Dario Amodei 曾在某周六呼吁整个行业“自我调节节奏”（pace itself），但没人定义过这个词。这篇短文把“pacing”拆成了一个政策问题，并梳理了五个阵营各自想要的“时间”：可解释性阵营要时间搞懂模型内部机制，Anthropic 对齐科学负责人 Evan Hubinger 认为未来十年内 AI 导致灾难性后果的概率超过 10%，且目前没有应对计划；劳工阵营要时间保护工人，Bernie Sanders 已提出在保障措施出台前暂停新建 AI 数据中心；经济阵营指望 AI 带动 GDP 增长来化解债务，美国财长 Bessent 在 G20 上称资本开支会变成生产力，并预测六个月内可见成效，这是所有阵营里唯一带具体日期的预测；地缘政治阵营要维持对华优势，Trump 周日说“谁赢了 AI 谁就赢”；监管捕获阵营则根本不想要新规则，David Sacks 当面质问 Amodei 和 Altman，认为他们是在借减速之名搞监管捕获，前 FTC 主席 Lina Khan 也从反方向得出类似结论——现有法律本来就适用，不需要新体制。

这些阵营各自为“暂停”给出了代价，却没有一个给出具体速度。作者指出，唯一可能把“节奏”变成数字的机制是训练算力阈值：2023 年行政令曾要求超过 10^26 FLOPS 的训练须上报，但该规则在任一模型跨越之前就被撤销，几周后 Grok-3 发布，今年大约有十个模型会超过这条线。训练算力每年约增长五倍，固定数字很快会被追平。更有意思的是，2025 年 1 月有对手用 41 天追平前沿水平，如今领先优势能维持几个月，开源与闭源模型差距从三个月拉大到四个月——那该把间隔定为 60 天、160 天还是 600 天？人类真的能把创新速度精确控制到这种程度吗？

Amodei 对杠杆很具体：限制前沿模型的原料，即训练算力和训练运行的特性。但问题是，这不只是“多快”的问题，而是“谁来决定”。