同一个星期里,高盛把 AI 编程工具从交易员手里收回,Meta 无限期推迟了抓取外部网站的商业条款,欧洲 15 个国家的居民抗议数据中心动工。三拨说"不"的人都不是 AI 的买家——这意味着 AI 的瓶颈第一次从"能力够不够"变成了"谁允许你用"。
11 月的第一周还没过完,有三件事几乎同时发生。它们分别发生在一家投行的内部、一家科技巨头的法务部、以及一片欧洲的广场上——彼此毫不相干,却构成同一个结构。
第一件事,11 月 2 日(彭博社报道):高盛集团更新内部指引,把 Claude Code 和微软 GitHub 这类高级 AI 编程工具的使用权限,从交易员和银行家手里收回,主要只保留给工程师和量化策略师(strats)。此前几个月,交易员们用这些工具监控客户交易流水、搭建市场与持仓模型、生成文字和图表。消息一出,部分交易员不满。
第二件事,11 月 6 日到 7 日:Meta 无限期推迟了一套商业条款的更新。原定于 10 月 30 日生效,推迟到 11 月 20 日,最终暂停。这套条款要求 Facebook 商业账号的所有者,允许 Meta 对其页面中链接出去的外部网站进行广泛的 AI 训练抓取——甚至要求出版商提供测试凭据,让 Meta 的爬虫绕过付费墙。阻力来自四面八方:挪威和巴西的初步禁令、英国竞争与市场管理局的调查、美国参议院两党联名信。
第三件事,11 月 6 日到 7 日:欧洲多地爆发反对数据中心建设的抗议。阿姆斯特丹西部一座微软租用的数据中心在建工地,数百名抗议者翻过围栏、爬上起重机,警方拘留了 150 到 200 人。次日,都柏林约 2000 人游行,赫尔辛基约 1300 人集会,芬兰多个小城也有示威。行动方是"停止肮脏数据中心"(Stop Dirty Data Centres)联盟,横跨 15 个国家、100 多个组织。
把这三件事并排放在一起,你会发现一个共同点:
说"不"的三拨人,都不是 AI 的买家。
第一拨是企业风控,不是买家,是买家的 IT 部门;第二拨是出版商和监管机构,不是买家,是被 AI 触及数据来源的一方;第三拨是居民和市政当局,不是买家,是被 AI 占用物理资源的一方。
而在能力竞赛的上一阶段,AI 世界的守门人是研究者——是那些在实验室里决定"这个模型能不能用"的人。现在,守门人换了。
这就是今天要写的那件事。
这件事最耐人寻味的地方在于它的时间跨度。
2026 年 7 月,高盛首席信息官 Marco Argenti 公开表扬非技术岗位的"vibe coding"。他的原话大意是:交易员、银行员这类非技术员工可以自己用 AI 工具搭出方案雏形,再把成果交给 12000 名工程师中的某些人去做优化和完善。
也就是说,那时候高盛给全体员工的定位是草稿生产者。
2026 年 10 月,内部指引更新,权限反转。彭博社看到的这份指引规定,Claude Code 和 GitHub 的使用"主要限于工程师";strats(横跨交易、量化研究与软件工程的岗位)不在此限。10 月更新的版本在香港办公室更早生效——香港员工今年初就已被单独限制过 Claude 的使用。
2026 年 11 月 2 日,媒体报道发酵,交易员不满。
2026 年 11 月 3 日,高盛 CEO David Solomon 亲自下场反驳。
Solomon 的表态非常关键,因为它把叙事从"高盛怕 AI"改成了"高盛在管理 AI":
高盛并没有整体收回员工使用 AI 工具的权限,实际方向恰恰相反——公司正在迅速扩大员工能够获得的工具和访问权限,其中包括编程工具。
但他同时说了第二句:
高盛拥有约 45000 名员工,需要对工具访问权限实施适当管理,并非所有员工都能随时使用每一种工具。
以及第三句,也是本文最该被记住的一句:
即便模型能够更加自主地完成工作,技术应用仍须由人承担责任,并配套有效的风险控制和治理机制。
这三句话拼起来,构成了一个非常清晰的模型:权限不是按"工具能做什么"分配的,是按"谁签字负责"分配的。
这里有一个非常反直觉的点,值得单独强调:高盛收紧权限,不是因为 AI 不好用。
高盛内部的数据是往反方向指的:
所以 AI 在高盛内部是好用的、有效的、被明确考核的。那为什么还要收紧?
因为收益是线性的,风险却是非线性的。
一个能写代码、能执行、能改动内部系统的 Agent,在交易台上的权限等级,和一个帮它写了个小脚本,是完全不同的两件事。后者出错是代码 bug,代码有测试、有 review、有回滚;前者出错可能是一个静默跑错的建模脚本,或者一段被塞进内部系统的错误数据——而当时没有人为此负责,因为写它的人不在有明确责任边界的岗位上。
一个更简洁的表述:
AI 编程工具的风险曲线不是随能力线性上升的,而是随"它能碰到什么"陡峭上升。
高盛 CIO 在 7 月鼓励的是"用 AI 写个脚本分析客户流水";10 月收紧的是"用 AI 直接改写生产系统的代码"。这两件事在能力上只差一步,在责任上差一个数量级。
值得学习的不是高盛收紧了,而是它先分层、再收紧。
高盛并没有全面禁用 Claude Code——它做的是把权限按岗位切成三档:通用 AI 助手(全员)/ 高级编程工具(工程师 + strats)/ 前沿模型(特定高风险用途,如网络安全)。而且它公开给出了一个模型选择原则:
网络安全等部分用途需要前沿模型,但许多提升员工效率、改造业务流程的工作,并不需要最先进的模型能力。
这句话如果被翻译成一句工程师听得懂的话,就是:别用最贵的那一档去干最普通的那一档活。这和摩根大通 7 月提出的"引导员工按用途选模型,避免在摘要研报这类简单任务上调用最昂贵模型"是同一个意思,只是高盛把它和权限合并成了同一套治理。
另外值得一提的是,高盛今年 5 月刚和 Anthropic 合作推出 15 亿美元的投资计划,加速在其投资组合公司推广 AI 应用。所以高盛同时是 Anthropic 的投资方、客户,和权限收紧方。这不矛盾——它在做的是把风险留在自己这一侧,而不是把风险推给合作方。
而 Solomon 关于开源权重的那句话,是整件事里最耐嚼的一句:
考虑到严格的治理要求,高盛会审慎推进,无须争当最早部署者。
——这与前一天百度 ERNIE 5.5 Flash Base、月之暗面 Kimi K3.1 Pro 开源时市场的一片欢呼,形成了非常有趣的对照。能力侧最热闹的事情,在采购侧恰恰是"慢一点没关系"。
Meta 这次准备更新的不是一条,而是四条文件:
核心争议在第一条。它要求使用 Meta Business 账号的 Facebook 页面所有者,允许 Meta 对其页面里链接出去的外部网站内容进行广泛的 AI 训练抓取。
发布商和数字权利倡导者的反应非常激烈,原因有两个层面:
第一层是"默认许可"。这不是平台主动去抓,而是要求每一个在 Facebook 上挂广告、做生意的中小商家——一个既没有法务团队、也不知道自己的主页被链接了什么的人——默认同意把外部网站的内容交出去用于 AI 训练。默认同意在这个语境下几乎等于强制同意,因为不理解条款的人不会去看条款。
第二层更刺眼:据报道,更新后的条款甚至要求出版商创建测试凭据,让 Meta 的爬虫能够绕过付费墙。
这一条把争议的性质彻底改变了。它不再是"抓不抓公开网页"的技术边界问题,而是一个直接关于绕过访问控制的问题。任何付费墙的存在,都是在说"这段内容有价格";而让爬虫用出版商自己提供的凭据进站,等于让出版商自己拆自己的墙。
Meta 发言人告诉路透社:
我们正在暂停这些修改,继续与利益相关方沟通并花时间把事情做对。在此期间,现行条款继续有效。
从"10 月 30 日"到"11 月 20 日"再到"无限期",最终触发暂停的,是四股互不相干的力量同时发力:
| 力量 | 性质 | 具体动作 |
|---|---|---|
| 挪威、巴西 | 司法 | 初步禁令(preliminary injunction) |
| 英国 | 监管 | 竞争与市场管理局(CMA)调查 |
| 美国参议院 | 立法 | 两党联名信 |
| 发布商 / 数字权利组织 | 行业 | 持续公开反对与施压 |
注意这里的结构:Meta 面对的不是"一个说 No 的人",而是"四个各自独立的系统同时说 No"。
这就是"许可"和"能力"最本质的区别。能力的失败是渐进的——模型不够强,就多训几轮。许可的失败是离散且不可谈判的:一次初步禁令、一次监管立案、一封参议院信件,任何一个都足以让整个计划停摆。
而 Meta 的处境最尴尬的地方在于:它的商业模式建立在广告主和发布商的钱上,同时它的技术路线需要发布商的内容。当两者冲突时,Meta 选择了先不动。
有意思的是,就在这个星期,Anthropic 宣布与美联社(Associated Press)达成内容许可协议,这是首次向数字新闻出版商付费。
同一个星期里,一家平台选择了"不抓",另一家模型公司选择了"买"。
这两种做法的差别,不在于谁更尊重版权,而在于谁承担了许可谈判的成本。
从"许可赤字"的角度看,这是同一笔账的两种记法。而 11 月 5 日 Anthropic 的《全国社区契约》、11 月 6 日 OpenAI CFO Sarah Friar 宣布在数据中心选址谈判中放弃与公职人员的保密协议(NDA),也都属于"内部化"这一类动作。
能付钱的许可,不叫赤字。 真正的赤字是那些既没有能力付、又绕不过去的许可。
11 月 6 日,阿姆斯特丹 Sloterdijk 区,一座由 Pure DC 开发、微软租用的数据中心在建工地。抗议者剪开铁丝网进入现场,有人爬上起重机,有人放出焰火,与警方发生冲突。荷兰警方称以涉嫌非法侵入为由拘留了 150 到 200 人。
11 月 7 日,抗议扩散:
组织方"停止肮脏数据中心"联盟的表述直白到近乎激烈:
此次行动旨在阻止人工智能数据中心不受约束地扩张,防止我们的民主制度被大型科技企业的利益绑架。
现场标语里有一句我印象很深:
一个数据中心 = 3000 人的用水。而他们还要我们节约用水。
很多关于 AI 基建的讨论把阻力简化为"能源不够"。但这次抗议提出的诉求至少有五层:
第五层是最关键的。前四层是成本,第五层是合法性。成本可以通过涨价、补贴、自愿协议解决;合法性不行。
这一层其实并不是新事。11 月 5 日 OpenAI 发布《全国社区契约》和《算力园区政策蓝图》,里面写的东西现在读起来像是早有预谋:
11 月 6 日,OpenAI CFO Sarah Friar 对路透表示,尽管中期选举结果、以及限制部分项目的压力,公司将继续投资扩建美国数据中心——需求强劲,必须持续扩充产能来服务客户;同时正在减少地方反对,包括在选址讨论中放弃 NDA。
这个姿态本身就是一个有趣的张力:在能力和资本的压力下继续扩张,同时用一整套社区契约去购买合法性。
一边是必须加码,另一边是加码需要许可。而许可不是免费的。
到这里,论证还缺一个数字。
而这个数字非常巧——就在同一个星期,Anthropic 发布了《AI for Scientific Discovery: How researchers use Claude》,这份报告恰好把"许可赤字"这件事用一种完全不同的方式量化了出来。
把报告里的使用分布和研究人员实际的时间分布放在一起,差异非常刺眼:
| 科研任务 | 占 Claude 会话 | 占 Claude Code 会话 | 占研究人员实际工作时间 |
|---|---|---|---|
| 数据分析 | 33.7% | 48.1% | 27.6% |
| 写作与科研沟通 | 32.0% | — | 16.0% |
| 数据采集 | 11.5% | 11.9% | 28.6% |
| 科学构思与假设生成 | 使用比例最低 | 同 | — |
读一下这张表的含义:
在"整理"这件事上,AI 的使用量已经超过了它在科研工作中的实际占比。数据分析在 Claude Code 会话里占到 48.1%,而数据分析在研究人员实际工作时间里只占 27.6%——AI 在这个环节是"超额供给"的。
在"获取"这件事上,AI 的使用量远远低于它的实际权重。数据采集只占 11.5%/11.9%,但数据采集在科研工作中占 28.6%——AI 在这个环节严重缺席。
在"想出该想什么"这件事上,AI 几乎没有被用上。而这恰恰是受访研究者自己排第一位的任务。
还有一个结构性偏差:计算机科学研究者占全球研究者约 4.3%,却贡献了 Claude Code 会话的 32.7%——约 7.6 倍的超额代表性。
现在我要把这条线索和前三道刹车接起来。我认为这不是巧合,而是同一个结构的两种投影。
看这张表的形状:
而 AI 在科研中的分布,恰恰是下游超额、上游缺席。
再看产业侧的三道刹车:
AI 在下游的渗透速度远超上游。而上游——需要许可的那一端——正在被三股独立力量同时踩刹车。
这个差值,就是"许可赤字"。
顺便,报告还给出了一个能力侧的对照数字:如果当前 AI 能力被广泛采用,部分领域的研究产出可能翻倍(1.35–2.02 倍),AI 可接管 27% 到 52% 的研究时间。这两个数字放在一起非常有冲击力——
Anthropic 说 AI 可以在两年内吃掉科研时间的一半;高盛用了四个月,把 12000 名工程师之外的人挡在了高级编程工具门外。
能力的扩散速度,和许可的扩散速度,是两个数量级的差。
如果许可才是稀缺资源,那么围绕许可的生意会先火起来。11 月 6 日的消息验证了这一点:
Palo Alto Networks 正在谈判以约 5 亿美元现金收购 Clutch Security,外加里程碑付款。细节:
Clutch 做的是AI agent 的访问控制层——管理 AI agent 访问企业应用和数据时使用的凭据、密码、验证码和权限。用安全圈的话说,它管的是非人类身份(non-human identities):服务账号、密钥、API key,以及 agent。
这个类比不是修辞。传统企业安全的资产清单是"人 + 设备 + 网络",每一类都有成熟的治理产品。而 agent 引入了一个新问题:
每一个 agent 都在借用某个人的权限在做事,但它自己既不是人,也签不了字。
高盛收紧的正是这个问题——不是不信任 agent,是不信任"出了事没人能签字"的 agent。Clutch 卖的就是"让 agent 有一个可被审计、可被撤销、可被追责的身份"。
昨天(11 月 7 日)那篇文章讲的结论是:稀缺性没有消失,它从"模型能力"搬到了算力交割、准入许可、数据边界和社区契约这些收费站上,AI 产业正从产品经济进入配电经济。
今天这三天,把那篇的下半场补完了:
| 产品/配电经济 | 许可经济 | |
|---|---|---|
| 稀缺的东西 | 算力交割 | 他人授权 |
| 谁掌握定价权 | 云厂商、数据中心 | 风控、法务、社区、监管 |
| 典型收费口 | 算力长约、租赁、容量 | 权限授予、内容许可、身份管理 |
| 典型失败模式 | 订单不等于交割(名义产能陷阱) | 许可赤字(拿不到就寸步难行) |
| 谁能说不 | 几乎没人能说不(订单照收) | 所有人都在说 |
配电经济里,稀缺的是你能不能拿到电;许可经济里,稀缺的是你能不能被允许用。前者的答案在供应商手里,后者的答案在用户、第三方和社区手里。
而 50 倍 ARR 的收购价说明一件事:市场已经给"许可"标了价,而且标得很高。
把高盛、Meta、欧洲社区这三件事放在一起,你会发现它们是同一个动作的三个版本:
当一个技术的能力越过了"被允许使用"的边界,守门人就会从技术专家换成利益相关方。
上一阶段,AI 的守门人是研究者——他们判断的是"这个模型够不够强"。这一阶段,守门人换成了所有承受后果的人。
而"承受后果"和"获得收益"在 AI 领域第一次出现了大规模的不对称:收益归平台和用户(更便宜、更好用的模型、免费的图片生成、免费的分析),成本归那些没有议价权的一方(被抓取内容的中小发布商、住在机架旁边的居民、以及在高盛交易台上被收回工具的交易员——他们恰恰是收益最大的人,却被单方面承担了风险)。
许可经济的本质,就是重新分配这个不对称。
如果只讲刹车,就会写成一篇"AI 要完了"的文章。但事实不是这样,把反方的证据也摆出来:
能力侧仍在快速上行:
许可侧也不是单向收缩:
所以正确的读法不是"刹车来了",而是:
能力已经跑到了许可前面。跑得太快,就会被拉回来。而拉回来的方式不是让能力退化,是让许可变成一个需要单独设计、单独购买、单独管理的东西。
这才是"许可经济"的意思。它不是衰退,它是产业成熟的一个标志——就像当年电力普及之后,真正的产业价值从"发电机"迁移到了"电网、变压器、开关和电表"。
那么,当 AI 能力普及之后,价值会迁移到哪?答案已经能在这一周的新闻里看到了:迁移到身份、权限、许可、合规、以及社区契约上。Clutch Security 的 50 倍 ARR、Anthropic 的 Inference Hook、OpenAI 的《全国社区契约》、高盛的权限分层矩阵——它们是同一件事的四个切面。
一个产业真正的成熟标志,是你能说清楚谁有权说不。
在电力时代,能说不的人有:电网垄断者、地方政府、监管机构、付不起电费的穷人。
在 AI 时代,能说不的人有:
| 角色 | 否决权的内容 | 最近的实例 |
|---|---|---|
| 企业 IT / 风控 | 你能在我的机器上跑什么 | 高盛收回编程工具权限 |
| 内容权利人 | 你能读我的什么 | Meta 条款暂停、Anthropic 付费给美联社 |
| 司法与监管 | 你能不能这么干 | 挪威、巴西禁令;英国 CMA 调查 |
| 社区与市政 | 你能建在哪、用多少电 | 欧洲 15 国抗议 |
| 责任签字人 | 出了事谁负责 | 高盛把权限收回给工程师 |
而模型的作者不在这个表里。这是过去两年最重要的结构性变化。
这一周的所有信号都在指向同一件事:能写、能执行、能改系统的工具,权限管理就是产品本身。
这五件事的本质完全一致:能力可以公开,但许可必须定制。
如果你想进入 AI 工程,把权限设计当成正经工程能力来学——最小权限、幂等、限流、熔断、只读接口、沙箱、可审计、可撤销。这些听起来是老派的后端基本功,但它们在 AI 时代刚刚变成最稀缺的那部分技能。因为模型的调用是新的,而这些原则是旧的;旧的原则在这里比新的话术更值钱。
高盛 COO John Waldron 在 RIA 论坛上给出了评估 AI 部署成败的三个维度,我认为是目前最实用的框架:
第三个指标是精髓,它衡量的是"没有做的事情"带来的隐性收益。这是最容易被漏掉、但往往最大的一块。
关键是:这三个指标都属于"下游"——都是可量化、可回滚的。所以它们不足以判断一个 AI 项目该不该上。
补上第四个问题,它才是完整的:
4. 谁签字负责?
问这四个问题的顺序也有讲究:前三个问题决定"值不值得试",第四个问题决定"能不能上生产"。而现实是,一个项目在前三个问题上全部漂亮、但第四个问题没有答案时,最理性的做法不是硬上,而是降级为只读或只建议——把自主权切掉,保留效用。这正是高盛的做法,也正是 Claude 接银行账户只给只读的原因。
这是本文最实用的一条。任何 AI 项目上线前,先把这张表填完。填不满的项目,就还停在 demo 阶段:
| 问题 | 要写下的具体答案 |
|---|---|
| 它要读谁的私有数据? | 具体到数据集和归属方 |
| 它要写进谁的系统? | 具体到系统名和写入权限 |
| 它的输出谁签字? | 一个真实的、能承担后果的人名 |
| 它出错的代价由谁承担? | 财务口径的金额或明确的责任主体 |
| 它访问外部网络吗? | 允许的域名范围 / 是否需要 allowlist |
| 它能自我改进或自我部署吗? | 默认关,还是默认开 |
| 第三方会怎么看这件事? | 换成"这件事被媒体看到"的标题 |
| 它的可审计日志存在哪? | 谁在什么时候能读 |
最后一行是很多团队的盲区。没有审计日志,就没有责任链;没有责任链,任何一次事故都会自动变成"收紧权限"的理由——就像高盛这次做的那样。
11 月第一周的三场刹车,很容易被读成一个悲观信号:AI 遇到阻力了。
但更准确的读法是:AI 第一次撞上了它的社会边界,而撞上社会边界,恰恰是技术从"能用"变成"能规模化"的必经环节。
电气化的历史很清楚:直流时代有直流电,交流时代有交流电。每一个时代真正产生价值的,都不是最早的那台机器,而是让机器能被广泛使用的那一整套规则、接口和责任安排。
11 月 7 日我们看到的是产业在装电网:能力在复利(1.9 倍),账单在刹车(1.5%),稀缺性搬到了交割和准入这些收费站上。
11 月 8 日我们看到的是产业在装许可这一层:企业内部有权限矩阵,平台外部有内容许可,社区外部有社区契约,而"agent 以什么身份访问什么"已经卖到了 50 倍 ARR。
两件事合起来是一句话:
AI 产业的下一个战场,不在模型里,在许可里。
而对学习者来说,这句话有一个非常朴素的翻译:当你能把一个 AI 系统"能用"改成"敢用",你就掌握了这一轮最值钱的那部分能力。