为什么还要继续扩大使这些进步成为可能的基础设施？然而，对更多AI安全的推动指向了一个反直觉的结论：控制AI前沿的步伐可能需要更多的计算能力，而不是更少。限制该容量的政策将使确保AI安全的任务变得更加困难。

考虑一下前沿实验室在倡导——以及没有倡导——什么。在呼吁行业范围内放慢步伐的文章中，Amodei主张进行更严格的安全测试和对齐研究，以及在AI公司内部嵌入第三方评估者来审查其工作。他承认这可能涉及限制用于训练新模型的计算能力，但他明显没有呼吁减缓数据中心建设。事实上，据报道Anthropic已安排了价值高达517亿美元的计算交易。就在上周，瑞银集团维持了其预测，即AI行业资本支出将在2027年达到1.2万亿美元，而今年为9000亿美元。如果"控制前沿"意味着减缓计算基础设施建设，该行业的行动则表明并非如此。

AI安全本身需要大量计算能力。理解模型的行为方式、测试其保护措施以及监控其行为都需要大量的计算。因此，即使公司放慢开发越来越强大模型的步伐，将更多资源投入于对齐、安全测试和评估仍然会增加对计算的需求。

最近的Hugging Face安全事件有助于解释原因。OpenAI测试代理突破了其受限环境并侵入了另一家公司的系统。发现泄露后，OpenAI暂停了对其最新模型的训练，并搁置了其最大的计划强化学习实验，而是将更多资源投入到安全和对齐工作，包括扩展监控，将可疑活动发送给越来越复杂的自动化调查人员。

这些保护措施需要大量的计算资源。OpenAI估计，其扩展监控系统增加了约20%的计算能力，用于运行它监控的模型活动。在关于该事件的后续报告中，该公司表示正在"投入大量计算资源"来检查其模型的逐步推理，并更快地干预"不对齐的行为"。该公司后来将类似的监控扩展到其最新模型Astra，"需要大量计算成本"。

Anthropic研究人员得出了类似的结论。在测试为了监控其他AI系统恶意行为而设计的AI系统时，研究人员发现"更多的计算意味着更好的检测"。允许监控器执行代码帮助他们验证他们否则难以检测的更改——例如，运行程序来比较文件的两个版本以识别有害的改动。这种更主动的方法所需的对AI模型的请求大约是替代方法的十倍。

监控一个有能力的AI系统本身就是计算密集型的。OpenAI计算策略负责人Sachin Katti表示："我们实现这些非常有能力的模型的安全性和对齐的方式是通过实际投入更多计算来构建安全模型。如果有的话，我们相信我们需要更多计算来确保未来的模型更安全、更对齐。"

在放缓期间计算能力需求继续增长的另一个原因是公司仍然拥有强大的模型可以更广泛地部署。每个聊天机器人响应或编码代理都需要计算能力。即使前沿能力明天冻结，使用现有模型仍将有大量工作。解决安全和对齐问题甚至可能加强继续进行AI基础设施投资的理由。Arena Private Wealth的Erik Kratz告诉路透社："仅因为首席执行官要求护栏就不会停止基础设施建设。"他辩称，可信的安全框架可以使长期基础设施投资更容易证明其合理性。

对数据中心日益增长的反对削弱了安全工作。用于训练新模型所需的相同设施也支持可以使现有模型更安全的监控和对齐工作。

因此，关注AI安全的政策制定者应该对使AI基础设施更容易构建感兴趣。这意味着为数据中心建立可行的许可规则，并要求开发者支付其项目所产生的成本。如果政策制定者希望AI公司花费更多时间测试和评估其模型，他们应该允许他们构建进行这项工作所需的基础设施。