Scott Wiener 贏得 Pelosi 議席後，AI 監管議題進軍國會

Scott Wiener 贏得 Nancy Pelosi 懸空的國會議席，將其推動 AI 安全立法的紀錄帶到華盛頓，但不會同時繼承她在國會的影響力。Scott Wiener AI 監管如今面對另一項挑戰：把加州的經驗轉化為企業無法自行改寫的聯邦規則。

他的當選改變了參與這場爭論的人選，卻不代表已確立全國安全標準、保證獲得委員會席位，或解決國會應提出哪些要求。眼前的意義較為有限：一位即將上任的眾議員，已親歷州長否決法案，以及就先進 AI 達成有效妥協。

核心衝突在於可強制執行的監管，與由企業掌控的安全承諾之間。Anthropic 支持強制透明度，而州長 Gavin Newsom 早前的反對意見，則顯示監管同樣面對範圍與成效的疑問。Wiener 帶着立法經驗踏入這場辯論，但他的下一項挑戰是爭取加州以外的支持。

Scott Wiener AI 監管獲得聯邦倡議者

根據 ABC7 的選舉報道，Connie Chan 於 11 月 4 日承認在三藩市國會選舉中落敗。她的認輸為 Wiener 接替 Pelosi、出任加州第 11 國會選區代表掃清道路。

ABC7 報道指，Chan 承認自己已無明確勝選途徑時，仍有選票尚未點算。這一點在描述結果時十分重要。認輸確認政治結果，卻不提供經認證的最終票差。

Wiener 的勝利令聯邦 AI 監管迎來一名具備協商實際立法經驗的倡議者。 這並不代表他成為決定全國 AI 政策的人。

他在州層面的紀錄包括 Newsom 於 2024 年否決的參議院第 1047 號法案，以及 Newsom 於 2025 年簽署的參議院第 53 號法案。這些結果帶來不同啟示：草擬具雄心的保障措施，與建立足以令其獲通過的聯盟，是兩項不同工作。

轉戰國會亦改變了這場爭論的規模。加州立法透過州級機構建立義務；聯邦提案則必須處理全國責任、執行權限，以及華盛頓與現有州級保障之間的關係。

對 Wiener 而言，這提供了一個將立法抱負與實際經驗連結起來的機會。他可以援引一項經過協商並最終獲通過的政策，而非完全依賴假設性框架。反對者亦可從同一份紀錄中審視其弱點。

與 Pelosi 的關聯令這場選舉格外受矚目，但也可能掩蓋制度上的現實。國會議席透過選舉交接；領導層關係、委員會影響力及談判權力，則需要另外建立。

因此，讀者應區分政治接觸渠道與立法控制權。Wiener 將在聯邦層面取得平台，推動他先前在 Sacramento 提出的論點。這些論點能否成為法律，取決於同僚、委員會決定、法案文本及執行選擇。

他的勝利亦不應被簡化為對 AI 的公投。ABC7 描述，這場競選除了科技政策，還涉及房屋、醫療、交通及移民。選民選出的是一名職責不止於模型安全的代表。

這項更廣泛的授權會影響 AI 議題。Wiener 必須在履行地方責任的同時，爭取國會的注意力。即使技術上資訊充足的提案，也需要政治支持及立法議程上的時間。

事件的重要性，在於具備相關專業的人進入這個制度。國會將迎來一名已就預防性保障措施面對分歧的成員。結果為他的取向創造新的舞台，卻未確立其聯邦層面的結果。

加州的紀錄為華盛頓帶來具體可辯論的內容

Newsom 於 2025 年 9 月 29 日簽署 SB 53，即《前沿人工智能透明度法案》。州長的 SB 53 概覽列出涉及安全框架、事故報告、吹哨人保障及執法的規定。

前沿模型，即接近能力前沿的先進通用 AI 系統，是該法例的重點。這個範圍令討論有別於規管每一個工作場所應用程式或消費者聊天機械人的規則。

加州的經驗為國會起草法案提供起點，而非證明所有安全問題已獲解決。

該法例的核心做法，是令相關實務可見並可強制執行。受規管的開發商須履行的義務，不止於發布他們自願選擇披露的資訊。州級機構獲得處理合規問題的正式角色。

這改變了企業的處境，因為它們的安全政策此前主要屬於內部承諾。公開承諾可隨領導層更替、產品發展或競爭壓力增加而改變。法律義務則需要經過不同程序才能修改。

由此產生的壓力，最直接落在受規管的模型開發商身上。他們必須把公開說明與能支撐這些說明的組織實務連繫起來。若員工無法辨識由誰負責執行，安全框架的價值便有限。

聯邦立法者面對相關選擇。他們可將加州的做法視為基礎、找出缺口，或提出替代方案。即使否定其設計，仍須回答應由哪些義務取而代之。

對企業採購方而言，這場辯論關乎證據，不只是抽象安全。一間供應商的公開框架可協助採購團隊識別其聲稱會評估的內容，卻無法證明某項具體部署符合買方需要。

設想一間假設中的公司採用 AI 概述內部工程文件。底層模型的安全披露可為供應商提供背景資訊，但該公司仍需審視文件存取、員工權限及答案不準確所帶來的後果。

這些責任在不同層面運作。開發商監管關乎生產模型的系統與組織；部署決策則關乎另一個組織如何在特定環境中應用這些模型。

混淆這些層面，可能產生誇大的期望。模型開發商合規，並不會認證每一個下游工作流程；反過來，個別客戶的審慎部署，也無法解決有關開發商更廣泛安全實務的問題。

同樣的區分亦適用於個人知識管理。使用者需要評估一個應用程式如何處理其資訊，同時考慮其底層 AI 供應商的更廣泛問題。

Scott Wiener 的聯邦 AI 政策將不斷面對這些界線。立法需要清楚交代哪一個組織必須做甚麼，否則公眾信心可能上升，問責程度卻沒有相應改善。

加州為這場討論提供實際參考。其重要性在於立法者可檢視、辯論及修訂的義務。把這項法律視為完整解決方案或毫無意義的姿態，都略過了這項必要工作。

強制披露改變誘因，但敘述仍由企業撰寫

Anthropic 於 2025 年 9 月支持 SB 53。該公司的公開說明支持披露要求，同時表示較傾向聯邦監管，而非各州各自制定不同框架。

該公司的安全披露立場指出一項競爭憂慮：開發商在競爭時，可能受到削減安全計劃的誘因驅使。強制要求建立的義務，能延續至自願熱情消退之後。

這種支持令「AI 監管只是立法者對抗所有大型開發商」的看法變得複雜。企業可支持某些義務，同時質疑其他義務；它們偏好的規則，也可能反映既有實務與商業利益。

關鍵問題是，企業發布其安全說明後，外界可以核實甚麼。

Anthropic 在解釋其支持時，提及 Google DeepMind、OpenAI 及 Microsoft 採用的安全做法。這項比較說明，單憑一個框架的存在不足以平息爭論。多間開發商可以發布政策，卻未必產生可直接比較的證據。

公開框架告訴讀者企業聲稱會做甚麼。評估執行情況，則需要進一步了解決策、測試條件及對已識別問題的回應。這些層次之間的距離，構成監管的核心挑戰。

設想一間假設中的開發商報告某模型通過內部評估。外部讀者仍需要了解該評估衡量了甚麼。在既定條件下，一項結果可以準確，卻未必回答客戶所假設的全部問題。

發布資訊有所幫助，因為它建立了一份可供質疑的紀錄。它讓研究人員、員工、買家及監管機構，可以把日後行為與早前承諾作比較。即使無法獨立證明安全，這份紀錄仍然有用。

不過，披露亦可能淪為展示手法。大量文件可能令讀者不知所措，或掩埋最具影響力的決定。篇幅更多，並不自動代表更能看清關鍵選擇。

因此，聯邦做法需要區分資訊數量與資訊質素。相關披露應協助具資格的讀者識別義務、評估支持證據，並辨認重大改變；否則，合規情況可能變得難以評估。

此外亦存在合理的保密問題。某些技術細節可能暴露安全弱點或敏感商業資訊。發布所有內容，並不能取代決定誰需要在受控條件下取得哪些資訊。

這正是獨立監管變得相關的地方。合資格的審查者，有可能檢視無法負責任地載入公開文件的資訊。這種安排會帶來更多問題，包括存取權限、專業能力、獨立性及後果。

企業的支持仍然有價值，因為執行在一定程度上取決於了解開發實務。不過，不應把這種支持視為獨立確認，證明建議規則足以妥善保障公眾。支持只是辯論中的一種立場。

同樣的審慎態度亦適用於反對意見。開發商的反對可揭示提案在操作上的問題，但這些反對本身並不足以證明自願承諾提供了充分保障。

對 Wiener 而言，立法上的挑戰在於：在納入技術意見的同時維持問責性。忽視實際執行的規則，可能在實務上失效；完全聽任受監管企業自行決定的規則，則可能延續原本旨在縮減的資訊不對稱。

否決仍然重要，因為模型規模無法回答所有風險問題

Newsom 於 2024 年 9 月 29 日否決 SB 1047。他的否決說明質疑該提案用以識別哪些模型需要受監管的方法。

州長指出，較小型、專門用途的系統同樣可能帶來嚴重危險。他亦質疑該提案是否充分考慮部署情境、敏感資訊及具重大影響的決策。

對 Wiener 方案最有力的質疑，在於監管是否精準，而非 AI 是否值得受到審視。

門檻可令法律更易於執行。開發者和官員需要一套可行方法，以判斷相關義務是否適用。然而，行政上便利的界線，未必能反映每一種危險來源。

專門系統可能與具廣泛能力的模型呈現不同的風險狀況。其後果部分取決於存取權限、預期用途、運作環境，以及人們交由系統作出的決定。單一指標無法描述所有這些因素。

這並不代表門檻毫無用處，而是表示立法者必須說明門檻所近似反映的是甚麼，以及何時不再可靠。清晰的界線與更新機制必須互相配合。

相反的做法同樣有代價。涵蓋每一個 AI 系統的規則，可能會向與立法者意圖處理的風險相距甚遠的機構施加義務。範圍過闊可能消耗資源，卻無助改善監督。

這種張力應處於 Scott Wiener AI 監管工作的核心。預防性規則既需要在嚴重傷害發生前介入，亦必須足夠具體以指引行為。等待完全確定會削弱預防，但含糊的義務亦會削弱可預期的執法。

Newsom 的否決亦說明，政治標籤對立法設計揭示不多。州長可以在原則上支持介入，同時否決某一項具體安全法案。對機制存在分歧，未必代表不同意問責的必要性。

其後 SB 53 獲通過，為 Wiener 的紀錄提供了較為有限的結論。他重返這一議題，並協助促成另一種做法。這顯示立法調整，而非證明原來的提案正確，或替代方案已經足夠。

任何聯邦工作都應面對同樣的審視。哪些人受規則約束？他們必須提供甚麼證據？誰人評估合規情況？當其行為偏離承諾時，將有甚麼後果？

當科技發展快於法例文字時，這些問題尤其重要。法律需要為規劃合規工作的機構提供穩定性，同時亦需具備足夠彈性，避免無限期地監管昨日的技術界線。

選舉結果沒有證據顯示國會已解決這些張力。Wiener 的經驗為他帶來相關論據和例子，但並未消除導致早前談判出現分歧的問題。

讀者不應把熟悉的立法提案人當作免於檢視法案文本的替代品。聯邦提案的質素將取決於其義務和執法架構。作者的聲譽無法預先確立這些特質。

獨立核實令門檻超越公布一項政策

加州對 AI 監督的討論，在 SB 53 之後持續發展。2026 年 9 月，Newsom 政府描述了涉及獨立核實機構及 AI 審計員名冊的額外措施。

州長的獨立監督更新提及 SB 813 和 AB 1405。公告描述了處理評估者資格、獨立性、透明度及誠信的框架。

這些發展之所以重要，是因為 Wiener 轉戰國會之前，州政府已採取進一步行動。若只透過 2025 年的透明度法例描述加州的做法，政策圖景便不完整。

獨立審查改變了由誰檢視證據，但其可信度取決於審查者的權限和存取能力。

審計，即按既定準則作出的結構化檢查，會因範圍不同而有不同含義。審閱文件，與檢查技術系統或測試機構實務是否符合既定政策，並不相同。

這項區別應影響讀者如何理解日後的公告。設有審計員本身，並不能說明審計員檢視了甚麼。有用的報道必須交代審查的界線，以及其發現可支持哪些主張。

獨立性亦不只是標籤。審查者需要具備相關專業知識及足夠存取權，才能評估有爭議的說法。當他們評估擁有遠多於自身技術資源的機構時，其誘因與關係亦至關重要。

聯邦框架必須處理這些實際問題，也需要釐清私人評估與公共執法之間的關係。外部評估可以為監管機構提供資訊，但不能取代監管機構的責任。

設想一個假設情境：某企業客戶正在比較不同模型供應商。一份公開安全聲明闡述供應商的立場。若其範圍符合客戶關注的事項，獨立評估可為某項明確實務增添信心。

兩份文件都不會免除客戶本身的責任。對模型開發實務的審查，並不會自動回答有關機密檔案、員工存取權或特定自動化決定的問題。證據必須與其所支援的決定相符。

這亦是為何審計公告不應被解讀為所有潛在風險均已消失的證明。審查存在限制。公開主張需清楚反映這些限制，讓買方能作出知情判斷。

政治挑戰在於，在建立可執行預期的同時保留這種細緻度。要求過於寬鬆，可能引來流於表面的合規；要求不切實際，則可能鼓勵形式化文書工作，對實際行為幾乎沒有有用洞見。

因此，Wiener 在聯邦層面的機會，不止是把一項熟悉的州法案帶到另一個立法機關。他可以參與決定披露、核實和執法應如何互相配合。這些部分需要各自明確的責任和連貫的目的。

討論應以可觀察的行為為本。立法者可以詢問開發者披露甚麼、審查者可以檢查甚麼，以及官員如何使用有關發現。這類問題比泛泛支持創新或安全的說法揭示更多。

州政府較新的措施為這種檢視提供額外材料。其公告確立的是政策方向，而非已證實的成效。實施證據將決定這種做法值得獲得多大信心。

留意提案、審查者和披露資料

下一階段應按具體發展判斷，而非 Wiener 當選的重要性。Scott Wiener 聯邦 AI 政策仍是潛在的國會貢獻，而非已制定的全國框架。

最有用的訊號關乎立法承諾、監督能力，以及企業行為的改變。

首先，留意 Wiener 在轉戰國會及立法初期所提出或支持的任何聯邦提案之實質內容。具體義務所揭示的資訊，將多於籠統承諾監管 AI。

相關細節包括哪些開發者受規管、他們必須披露甚麼，以及誰人可以執行合規規定。如何處理現有州級保障，亦有助區分協調與取消義務。

若提案能把這些元素連結起來，將更有力證明加州經驗正為可行的聯邦做法提供參考。沒有執行細節的籠統措辭，則會令這項主張仍未經驗證。單憑選舉本身，無法推斷任何一種結果。

其次，留意加州如何發展其獨立審查安排。評估者資格、存取條件及公開的審查範圍說明，將有助展示核實在實務上意味著甚麼。

清晰程序會為國會提供更具體的借鑑。責任不清則會揭示漏洞，聯邦立法者在採納類似架構前應予以檢視。框架的公布，正是這項評估的開始。

第三，留意開發者披露資料是否變得更有利於比較。讀者應能識別重大政策變動、理解評估的限制，並區分承諾與已獲證實的實務。

更具可比性的披露資料，將支持強制透明度改善問責的論點。掩蓋關鍵決定的冗長文件，則會削弱該論點。相關衡量標準是審視工作的實用性，而非文件篇幅。

這些訊號呼應本文的核心衝突。可執行的監督需要在企業偏好改變時仍然有效的義務，也需要足夠資訊和制度能力，以判斷這些義務在實務上是否有意義。

對開發者和企業買家而言，眼前的工作是謹慎解讀。選舉改變代表人選；法案提出義務；已簽署的法律建立框架，而實施情況決定該框架如何運作。

把這些階段分開看，會令事件更易評估。這可避免把政治抱負誤當成當前合規要求，也保留空間，在完整的全國共識形成前承認有意義的進展。

透過其產生的證據追蹤 Scott Wiener AI 監管：立法文本、審查程序，以及外界能夠實質檢視的披露資料。在評估供應商時，應把其聲稱的承諾與你的實際使用情境所需資訊連結起來。將模型開發者的責任，與你的機構就存取、部署及人為審查所作的決定分開看待。閱讀日後有關監督的主張時，尤其要注意誰能檢查證據，以及問題出現後會有甚麼後果。Wiener 的勝選令一位具經驗的立法者更接近聯邦辯論。讀者現在面對的是實際問題：最終的提案會否令安全承諾更易核實，也更難被放棄？