先给结论：近十年的能力跃迁，很大一块来自训练用的计算量暴涨。数据和算法难拦、难数、难从某人手里拿走。芯片是实物：可被看见，可被拿走，可被计数，而且设计、光刻设备和代工都集中在极少的节点。所以治理若要有抓手，抓手在算力。用它做三件事：看见谁在训、把资源偏向更有益的方向、对违规做执行。抓手用歪了，会变成隐私洞和权力堆。要有护栏，不是有抓手就先上。

为什么「管算法」听起来全面，却不如管芯片可执行

痛点是政策喜欢管「智能」本身，而智能散在代码、数据和权重里，复制成本低。先进训练相反：成千上万颗专用芯片挤在高电耗机房里，买不到、藏不住、也很难假装成普通服务器。排除某个行为者或某种用途，对实物比对文件容易。报数和核验也容易：峰值运算、互联带宽、开机小时，都能量。

供应链的集中让抓手更硬。设计、制造装备、晶圆厂，常常是一家或几家。云供给层也显著集中。集中有治理便利，也有被俘获和被滥用的面。便利不自动等于应该把所有计算都收编。

五步把算力从「产业政策口号」收成可见、可分配、可执行

1. 可见性：大额云训练要能点到项目和用途。客户身份核验可以只打在直接购买大量智能算力的主体上，几乎不碰终端用户。机房本来就看得到芯片型号、小时和集群联网。训练和推理的流量形态不同：训练多读本地数据，推理要持续对外服务。不必拆开客户磁盘。
2. 分配：补贴气候、农业、公共卫生、教育、防误用，或补给缺算力的研究机构和中小团队。也可以设想公共储备，用来调节整体节奏。分配是把能力推向更有益的方向，不是把所有卡收归一个人。
3. 执行：限制芯片之间的高带宽互联规模，使超大训练更难拼起来；对极高风险的开训用多方密钥，避免单人按开关。这些偏事前。许多误用更适合事后罚。只有伤害大到赔不起，事前才站得住。
4. 承认会失效。算法和硬件一直在让同样能力更便宜。阈值会过时。相对最强的系统仍可能集中在少数能继续堆规模的人手里，抓手对那一小撮还在；对低算力但危险的专才模型，算力门槛会误伤大量无害系统，或根本拦不住。
5. 护栏五件：小规模和非智能计算划出去；能保隐私就不要打开内容；控制用在真正需要事前的伤害上；阈值和清单定期重审；程序上要有告知评论、内部监察、司法审查和公开活动报告。

有些事最好不管。不是所有智能活动都该被点名。集中控制大规模算力，会给监管者和大公司新的寻租面。官员可以拿审批寻权，公司可以游说把规则写成护城河。护栏不是装饰，是这套工具配不配用的条件。

现场有三条。其一，出口管制已经在用「不让某些芯片走到某些地方」。更准的做法可能是导出「只能和有限颗芯片高带宽互联」的器件，而不是一刀切。器件今天还不存在，但是可研发的方向。其二，可见性不要和打开训练数据搞混。芯片小时和联网形态已经够区分许多训练与推理，再往里看就是隐私事故。其三，把治理当成唯一锤子，会在算法效率翻上去之后突然失灵，然后要么空转，要么把阈值死死钉在过时的数上，误伤一片。

度量三件事：大额训练有没有可核验的项目身份、阈值上次重审是哪天、小规模计算是否被明确排除。三件空白，所谓算力治理只是产业补贴换了马甲。

结论：抓手在芯片，护栏在范围、隐私和程序，缺一就不要当万能锤

可看见、可拿走、可计数，使算力比数据和算法更可治理。看见、分配、执行三条腿要分开设计。仍把所有计算收进同一张网，网会先变成监视，再变成权力堆，最后在效率进步后变得既伤人又无效。

你下次听「用算力管智能」先问三句：管的是大额训练还是笔记本，看的是小时还是内容，阈值何时重审。三句有一句含糊，方案就还停留在口号。口号没有芯片那么硬，伤害可以比芯片更实。

现场还要防口号替换验收。把「我们已经治理了」写成周报标题，不等于动作能归因、算力能看见、日志能升级、能力能按系统而不是按权重来管。周报可以写，门禁必须绑在仓库和发布单上。谁负责标准、谁负责质量下限、谁负责改某一条、谁有权反馈，四件事写在同一张责任表，不要散落在聊天里。

若只能改流程一处：先把「模型过线了」从唯一成功标准里拿掉。过线可以记，交接、监测和外壳跟不上就算事故。事故表会逼出协议和披露。庆祝会只会再开一次发布会。

本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源