最近在读一篇关于硅谷的深度报道，有个细节让我有点后背发凉。事情是这样的，2024年4月，一个叫Chris Lehane的游说人士加入了OpenAI。这个人很擅长「叙事管理」，加入之后，公司内部有研究人员开始发现，一些探讨AI负面影响的研究项目，优先级被悄悄降低了。被压下去的研究包括AI对环境的影响、ChatGPT使用中的城乡差异、AI如何影响用户的职业决策，以及长期经济预测。

Lehane自己的解释是，他希望经济学家们做「应用物理而不是理论物理」，聚焦实际效益。

好，这话单独看，好像也有道理。

但是，同一时间，OpenAI总裁Greg Brockman部分资助的超级政治行动委员会，花了超过200万美元，攻击纽约州一个提出「对AI征税、直接给老百姓发补贴」的国会候选人。

然后，今年4月，OpenAI发了一份白皮书，里面写着支持每周32小时工作制、提高企业税、设立公共财富基金让所有公民持有AI公司股权。

这三件事，发生在同一家公司身上。

说到底，这不是要扒哪家公司的皮。我想聊的是一个更通用的能力，在AI这个时代，当造子弹的人同时控制着叙事，我们怎么判断一家公司说的话，到底有多少分量。

我自己摸索出来一个很粗糙的框架，三件事，只要看透这三件事，基本能判断一家公司的真实意图，不成熟，但我觉得还是挺有用的。

第一件事，钱往哪里流。

公关稿、白皮书、CEO的公开演讲，这些东西的成本趋近于零。真正能反映意图的，是钱。

不只是捐了多少，更重要的是攻击了谁。200万打向一个推动AI监管和AI征税的候选人，这比任何白皮书都更能说明问题。同理，如果一家公司说自己重视员工福祉，去看它的薪酬诉讼记录；说自己重视环境，去查它的碳排放抵消项目是不是外包给了第三方做做样子。钱是很难造假的信号。

第二件事，压了什么信息。

这一点更隐蔽，也更重要。

主动说出来的内容，公司可以精心包装。但是，选择不说什么，往往更能暴露真实的判断。Lehane的那句话很有意思，「在我们找到解决方案之前，不发布关于这个问题的内容」。这话翻译过来就是，我们知道问题存在，但是在我们有好的解法之前，这个问题对我们来说不存在。

你如果想判断一家公司的真实立场，去找他们没有做的研究、没有回答的问题、没有发布的数据。空白的地方，往往比填满的地方更诚实。

第三件事，商业模式和公开表态是否方向一致。

这是最关键的一条。

Anthropic的Dario Amodei这一年多说了很多让人印象深刻的话，预测2030年50%入门级白领工作消失，警告AI可能制造「永久性的底层阶级」。这些话听起来是认真的，我也觉得他是认真的。

但是，Anthropic的核心产品是什么？是Claude Code这样的企业级AI代理，能让一个人顶原来十个人的工作量。公司今年的年化收入已经飙到300亿美元，增速远超预期。

这不是Dario说谎，而是他同时活在两个逻辑里，一个是「我真的担心这件事」，另一个是「我的商业模式依赖这件事」。当这两个逻辑同时存在，公开表态能兑现多少，就要打一个很大的问号了。

怎么用这个框架？很简单，下次看到任何AI公司发布「负责任AI」声明、「为劳动者权益」报告、或者「关于AI对社会影响」的研究，先问自己这三个问题，他们把钱花在了哪里，他们选择不谈什么，他们的商业模式指向什么方向。

三个问题的答案和公开表态方向一致，可以给它打高分。其中有一个打架，保留判断。三个都打架，那份声明大概率是叙事管理的产物。

我想说清楚一件事，用这个框架不是为了让自己变得愤世嫉俗，觉得所有公司都是坏的。

真不是。

这些公司里有很多人是认真想做好事的，那篇报道里写到，Anthropic的员工预先承诺把个人资产捐给防止AI造成灾难的非营利组织，数十亿美元规模。这种事很难假装。

问题从来不是某个公司坏不坏，问题是，当一个行业的商业利益和公众利益方向不完全一致的时候，那个行业输出的叙事，天然有偏。不是因为坏，是因为结构性压力就是这样的。

你我都在这个信息环境里，练习带着这个滤镜看信息，不是为了愤怒，是为了不那么容易被导向。

这个时代，能判断「这句话值多少钱」，是一种越来越重要的能力。