Becerra 与 Hilton 在加州州长选举中就 AI 政策分歧明显

尽管科技议题在初选期间受到的关注有限，Xavier Becerra 和 Steve Hilton 进入加州两人对决的州长选举后，围绕 AI 展现出尖锐分歧。Google News 的聚焦如今凸显出一条影响深远的鸿沟。Becerra 为公共系统、劳动者、儿童和数据中心提出了细致规则；Hilton 则提出更广泛的增长议程，主张降低税负、加快开发并减少州政府障碍。

这种差异的意义远不止于竞选网站。加州聚集了众多开发先进 AI 系统的公司，而州政府同时采购技术、监管企业、管理基础设施并培训劳动者。下一任州长将接手涉及前沿模型透明度、自动化决策、合成媒体、隐私和网络安全的法律体系。

获胜者还将面对一批既希望获得 AI 经济效益、又不愿承担所有相关代价的公众。7 月一项全州调查发现，77% 的可能投票者反对在其社区附近建设 AI 数据中心。然而，加州的预算与投资前景仍与科技财富紧密相连。

这并非一场简单的 AI 支持者与 AI 反对者之间的较量。两位候选人都将技术视为经济资产和公共服务工具。他们真正的分歧在于：谁来设定条件、谁为扩张买单，以及当自动化造成伤害时政府应多快介入。

Google News 将加州 AI 政策带入大选竞逐

这场选举已将一场宽泛的科技辩论，转化为两种治理模式之间的选择。

加州 6 月 2 日初选将民主党人 Xavier Becerra 和共和党人 Steve Hilton 送入 11 月大选。Becerra 曾任加州总检察长和美国卫生与公众服务部长。Hilton 曾任英国首相 David Cameron 的顾问，也是企业家、作家和保守派媒体人物。

随着技术从竞选点缀变成治理议题，大选对决变得更加清晰。Becerra 发布了一套广泛的 AI 议程，涵盖 AI 素养、州政府采购、劳动力市场追踪、公共计算基础设施、数据中心、执法和儿童保护。Hilton 则从经济增长、教育、医疗创新和政府效率等角度讨论 AI。

两者的对比部分体现在具体程度上。Becerra 明确提出机构、标准、审计和投资机制；Hilton 强调结果，包括创造就业、区域发展、降低运营负担和提升公共服务效能。

这种差异并不会自动让某一种方式更可信。细致的提案仍需要预算、立法、技术专业能力以及与产业界的合作。宽泛的增长平台可以保留灵活性，但会让选民较少了解州长将如何处理具体争议。

两位候选人正竞逐接替无法再次参选的 Gavin Newsom。Newsom 留下了一套发展相当成熟的州级 AI 框架。他的政府制定了采购指引、委托撰写前沿 AI 政策报告、启动政府试点项目，并签署了涉及模型透明度的立法。

加州还达成了一项全州协议，向州机构、市政府和县政府提供 Anthropic 的 Claude。政府方面表示，该安排包括劳动力培训和旨在支持负责任采用的控制措施。

加州表示，全球 50 家领先私人 AI 公司中有 33 家总部位于该州。这种集中度使州长同时拥有罕见的影响力和风险敞口。在 Sacramento 制定的规则可以影响全国运营的公司，但设计不当的要求也可能抑制投资或造成合规冲突。

州长可通过任命、采购、预算优先事项、否决权、执法以及与立法者谈判来塑造这些结果。州长办公室无法独立兑现每一项竞选承诺，但可以决定加州主要将 AI 视为需要加速建设的基础设施，还是需要积极监管的市场。

Google News 的关注反映了这种更大的意义。加州并不只是为既有政策结构选择一名管理者，而是在选择谁将在 AI 应用进入工作场所和公共机构之际，对该结构进行解释、执行、修订或抵制。

Becerra 提出了更细致的 AI 规则手册

Becerra 的平台将应用与更大的监管体系结合起来，而非将监管与创新视为对立面。

他的议程从 AI 素养开始。他提议利用公立学校、图书馆和社区学院，扩大实用 AI 教育的覆盖面。其核心论点是：当居民无法评估工具的局限、风险或对工作场所的影响时，获得工具的机会意义有限。

Becerra 还希望州政府机构利用 AI 协助许可审批、公共卫生风险识别和福利导航。这些是运营层面的应用，并非抽象研究项目。许可系统可以帮助工作人员整理申请材料，福利助手则可以帮助居民识别相关项目。

这类系统也会带来严重的问责问题。用于总结文件的模型，与会影响资格认定、住房、医疗保健或就业的模型并不相同。Becerra 提议对州政府机构部署的 AI 系统进行独立审计，并让受影响的公务员在自动化决策作出前参与其中。

独立审计是对系统性能、风险、控制措施和记录在案行为进行的外部评估。审计可以发现有偏差的结果或薄弱的安全保障，但无法保证安全，尤其是在标准、数据访问和评估者独立性仍未确定的情况下。

Becerra 的劳动力计划将指导现有州级基础设施，按行业追踪 AI 对就业、工资和岗位替代的影响。这些发现将用于指导劳动力支出，并在必要时推动更广泛的干预。他还提出可叠加式培训，即劳动者可逐步累积证书，最终获得更高级别的资格认证。

这一做法延续了 Newsom 5 月关于 AI 相关经济扰动的行政命令方向。该命令要求各机构研究裁员、招聘变化、技能缺口及可能的应对措施。Becerra 的平台将把这种监测转变为持续性的治理职能。

另一项提案将为 CalCompute 提供全额资金。CalCompute 是一项面向研究人员、初创企业和公共机构的公共计算资源计划。先进 AI 开发依赖昂贵的芯片、数据基础设施、电力和技术人才。公共访问可让参与者不再局限于能够购买大型计算集群的公司。

难题在于范围和分配。加州需要决定谁能获得算力、哪些项目符合资格、安全机制如何运作，以及公共计算资源是否应支持商业开发。该州还需要可衡量的成果，以区分有用的基础设施和昂贵的补贴。

Becerra 最具政治敏感性的提案涉及数据中心。他表示，运营商应承担其能源需求成本、使用清洁能源，并符合环境披露标准。作为交换，他的政府将寻求更快的审批和更大的政策确定性。

这一表述试图调和两种压力。AI 公司需要更多计算能力，而居民担心更高的公用事业账单、用水需求、污染和地方基础设施压力。Becerra 提供的是附带条件的开发，而不是不受限制的建设或全面暂停。

他的平台还承诺执行现有 AI 安全要求、加强儿童保护，并提高对具有重大影响的自动化决策的透明度。所谓具有重大影响的决策，是指会影响就业、医疗、住房、福利或人身自由等领域的自动化判断。

这些承诺将 Becerra 定位为延续性候选人，但并非被动的延续。Newsom 经常在积极采用与协商性保障措施之间取得平衡。Becerra 提出了一套更明确的执法架构，核心包括审计、监测、公众访问和救济渠道。

这一模式最有力的论据是问责制。州政府将在机构和公司大规模部署系统之前设定预期。最强的批评则是行政复杂性。在机构建立起足够技术能力以一致执行规则之前，规则可能已经过时、相互重叠或过于宽泛。

Hilton 的科技主张始于增长与政府绩效

Hilton 从加州的成本结构、商业环境以及对更高效政府的需求来处理科技政策。

他认为，加州应更多运用采购能力、补助金、税收激励和审批权。这些工具将支持与科技和生命科学公司建立伙伴关系，并与就业和区域投资等公共成果挂钩。

Hilton 还将 AI 驱动的医疗服务和精准医疗列为州政府支持领域。精准医疗利用健康、生物和患者数据，为预防或治疗量身定制方案。他将这一关注点与临床研究基础设施、可互操作的数据标准、隐私保护和劳动力培训相结合。

这并非一个忽视技术风险的平台，而是一个将增长与实施置于新监管架构之上的平台。Hilton 更广泛的政治信息还呼吁降低税负、减少监管负担并加快州政府行动。

这种定位与 Becerra 形成鲜明对比。Becerra 描述了独立审计和行业层面的劳动力追踪，Hilton 则强调伙伴关系和结果；Becerra 将数据中心增长与能源和环境义务挂钩，Hilton 更广泛的议程则倾向于消除投资障碍。

Hilton 的主张受益于加州民众熟悉的一种挫败感：该州可以通过细致的要求，却难以提供审批、现代数字服务、住房和基础设施。专注执行的州长可以推动机构简化流程，并衡量项目是否真正有效。

然而，实施同样需要保障措施。用于医疗保健、教育、公共福利、警务或招聘的 AI 可能产生直接影响个人的错误。通过技术改善政府的承诺，并未回答谁来审查系统、居民可以对什么提出申诉，或机构如何披露失败。

Hilton 的竞选也处于一个支持联邦优先权和较宽松州级 AI 监管的全国共和党运动之中。这构成了另一个潜在压力点。加州曾利用州法律填补国会留下的空白，而联邦官员则寻求更统一的全国框架。

统一性确实能为开发者带来优势。当每个州采用不同的定义、报告门槛和执法体系时，跨州运营的公司将面临更高成本。协调不佳的要求可能分散法律和工程资源，却未必让产品更安全。

当联邦政策推进缓慢或取消保护措施时，州级行动依然具有吸引力。加州常被视为国家政策实验室，因为其市场规模大到主要企业无法忽视。下一任州长必须决定，何时应利用这种影响力保护居民，何时又会造成本可避免的碎片化局面。

Hilton 缺乏具体的政策细节，这既带来灵活性，也带来不确定性。他的政府可以在简化实施流程的同时保留重要的透明度法律，也可能更紧密地配合业界缩减州级义务的努力。

因此，选民不应只关注竞选措辞，还应评估人事任命和立法承诺。技术事务部长、州首席信息官、隐私监管机构负责人、能源委员会成员或公共事业委员会委员，都能通过日常决策塑造政策。

检验 Hilton 的关键在于，更快的增长是否伴随可执行的公共条件。如果他的政府能将加速审批与能源投资、劳动力收益、隐私规则和透明的绩效表现挂钩，他的方式就更具实质内容。若没有这些条件，“创新”将变得过于模糊，难以评估。

真正的分歧在于公共条件与市场灵活性

核心冲突并非加州是否应使用 AI，而是州政府应在部署前行使多大程度的影响力。

Becerra 的模式以公共条件为起点。政府机构可以使用 AI，但该系统应接受独立审计。数据中心可以获得审批确定性，但运营商应承担能源成本并符合环境标准。企业可以发展，但州政府应监测劳动力替代情况并执行安全规则。

Hilton 的模式则以市场灵活性和政府效能为起点。加州应吸引投资、建设基础设施、建立合作关系，并利用新兴技术改善服务。监督仍然重要，但不应成为迫使企业、岗位或资本流向其他地区的障碍。

两种方式都面临弱点。规定过于细致的监管，可能因政府机构缺乏技术人员，或围绕已经过时的系统制定标准而失效。市场主导的政策，则可能在企业将成本转嫁给劳动者、缴费用户、社区或受自动化决策伤害的人群时失效。

数据中心争议让这种取舍变得具体。一项于 6 月 29 日至 7 月 6 日进行的全州调查涵盖 1,578 名成年人和 1,003 名可能投票者。调查发现，77% 的可能投票者反对在其居住地附近建设 AI 数据中心。

同一项调查发现，63% 的居民担心新增 AI 数据中心对环境造成的影响。每个主要地区的反对比例都至少达到三分之二。这些发现限制了任何候选人将基础设施阻力描述为少数活动人士关切的空间。

不过，阻止数据中心建设也会带来代价。加州可能失去建筑业和技术岗位、税收收入、科研能力，以及对设施运营方式的影响力。计算需求不会消失，开发项目可能转移到能源结构、水资源约束或环境标准不同的州。

Becerra 提出的方案试图让地方接受度以可见收益和成本保护为条件。尚未解决的问题是，加州将如何计算运营商完整的能源负担。电网升级、备用发电、输电能力和长期需求预测，都使这一计算更为复杂。

Hilton 可以辩称，加州现有的审批体系已使关键项目变得过于缓慢且成本高昂。加快许可流程有助于该州留住投资。然而，速度本身并不能解决新增工业负荷需要扩建电网时由谁买单的问题。

同样的取舍也适用于公共部门 AI。加州与 Anthropic 的协议将 Claude 的使用范围扩展到州和地方政府。该州将其描述为一项由培训和负责任使用控制措施支持的生产力安排。

未来的州长必须决定政府机构如何衡量价值。节省员工时间固然有用，但试点项目也应记录错误率、纠正成本、隐私事件、员工反馈和公共服务结果。缺乏评估的采购，可能在官员了解运营风险之前就将政府机构锁定在特定供应商上。

Becerra 的审计承诺提供了一种答案。如果包含公开指标和可执行的审查机制，Hilton 的绩效导向也可以提供另一种答案。两种方法的重叠之处比竞选标签所暗示的更多，但默认取向不同。

这正是 Google News 的叙事框架为何重要。若将候选人对比简化为“亲科技”与“反科技”，就会错过真正的选择。无论哪届政府上台，加州都会继续使用和承载 AI。问题在于，公共条件是在部署之前到位，还是要等到问题显现之后。

竞选承诺面临实施鸿沟

两位候选人都尚未充分说明，加州将如何为 AI 治理的下一阶段提供资金、人员和协调机制。

Becerra 的提案需要理解模型、数据治理、网络安全、歧视、采购和公共行政的审计人员。加州需要制定评估者独立性及其获取供应商信息的标准。当审计发现不可接受的风险时，还需要有处理争议的程序。

如果政府机构接受流于表面的文件材料，审计授权可能沦为勾选框式的例行程序。如果所有系统都接受同样的处理，它也可能延误低风险工具。有效监督应根据每项应用的后果和能力匹配相应要求。

CalCompute 带来了另一项能力考验。公共计算基础设施可以支持大学和较小的开发者，但专用硬件很快就会过时。运营需要采购专业知识、安全设施、能源、调度、技术支持，以及清晰的知识产权规则。

Becerra 表示，他将为该项目提供全额资金并使其投入运营。他的平台尚未确定最终预算、资格体系或利用率目标。这些细节将决定 CalCompute 是扩大使用机会，还是成为未被充分利用的公共资产。

Hilton 面临相反的问题。他以增长为导向的主题，对风险门槛提供的说明较少。选民仍需要知道，他是否会保留前沿模型透明度规则、支持独立评估，并要求对高风险州级决策进行人工审查。

加州现有框架提高了风险程度。《参议院第 53 号法案》（Senate Bill 53），即《前沿人工智能透明度法案》（Transparency in Frontier Artificial Intelligence Act），要求受覆盖的开发者公布其安全实践相关信息。该法案是在 2024 年围绕《参议院第 1047 号法案》（Senate Bill 1047）的争议之后出台；Newsom 在有关责任与创新的激烈辩论后否决了后者。

该州还通过了涉及训练数据披露、数字肖像、深度伪造、儿童安全和自动化系统的规则。这些措施并未构成一套简单的法典，而是将责任分配给政府机构、法院、总检察长和受监管企业。

下一任州长将通过执法重点影响这一体系。Becerra 担任总检察长的经历表明，他较适应诉讼和监管行动。Hilton 的竞选身份则表明，他对加州当前的治理模式持更强的怀疑态度。

联邦政策带来更多不确定性。全国性框架可以简化合规，但联邦限制州级规则的努力将挑战加州的传统角色。围绕联邦优先权的诉讼——即决定联邦法律是否排除州法律适用——可能界定任何一届政府的第一年。

Becerra 承诺推动其他州采纳加州式标准，同时寻求全国性规则。Hilton 可能会与共和党联邦政府有更多一致之处，但这种一致可能要求接受对萨克拉门托权限的限制。

候选人还面临立法约束。加州议会可能向州长提交比任何一方平台更激进、更偏向行业，或只是更复杂的法案。否决决定将比竞选声明更清楚地暴露优先事项。

资金构成最后一项约束。AI 增长已支撑投资和税收收入，但这种依赖是一把双刃剑。市场调整、招聘放缓或资本利得疲软，可能恰恰会在州政府最需要加强劳动力支持和技术监督时减少收入。

读者应将每项竞选承诺视为拟议方向，而非已经完成的项目。决定性问题在于人事、预算、法定权限、绩效衡量和执法。

劳动者、政府机构和 AI 企业面临不同利害关系

下一任州长的选择，将在利益相互冲突的群体之间分配 AI 的收益与成本。

劳动者希望获得新工具和培训，而不是被当作可以自动化淘汰的成本。Becerra 的平台让劳工在部署讨论中拥有正式位置，并提议持续衡量岗位替代情况。Hilton 强调创造就业和合作关系，将技术投资与区域增长相连接。

培训是必要的，但它无法解决所有岗位替代问题。劳动者未必能迅速从被自动化的行政岗位转入软件工程或健康数据分析。项目必须反映可获得的工作岗位、工资、地理位置、照护义务和既有教育背景。

雇主希望获得可预测的规则和技术熟练的劳动者，也希望许可时程能与投资计划相匹配。如果政府机构公布明确标准，Becerra 的条件式方法可提供可预测性。如果 Hilton 能协调监管机构和地方政府，他的方式则可提供速度。

AI 开发者希望各司法辖区之间有一致的定义，也寻求获得公共部门客户和基础设施。加州可以利用采购来要求文件记录和绩效标准，但较小的供应商可能难以满足为大型企业设计的要求。

居民在这场辩论中既是公用事业客户、患者、学生、福利申请者，也是拟议基础设施的邻居。有人可能支持医疗 AI，却反对附近建设数据中心；也有人可能欢迎更快的福利处理，却拒绝自动化资格决定。

州政府雇员处于实施的核心位置。他们知道行政延误出现在哪里，但也承担规划不周的自动化风险。能够起草例行函件的系统可以减少重复性工作；产生不可靠案件摘要的系统则可能增加审查职责并提高责任风险。

加州当前的政府项目提供了有用的起点。该州已试点将生成式 AI 用于客户服务、交通管理和道路安全。其政府还为州政府工作人员开设了 20 多项 AI 培训项目。

这些项目应为下一任州长提供证据。有价值的报告应将基准表现与部署后的结果进行比较，涵盖准确性、处理时间、员工工作量、公众满意度、成本、无障碍性和安全事件。

通过 Google News 关注竞选的人，不应只看候选人提及“创新”或“安全”的次数。没有运行模式，这些词几乎说明不了什么。真正有意义的区别在于：谁作出决定、他们必须公布哪些证据，以及系统失效时会发生什么。

政府之外的知识工作者也面临类似挑战。政策变化会影响雇主批准使用哪些办公工具、如何披露自动化决策，以及当系统影响评估时员工享有哪些权利。当政治主张和技术证据快速变化时，妥善整理源材料变得更加重要。

个人知识库可以帮助读者保存政策文件、竞选承诺和政府机构的成果，以便日后进行比较。这种做法很重要，因为问责的前提，是记住官员在上任前曾作出过哪些承诺。

三个信号将揭示哪种 AI 愿景能够执政

竞选的下一阶段应通过法律、基础设施和公共部门表现方面的具体承诺来评判。

第一个信号是每位候选人对加州现有 AI 法律的立场。Becerra 表示，他将执行并强化现行标准。Hilton 则需要明确说明，他会保留、收窄、废除或替换哪些要求。

具体回答将厘清监管分歧。选民应关注候选人对前沿模型信息披露、独立审计、自动化决策申诉、儿童安全和政府采购的立场。仅仅笼统支持“负责任的 AI”，无法回答这些问题。

如果 Hilton 支持核心透明度和救济要求，政策差距将收窄至实施方式的差异。如果他寻求广泛的优先适用或废除，竞选将演变为围绕加州监管科技权力的直接较量。

第二个信号是一份详细的数据中心计划。Becerra 已围绕清洁能源、成本责任、信息披露和加快审批确立了原则。他仍需提出关于电网成本、用水影响、地方收益和执法的具体方案。

Hilton 需要说明，加快开发将如何保护家庭免受更高基础设施成本的影响。一项可信的计划应明确谁为电网升级提供资金，以及社区如何在许可证获批前参与其中。

这个议题具有即时的政治影响力，因为公众反对意见已可被量化。数据中心调查结果表明，基础设施扩张不能仅依赖全州层面的经济论述。候选人需要让居民能够评估的地方协议。

第三个信号是州政府部署 AI 的可衡量表现。加州与 Claude 的合作伙伴关系为竞选提供了一个真实的测试案例。两位候选人都应说明，哪些证据足以支持扩大、修订或取消该项目。

州政府应公布能够区分活动与价值的结果。员工注册人数、提交的提示词数量或发放的许可证数量衡量的是使用情况；处理效率提升、错误减少、等待时间缩短以及更好的公共服务结果衡量的才是价值。

如果 Becerra 的审计模式能够产生易于理解的发现和纠正措施，其说服力就会更强。如果 Hilton 的效率模式能够在不削弱隐私、安全或申诉权的情况下带来经验证的改进，其说服力就会更强。

民调仍然相关，但并非主要的技术信号。7 月的一项调查显示，在可能投票的选民中，Becerra 的支持率为 61%，Hilton 为 36%。这一结果反映了加州的党派格局以及 Becerra 的广泛优势，并不一定意味着公众对 AI 已形成定论。

这场政策竞争仍可能塑造胜者的执政授权。能够清楚解释取舍的候选人，在与立法者、政府机构、公用事业公司、劳动者和大型科技公司谈判时将拥有更强的权威。

关注 Becerra 和 Hilton 在 11 月前作出的承诺，并在选举后保留这些承诺。将竞选语言与任命、预算请求、否决决定、采购规则和已公布的机构成果进行比较。

Google News 可以呈现每一项新承诺，但读者必须自行将这些碎片串联起来。请问：下一项公告是否界定了责任、提供了可衡量的结果，并保护了承担风险的人群？这一检验将揭示，任一候选人是否已从有吸引力的 AI 口号转变为一项执政计划。