資本、理念與 AI 安全的賽局：從有效利他主義演變看科技產業的長期治理風險

在科技資本配置與人工智慧（AI）前沿發展的交會點，有效利他主義（Effective Altruism, EA）已從早期強調極致成本效益的慈善捐贈運動，演化為掌控數億美元資本、深度塑造矽谷 AI 安全研究方向與政府政策倡導的核心思想網絡。本文從價值投資與資本配置哲學出發，深度剖析 EA 思想體系的四次關鍵轉向、超富豪資助者網絡與前沿 AI 實驗室之間的機構角力，並系統性比較有效加速主義（e/acc）、暫停 AI 運動（PauseAI）以及以太坊聯合創辦人 Vitalik Buterin 所提倡的防禦型去中心化（d/acc）三大技術路線。分析顯示，當 AI 安全領域出現資本過熱與政策遊說導向時，將顯著拉升代理人風險與監管俘虜疑慮；相較於將系統安全性寄託於單一「好公司」的壟斷性承諾，建立由多個不完美系統相互監督、具備分散式防禦能力的 d/acc 架構，才是降低尾端系統性風險更具韌性的治理方案。對長期價值投資人而言，透視這些哲學流派與資本流向，是精準評估科技企業治理品質、資本配置效率與長期護城河的可靠視角。

核心大局：有效利他主義（EA）的轉向與 AI 資本配置

從資本配置效率與邊際回報率的視角審視，有效利他主義（Effective Altruism, EA）的起源本質上是一個嚴謹的資源最佳化問題：在社會資源與資本有限的前提下，如何透過量化分析與邊際效益評估，使每一單位投入的資本產生最大化的正面社會影響？

這場思想運動的早期核心推動者，包括哲學家 William MacAskill（曾任牛津大學副教授，先後創辦 Giving What We Can 與 80,000 Hours）以及 AI 安全研究者 Eliezer Yudkowsky（機器智能研究所 MIRI 共同創辦人，亦是理性主義思想論壇 LessWrong 的關鍵推手）。在發展初期，EA 體系展現出極強的價值投資影子——強調剔除情感偏見，完全以資料驅動與成本效益分析為依歸。例如，著名的慈善評估機構 GiveWell 透過嚴格的量化追蹤，發現向抗瘧疾基金會（Against Malaria Foundation, AMF）提供資助，以發放長效殺蟲蚊帳的形式預防瘧疾，能以極低的平均成本拯救一條生命。這種透明、可驗證且邊際效益高的直接救援模式，吸引了第一批理性主義資助者。

然而，隨著資本規模的擴大與思想體系的演進，EA 運動在過去十餘年間經歷了四次極為關鍵的哲學與戰略轉向：

1. 全球健康與發展（Global Health & Development）：以 GiveWell 與 AMF 為代表，關注具備即時資料驗證、低成本且高重複性的全球貧困與疾病干預項目。
2. 長期主義（Longtermism）：由 Oxford 哲學家 Toby Ord、Nick Bostrom 及 William MacAskill 等人深化。該思想將折現率的概念應用於人類文明，主張未來世代潛在人口的道德權重不應被折現。因此，任何可能導致人類文明徹底滅絕或永久停滯的「存在風險」（Existential Risk），其預防工作的邊際價值均呈現幾何級數的放大。
3. 信任危機（Trust Crises）：因核心資助者與機構治理結構的隱蔽性，加上加密貨幣交易所 FTX 創辦人 Sam Bankman-Fried（SBF）的重大金融詐欺事件，導致 EA 運動遭遇史無前例的倫理與聲譽危機。
4. AI Safety（人工智慧安全）：將防範高級 AI 失控帶來的存在風險（P(doom)，即 AI 毀滅人類的概率）確立為整個運動最核心的資本與人才配置方向。

在這一演進過程中，人才作為最稀缺的資本形式，其配置機制亦經過精心設計。由 William MacAskill 與 Benjamin Todd 共同創辦的非營利職業諮詢機構 80,000 Hours（名稱源於人一生平均的職業工作時數），成為了全球頂尖人力資本的導航塔。80,000 Hours 透過提供深入的職涯研究與諮詢，引導無數來自牛津、劍橋、哈佛及矽谷的頂尖數學、計算機科學與物理學人才，將職業生涯投入到高衝擊力領域。隨著先進 AI 模型展現出爆發式能力，80,000 Hours 顯著提高了 AI 治理與 AI 對齊（Alignment）研究的推薦優先級，將大量稀缺的高智商人才精準輸送至 AI 安全生態系中。

AI 安全之所以能夠取代傳統全球健康，成為 EA 資本配置的重中之重，關鍵在於 Nick Bostrom 在其里程碑著作《超級智能》（Superintelligence）中所奠定的理論框架，以及 Eliezer Yudkowsky 領導的 Machine Intelligence Research Institute (MIRI) 長期進行的思想灌輸。此外，精神科醫師 Scott Alexander（熱門部落格 Slate Star Codex 與 Astral Codex Ten 的作者）與 Zvi Mowshowitz（blog Don’t Worry About the Vase 作者）等理性主義寫作者，透過社群論壇持續進行深度論述，將「AI 對齊失敗可能導致人類滅絕」塑造為理性主義圈層的共識。這套邏輯認為，一旦通用人工智慧（AGI）跨越臨界點，其自我迭代的速度將遠超人類控制能力，若無法預先在數學層面解決目標對齊問題，其尾端風險將是無限大。

資本集中與治理信任危機：從 SBF 崩塌到機構角力

當數以億計的慈善與創投資本在短時間內湧入一個高度封閉的研究領域時，缺乏透明度與制衡機制的治理結構，往往會引發嚴重的機構風險與利益衝突。

早期 EA 運動積極推行「去華爾街賺錢，再把錢捐出去」（Earn to Give）的資本積累策略，主張具備高收入能力的人才應進入高薪產業（如量化交易、金融投資），將獲取的大量財富轉化為慈善資助。加密貨幣交易所 FTX 聯合創辦人 Sam Bankman-Fried（SBF）曾是這一策略最醒目的實踐者。SBF 承諾將其數百億美元財富的絕大部分捐贈給 EA 相關機構，並透過 FTX Foundation 注入鉅額資金。然而，FTX 的瞬間崩塌與大規模挪用客戶資產行為，暴露出極端功利主義演算下「只要目標高尚，手段皆可合理化」的制度倫理盲點，也給整個 EA 資助網絡帶來了毀滅性的信任危機。

在 SBF 事件後，EA 與 AI 安全領域的資金供給結構呈現出高度集中的寡頭資助特徵，主要依賴少數超富豪家族基金會：

• Dustin Moskovitz 與 Cari Tuna：Facebook 與 Asana 聯合創辦人 Dustin Moskovitz 與其妻子 Cari Tuna，透過慈善基金 Good Ventures 與資助諮詢機構 Coefficient Giving（前身為 Open Philanthropy），成為該領域最具影響力的資本配置者。其資助範圍涵蓋全球健康、動物福利以及前沿 AI 安全研究。
• Jaan Tallinn：Skype 聯合創辦人，長期專注於存在風險資助，不僅共同創辦了未來生命研究所（Future of Life Institute, FLI），更透過 Survival and Flourishing Fund 為諸多 AI 安全評估與治理機構提供持續的營運資金。

這種由少數捐贈者決定的極端資本集中，催生了一批影響力巨大的非營利研究與評估機構，例如專注於前沿模型能力與危險臨界點評估的 METR (Model Evaluation & Threat Research)，以及從事 AI 政策與監管架構研究的 Centre for the Governance of AI (GovAI)。

然而，這種高度重疊的資金與人際網絡，也引發了外部獨立觀察者的強烈批評。例如網路評論者 Kevin Bass 等人公開追查並質疑，前沿 AI 企業 Anthropic、評估機構 METR 以及背後的 EA 資助管道（如 Coefficient Giving）之間，存在著極為密集的董事會席位交叉、財務資助與人員流動。批評者指出，這種結構極易演變為經濟學上的「代理人風險」（Principal-Agent Problem）與「監管俘虜」（Regulatory Capture）——即既有龍頭企業可能利用自身資助的安全評估機構向政府施壓，制定極高門檻的安全合規標準，從而以「安全」為名建立行政壁壘，阻礙開源社群與潛在競爭者的加入，鎖定壟斷利潤。

以太坊聯合創辦人 Vitalik Buterin 的親身資助經歷，則為評估資本配置效率與機構邊際效益遞減提供了具體的案例分析。Vitalik 曾在加密貨幣牛市期間意外收到大量代幣（如狗狗幣 Dogecoin 等 Meme coins），並成功將其變現為數億美元的資金。隨後，他展現了高度負責任的資助態度，將這些資金大規模注入實質的科學與健康干預項目——包括透過 Balvi 基金資助印度疫情救助基金（CryptoRelief，由 Polygon 聯合創辦人 Sandeep Nailwal 發起），以及資助印度生物技術公司 PopVax 進行新型疫苗與癌症免疫療法研發；同時，他也向 FLI 與 MIRI 捐贈了鉅額資金。

然而，在深入參與後，Vitalik 開始對其資助戰略進行深度反思。他觀察到，當一個領域（如 AI 安全政策倡議）已經聚集了極其龐大的資本時，繼續注入資金的邊際效益會劇烈遞減。特別是當 FLI 等機構逐漸從早期資助直接的技術防禦手段，轉向大規模投入政治界與政府層面的 AI 政策遊說時，其運作模式出現了令人疑慮的轉變。Vitalik 指出，在資本已然過剩的領域推動政治遊說，不僅資金的使用效果極難進行客觀的量化評估，更可能強化官僚機構的權力尋租，完全偏離了開發實質技術防禦工具的初衷。

技術路線的大辯論：加速主義（e/acc）、暫停派與 Vitalik 的防禦型去中心化（d/acc）

隨著 AI 技術能力呈現指數級躍升，科技界、投資界與學術界裂變出三種截然不同的技術哲學與發展路線，其核心分歧在於對尾端風險的評估以及對系統治理架構的偏好：

1. 有效加速主義（e/acc, Effective Accelerationism）：由矽谷創投與技術自由主義者推動，主張市場機制與技術演化具備自我修正能力。e/acc 認為，阻礙技術推進才是對人類福祉最大的威脅，任何形式的行政監管或人工干預都會降低創新效率，應不惜代價極速推動算力擴張與模型迭代。
2. 暫停 AI 運動（PauseAI）：國際性的草根與學術派系，將前沿 AI 視為不可控的毀滅性力量。PauseAI 主張在大規模前沿 AI 模型獲得絕對可證明的安全性、並且建立起全球性的民主監督機制之前，各國政府應強制暫停前沿 AI 的算力擴展與模型訓練。
3. 防禦型去中心化（d/acc, Defensive/Decentralized Accelerationism）：由 Vitalik Buterin 針對上述兩極對立所提出的第三條路線。d/acc 拒絕盲目的全面加速，也反對威權式的全面暫停，而是主張有選擇性地加速開發「防禦型技術」（Defensive Technologies）與「去中心化架構」（Decentralized Architectures）。

Vitalik 將 d/acc 的哲學核心借喻為公共衛生與流行病學的防禦架構：在面對未知且高傳播力的病毒威脅時，最佳的抗風險策略既非徹底關閉社會與鎖國封城（類似 PauseAI 的全面停工，成本極高且極難執行），亦非假裝病毒不存在而任由其擴散（類似 e/acc 的盲目加速）；相反地，最具韌性的做法是迅速研發並發放分散式的自我保護工具——例如普及快速檢測包、高效防護裝備以及推動像 PopVax 這類能快速響應的新型疫苗研發平台，讓社會中的每個個體都具備自我防守的能力。

將 d/acc 框架延伸至計算機科學與 AI 領域，它強調優先發展強大的密碼學工具（如零知識證明）、先進的網路安全防禦軟體、去中心化身份驗證，以及完全透明的開源模型監督體系。

在系統性風險管理層面，d/acc 深度批判了當前矽谷最流行的「好公司必須贏」（Good Company Must Win）敘事——即假設只要讓某些標榜安全理念的公司（如 Anthropic 或 OpenAI）獲得資本市場的勝利並實現商業壟斷，全球 AI 安全問題就能迎刃而解。Vitalik 強調，寄望於少數中心化巨頭的道德自律是商業競爭中最脆弱的假設。前沿 AI 研究員 Jacob Coxon 於 2026 年 9 月相繼辭去 OpenAI 與 Anthropic 的職務並公開發表警告，揭示了前沿實驗室在熾熱的市場競爭與估值壓力下，商業利益與算力擴張已全面凌駕於內部的安全評估承諾之上。

因此，d/acc 主張摒棄對單一中心化巨頭的盲目信任，轉而建立一個由多個「不完美系統」相互監督、權力分散的相互制衡架構（Checks and Balances），透過防禦能力的去中心化普及，確保即使個別系統失控或走向惡意化，整體社會結構仍具備足夠的抗打擊能力。

前沿人工智慧實驗室的商業利益與開放爭論

前沿 AI 實驗室的組織架構演化與資本運作，完美展示了商業利益與安全承諾之間的內在緊張關係。

OpenAI 成立之初，原本具備強烈的非營利與開放原始碼（Open Source）基因，旨在防止 AI 技術被 Google 等少數科技巨頭獨佔；然而，隨著大模型訓練所需的算力成本呈幾何級數飆升，OpenAI 迅速重組其商業架構，轉轉向封閉式的商業授權與高度競爭模式。另一方面，由 OpenAI 前核心成員分立創辦的 Anthropic，雖然將自身定位為「安全優先」（Safety-first）的公共利益公司（PBC），並在神經網絡可解釋性（Mechanistic Interpretability，由 Anthropic 聯合創辦人 Chris Olah 領導的關鍵技術方向，旨在打開大模型的「黑盒子」）領域做出了頂尖的研究貢獻，但其本質上仍無法擺脫對創投資本的依賴，必須在熾熱的商業競爭中追逐營收成長與高估值。

這引發了科技界關於「專有閉源大模型」與「去中心化開源模型」控制權的深層辯論。閉源陣營（包含部分 EA 政策倡議者）主張，將能力強大的前沿 AI 模型開源，會顯著降低惡意行為者利用 AI 設計生物武器、發動大規模網路攻擊或進行自動化詐欺的門檻；開源陣營與 d/acc 支持者則反駁，閉源模型將終極的技術控制權與審查權完全集中於少數矽谷高層手中，缺乏外部獨立審查的封閉系統反而醞釀著更大的隱蔽性道德風險與治理黑箱。

在這些思想角力與資本配置的過程中，實體聚會網絡與地理節點扮演了極為關鍵的智庫孵化器角色。位於加州伯克利、由 Lightcone Infrastructure 運營的會議園區 Lighthaven，以及專門研討前沿 AI 發展、風險、經濟衝擊與治理的 The Curve 大會，已成為理性主義者、AI 專家、創投家與政策制定者碰撞觀點的核心陣地。

此外，由 Roots of Progress Institute 主辦的 Progress Conference、面向 EA 社群的 Effective Altruism Global (EA Global) 系列大會，以及 Vitalik 等人於 2023 年在蒙特內哥羅（Montenegro）發起的臨時自治社群實驗 Zuzalu，均為這些技術哲學提供了密集的實踐與交流空間。這些實體節點產生的思想共識，深刻地塑造了矽谷資本的流向、人才的職涯選擇，乃至科技巨頭執行長的決策思維。

關鍵數字

以下為根據 2026 年 10 月訪談內容整理之關鍵時間點、時長與資金規模數據：

• 2026 年 10 月 28 日：該深度訪談內容發布之日期。
• 1 小時 53 分鐘：對話節目之完整時長。
• 2026 年 9 月：前 OpenAI 與 Anthropic 研究員 Jacob Coxon 宣佈辭職並公開警告前沿 AI 企業競爭風險之時間。
• 2023 年：Vitalik 等人在蒙特內哥羅組織 Zuzalu 臨時社群實驗之年份。
• 數億美元：Vitalik 意外收到加密貨幣代幣（如狗狗幣等）並變現用於慈善、公衛與 AI 安全捐贈之金額規模。

什麼情況會改變我們的看法

作為專注於長期資本配置與科技產業治理的分析師，若出現以下具體的觀察指標，將會促使我們重新評估 AI 安全治理架構與科技企業的風險評級：

1. 前沿 AI 實驗室（如 OpenAI、Anthropic）出現核心安全研究人員大規模離職，或公開聲明商業競爭已壓倒安全防禦機制。
2. AI 安全評估機構（如 METR）與政府政策制定單位達成強制性評估標準，且利益相關方之資金網絡完全公開透明。
3. 去中心化防禦科技（d/acc 架構）在實際防禦工具或生物安全/網路安全防禦上取得突破性大規模應用。
4. 主要資助網絡（如 Coefficient Giving、Survival and Flourishing Fund）的資金顯著從 AI 政策倡導轉回基礎科學或去中心化防禦工具開發。

給長期投資人的實用重點

在評估生成式 AI 與前沿科技企業的長期內在價值時，價值投資人應擺脫單純追逐算力規模與短期營收成長的思維，將公司治理品質與資本配置效率納入核心評估矩陣：

• 評估公司治理而非口號：不能單純相信「好公司會維持道德」，必須檢視實驗室內部安全團隊的實質決策權與資本配置比例。如果安全研究團隊在商業競爭壓力下持續被邊緣化（如研究員離職警告所顯現），企業將面臨巨大的尾端系統性風險與法規監管衝擊。
• 警惕資本過熱與政策尋租：當某個領域資本極度過剩、資金從實際防禦工具轉向政策遊說時，邊際投入效益會下降，並增加監管俘虜風險。投資人應警惕企業是否過度依賴政策壁壘來維持壟斷，而非建立真正的技術護城河。
• 關注去中心化防禦的韌性：長期具備強大護城河與系統穩定性的科技生態，往往來自多個不完美系統互相監督與分散式的防禦工具（d/acc 思路），而非單一中心化壟斷者。在網路安全、數據隱私與密碼學防禦層面具備去中心化架構優勢的企業，將在未來的極限安全賽局中展現出更高的抗風險韌性。

歡迎造訪 DeepValues Research 官方網站閱讀更多公開的公司研究報告，或使用 DeepValues App 查詢個別股票的內在價值估算。

資料來源

《E257｜对话Vitalik：AI安全背后的哲学思想，有效利他主义如何影响硅谷？》，《硅谷101》節目（主持人：泓君、Yiwen；訪談嘉賓：Vitalik Buterin、Afra），發布日期：2026 年 10 月 28 日。