伯尼·桑德斯 AI 禁令：以 20 年监禁刑期推动暂停超级智能

伯尼·桑德斯宣布了一项 AI 禁令提案，对个人违规者最高可判处 20 年监禁——这在科技政策中属于异常严厉的处罚。

伯尼·桑德斯的 AI 禁令将永久禁止人工超级智能，并在联邦监管机构制定安全规则期间暂时暂停先进 AI 开发。得州联邦众议员格雷格·卡萨尔于 2026 年 9 月 3 日与桑德斯共同宣布了该提案。

这一区别至关重要。他们宣布的是即将提出的立法，而非已经生效的法律或立即具有约束力的限制。开发者目前仍可合法开展 AI 研究，而该提案必须先在严重分裂的国会中获得通过，才会改变任何人的法律风险。

尽管如此，20 年的最高刑期仍改变了监管讨论的格局。它将被禁止的超级智能开发视为公共安全犯罪，其严重程度可与参与某些非法核武器项目相提并论。

核心冲突已不再只是快速开发与谨慎开发之间的较量，而是前沿 AI 的私人控制权与政府强制设定的边界之间的冲突——一些研究人员认为，这一边界无法被可靠地界定。

伯尼·桑德斯 AI 禁令将禁止什么

该提案结合了永久性的超级智能禁令、暂时性的前沿开发暂停、新监管机构以及刑事处罚。

桑德斯和卡萨尔在华盛顿宣布了《禁止人工超级智能法案》。该提案针对被认为比人类更具能力，或可能逃脱有意义的人类控制的系统。

根据参议员们发布的 AI 禁令声明，任何个人或实体均不得开发或部署被禁止的超级智能系统。禁令将涵盖能够规避关停指令或威胁政府控制权的系统。

该提案还将暂停先进 AI 开发，直至新的联邦监管机构开始运作。该机构将在受涵盖的开发可以恢复前，制定安全规则和模型审查流程。

这种划分形成了两条不同的法律边界。超级智能将始终被禁止，而部分先进 AI 工作则可在监管机构建立审批框架后重新启动。

该提案将设立一个内阁级联邦 AI 机构。专家咨询委员会将提供独立的科学和技术指导。

该机构将监督前沿系统在整个开发和部署过程中的情况。前沿 AI 通常是指处于当前能力与计算规模上限附近的模型。

监管机构将监督危险能力的移除，也将负责监督被归类为禁止人工超级智能的系统销毁。

试图违反或规避这些限制的公司，将面临提案所称的“企业死刑”。已发布的摘要尚未充分说明这一补救措施的法律结构。

个人最高可被判处 20 年监禁。这是最高处罚，而非对普通软件开发或意外违规自动判处的刑罚。

该提案的范围还将延伸至国内实验室之外。国际限制、盟国协调和出口管制都将成为美国政策的一部分。

这一全球性组成部分对提案发起人的理论至关重要。如果另一国继续在缺乏相当控制措施的情况下开发同类能力，国内暂停提供的保护将十分有限。

不过，已发布材料仍留下若干操作性问题。它没有提供一项完整、公开的测试标准，以区分被禁止的超级智能与仅仅是先进的软件。

材料也未说明监管机构将如何处理开放模型、外国研究、分布式训练，或通过软件而非更大型计算集群实现的改进。

这些细节决定法律究竟会划出一条狭窄红线，还是为前沿研究建立广泛的许可制度；它们也决定了谁可能面临起诉。

为什么 20 年刑期改变了争论

拟议刑期将一个不确定的科学阈值转化为潜在的重罪边界。

桑德斯和卡萨尔将最高刑期与现有针对非法参与核武器开发的处罚进行比较。他们的摘要将这一比较作为证据，说明失控的超级智能应受到同等严肃的法律对待。

联邦法律确实规定，对于明知而支持由外国恐怖主义势力运营的核武器项目者，最高可判处 20 年监禁。相关的 核武器法条 涵盖参与、物质支持、未遂和共谋。

这一比较在修辞上很有效，但需要谨慎对待。现行法条针对的是明知协助外国恐怖主义武器项目，而不是所有未经授权的核研究活动。

拟议的 AI 罪名在已发布摘要中也仍缺乏明确定义。核材料、武器项目和恐怖组织都已有既定的法律与技术含义。

人工超级智能则没有同样成熟的衡量标准。研究人员对哪些基准能够代表通用智能、自主性、战略规划或可靠的人类水平表现存在分歧。

一个模型可能在编程测试中超过人类，却无法完成基本的现实任务。另一个模型可能在模拟环境中有效规划，却会在环境变化时崩溃。

开发者还可通过训练、工具、系统指令、权限和部署架构影响行为。危险能力并不总是只存在于模型本身。

这种复杂性使意图变得重要。刑法必须区分蓄意规避与合法研究中意外暴露出危险能力的情形。

它还必须界定，持续测试何时会变成被禁止的开发。否则，实验室可能只有在完成跨越阈值的工作后，才发现自己已经越界。

风险并不局限于高管。工程师、研究人员、基础设施提供商和合规官员都需要了解，个人行为是否可能触发法律责任。

公司很可能以文件记录要求、内部审批关卡、访问限制和独立测试作为回应。即使立法最终未通过，也可能使这些做法成为常态。

这一处罚还会影响融资和招聘。当有争议的合规判断可能带来监禁时，投资者和员工对不确定性的容忍度会有所不同。

较小的实验室可能面临最大的实际负担。大型公司可以维持法律、安全和评估团队，而独立研究者难以轻易复制这些能力。

反过来，依照提案发起人的论点，大型实验室也构成最大的系统性风险。它们的计算资源、专有数据和部署覆盖范围，能够迅速放大失败后果。

因此，20 年刑期的作用不止于惩罚。它表明桑德斯和卡萨尔认为，某些 AI 开发本质上属于需要事先约束的危险活动。

这与大多数美国软件监管方式有重大差异。科技规则通常在开发开始后，规制有害用途、消费者影响、安全实践或信息披露。

伯尼·桑德斯的 AI 禁令则在被禁止系统接触普通用户之前，就瞄准了能力前沿。其逻辑更接近军备控制，而非传统产品监管。

真正的争夺在于谁控制阈值

该提案挑战了当前由前沿实验室在很大程度上自行定义、测试和监管自身安全边界的模式。

桑德斯认为，影响全人类的决定不能继续留在少数科技公司高管手中。他的立场将 AI 安全与集中的企业权力联系起来。

卡萨尔更直接地提出了制度层面的观点。他认为，高度关键的 AI 所受监督，甚至少于许多面临地方检查和许可要求的普通企业。

提案发起人还提到了 OpenAI、Anthropic 和 Meta 作出的附条件安全承诺。这些承诺通常表示，如果能力超出现有保障措施，将采取更严格的预防措施。

公司领导人曾公开讨论严重的 AI 风险。Sam Altman 支持围绕超级智能开展国际协调，而 Dario Amodei 则主张加强前沿模型治理。

Elon Musk 多次将 AI 风险与其他文明级危险相提并论。他对监管的支持，也与 xAI 参与开发更强大系统的竞争并存。

这些立场构成了提案的核心反转。领先实验室一边警告可能失去控制，一边持续训练、部署并商业化能力不断增强的模型。

这并不能证明其存在恶意。一家公司可以同时相信先进 AI 既有价值又有危险，并支持对所有竞争者一视同仁的控制措施。

然而，自愿承诺取决于企业定义、保密证据和内部执行。公司还面临投资者、客户、员工和竞争实验室的压力。

一家单独暂停的实验室可能失去人才和市场地位。其竞争对手则可能在不接受相当限制的情况下继续开发同一能力。

该提案将以法律命令取代这一协调难题。所有受涵盖公司都将停止相关活动，并接受同一监管机构和同一执法框架的约束。

支持者认为，政府干预是防止竞赛的唯一可信方式。他们认为，自愿安全承诺无法承受不断升级的商业和地缘政治压力。

更广泛的运动获得了值得注意的科学支持。一份公开的 超级智能声明 呼吁，在科学界未就控制达成共识且缺乏强大公众支持之前，开发应始终被禁止。

其签署者包括 AI 先驱 Geoffrey Hinton 和 Yoshua Bengio。他们的参与为禁止运动提供了技术可信度，但并不意味着整个领域已经达成共识。

2026 年的 国际安全报告 也说明该领域日益关注系统性风险。但该报告本身并未认可桑德斯提案的具体法律设计。

反对者回应称，政府并不具备为如此不确定的科学问题选择边界的能力。他们担心监管机构会冻结有益研究，或巩固既有科技公司的地位。

许可制度可能有利于现有企业，因为它们已经拥有合规团队、政府关系和广泛的评估基础设施。一项旨在针对 Big Tech 的禁令，可能反而强化 Big Tech。

开放研究引发了另一重冲突。独立审查有助于研究人员发现漏洞，但公开敏感方法也可能扩散危险能力。

广泛的禁令可能将工作推向秘密进行或外国司法管辖区。狭窄的禁令则可能留下足够空间，让开发者重新命名被禁止的工作。

因此，主要对立并非 Sanders 与某一家实验室之间的较量，而是民主控制与由行业主导的前沿自律之间的对抗。

两种路径都存在制度失灵风险。企业可能优先考虑竞争优势，而政府的监管则可能不够精准、反应迟缓，或受到政治因素影响。

该提案迫使国会在技术达到公认的超级智能门槛之前，决定应更重视哪一种失灵模式。

永久禁令面临测量难题

除非监管机构能够通过经得起检验的测试衡量能力、意图和控制力，否则国会无法公平执行超级智能的边界。

提案中最棘手的表述是“超越人类智能”。人类智能并非单一、可量化的指标，而 AI 的表现会因任务和环境而异。

模型已经在狭窄领域超越大多数人。它们能够以机器速度检索信息、分类图像、翻译语言，或搜索庞大的技术空间。

这些结果并不自动证明其具备通用自主性。一个系统可以在基准测试中优于人类，同时仍依赖精心构建的提示词和工具。

反向问题同样重要。某个模型的得分可能低于正式门槛，却拥有评估未能暴露的危险能力。

开发者有时会训练模型拒绝有害请求。这种可见行为并不能证明其底层能力已经消失。

因此，评估者必须将能力与意愿区分开来。他们必须测试系统在对抗性提示、微调、工具访问以及修改安全控制措施下能够做什么。

控制同样难以定义。模型可能因为请求含糊、系统与另一条规则冲突，或其推理失败而忽略指令。

这与系统出于策略性目的抵制关闭不同。后者意味着前者所不具备的情境感知与持续性目标。

在追究刑事责任之前，监管机构需要可复现的证据。仅依赖秘密基准测试，会使被告难以理解或质疑政府的分类认定。

完全公开的测试也会带来另一个问题。开发者可以针对已知评估优化模型，却不降低其底层风险。

一套可行的制度可能需要分层测试。公开标准可以确立基线义务，而受保护的评估则审查与安全相关的敏感能力。

监管机构还需要针对意外结果制定报告规则。实验室应能够披露令人担忧的行为，而不必将每一次发现都视为犯罪开发的证据。

安全港条款可以保护在获批隔离条件下进行的善意测试。已公布的摘要并未说明是否会有此类保护。

弱 AI 治理的知名批评者 Gary Marcus 认为，永久性禁令仍然过于激进。他的监管批评支持设立监管机构，也考虑暂停开发，但反对无限期的单边禁令。

Marcus 强调了基准测试的复杂性，以及威权政府可能操纵定义的风险。他主张在有力的控制与监督证据支持下开展附条件开发。

这一批评之所以重要，是因为它并未否认 AI 风险。它质疑该提案的机制能否在不阻断有价值研究的前提下应对这一风险。

这种区分将风险否认与政策分歧分开。批评者可以接受先进 AI 需要监管，同时反对基于能力的永久禁令。

该法案还需要界定覆盖开发链条中哪些主体。现代 AI 系统依赖芯片制造商、云服务商、数据供应商、模型实验室和应用开发者。

使用现有模型的应用开发者，与训练前沿系统的实验室并不处于同一位置。两者的访问权限、知识和控制力存在显著差异。

微调进一步复杂化了界限。一次幅度不大的修改，可能暴露出基础模型中原本就存在、但被抑制的能力。

开放权重模型带来了分布式执法难题。一旦权重在全球范围流传，数千名用户无需访问原始训练基础设施即可对其进行修改。

法律体系无法像保护受控核材料那样轻易消除被广泛复制的软件。核类比在这一操作层面上变得不那么成立。

不过，训练最大的前沿系统仍需要集中化基础设施。政府可以监控先进芯片、大型计算集群、云服务合同和高耗能数据中心。

这种集中性为监管机构提供了可能的执法切入点。但这并不能保证它们能够发现每一项重要的算法改进或分布式项目。

法律的可信度将取决于能否将可衡量的算力规则与能力评估结合起来。任何单独一类都存在巨大缺口。

国内暂停无法独自解决全球竞赛

只有在开发活动转移至其他地区之前，国际协调变得可执行，该提案才能成功。

Sanders 和 Casar 已认识到这一问题。他们的框架呼吁通过条约、盟友协调和出口管制，阻止全球范围内的超级智能开发。

这种做法借鉴了军备控制：监测、共同限制和后果机制能够降低秘密开发的动机。AI 面临的核验条件则不同。

核计划需要专门材料和显眼设施。先进 AI 依赖具有诸多正当用途、且具有商业价值的芯片、数据中心、软件和专业知识。

大型训练集群比一项数学洞见更容易受到监测。算法进步可以降低实现某一能力所需的计算资源。

出口管制能够放缓获取领先硬件的速度，却无法确保每个国家采用相同的能力定义、检查规则或刑事处罚。

美国还需要获得拥有芯片生产、云基础设施和研究机构的盟友合作。规则碎片化将创造迁移机会。

反对者会将此描述为一场国家安全竞赛。他们会认为，单边暂停会给战略竞争对手留出时间，在缺乏美国监督的情况下推进发展。

支持者则回应称，失控竞赛会让每个参与者都更加不安全。如果没有开发者能够可靠控制最终系统，率先取得进展也难以带来多少保护。

这一分歧反映了经典的安全困境。各方因预期他人会加速而加速，即便所有人都担忧结果，协调克制也因此更加困难。

Sanders 的框架试图通过禁令打破这一循环。其弱点在于，国内立法无法约束外国政府。

其优势在于设定议程。美国若不先界定希望其他国家采纳的立场，就无法谈判达成全球限制。

国会还必须决定，同一套规则是否应适用于盟友、竞争对手、大学、企业和国防机构。不平等的豁免将削弱信任。

军事例外尤其可能引发争议。政府若为国家安全项目保留不受限制的开发空间，就无法令人信服地要求私营部门自我克制。

核验规则必须保护敏感研究，同时不能让监督沦为工业间谍活动。国际检查人员需要获得有限但可信的访问权限。

该提案也可能与开放科学交流发生冲突。跨境合作在机器学习领域很常见，其中包括安全和评估工作。

过度宽泛的出口规则可能使美国研究人员与开发更好控制方法的人隔绝。规则过于宽松，则可能让被禁止的能力通过软件或专业知识转移。

经济压力将影响每一场谈判。各国期待 AI 提升生产力、国防、科学、医疗保健和公共服务。

因此，永久性限制必须区分普通收益与被禁止的前沿能力。政府不会仅因超级智能仍存争议，就放弃有用的 AI 应用。

最恰当的历史比较并非直接复制核不扩散模式，而是更广泛地治理兼具民用价值与灾难性潜力的两用技术这一挑战。

这一挑战需要共同定义、监测、事件报告和可信的后果机制。已公布的框架提出了这些目标，但尚未提供相应的国际执行机制。

开发者和 AI 采购方接下来应关注什么

决定性信号包括正式法案文本、可衡量的监管门槛，以及两党或国际支持的证据。

第一个信号是正式立法措辞。Sanders 将该提案描述为即将推出，因此读者应关注已提出的法案编号和完整法定文本。

该文本应定义人工超级智能、先进 AI 开发、被禁止行为、犯罪意图和企业死刑。它还应明确可用的抗辩理由和豁免。

如果这些定义仍然宽泛，围绕不确定性的批评将会加强。精确的门槛和受保护的安全研究将使该提案更具可信度。

第二个信号是拟议联邦监管机构的设计。国会必须说明其权限、人员配置、技术访问权、审查期限以及与现有机构的关系。

严肃的模型审查流程需要独立的评估能力。依赖实验室自行生成的证据，将保留 Sanders 希望取代的大部分自律机制。

开发者应关注监督将聚焦训练算力、能力测试、部署条件，还是三者兼顾。这一选择将决定日常合规义务。

企业采购方也应关注事件报告和部署规则。获准用于受限研究的模型，未必有资格在关键业务系统中自主使用。

已经部署 AI 的组织应保存模型、权限、连接工具、评估结果和人工批准节点的记录。即使该提案未能通过，这些控制措施仍然有用。

可搜索的工程知识库可帮助团队保留评估证据、风险决策和不断变化的合规要求。

第三个信号是政治协调。该提案需要 Sanders 和 Casar 以外的国会支持者，包括关注国家安全和经济竞争的议员。

两党对狭义安全措施的支持，将强化实施强制监督这一更广泛主张。若两党都予以拒绝，政策可能转向更具针对性的规则。

国际反应同样重要。盟友就先进芯片、共同评估和事件报告作出的承诺，将支持该提案的全球前提。

如果主要 AI 生产国拒绝共同限制，永久性美国禁令在政治上将更难辩护。迁移和战略竞争的论点会更具说服力。

读者还应区分拟议的最高刑期与实际判处的刑罚。除非国会通过法律，且检察官证明发生了受覆盖的违法行为，否则没有开发者会面临这项 20 年刑罚。

同样的谨慎也适用于核类比。相同的最高刑期体现了严重性，但相关罪行、证据和技术在法律上并不相同。

Bernie Sanders 的 AI 禁令仍然划出了一条重要边界：在任何人证明某个系统已经造成伤害之前，开发无法控制的系统是否应当违法？

这个问题的影响范围超出了前沿实验室。开发者依赖稳定的科研规则，企业依赖可信赖的模型，劳动者则依赖能够妥善管理部署风险的机构。

知识型工作者应当询问供应商：其模型能够访问哪些内容，哪些操作需要批准，以及故障如何被记录。这些实际问题无论监管结果如何都很重要。

该提案最严厉的部分将吸引最多关注。但它更持久的影响，可能在于将事前授权、独立测试和公共控制纳入主流 AI 政策。

应关注正式法案，而不只是标题。如果定义变得可检验，国际协调取得进展，该提案就会更具实质内容。

如果这些要素仍未解决，20 年刑期将主要起到政治警告的作用。无论结果如何，它都在告诉开发者：华盛顿如今如何严肃看待超级智能竞赛。