loading image

美国政府开始逐个审批谁能用最强 AI:你租来的 AI,从来不是你的

Posted by Enovace on June 26, 2026

美国政府开始逐个审批谁能用最强 AI:你租来的 AI,从来不是你的

Banner

最近不到两周,围绕“谁能用上最强的 AI”,美国政府接连出手了三次。普通用户大概没太在意,但这三件事连起来,值得每个靠 AI 干活的人停下来想想。

6 月 12 日,Anthropic 刚上线 3 天的最强模型 Fable 5,被美国商务部一纸出口管制令强制下线。理由是国家安全。Anthropic 没办法在 API 上实时核验每个用户的国籍,干脆对全球所有人(包括美国本土用户)一起关掉,到现在没给恢复时间。你前一天还在用的最强模型,第二天打开就没了。

13 天后的现在,轮到 OpenAI。据 Axios 和 The Information 报道,OpenAI 在政府要求下,把最新的 GPT-5.6 先只发给“一小批政府批准的合作伙伴”;Altman 在给员工的内部备忘录里说,预览期内联邦官员会“一个客户一个客户地审批访问权”。这是美国政府第一次,在一个美国 AI 模型发布之前,就主动要求限制谁能用它。

夹在这两件事中间,还有一次更日常的:几天前,一批 ChatGPT 付费用户发现自己的额度乱了套,有人在 OpenAI 官方仓库里报告 gpt-5.5 的额度被异常快速烧光,中文社区里也有不少人反映付了钱、拿到的限流档位却跟订阅对不上。这次没有官方说法,疑似是一次服务故障。

三件事,性质不一样:一个是政府强制关停,一个是政府逐户审批,一个可能只是厂商自己的故障。但它们指向同一个让人脊背发凉的事实。

你花钱买的那个 AI 能力,从来不是“你的”。它是租来的。你以前担心的顶多是它涨价、改规则、或者哪天出个 bug 用不了。但这不到两周你看明白了:连“你到底能不能用上最强的 AI”,都越来越要别人点头,甚至要政府一个一个客户地批准。

今天不是劝你弃用云端 AI,我自己也离不开它。我想聊的是:当你的工作流、你的代码、甚至你的生意,全都建在一个你说了不算的闭源模型上时,你真的拥有这项能力吗?以及,普通人能为自己留一条什么样的后路。


你能不能用,越来越不归你

把这三件事拆开看,会发现它们其实是同一个方向上的几种手法。

最硬的一种,是政府直接管。Fable 5 是商务部的出口管制令,强制、已执行,Anthropic 只能照办。GPT-5.6 这次形式上软一些:不是命令,是政府“请求”OpenAI 配合,先只发给批准的客户、逐个审批。一软一硬,但指向同一件事:一个最强模型最终能不能到你手里,开始要先过政府这一关。

这在以前是没有的。外界已经有人把它形容成一套“事实上的牌照管制”:你想用最前沿的 AI,得先有人替你点头。这里我得说句公道话,免得你被吓过头:特朗普 6 月初签的那份 AI 行政令,字面上恰恰是禁止强制牌照制的,官方框架写的是“自愿配合”。所以“牌照管制”目前是批评者和政策专家的判断,不是政府写在纸面上的制度。但 Fable 5 被强制下线、GPT-5.6 被逐户审批这两件事本身,是实打实发生了的。

另一种手法更日常,不需要政府,也不需要任何恶意:厂商自己出故障。ChatGPT 那波就是,你订阅还在,拿到手的服务却跟你付的钱对不上,而你连个官方解释都暂时等不到。

政府管也好,厂商出问题也好,对你来说结果一样:你对自己每天依赖的这项能力,没有控制权。

这件事,我作为一个做了 13 年移动端的人,太熟悉了。

做 App 的人,都是在苹果和谷歌的地基上盖房子。苹果一条审核规则改了,你辛苦做的功能可能一夜下架;它抽成定多少,你没有投票权;它说你这个 App 不符合某条审核条款,你只能改。这些年我见过太多团队,把全部身家押在一个平台上,然后平台规则一变,人就慌了。

AI 只是把这件事,用更快的速度、更大的尺度,又演了一遍。区别在于,过去你依赖的是一个分发渠道,现在你依赖的,是你“思考和生产”本身的工具。它要是说没就没,损失的不只是一个功能,是你整套干活的方式。

所以问题不在“哪个模型最强”,在“这个能力到底归不归你”。租来的尖刀再快,主人想收回就一句话的事。而现在你还得多想一层:这个“主人”,可能不只是厂商,还有政府。

Image


那普通人,该怎么用 AI?

看到这你可能想:那我以后别用云端了?不是。

我自己每天还在用云端最强的模型干最难的活,它们确实强,这点不用怀疑。真正该改的,是你押注的方式。

把它想成两样工具。

前沿的闭源大模型,是租来的尖刀。它最快、最强,适合砍你手上最难、最值钱的那块硬骨头。但它是租来的:贵、会变、可能说没就没,甚至要别人批准你才能用。你用它,但别把命押在它身上。

开源的本地模型,是你自己的底盘。它没那么锋利,但它装在你自己的电脑里,没人能调它的价、改它的规则、限制你的地区,没人能逐个审批谁能用,也没有哪个 bug 能把它搞挂。它永远在,永远归你。

聪明的用法不是二选一,是两个都备着:难活、急活,上云端的尖刀;日常的、重复的、敏感的、量大的活,交给本地的底盘。哪天尖刀被收走了,你的底盘还在,日子照过。

这不是什么高深的道理。你做生意不会把钱全放一家银行,不会只靠一个供应商,不会把所有客户都压在一个平台。AI 也一样:别把你最重要的生产能力,百分之百外包给一个你控制不了的供应商。


开源 + 本地:那个没人能拿走的底盘

先说句老实话,免得你期待错位:本地模型,打不过云端最强的。

这是事实,别信谁吹“本地全面吊打 ChatGPT”。前沿模型在最难的推理、最长的任务上,本地暂时追不上。

但你大概率被一件事误导了:你以为自己天天需要“最强”,其实不是。

我之前写过两篇把本地模型在 Mac 和 Windows 上跑起来的保姆级教程,跑下来一个很清楚的结论:你每天用 AI 干的活,八成是重复的低难度活,写 commit、翻译、总结、改邮件、整理文档、问个语法。这些活,本地一个 30 多 B 的开源模型就干得又快又好,质量能到云端的八九成。

而它给你的,是云端给不了的四样东西:

  • :没人能关停它、调它的价、限制你的地区,也没人能逐个审批谁能用。这阵子这几件事,在本地都不会发生。
  • :本地跑,token 费是 0。重度用户的云端账单,一个月一两百刀很常见,这部分用本地能省下一大块。
  • :客户合同、报税材料、代码,全程在你自己的机器上,不外发。
  • 断网能用:飞机上、客户现场、信号差的地方,它照跑。

更反直觉的是硬件门槛,没你想的那么高。现在很多开源模型是 MoE 架构(总参数大,但每次只激活一小部分),配上量化,一张 6GB 的老显卡、一台普通的 Mac,都能跑得动一个 30 多 B 的模型(具体配置和速度看那两篇教程,体验因机器而异)。不需要 4090,不需要堆机器。

具体怎么装、装哪个、什么配置跑什么模型,我那两篇教程里都拆到了“你只发一句话,让 Codex 桌面 app 替你把命令全跑了”的程度,这里不重复。这篇我只想让你记住一个判断:本地模型不是用来取代云端的,是用来给自己垫一个底。

Image


最深的一刀:连“它会不会拒绝你”都归你

还有一层,大多数人没想到。

云端模型不只是会涨价、会关停、会要政府审批,它还会“拒绝你”。一个正经的需求,它可能因为安全策略不给你答:医生问一个病理细节、安全研究员分析一段漏洞代码、写作的人要写一段暴力或历史敏感的情节,云端经常一句“我无法协助”就把你挡回去。规则是它定的,什么时候收紧也是它定的,你说了不算。

Fable 5 这次被关停,是同一件事的另一面:拒答是别人替你决定“会不会答”,关停和审批是别人替你决定“还能不能用”。都不归你。

本地开源模型这边,有一类去掉了内置安全限制的版本(社区叫 abliterated,俗称越狱版)。我得说清楚两件事,免得你理解偏。

第一,它的价值不是“能生成什么出格内容”,而是它不会在你正经干活时拒绝你,而且这个决定权在你手里,不在某个公司、也不在某个机构手里

第二,这东西不是给所有人的。普通人八成的活,用正常的开源模型就够了,根本碰不到拒答。只有你真的反复被云端的安全墙挡住合理需求(医疗、法律、安全研究、特定创作),才值得了解这条路。我之前那篇在 Windows 上跑无审查模型的教程里,专门写了一整节合规边界,该守的红线一条没省。这条路能走,但得知道边界在哪。

把这层加上,“归你”这件事才完整:不只是它不会被收走、不用等谁审批,是连它会不会配合你,都由你自己说了算。

Image


最后说一句

我不是来唱衰云端 AI 的。它们是这个时代最强的工具,我自己每天都离不开,这篇文章也是借着 AI 一起琢磨出来的。

我想说的就一句:别把你全部的身家,押在一个你控制不了的供应商身上。最强的模型,可能今天还在,明天就被一纸命令关掉,或者要政府逐个批准你才能用。你订阅的服务,也可能某天早上就跟你付的钱对不上。这些事不是会不会发生,是这不到两周里已经发生了三次。

聪明的做法不是恐慌,也不是把一切都搬到本地。是给自己留一条后路:难活交给租来的尖刀,日常垫一个自己的底盘。哪天尖刀被收走、或者要排队等审批,你不至于连饭都做不了。

我自己也还在一边用云端、一边补本地这块底盘,谈不上做得多好。但有一件事我看得越来越清楚:这个时代真正值钱的,不是你能用上多强的 AI,是有多少能力,是真正握在你自己手里的。

作者:Wei | @wei_wang
13 年移动端开发,现在每天用 AI 干活,顺手在 Atlanta 做美国电商 + 帮 small business 用 AI 落地。每周写 1-2 篇 AI 工具 + 出海副业的拆解。