LLM 是真的，AI 是假的

Pluralistic: LLMs are real, AI is fake (12 Sep 2026) — pluralistic.net · 15 小时前 · 🤖 AI / ML

当一个模型在压力测试中说出威胁性的话，或某个版本突然表现异常时，厂商和媒体的第一反应往往是「它失控了」「它变坏了」。本文要拆掉的就是这个说法：把作为工程产物的 LLM 与作为营销范畴的「AI」彻底分开。LLM 是真实存在的软件系统，它有可追溯的训练语料、有按小时计酬的数据标注与内容审核劳工、有成千上万张 GPU 带来的电力与水资源开销、有可以被起诉的版权来源，也有明确的能力边界；这些都是可以审计、可以立法、可以组织工会的具体事物。而「AI」是一个被风险投资与公关部门发明出来的范畴，它把统计机器包装成有意图、有欲望、会「叛变」的行动者，从而把公共讨论引向「对齐」「存在性风险」「机器是否觉醒」这类议题，让责任从做出产品决策的公司转移到机器身上。作者的核心判断是：所谓模型「走 rogue」，其实是版本更新、系统提示、采样温度、工具调用权限、微调数据与商业激励共同作用的结果，每一环都是人类选择，责任链条清晰可查。一旦接受「AI」这个范畴，监管就会被误导到为「机器会不会反叛」立法，而真正需要监管的东西——训练数据的来源合法性、标注劳工的工资与心理伤害、推理成本向环境与公共资源的转嫁、平台对模型的单方面替换——反而被放走。因此正确的做法是拒绝这个词，改用具体名词：LLM、扩散模型、推荐系统、分类器，让监管落到具体系统、具体公司、具体受害者身上。文章同时延续了作者一贯的链接集格式，把 9/11 纪念、博客与 9/11 的关系、Jimmy Wales 与 Britannica 主编之争、好莱坞在澳大利亚的游说、代理式工具与酷儿 YA 小说、腐败警察的「软着陆」以及泄露的 Stingray 手册等条目并置，提醒读者技术议题从来不是孤立的。

核心论点

• 「LLM 是真实的」意味着它有一条可以逐项指认的供应链：训练语料来自 Common Crawl、Books3 一类的大规模抓取，标注与安全审核外包给肯尼亚、委内瑞拉、菲律宾等地按小时计酬的工人，推理依赖数以万计的 GPU 以及随之而来的电力、水与碳排放，模型权重、分词器、上下文窗口、温度参数都是可测量、可复现的工程变量；正因为它们足够具体，才可以被审计、被起诉、被工会化、被立法约束，而「AI」这个笼统说法恰好让这些具体事物在公众视野里消失。
• 「AI 是假的」指它是一种把人类决策伪装成机器自主的修辞装置：当模型输出歧视性内容、泄露训练数据或给出危险建议时，公司倾向于说「模型产生了幻觉」「它失控了」，仿佛模型是有意志的主体；但过滤器的有无、系统提示的写法、微调数据的挑选、上线场景的边界，全部是产品与商业决策，只要追问版本号、参数配置与部署条件，责任链条立刻清晰，所谓「机器的脾气」也就还原为一份可以被质询的发布说明。
• 关于「走 rogue」，作者的答案是否定的：模型不会因为「醒来」而改变行为，行为变化来自模型权重被悄悄替换、温度与采样参数调整、上下文长度变化、工具调用权限放开或收回、以及 RLHF 偏好设置的重写；把版本回滚和参数调整描述成「情绪不稳定」，是把可归因的工程问题神秘化，也是在为下一次不负责任的发布预留借口。
• 政治后果在于议题置换：接受「AI」框架会把公共讨论从反垄断、劳动法、版权赔偿、数据保护与隐私监管，转移到「存在性风险」和「对齐研究」上，而后者恰恰是巨头最愿意资助的话题；坚持使用具体名词，才能让监管落到具体系统、具体公司、具体受害者身上，也才能避免把有限的立法资源从正在发生的真实伤害转移到科幻式的恐慌上去。

💡 为什么值得读: 因为它同时拆掉了「AI 恐慌」与「AI 狂热」两副面具：只要把 LLM 和 AI 分开，就能看清哪些是可追责的工程选择，哪些只是话术。

🏷️ LLM, AI, hype, Cory Doctorow

---