三大实验室同周加注，AI的下一个战场是品味和安全

01三大AI实验室同一周加注，集体否定「撞墙论」

Anthropic的年化收入半年内从不到90亿美元涨到300亿，年消费超百万美元的企业客户突破1000家，两个月翻了一倍。这种加速度解释了它本周签下GW级算力协议的逻辑：与博通合作设计定制芯片，在谷歌云上部署，产能预计2027年上线。

选择定制芯片而非直接采购GPU，说明Anthropic预期的不是稳态增长，而是需要为两年后的需求提前锁定专属产能。这不只是一家公司的判断。OpenAI同一周发布了企业AI「下一阶段」路线图，把agent和自动化工具推向全行业部署。一个锁产能，一个扩入口，押的是同一个方向：企业AI需求的曲线仍在变陡。

微软AI负责人Suleyman把这个判断直接写成了文章标题。他本周在《麻省理工科技评论》发文论证AI不会撞墙，核心论据是人类的线性直觉无法理解指数级增长，而算力、数据和算法三条曲线仍在陡峭上升期。过去半年，「scaling law是否失效」的讨论在研究社区持续发酵，他选择在这个节点公开反驳，本身就是一种表态。

三条消息从基础设施、商业化和叙事三个方向否定了同一个假说。Anthropic用300亿美元年化收入和翻倍的客户增速回应了市场。OpenAI把企业级agent推向了全行业。Suleyman公开论证增长不会放缓。六个月前还被认真对待的平台期假说，这一周面对的是一笔要到2027年才上线的GW级定制芯片订单。

02Glasswing引发开发者社区激辩，AI公司该不该主导软件安全审计

Anthropic称最新模型挖掘漏洞的能力太强，不能公开发布。开发者社区对这个说法的第一反应不是惊叹，而是追问：你说自己太强，谁来验证？

该模型在预览阶段已发现数千个高危漏洞，目前通过Glasswing项目仅向少数安全研究者开放。消息在Hacker News上引发近800条评论（安全话题中极罕见的规模），焦点落在一个问题：AI公司有没有资格主导关键软件的安全审计？

知名开发者Simon Willison在博文中称这套做法「听起来是必要的」，能批量挖掘高危漏洞的模型确实不该随便放出来。但他的支持带着保留：信任建立在透明度上，不是公司的单方面声明上。

反对者的逻辑也清晰：一家卖AI的公司用自己的模型发现漏洞，再用漏洞证明自家产品需要特殊管控，每一步都是利益相关方在自证。社区对「太强所以需要限制」这套叙事天然警惕。

目前合作伙伴正在修复已发现的漏洞，但修复了多少、何时向公众披露，Anthropic尚未说明。

03AI让所有人写得越来越像，开发者却说品味因此更值钱

用ChatGPT润色过的文章更通顺了，但风格上越来越像别人写的。南加州大学研究团队在认知科学期刊发表论文，发现大语言模型的输出比人类写作多样性更低，偏向西方高教育群体的语言和推理习惯。单个用户借助大语言模型能产出更多想法，但一群人都在用时，群体创意总量反而下降。

同一周，开发者Sharma的一篇博客在技术社区广泛传播，给出完全相反的解读。他认为AI让合格输出变得廉价，世界滑向「拥挤的7分」，最稀缺的能力从生成变成了拒绝：对没有辨识度的结果说不。品味，在他的定义里是「不确定性下的判断力」，恰恰是AI无法替代的。

但这篇论文发现，大语言模型不只改变人怎么写，还在重新定义什么算「好的推理」——模型偏好线性链式推理，抑制直觉和抽象思考。第一作者Sourati的表述很直接：大语言模型正在「重新定义什么算正确的观点」。