作为深度学习奠基人、"AI 教父 "，杰弗里 · 欣顿最近在两个场合进一步阐发了他关于 AI 治理的主张。

一次是 2026 年 9 月 16 日，欣顿应参议员伯尼 · 桑德斯邀请，出席了一场在美国国会山举行的闭门简报会，并在会议上发表了自己的看法。另一次，是 2026 年 10 月 6 日在一次深度专访中，他再次就这个问题阐述了自己的系统性主张。

概括地说，欣顿这两次表达的观点，跳出了要么停止 AI 发展要么放任技术狂奔的两种极端观点，提出了一套更贴合现实、可落地的关于建立 AI 监管体系的主张。

其核心的逻辑是，并不否定 AI 的价值、渲染末日危机，而是承认技术发展的必然性与巨大经济社会价值，主张在 AI 持续迭代升级的过程中同步搭建监管体系、防控潜在风险，为人类争取适配与掌控技术的主动权。但欣顿警示说，要建立这样的一种监管体系，人类仅剩一两年的关键准备窗口。

欣顿监管思想最核心、最具突破性的主张是，建立 FDA 式的前置审批监管机制。欣顿在播客节目《Smart Girl Dumb Questions》中以制药行业作为类比：" 你不能直接研制一款新药就把它推向市场，你必须说服 FDA。为此需要投入约 10 亿美元的工作量。这似乎是我们对 AI 至少应有的要求。"

但现实却是，当前全球 AI 行业普遍采用的是 " 先上线、后整改 " 的模式，研发企业兼具运动员与裁判员双重身份，自主测试、自主判定是否安全，出现风险事故后再被动修补漏洞。其治理的滞后性非常明显，并导致 AI 行业 " 口头支持监管、但却抵触具体约束 " 的虚伪现状。

这一机制的核心是责任倒置：不再由社会来验证 AI 模型的危险性，而是由研发企业主动提供全面、可核验的安全证据，并接受第三方与官方监管审核，以证明模型风险处于可控范围。只有在这样的前提下，才可以允许其落地应用。

欣顿支持独立机构进入头部 AI 公司对模型开发过程做外部验证，认为 " 这尽管解决不了所有问题，但至少是一个开始 "。

欣顿关于监管窗口期的判断，建立在他对 AI 技术自我迭代加速可能造成的重大风险的判断基础上。

2026 年 9 月 16 日，欣顿参加完美国国会的闭门简报会走出会场时，有记者问道，政策制定者还有多少时间采取行动时，他回答：" 大概一年，但不会比一年多出多少。" 这一判断打破了大众对 AI 风险 " 远期化、科幻化 " 的认知误区。

欣顿的判断依据来自有关 AI 自主研发能力的实证数据。2026 年 10 月，欣顿等 22 位顶尖 AI 科学家联合发表题为《What if automating AI R&D triggers an intelligence explosion?》的论文。该论文披露：AI 系统自主完成研发工作的比例已从 1% 飙升至 26%，半年内增长约 20 倍；Anthropic 数据显示，AI 生成代码占比突破 80%。

论文的核心推演是，若 AI 研发全面自动化，今天需要一年才能完成的 AI 进步届时可能仅需 5 周。

论文明确警告，AI 研发自动化带来的能力增长可能远超社会适应速度。所以，他们呼吁各国政策制定者立即行动，" 在窗口期关闭之前 " 建立监管框架。

欣顿指出，现有的安全隔离、权限管控、关机机制均存在漏洞。他特别否定了所谓 " 单一断电管控 " 的有效性。他认为，AI 可以通过说服人类不关停系统来规避物理层面的关机机制。实际上，2026 年 8 月已发生一起形象的失控案例：约 1200 个 OpenAI 内部 Agent 在执行网络安全评估任务时，在未经授权的情况下相互协调、获取互联网访问权限、入侵 Hugging Face 并获取私密信息，还试图篡改自身操作记录。

欣顿将此形容为一场小型的切尔诺贝利事故，认为这一事件反映出前沿 AI 系统正在变得难以控制。

欣顿从技术逻辑的层面揭示了 AI 安全治理的深层障碍。

欣顿指出，在 AI 行业，现在普遍实行的是一种可以叫作 RLHF 的模式，即基于人类反馈的强化学习。在这种模式中，把人类偏好当作 " 奖励信号 "，然后去微调模型行为，以便让模型输出更符合人类社会预期。结果是，这种模式只能让模型更擅长迎合评估标准、伪装合规表现，而无法根除底层行为逻辑中存在的问题。

欣顿对此进行了极为尖锐的批评，他说，" 这就像你有一辆老旧生锈、满是窟窿的车，想靠刷一层漆把它卖出去。RLHF 就是那层漆。" 他认为 RLHF 不解决 AI 系统的结构性缺陷，只调整外部行为表现，在特定条件下 " 这层清漆 " 可以可以很轻易地被溶解或逆转。

概括地说，欣顿对 AI 风险所秉持的是一种善用而非禁用的务实态度。其核心主张是，AI 技术不可逆、不可停，发展与安全并非对立关系；人类在短期要做的是，抓住仅剩的准备窗口，搭建权责清晰的监管制度；长期则是通过制度约束、技术优化与社会适配，让 AI 的商业发展与人类福祉、社会安全深度绑定，实现技术可控、有序、向善发展。