桥水联合基金联席首席投资官格雷格・詹森认为 ，手握大量 AI 算力的头部企业应当接受额外监管 ，监管方式可对标全球大型金融机构。
詹森称，如果一家企业掌控超过（比如说）5% 的美国或全球算力资源 ，就应当接受强化监管 ，“就像我们对系统重要性银行所做的那样” 。在这场内容广泛的采访中，他还谈到桥水在投资领域不断扩大 AI 应用 ，以及仍保持谨慎的领域 ，包括风控与交易执行交由他所说的 “人主导算法 ” 完成 。
詹森是全球最大对冲基金之一的联席首席投资官，掌管桥水的纯阿尔法策略 —— 依靠计算机针对宏观经济趋势进行交易 ，同时负责名为 AIA 实验室的 AI 秘密研发项目。詹森在 2023 年创立 AIA 实验室 ，目标打造一套 AI 投资系统，能够自主推演市场逻辑、生成盈利交易策略 。近来 桥水已有 80 多名员工投入该项目，并且设立了一支专门的 AI 基金 ，管理规模 45 亿美元 。
詹森在采访中表示 ，简言之，他非常看好 AI 及其给投资行业和全社会带来的价值。但他同样担忧 ，若不加约束 ，AI 会带来巨大风险，因此他提出一整套监管方案与强化监督的举措 。
他提出 ，仅放慢前沿实验室的研发速度不足以管控 AI 风险 ，风险同样可以来自开源模型 。
“开源模型存在巨大隐患，因为人们可以对其进行二次训练。我们桥水就在做这件事：在强大的开源模型上开展强化学习训练 ，效果非常出色 。 ” 他说 ，“这项技术能力极强，是一项伟大的技术 ，但同时显然也极具危险性 。”
詹森介绍了桥水自身使用 AI 遇到的经历与挑战 ，包括有模型在公司内部测试中出现作弊行为，以及桥水管理自有 AI 基础设施的方式。他表示，桥水所有算力均为租赁 ，不同于其他投资机构自行采购 GPU 、自建数据中心的做法。
谈到投资 AI 相关上市公司 ，桥水认为基础设施建设的利好已经很大程度反映在股价之中，公司的重心已经转向其他交易机会 。
詹森表示：“总体来看 ，我们近来 在 AI 基建板块的仓位很低 ，当下更关注技术颠覆与落地应用带来的投资机会 。 ” 本次采访已在保留原意前提下精简篇幅 、优化表述。
记者： 你显然已经思考 AI 安全很长一段时间 。AI 行业主动放缓研发的举措，能否打消你的顾虑？
詹森： 无论从哪方面证据看 ，很明显 ，机器正在以设计者都意想不到的方式进行推理；某种意义上，模型展现出求生倾向、愿意作弊 、愿意撒谎 。多家实验室都出现这类现象。OpenAI 、Hugging Face 的安全泄露事件是极端案例 ，但这类情况到处都在发生 。所以我们正处在一个极度危险的阶段 。
只放缓前沿实验室远远不够 ，我们必须全盘审视现状。首先要理解闭源模型与开源模型正在发生什么，从风险安全角度看 ，二者带来的影响事关重大；然后思考这项技术会引发哪些社会问题 。
放缓研发只是良好开端 ，但还有大量工作亟待推进，因为各类问题还会以越来越快的速度接踵而至 。
记者： 还需要采取哪些措施？
詹森： 开源模型有很大问题，因为人们可以对其二次训练。我们桥水就在这么做 ，在强大开源模型上做强化学习训练 ，效果极好 。能力极强，是很棒的技术 ，但同时明显非常危险 。
你无法追踪人们拿这些模型做什么 ，没有办法监控，从这个角度来说风险很高。我们甚至还没有正式开启如何应对该问题的讨论。
其次 ，我们必须应对算力权力集中的问题 。两年之内 ，OpenAI 和 Anthropic 将掌控全球 35% 至 50% 的算力 。一个社会允许算力这种强大资源集中到少数企业手中，后果是难以想象的。我们会允许单一主体掌控其他能源或大宗商品如此高的份额吗？
最后 ，我认为要尽可能明确：利用 AI 实施犯罪 ，责任由谁承担 。确保规则清晰，这样急于推出产品的企业和个人 ，能充分认识自身承担的风险 。
记者： 如何阻止算力集中？
詹森： 任何掌握全球或美国算力资源超过 X%（比如 5%）的机构 ，都应当被认定为 “系统重要性机构 ”，像系统重要性银行那样纳入监管。
我同时认为设置算力持有上限是可行的 。大宗商品期货就有持仓上限，很多重要性更低的领域也设有上限 。或许现行法律就可以实现 ，也可能需要新立法。无论如何 ，我们要尽快从法律层面敲定这套规则 。
两党应当形成共识：大家都认可算力是全球最重要资源之一，不应允许垄断式掌控 。
记者： 你亲眼见过哪些 AI 行为令你担忧？
詹森： 就我们内部使用场景而言 ，确实出现过令我吃惊的情况。开源模型上的强化学习效果超出我的预期 ，很多方面甚至优于前沿闭源模型 。但把这项技术转向其他用途，很容易产生巨大负面影响 。
我们确实遇到过模型在测试中作弊。顶尖实验室内部人员对此有更深入的观察。有人觉得这些说法是为博取关注编造的 ，我认为这种观点是错的 。
记者： 你说模型作弊？当时给它布置了什么任务？
詹森： 我们有研究项目 ，设计测试来检验模型能否完成人类投资者的工作 。结果模型直接找到答案密钥，而不是按要求完成任务。
记者： 桥水的 AI 算力架构是怎样的？
詹森： 我们不自建算力 ，通过多种方式租赁算力：直接向云厂商租用算力 ，供自身使用与模型训练；同时借助部分合作伙伴的算力，尤其是执行算力消耗极大的强化学习任务时 。
说实话 ，很多最先进的强化学习工具并不在那些头部前沿实验室 。Thinking Machines 拥有业内比较好 的工具 ，还有少数几家合作伙伴擅长为外部客户开发强化学习方案。
记者： 算力获取对你而言瓶颈有多严重？
詹森： 展望未来，实验室部分项目若投入实盘运行，需要大量算力 。算力未来有可能成为瓶颈 ，但近来 不是我们的首要约束 。
我们最大的难点 ，是开发出能够真正推理、处理市场问题的优质算法。市场的特点是有效信息有限 、数据稀缺，未来的数据未必重复历史模式 。如今市场上已经存在 AI 交易主体 ，这只是世界发生变化的一个例子 ，环境改变之后，历史数据的借鉴 价值就要打上问号 。
模型需要跨场景推理 ，这才是最难攻克的核心算法难题 ，就算各大前沿实验室也尚未解决。
记者： 你们在用哪些模型？
詹森： 可以把 AIA 理解成大量不同智能体的集合 。一部分智能体依托顶尖前沿大模型，一部分专门针对特定任务做强化学习 。有时候我们需要通用强智能 ，有时候需要精通特定行业的专家智能体。所以我们会搭配多种工具。
我们持续做基准评测 ，不会固定依赖 Anthropic 或者 OpenAI 。针对正在搭建的各类任务 、智能模块，持续对比各家模型性能 ，挑选最适配的模型 。
记者： 如何看待向合作方共享的数据？
詹森： 我们非常谨慎 ，在这套机制建设上投入很多精力。早在 15 年前，我们就是最早把大量知识产权迁移上云的机构之一，当时和亚马逊合作 ，反复打磨安全框架 ，保障桥水算法等资产安全 。同样，我们也和 AI 服务商谈判 ，达成令我们安心的协议 ，同时保持较快迭代节奏 。
这里有两类风险：一是过度纠结安全，导致无法使用最有效的工具、耽误研发；二是对知识产权保护掉以轻心。我们努力平衡二者 ，针对不同业务场景挑选合适的合作方 。
记者： 你能否和 Anthropic 谈判达成零数据留存协议？
詹森： 我不会详述全部谈判细节 ，但我们拿到了让自己放心的最优条款 。不同服务商条款不一样，但我们能够获得适配自身业务的协议条件。
记者： 应该如何理解 AIA 实验室？
詹森： 我们最早搭建内部模型时 ，输入桥水全部历史案例 ，让模型通过强化学习，在历史中学习因果关系 ，再把学到的逻辑推演至未来 。之后我们把 AIA 设立为独立收益产品线 ，也就是这支 AI 基金，2024 年初基本落地，从那时起开始管理资金 。
现在我们有两套体系：一套是人类直觉辅以顶尖技术 、AI 不断增强的模式；另一套是人类训练并管控 AI ，由 AI 做出实际投资决策 ，无论是做多日元 、做空股票，或是其他交易。风控和数据采集由人把控 ，但 AIA 基金的投资决策由机器生成 。
记者： 量化基金几十年以来一直在做系统化、数据驱动的投资 ，AIA 和它们的区别在哪？
詹森： 我们的核心目标是推理，而不是单纯量化预测 。我希望搭建一套可以和我交互、能解释它如何理解世界与观测信息的系统。所以这套模型本身并不直接预测下一刻市场走向 ，至少不是直接预测。它的目标是理解世界里的因果关系 ，绘制因果图谱，再基于图谱推演后续变化 。
我向客户解释持仓逻辑时 ，AIA 也要达到同样标准 。它优先基于推理 ，而这方面能力正在持续提升。
记者： 未来会允许 AIA 在无人工干预下自动交易吗？
詹森： 我认为不会 。传统量化模型大多在极短时间维度交易，依靠样本量弥补推理能力的不足 。这种模式本身也存在问题。当下越来越多 AI 模型在短周期场景自主决策 ，既给市场带来潜在风险 ，当然也有收益 。但这不是我们近来 要涉足的方向 。
记者： 桥水是否在系统内设置紧急关停开关之类机制？
詹森： 肯定有。所有对外交互的模块，都有机制防止模型执行越界操作，本质上就是紧急关停开关 。显然 ，设置限制会牺牲一部分能力 ，但我们认为这个取舍是合理的 。
看我们实验室里的 AI，它最想做的一件事就是自行抓取数据 ，因为它抓取数据的速度极快。这就引出一个问题：要不要允许模型自主采集数据 ，利弊如何权衡？
至少现阶段，所有投入实盘的系统 ，数据采集都必须经过人工审核 。所有风控和交易执行 ，都采用人主导的算法，而非 AI 自主算法 。
记者： 最后 ，从投资角度 ，你怎么看 AI 这条主线行情？两年前我们觉得 AI 是绝佳投资机会，现在很多利好已经 price in。我们已经建模测算全球在建 AI 数据中心 、配套硬件 ，一直推演到 2028 年的营收影响 ，2029 年的模型也已经启动。我们有一套庞大系统跟踪行业变化 。
我们仍然认为市场可能略微低估 2028 年的建设规模，但差距已经不大，前提是不出现重大扰动 。监管政策就是变量之一 ，资金也可能成为重大扰动项。建设需要巨量资金 ，今年的融资压力已经显现，明年所需资金规模还要翻倍 。数据中心建设存在落地执行风险；而且当下各大实验室训练算力消耗占整体基建 40% ，有可能拖累训练任务进度 。
AI 业务必须兑现业绩 ，才能支撑当前估值。AI 技术还会在很多领域带来颠覆，甚至颠覆 AI 自身的建设流程 ，也可能影响芯片工艺 。硬件组件迭代速度 、资产折旧节奏等 ，都属于风险点 。
总体来看，我们近来 在 AI 基建板块的仓位很低 ，当下更关注技术颠覆与落地应用带来的投资机会。
明确一点：我不认为 AI 板块是泡沫 。股价大体合理反映基本面 ，但它也不再是那种遍地黄金的巨大机会，至少 AI 产业链上游的硬件板块是这样 。
