达里奥呼吁 AI 减速之后，侦探发现了背后庞大的利益链…

9 月 15 日，著名的商业侦探 Kevin Bass 在 X 上发布了一篇长文，称自己梳理了 Anthropic 周围的资金关系，并呼吁美国国会展开调查。

他的质疑非常直接：一些投资了 Anthropic 的人，也在资助 AI 安全研究。而获得相关资助的机构，又参与评估 AI 公司的模型风险。

简单来说，就是 Anthropic 背后的投资人又当裁判又当运动员。

这些投资人开了第三方的 AI 安全评估机构，每次涉及到安全评估需求的时候，Anthropic 都会去找这些有关系的 AI 评估机构，这些机构给 Anthropic 开具了极高的安全评价，Anthropic 拿这些评价又去拉到更多的投资，然后又反过来去找这些评估机构提升评级 …..

好家伙，左脚踩右脚上天？？

毫无疑问，这些涉及到利益牵扯的评估机构，在面对可能损害公司利益的结论时，根本无法保持中立。

除了推文以外，Kevin 还把融资信息、慈善机构的申报文件、拨款记录和人员关系整理成图，连同材料一起放到了 GitHub。

Anthropic 的底裤，被扒得一干二净。

幕后 boss：Anthropic 背后的早期投资人，Facebook 联创

这张关系网里，一个关键人物是 Dustin Moskovitz，Facebook 的联合创始人，也是 Anthropic 的早期投资人。

作为早期投资人，Moskovitz 持有巨额的 Anthropic 股份，按照今日的预估，大概价值 77 亿美元。根据此前的报道，Moskovitz 宣称他已经把这笔股份捐赠出去。

听起来，股份捐出去之后，似乎 Moskovitz 已经远离了Anthropic？

事情没有这么简单。

Kevin 怀疑，股份到了他运作的手里的慈善机构 Good Ventures中，而这家慈善机构是 Anthropic 生态最大的赞助者，当然也包括多家慈善机构。

错综复杂的利益关系。

给 AI 做评估的人，背后是谁？

接下来，Kevin 把目光放到了 METR，它是一家研究 AI 能力与风险的非营利机构，也参与过 AI 安全事件的调查。

一个模型有多强，能不能自主完成复杂任务，会不会产生难以控制的风险，这些问题的答案，可能影响公众如何看待一家公司，也可能影响模型的发布与监管讨论。

因此，很多 AI 公司需要 METR 这类第三方机构的评估，让政府企业以及群众们打消疑虑。

Kevin 的质疑在于：METR 周围的一些捐赠者、合作机构和人员关系，与 Anthropic 的投资及 AI 安全圈子存在交叉。

在他看来，假如资助者的财富依赖 Anthropic 的成功，那么评估机构就可能面临一种压力：做出不利判断，会不会伤害支持自己的资金体系？

想象一下，一名医生出于他本身的利益，见死不救；一名工程师因为收受了贿赂，没有指出工程材料的缺陷，这是多么恐怖的一件事情？而这一切刚好发生在 Anthropic 身上…本该保持中立的评估机构，因为收到了大量资金赞助，无法保持中立，给自己家的模型打高分，给别人家的模型打低分，这就是一种权力作恶。

这张关系网，还延伸到了新闻报道

除了评估机构，Kevin 还提到了 Tarbell Center。

这是一家支持 AI 新闻报道的机构，通过资助、培训和记者项目，让参与者在不同媒体开展 AI 报道。

Tarbell 的公开文件承认，截至 2025 年，其大部分资金来自 Coefficient Giving，也就是前面提到的 Open Philanthropy。

到这里，Kevin 的指控又往前走了一步。

他的意思是，同一个慈善资助圈子，一方面支持研究和评估 AI 风险，另一方面支持围绕 AI 展开的新闻报道。

如果报道让更多人担心 AI，社会就可能要求更强的监管；而监管越重视风险评估，相关机构的影响力就可能越大。

在他的叙述里，风险讨论、机构扩张和资金增长，形成了一个不断放大的循环。

聊聊我的看法

上一篇写达里奥呼吁 AI 减速时，我们讨论的是，模型能力正在快速增长，安全工作能不能跟上。

这次的争议，把另一个问题推到了面前：如果我们需要第三方来判断风险，那谁来保证第三方值得信任？

我觉得，对 AI 风险保持警惕，和对安全评估机构提出质疑，可以同时存在。

一个机构的资金关系值得审查，并不意味着它发现的风险就是假的。同样，一家机构研究的是公共安全，也不能因此免于解释自己的利益关系。

尤其当它的判断，可能影响一家公司的产品发布、商业利益，甚至整个行业的发展方向时，公众有理由知道：它的钱从哪里来，重要人员持有什么利益，发生冲突时又如何回避。

我更想看到的是，当一份评估可能伤害重要资助者的利益时，这家机构仍然有资源、有程序，也有自由把结论公开。

这才是独立评估真正要经受的考验。

当 AI 公司开始接受越来越多的审视，那些负责解释风险、提出规则、评估模型的人，也应该接受同样认真的审视。