AI需要反垄断豁免才能"避免毁灭人类"吗？前司法部反垄断主管的警告

一个被反复提起的悖论

在最新一期的 Decoder 播客中，主持人邀请到了拜登政府时期美国司法部反垄断部门的前掌门人 Jonathan Kanter，展开了一场关于商业未来的深度对话。作为如今身兼华盛顿大学（WashU）法学教授和卡内基梅隆大学技术政策教授的双重身份者，Kanter 的观点尤其值得关注——他既懂法律执法的实务逻辑，也理解技术政策的复杂博弈。

这期节目抛出了一个颇具挑衅性的问题：AI 是否需要一项反垄断豁免，才能"避免毁灭所有人"？这个看似荒诞的标题背后，实际上映射着当下科技行业一场真实且激烈的争论——为了让 AI 更安全，头部企业是否应该被允许绕过反垄断法进行协作？

"为了安全"能成为免除竞争约束的理由吗

近年来，越来越多的 AI 领军企业开始主张：AI 存在潜在的生存性风险（existential risk），因此各家公司需要在安全研究、模型对齐、风险评估等方面深度协作。而这种协作在传统反垄断框架下，可能被视为竞争者之间的串谋。

于是就出现了一个耐人寻味的诉求——给 AI 行业开一个反垄断的"口子"，让企业可以名正言顺地共享信息、协调行动，理由是这关乎全人类的安全。

对于像 Kanter 这样长期在反垄断第一线的执法者而言，这类论调需要被格外警惕。历史上，"为了更宏大的公共利益"往往是企业争取豁免、规避竞争监管的经典话术。当"安全"成为挡箭牌时，真正被削弱的可能是市场竞争本身，而受益的则是已经占据主导地位的少数巨头。

**生存性风险（Existential Risk）**在AI领域特指可能导致人类文明层面灾难性后果的技术失控场景，由牛津大学哲学家Nick Bostrom等人系统阐述。这一概念在AI安全社区有广泛影响力，OpenAI、Anthropic等公司的创立初衷之一便是"以商业收入资助安全研究，从而降低生存性风险"。然而批评者指出，"生存性风险"叙事存在被工具化的空间：当一家公司将自身的监管豁免诉求包装成"拯救人类"的必要条件时，外界很难在专业层面与之对等辩驳，这在客观上形成了一种话语权的不对等。历史上类似的逻辑曾出现在核能、金融衍生品等行业——"风险太大、太复杂，不能交给市场竞争处理"往往成为行业自我保护的惯用论证路径。

反垄断执法者视角下的隐忧

Kanter 在司法部任内以对科技巨头的强硬态度著称，主导过多起备受瞩目的反垄断行动。他的核心立场一贯清晰：市场集中度过高会损害创新、抬高价格、削弱消费者选择权。

将这一逻辑套用到 AI 领域，问题就变得尖锐起来。当前的生成式 AI 竞赛，本身就呈现出高度集中的态势——算力、数据、顶尖人才和资本高度向少数公司聚拢。如果再叠加一层"反垄断豁免"，允许这些企业以安全之名合法协作，实际效果很可能是进一步固化现有的市场格局，让新进入者更难挑战既得利益者。

换句话说，一项打着"避免 AI 毁灭人类"旗号的豁免政策，最终可能既没有真正解决安全问题，又扼杀了本可以带来更多元、更负责任 AI 方案的市场竞争。

安全与竞争，真的是一道单选题吗

这场讨论的深层价值在于，它迫使我们重新审视一个假设：AI 安全与市场竞争是否天然对立？

主张豁免的一方认为，无节制的竞争会导致企业为抢占市场而"抄近路"，牺牲安全测试，形成恶性的"逐底竞争"（race to the bottom）。而反对方则指出，健康的竞争恰恰能倒逼企业在安全性、透明度和责任性上做得更好，因为这些正逐渐成为差异化的卖点。

Kanter 的参与让这场对话超越了非黑即白的框架。真正的政策难题在于：如何设计既能促进必要的安全协作、又不至于沦为巨头合法固化垄断工具的制度安排。这需要监管者具备精细的判断力，而非简单地"一豁了之"或"一禁到底"。

**逐底竞争（Race to the Bottom）**是经济学与监管理论中的经典概念，描述多方参与者为争夺市场份额而持续压低标准、削减成本的恶性动态均衡。在AI领域，这一担忧具体表现为：竞争压力迫使企业缩短安全评估周期、减少红队测试投入、加快发布未充分验证的模型。反驳这一观点的论据同样有力：在消费者信息充分且监管有效的市场中，安全事故会对企业声誉造成毁灭性打击，反而形成向上竞争（Race to the Top）的激励。两种力量的最终方向，很大程度上取决于监管框架能否有效惩罚安全失职，而非市场竞争本身是否存在。这也正是Kanter强调"精细判断力"而非简单开豁免口子的政策背景。

值得持续关注的政策风向

作为 Decoder 商业未来系列的第一集，这期对话为理解 AI 时代的监管走向提供了一个重要切口。随着 AI 能力的快速扩张，反垄断法这一诞生于工业时代的工具，正面临前所未有的适配挑战。

对于关注科技政策、AI 治理以及行业竞争格局的读者而言，Kanter 这样兼具执法经验与学术视野的观察者所提出的警示尤为珍贵——当一个行业开始要求特殊豁免时，我们更应该追问：豁免究竟保护了谁？

本文基于 Decoder 播客节目内容整理，观点归属原节目嘉宾 Jonathan Kanter 及主持人。

美国反垄断法的核心依据是1890年的《谢尔曼法案》和1914年的《克莱顿法案》，两者均诞生于重工业垄断时代，针对的是标准石油式的实体资产集中。将其适配至以数据网络效应、算法规模经济和人才密度为核心壁垒的AI行业，存在根本性的概念张力：传统反垄断工具擅长识别价格串谋和市场份额集中，却难以量化"模型能力垄断"或"基础设施层锁定"对竞争的影响。欧盟的《AI法案》和《数字市场法》尝试从监管合规角度切入，美国FTC则在探索以"不公平竞争方法"条款为抓手。如何在现有法律工具箱中为AI竞争问题找到有效解法，是Kanter等学者当前最核心的研究议题之一。