OpenAI 遊說開支創新高，Anthropic 與 Nvidia 同步攀升

OpenAI 在 2026 年 7 月至 9 月期間的遊說開支達到季度紀錄的 153 萬美元，Anthropic 和 Nvidia 的開支亦創新高。Anthropic 申報了 211 萬美元，Nvidia 則申報 215 萬美元，相關披露文件於 10 月 20 日提交。這些紀錄顯示，隨着立法者考慮會影響其業務的規則，企業正加大政策倡議投資。惟這些資料無法證明哪些公司佔上風，亦無法說明其偏好的政策是否會保障公眾。

核心矛盾在於業界專業知識與獨立監管之間。開發 AI 系統的公司掌握政策制定者所需的資訊，同時亦有商業誘因影響施加於其身上的責任。它們的參與可以改善立法，但也可能讓既有企業有機會塑造競爭對手和客戶必須遵守的要求。

對開發者和企業買家而言，關鍵細節涉及安全評估、基礎設施、出口限制，以及事故發生後的問責。這些議題超越華盛頓的遊說預算，影響客戶可獲得哪些證據、哪些機構能部署系統，以及系統失效時由誰承擔責任。

OpenAI 遊說開支加入企業創紀錄的夏季

The Verge 報道，OpenAI、Anthropic 和 Nvidia 在 7 月至 9 月期間均錄得歷來最高的季度遊說開支。其關於季度遊說紀錄的報道，將數字分別約為 150 萬美元、210 萬美元及 220 萬美元。

相關披露文件提供了更精確的申報金額。這些仍是公司自行申報的估算，而不是對其業務相關所有政治活動作出的獨立審計衡量。這項分別對評估標題數字及其局限都很重要。

最明確的發現是，三家公司都在同一季度投入了創紀錄的申報資源於遊說活動。

這個共同時點值得關注，但毋須假設彼此協調。企業可因其產品依賴相關基礎設施及政府決策，而分別回應重疊的政策問題。硬件供應商與模型開發商可以出於不同商業理由面對同一項立法。

Nvidia 的申報金額略高於 Anthropic，而 OpenAI 則低於兩者。這個排序提供了快速概覽，但並不衡量政治影響力。較高開支並不能證明擁有更大接觸機會、更有力論據，或更有利結果。

這也不能說明每一筆申報款項都與 AI 安全有關。各公司的披露議程涵蓋多個主題，而表格並沒有把每項議題分配獨立開支總額。把全部金額視為反對監管的支出，將超出現有證據所能支持的範圍。

遊說是指試圖影響政府決策的行動，包括支持與官員進行受涵蓋接觸的工作。季度報告列出議題和政府機構，為讀者檢視相關活動提供起點。這些是倡議活動的紀錄，對其內容仍存在重要空白。

因此，對關注 OpenAI 遊說開支的讀者而言，事件有兩個層面。財務紀錄顯示申報活動的規模；議題描述則展示哪些政府決策吸引公司關注，通常比單看排名更有用。

創紀錄的一季也需要明確的歷史比較基準。它描述的是一家公司申報歷史中的高點，而非整個科技業的紀錄。它不應成為華盛頓前所未有影響力的簡稱。

實際意義在於開支與議題的結合。AI 公司正把資源投入可能成為產品要求、營運限制和市場准入條件的決策。它們的技術路線圖愈來愈與工程組織以外作出的選擇交織。

這種交會為政策制定者帶來壓力。他們需要足夠的技術細節來訂立可行要求，同時保留拒絕業界偏好的能力。開支紀錄令這種平衡工作更顯而易見，儘管它們無法揭示官員如何作出取捨。

安全與基礎設施將買家帶進政策辯論

OpenAI 的AI 監管申報文件列出聯邦安全框架、網絡安全評估、事故相關監管、版權、雲端運算和基礎設施。文件亦提及安全合作及擬議的反壟斷保障，即為某些合作活動提供免受競爭法責任影響的保障。

這些條目識別出倡議議題，卻沒有說明 OpenAI 是支持某項提案、反對它，還是尋求修改具體條文。該文件列出曾接觸的政府機構，包括國會、白宮及聯邦部門。

對買家而言，利害關係在於 AI 部署所附帶的證據與責任。

設想一家企業正評估一套用於敏感內部工作的 AI 系統。其採購團隊需要評估安全措施、事故通知及故障責任。政府要求可影響供應商在企業簽約前必須提供的資訊。

評估要求可能建立比較供應商的共同基準。其效用取決於測試方法、評估者的獨立性，以及不利結果帶來的後果。若一項要求只產生難以取得的文件，便難以為買家提供實際保障。

事故申報也呈現類似取捨。客戶可受惠於及時獲得影響其系統或資料的故障資訊。公司亦有合理理由保護安全敏感細節，尤其在披露可能幫助攻擊者重現漏洞時。

政策選擇在於如何協調這些利益。規則需要訂明誰會收到資訊、何時申報，以及哪些細節仍屬保密。遊說總額無法告訴客戶，公司是倡議合理平衡，還是尋求過度裁量權。

安全合作再添一重複雜性。分享威脅資訊可以幫助機構應對共同攻擊。競爭保障在競爭供應商交換資訊時仍然重要，因此任何保障的界線都具有關鍵影響。

對企業買家而言，相關問題是合作是否能提升防禦能力，同時維持問責。泛泛承諾合作並不能回答這個問題。最終條款、保障措施及執行安排才可以。

基礎設施決策為政策影響採購開闢另一條路徑。AI 服務依賴運算設施和能源供應，政府決策因而可影響部署計劃。買家應區分供應商已宣布的擴張計劃與其可可靠交付的容量。

這些例子描述的是潛在影響，而非該季度倡議所產生的既定結果。披露文件並未證明遊說改變了客戶合約、延誤部署，或修改安全責任。要建立任何此類關聯，仍需額外證據。

不過，議題清單說明了為何這個故事不只關乎企業事務部門。採購團隊、開發者和安全主管均對相同決策有利益關係。他們的優先事項可與在華盛頓倡議的供應商不同。

OpenAI 的遊說開支令公司的政策活動更容易量化。要理解其相關性，仍須追蹤正在討論的責任，並問在競爭提案下客戶實際會得到甚麼。

Anthropic 與 Nvidia 說明為何業界專業知識需要外部審視

Anthropic 的AI 政策披露文件列出涵蓋兒童安全、出口管制、採購、網絡安全和能源基礎設施的議題。文件包括《Ratepayer Protection Act》和《Kids Online Safety Act》，並指明與其業務相關的條文。

該文件亦將 AI 相關標準和保障列為遊說議題。這些條目顯示，模型開發商的政策利益不僅限於規管模型行為的規則。政府採購和支撐部署的基礎設施亦出現在其議程上。

Nvidia 的半導體貿易披露文件着重出口管制、半導體貿易政策、晶片安全立法和遙距存取。文件亦列出能源、競爭政策、勞動力發展及負責任 AI 設計。

這項比較有助說明，共同的開支標題並不代表共同的政策立場。Nvidia 的硬件業務面對運算設備流向何處及客戶如何存取設備的問題。Anthropic 的議程則包括圍繞使用運算基礎設施開發系統的議題。

當政策制定者可以用公司以外的證據檢驗技術專業知識時，這些知識便更具可信性。

業界參與有合理理據。工程師和營運者可以說明立法可能忽略的實施限制。界定不佳的要求可能要求難以提供的證據，或施加與立法者原意處理的風險脫節的責任。

例如，安全申報提案需要從業者可以一致應用的定義。公司可以指出何謂事故的模糊之處。它們的經驗可協助區分嚴重入侵與例行防禦活動。

這種貢獻仍需接受審視。公司提出較窄的定義，可能改善清晰度、減少自身責任，或兼而有之。政策制定者在接受改動前，需要有關擬議措辭會排除甚麼內容的證據。

同一原則也適用於基礎設施。營運商可以說明建設限制和技術要求。社區、客戶及獨立專家則可提供開發商分析未能充分處理的影響資訊。

出口管制，即對跨境供應指定技術的限制，帶來另一項艱難平衡。政策制定者必須權衡安全目標、實施問題及商業後果。公司擁有相關營運資訊，但其偏好的平衡並不會自然代表公共利益。

季度總額無法解決這些爭論。紀錄指出公司在哪些地方參與，幫助觀察者決定哪些主張和提案值得更仔細檢視。它們不能取代對底層證據的評估。

競爭因素亦令討論更複雜。既有供應商可輕鬆遵行的規則，或會為規模較小的競爭對手帶來更大負擔。即使規則處理的是正當風險，這種可能性仍值得審視。

相反，若客戶依賴的是供應商規模而非其業務活動，針對小型公司的豁免可能令客戶承受風險。豁免本身亦需要理據。公平競爭與有效監管，均取決於責任是否與實際風險相稱。

因此，核心分野在於由公司自行界定的保證，與可由獨立人士評估的要求之間。業界參與應是這個過程的一部分，同時亦須讓買方、研究人員、勞工及受影響社群有實質機會提出質疑。

支持安全規則仍為商業利益留有空間

較高的遊說預算並不能證明一間公司反對監管。Anthropic 公開支持特定透明度要求，正好為這種假設提供具體反例。

Anthropic 在 2025 年 12 月發布的 前沿透明度框架 中表示，支持加州 SB 53。該公司形容，這項法律在安全措施、事故通報及吹哨者保障，與執行彈性及小型公司豁免之間取得平衡。

這項聲明記錄了 Anthropic 對某項特定法律所表明的立場，卻無法證明其對其後遊說披露中所列每項措施的看法。支持該法案亦不會獨立驗證公司的合規情況，或證明該法律有效。

公司可以支持具約束力的規則，同時爭取符合其商業利益的條款。

這些動機可以並存，而不會令支持失去意義。供應商可能支持透明度，既因其相信披露能提升安全，也因其本身已維持相關文件。政策制定者仍須評估建議的責任是否服務客戶及公眾。

有意義的問題在於細節：誰必須合規、必須披露甚麼，以及誰可質疑不充分的提交內容？若公司的公開承諾與內部做法不一致，將會如何處理？

被形容為具彈性的政策，可能容納不同技術方案；亦可能給予供應商足夠酌情空間，以避開有意義的比較。單憑標籤無法分辨這兩種結果。

同樣地，被形容為嚴格的要求，可能建立有用的問責機制，亦可能要求大量程序而實際效益有限。負擔與效益都需要證據。兩者均不能僅由公司是否支持該建議推斷。

正是在此，公共安全訊息與商業倡議需要仔細比較。泛泛支持負責任 AI 的聲明，仍有許多執行問題未獲解答。針對具體要求的書面立場，會為評估一致性提供更堅實基礎。

同一標準應適用於 OpenAI、Anthropic 及 Nvidia。公司應因可核實的承諾獲得肯定，但不應因此免受其他方面的審視。批評應針對可識別的立場，而非將每次遊說接觸一概視為不當行為的證據。

對客戶而言，這項區分有助評估供應商。公共政策承諾可提供背景，但採購決定需要營運證據。買方需要知道服務附帶哪些文件、通知及合約責任。

這些證據可揭示公開立場是否轉化為實際問責。倡議透明度的供應商，應能說明客戶可取得哪些資訊。對披露的限制應有具體且可辯護的理由。

開支紀錄無法回答這些採購問題。它們只令公司參與相關政策辯論的情況變得可見。買方可利用這種可見性，就被推動的承諾提出更聚焦的問題。

整個故事中的取捨保持一致。政策制定者需要技術界參與，以制定可行規則，同時必須保留對規則設計的獨立判斷。公司支持監管，是關於其所表明立場的有用證據，而非取代該判斷的依據。

遊說總額無法證明甚麼

OpenAI 的遊說開支屬可量度的披露資料，但政治影響力則較難單獨辨識。開支總額不會揭示公司要求哪些建議修訂，亦不會顯示官員是否接納其論點。

官方的遊說披露指引訂明重要的會計限制。聘用內部遊說人員的機構，必須在計算中包括外聘遊說公司的支出。因此，若加上這些公司另行披露的收入，可能會重複計算同一筆資金。

指引亦承認可用申報方法之間存在差異。某些稅法方法涵蓋超出遊說法定義的類別，限制了直接比較。讀者在將開支排名視為完全等同的指標前，須先檢視會計選擇。

已申報開支衡量的是投入倡議活動的資源，而非對最終決策的控制力。

這項區分可避免多種常見報道錯誤。公司可以就其支持、反對或希望修訂的法例進行遊說。列出一項法案，並不能證明其對法案每一部分的立場。

披露文件亦可能在多個類別重複列出同一議題。重複出現並不能證明有多筆獨立開支，亦不能識別哪一個議題佔最大比重。如無額外資料，將總額分攤至所列議題只屬推測。

公共影響力亦延伸至某一季度報告所涵蓋活動以外。企業聲明、研究提交、協會工作及選舉活動均引起不同問題。若要將它們合併為單一數字，便需要清晰定義及關於重疊部分的證據。

龐大開支亦可能反映說服官員的困難。面對不受歡迎提案的公司，可能因其論點未能奏效而投入更多資源進行倡議。單憑開支方向無法證明政治成功的方向。

對企業影響力感到憂慮的批評者而言，這項限制反而加強了更具體審視的理據。找出一項被要求的修改，並在政策過程中追蹤其發展，比指出一筆預算提供更有力的證據。這亦讓公司有一項具體主張可作回應。

對為其參與辯護的公司而言，披露本身同樣未能解決問題。申報金額所滿足的目的，與解釋政策立場理據不同。讀者合理地可要求兩者兼備。

可信的評估應比較公司書面建議、官方草案、聽證證詞及最終要求，並檢視任何改動的其他可能解釋。多份文件出現相似措辭，可能足以支持調查，但不能證明作者身分或因果關係。

這種審慎態度並不代表開支紀錄不重要。它們證明公司已分配資源，並識別出受關注的議題。當記者和研究人員將之連結至更詳細的公開證據時，其價值便會提高。

因此，OpenAI 的遊說開支應繼續是故事的一部分，而不應成為其全部解釋。重要而未解決的問題是，倡議活動如何轉化為責任、豁免及執法。這需要在開支新聞標題淡出後，繼續追蹤政策過程。

追蹤下一份政策文本、公開承諾與開支報告

下一階段應聚焦於可釐清公司倡議與獨立監管關係的證據。未來數月有三個訊號值得優先關注，每一項均回應季度披露未有解答的缺口。

具體政策文字比另一份支持負責任 AI 的聲明揭示更多。

首先，留意申報文件中提及的安全、網絡安全及基建建議有何修訂。對申報責任、豁免及監管權限的改動，將指出實際利害關係所在。單憑提案名稱，對其最終影響幾乎沒有指引作用。

若要求能向外部審核者提供可用證據，便會加強業界參與可與獨立審視並存的論據。欠缺實質審核的廣泛酌情權，則會削弱這項論據。任何判斷都應根據文本，而非公司對文本的描述。

當提案在談判期間修改時，這個訊號同樣重要。收窄要求可能提升精準度，亦可能移除重要保障。要判斷實際情況，便須比較不同版本，並檢視改動所述理由。

第二，留意公司是否就受辯論的責任發表具體立場。詳細提交文件、證詞及執行說明，可協助讀者區分有原則的反對與欠缺支持的主張，也令與早前承諾的比較更可靠。

公司若能解釋替代申報制度如何維持問責，便提供了政策制定者可評估的內容。公司若只聲稱要求會威脅創新而未提供支持分析，提供的內容便較少。尋求更嚴格規則的倡議者，同樣應遵守相同證據標準。

對買方而言，這個訊號帶來將公共倡議與實際要求連結的機會。可詢問供應商披露哪些評估結果，以及如何通報事故。再將這些答案與其公開支持的透明度標準比較。

第三，追蹤下一份季度開支報告，以及對現有申報作出的任何修訂。若開支持續維持高水平，便會加強本季反映持續政策參與的解讀。若開支下降，則會削弱不間斷升級的說法，但不會改變現有紀錄。

修訂亦很重要，因為歷史比較取決於最新申報數字。讀者不應將每次修訂都解讀為可疑。相關問題在於：改變了甚麼、為何改變，以及經修訂的比較是否仍然準確。

這些訊號提供一種有紀律的方式來追蹤事件，而非預測政策勝負。開支證明活動、公開立場證明所表明的偏好，而官方決定證明結果。要連結這些層面，每一步都需要證據。

下次審視應聚焦於這些連結。若你採購或部署 AI 系統，請問清楚建議規則會如何改變你取得安全證據的途徑。追蹤供應商是否支持客戶可核實的責任。當政策研究成為工作一部分時，請保留重要決策背後的來源文件，並可使用可搜尋的知識庫。OpenAI 的遊說開支，以及 Anthropic 和 Nvidia 的紀錄，指出審視應從何開始。下一個有用問題很具體：哪些要求能讓客戶、研究人員及公職人員核查公司的保證，哪些則令他們只能依賴這些保證？