关于人工智能的讨论往往陷入了一个单一的、二元对立的问题中：是最强大的计算机大脑应该被锁在门后，仅通过公司的网站供人访问，还是应该将其内部运作机制公之于众，供任何人下载和研究？这场辩论将模型的发布视为“开放”与“封闭”之间的简单选择。然而，这些系统的现实情况要复杂得多。一个旨在帮助儿童学习字母表的 AI，与一个能够规划复杂军事策略或操纵金融市场的系统有着本质的区别。前者可能带来的危险与后者完全不同。如果我们对两者应用同样的规则，要么我们会锁住那些能教导数百万人的工具，要么我们会把危险的武器交给任何想要它们的人。社会的核挑战不仅在于决定机器可以有多聪明，更在于决定谁有权使用这种智能以及在什么条件下使用。

2026 年 9 月，来自 SAFE AI 基金会的研究人员 Chai K. Toh 和 Vasu Raj Jain 提出了一种思考这一问题的新方法。他们认为，目前的辩论忽略了一个至关重要的区别：系统的能力水平与允许谁访问之间的区别。他们建议不要再问一个模型应该是开放还是封闭，而是应该根据机器实际要做什么以及如果出错会造成多大的伤害来对访问权限进行分类。他们称之为“多层级 AI 可访问性模型”（Multi-Tiered AI Accessibility Model），这是一个将人工智能组织成三个不同层级的系统，就像我们根据风险对不同类型的车辆或化学品进行监管一样。

第一层级，作者称之为“AI 用于学习”（AI for Learning），旨在用于教育和基础识字。这些系统旨在教导学生如何使用技术、如何编写代码或如何理解世界。由于其造成伤害的可能性较低，这些模型应当尽可能开放。任何人都可以下载、研究并使用它们，而无需证明自己的身份。研究人员建议，这些系统在设计上应刻意限制其能力；它们不需要成为现存最强大的计算机来教授课程。通过在设计上将这些学习工具的能力控制在一定范围内，社会可以在享受开放获取带来的好处的同时，避免学生意外释放危险系统的风险。

第二层级，“AI 用于探索”（AI for Exploration），服务于另一类群体：研究人员、开发者和需要更强能力来构建新应用或测试科学构想的企业。这些系统比学习工具更强大，但尚未达到能力的巅峰。这一层级的访问并非完全开放，但也并非完全封闭。它运行在一个滑动比例之上。一个属于此类但能力较弱的系统可能会在遵循某些规则的情况下向公众开放，而一个更强大的系统则要求用户注册身份并同意特定的使用条款。其核心思想是问责制。随着工具能力的增强，使用者必须是可识别的。如果出了问题，会有记录显示是谁在使用该系统，并且如果有必要，可以阻止其再次使用。

第三层也是最后一层，“全规模前沿 AI”（Full-Scale Frontier AI）。这些是想象中最强大的系统，能够进行高级推理、自主规划，并在国防、航空或关键基础设施等高风险领域运行。研究人员认为，这些系统绝不应该作为开放文件发布供任何人下载和修改。一旦一个强大的模型以权重（即使其运作的数学指令）的形式发布，就无法收回了。如果一名恶意行为者下载了它，他们可以剥离安全功能、改变其行为，或将其嵌入到自主行动的机器人中。原作者将失去所有的控制权。因此，对这些前沿系统的访问应严格限于经过审核且有正当需求的组织，并且每一次交互都必须被记录和监控。目标不是停止创新，而是确保最危险的工具仅由能够承担责任的各方处理。

该论文为为何这种分离是必要的提供了有力证据。作者指出，添加到 AI 中的安全特性通常是浅层的，并且可以被非常廉价地移除。研究表明，只需几百美元的计算能力和少量数据，有人就可以将一个安全、开源权重的模型及其安全护栏剥离。这意味着，即使开发者在发布模型前测试并发现它是安全的，一旦它被下载，那份安全保证也就消失了。模型可以被改造成危险的东西，而原开发者无法阻止或修复它。在封闭系统中，由于模型是通过安全的接口提供服务的，开发者可以监控使用情况，检测何时有人试图违反规则，并能立即撤销访问权限。在开放系统中，一旦文件被下载，开发者就失去了所有这些控制手段。

为了使该系统发挥作用，研究人员提出了一套规则，用于决定特定的 AI 属于哪一个层级。他们建议从四个主要因素进行考量：系统的能力水平、系统在没有人类帮助的情况下自主行动的能力、其错误可能导致的现实后果，以及该系统实际被用于何处。一个系统可能非常聪明，但仅用于写诗，这使其保持在较低层级。但如果一个稍弱一点的系统被设计用来控制电网或设计生物制剂，它必须被归入更高的层级，因为失败的后果极其严重。所属层级的决定不应完全留给构建它们的公司，相反，独立的监管机构或安全研究所应当审查证据并分配层级，以确保规则得到公平且一致的应用。

这种方法结合了两种不同的安全边界。第一个是限制一个系统允许变得多强大的界限，作者称之为“能力边界”（Capability Boundary）。这为任何 AI 的原始智能和自主性设定了一个天花板，确保不会制造出人类无法控制的系统。第二个是“可访问性边界”（Accessibility Boundary），这是本文引入的新概念。它规定，随着系统接近那个天花板，被允许使用的人数必须减少，且使用的规则必须更加严格。如果我们只有天花板而没有关于谁可以攀爬的规则，最危险的工具可能会落入任何人手中。如果我们只有关于谁可以使用它们的规则，但没有对其能力的限制，我们可能会允许受控访问那些对任何人来说都过于危险的系统。

研究人员承认这一系统并非完美解决方案，其运作依赖于制度。他们承认，有决心的个人仍可能找到泄露强大模型的方法，且该框架无法完全阻止危险技术的传播。然而，他们认为这提高了此类扩散的成本和难度，使得恶意行为者更难获取最强大的工具。通过将访问权限组织成清晰的层级，社会可以在保留开放 AI 用于学习和研究方面益的同时，为最强大的系统建立一个安全区。其结果是，一个最先进的机器既不会被对所有人锁起来，也不会被分发给所有人，而是被匹配给那些最具备安全使用能力的个人和组织。