Connie Chan 的 AI 监管方案与 Scott Wiener 围绕数据中心增长发生冲突

Connie Chan 要求在全国范围内暂停新建数据中心，使 AI 监管成为旧金山国会选举中的一条分界线。她的对手、加州州参议员 Scott Wiener 在 10 月 1 日的辩论中拒绝了这一全面暂停方案。他认为，相较于叫停美国国内建设，严格的运营规则能带来更大的监管筹码。

这场交锋不只是对工业发展的意见分歧。Chan 希望国会放缓支撑先进 AI 的基础设施建设，直至建立国家层面的经济、环境与安全标准。Wiener 则希望数据中心在可执行规则的约束下继续扩张，相关规则应覆盖安全、公用事业成本、用水和项目选址。

两位民主党人都支持加强 AI 监管。他们争论的是监管应在何时介入。Chan 将在立法者建立保护措施期间限制新增算力；Wiener 则会监管企业和设施，但不会广泛限制这种算力。

这种分歧为选民提供了有关美国 AI 战略的明确选择，也暴露出一个远超旧金山单一选举的全国性政策问题。

旧金山 AI 辩论期间发生了什么变化

这场辩论将对 AI 监管的广泛呼吁，转化为在暂停基础设施建设与治理持续建设之间的直接选择。

Chan 和 Wiener 于 10 月 1 日在 KQED 会面，当时两人正为加州第 11 国会选区竞选。该选区覆盖旧金山大部分地区，使这场竞选临近许多正在开发前沿 AI 系统的公司。

辩论由 KQED 和 San Francisco Chronicle 主办。根据已公布的辩论安排，议题涵盖科技、生活成本、经济、移民和外交政策。

在 AI 问题上，两位候选人的基本前提相似。两人都表示，这项技术需要更多公共监督，也都反对让企业自行监管的做法。

但随后，他们的处方出现了明显分歧。

Chan 呼吁暂停建设数据中心、加强对 AI 公司的监督，并放缓超级智能的发展。超级智能指一种假设中的系统，它能在广泛的智力任务上超越人类能力。

Wiener 反对实行普遍的数据中心暂停建设令。他转而强调自己在加州推动通过的 AI 安全立法，并承诺将在联邦层面寻求类似保护措施。

这篇辩论报道还记录了 Chan 对 Wiener 的核心批评。她认为，他已通过的安全措施弱于州长 Gavin Newsom 否决的一项早期法案。

Wiener 为已颁布的法律辩护，称其是一个可行的折中方案。他表示，该法建立了一个其他政府可以借鉴的模型，而非等待理想的联邦框架出现。

这番交锋之所以重要，是因为两位候选人都没有为现有监管状态辩护。这场竞选是在两种干预策略之间进行，而不是监管与放松监管之间的较量。

Connie Chan 的 AI 监管策略始于一项临时性的基础设施限制。其逻辑在于，数据中心会在社区获得可执行保护之前，先形成实体与经济层面的既定承诺。

Wiener 的策略则始于针对开发商和基础设施运营商的规则。其逻辑是，暂停建设可能会转移投资，却无法减少 AI 算力的根本需求。

因此，这场争论结合了官员们通常分开讨论的两个政策层面。一层管理 AI 模型、安全实践、事件报告与举报人；另一层管理训练和运行这些模型所需的电力、水、土地和设备。

将这两层联系起来改变了辩论。选民听到的不再只是对未来 AI 能力的抽象警告，而是有关实现这些能力所需建筑、电力系统和地方成本的竞争性方案。

为什么 Connie Chan 的 AI 监管从数据中心开始

Chan 将计算基础设施视为政府可以放缓 AI 扩张并争取更强保护措施的关键施力点。

Chan 支持在全国范围内暂停新建大型、以 AI 为重点的数据中心，直至国会制定全面规则。这些规则将处理这项技术带来的经济、环境和安全影响。

她的立场反映了一个简单观察：先进 AI 不只是由普通办公服务器分发的软件。训练并服务被广泛使用的模型，需要集中的算力、大规模电力基础设施、冷却系统和网络连接。

暂停令将在这些能力投入运营前对其加以限制。它将给立法者时间，决定哪些设施可以推进，以及其所有者应承担哪些义务。

在一份早期候选人问卷中，Chan 表示，美国可以继续保持 AI 领导地位，而无需将成本转嫁给工人和社区。她的完整立场由 Mission Local 概述，将暂停建设与国家规则相联系，而非无限期禁令。

这一区别很重要。Chan 并未将暂停令描述为完整的 AI 政策，而是将其作为获得完整政策的筹码。

她的做法建立在三项相互关联的担忧之上。

首先，新建数据中心可能增加区域电力需求。满足该需求可能需要新增发电、输电、变电站和其他电网升级。当家庭担心自己的电费将帮助资助为大型企业客户建设的基础设施时，争议就会随之而来。

其次，冷却系统可能需要大量水资源。具体负担因设施设计、气候、运营实践和电力来源而异。全国性暂停不会消除这些差异，但会在标准协商期间阻止更多项目推进。

第三，基础设施扩张会影响 AI 发展的速度和规模。Chan 将这种增长与就业替代、危险用途以及系统变得更难控制的前景联系起来。

她还提议在发生 AI 相关失业时向公司征税，并将所得用于工人再培训。这项政策将劳动力影响与技术安全及资源消耗并列考量。

正是在这里，Connie Chan 的 AI 监管方案与较狭义的透明度法律最为不同。信息披露可以让监管机构了解一家公司在做什么。事件报告可以在特定风险出现后提醒主管部门。但这两种措施都不会自动限制公司建设多少算力。

Chan 的立场认为，治理必须处理扩张速度，而不只是处理扩张发生后企业的行为。

这一主张对面临拟议设施的社区最具吸引力。居民往往面对的是立即的土地使用决策，而更广泛的问题仍未解决。他们可能不相信未来的联邦立法能够重新夺回在许可过程中让出的筹码。

其弱点在于地理替代。联邦暂停令将阻止美国境内受覆盖的项目，但公司可能会将资本投向其他国家。如果立法豁免这些设施，现有设施也可能继续运营或扩张。

因此，暂停令将高度依赖其定义。国会需要明确哪些设施符合条件、扩建是否计算在内、如何处理云服务提供商，以及暂停何时结束。

若缺少这些细节，该提议将是一项政治方向，而非完整的监管机制。它清楚界定了优先事项，但没有规定每一项实施选择。

Scott Wiener 的 AI 法律提供了另一种筹码

Wiener 认为，可执行的安全义务能够保留国内监管能力，而暂停令会促使企业在美国监管机构触及不到的地方建设。

Wiener 的回应源自他在加州两项重大前沿 AI 法案上的经验。第一项 SB 1047 旨在为高能力模型开发商设立更强保障措施。Newsom 于 2024 年 9 月否决了该法案。

该提案原本会要求受覆盖开发商采取安全实践，并保护其模型免受某些灾难性滥用。它也引发了围绕责任、开放开发、创新和监管设计的全国性争论。

否决并未结束 Wiener 的努力。加州后来于 2025 年颁布了 SB 53，即《前沿人工智能透明度法案》。

SB 53 要求大型前沿 AI 开发商公布有关其安全与安保框架的信息，也要求报告特定的重大安全事件，并保护披露严重风险的员工。

根据该法律，受覆盖开发商必须在 15 天内向 California Governor’s Office of Emergency Services 报告符合条件的事件。州总检察长可以针对违法行为寻求民事处罚。

该措施没有为 AI 系统造成的损害设立新的责任。这一限制使其有别于围绕 SB 1047 讨论的更广泛方案。

Wiener 官方的 SB 53 摘要将该法描述为一种将自愿安全承诺转化为公共义务的方式。它涵盖透明度、事件披露和举报人保护，但不会叫停模型开发。

因此，Scott Wiener 的 AI 法律比起算力，更直接地监管行为。它关注开发商知道什么、采取了哪些预防措施，以及必须披露哪些事件。

他反对数据中心暂停令也遵循同一理论。在美国境内建设的数据中心仍可受到联邦、州和地方法律约束；在海外建设的设施则可能超出这些执法体系的覆盖范围。

Wiener 曾警告称，公司已经在海外建设。在他看来，广泛暂停美国国内建设会牺牲监管筹码，却无法阻止全球 AI 发展。

他并不主张基础设施无序扩张。Wiener 表示，数据中心不应建在不合适的地点，也不应被允许推高家庭电费。他支持让运营商承担其造成的能源成本。

这一立场与加州的监管方向高度相似。2026 年 9 月，Newsom 签署了七项数据中心法案，涉及电力、用水、土地使用和地方审查。

该州的数据中心法律要求增加报告，并让运营商承担特定的基础设施成本。它们还限制了符合条件项目获得一揽子环境豁免的可能性。

其中一项措施要求拟建设施提供有关用水、供水、效率和抗旱规划的信息。另一项措施涉及电网升级，以及防止将成本转嫁给低收入客户的保护措施。

这些政策为 Wiener 提供了一个针对 Chan 所提暂停令的实际反例。它们表明，政府可以在允许建设的同时施加项目特定条件。

然而，这一比较并不完整。加州法律规范的是设施及其本地影响。SB 53 规范的是特定开发者和安全实践。两者都没有建立一个将新增算力、模型能力与经济影响联系起来的一体化全国体系。

Wiener 的立场假定，多项有针对性的规则能够共同管理扩张。Chan 则怀疑，这些规则既无法足够迅速地出台，也无法对企业形成足够强的约束。

这一分歧构成了本次辩论的主要对立结构。它不是 Chan 对抗技术，或 Wiener 对抗安全，而是“算力优先的暂停”与“行为优先的监管”之间的选择。

暂停令与有序扩张之间的权衡

暂停令提供了明确的刹车机制，而有序扩张则带来更大灵活性，也伴随着更高的监管漏洞风险。

Chan 的方案有一项直接优势：政府可以观察建设是否已经停止。该政策不依赖于解读企业的安全报告，也不需要判断某个自愿性框架是否充分。

暂停还可以防止决策变得不可逆。一旦公用事业公司批准新增负荷、地方政府批准大型设施，政治压力就会转向完成这些投资。

当社区缺乏有关用水量、备用发电、噪声、就业或费率缴纳人风险的可靠信息时，可能会更倾向于暂时克制。暂停能够在许可不断累积之前，为获取这些信息创造空间。

但同样的清晰性也会带来严重成本。

全国性暂停令需要在普通计算设施与面向 AI 的数据中心之间划出可辩护的界限。许多设施支持多种服务，包括搜索、存储、视频、企业软件和 AI 推理。

企业可能会重新设计项目，以低于法定门槛。云服务提供商可以将工作负载分散到多个地点。监管机构需要识别服务于 AI 的算力，同时不能阻碍无关的数字服务。

该政策还可能使已经控制大型设施的企业获得更集中的优势。建设冻结可能会提高现有产能的价值，同时限制较新的实验室和较小的竞争者。

这种影响将与 AI 监管的一项目的相冲突。监管应当降低公共风险，而不应悄然保护最大的既有企业免受竞争。

Wiener 的有序扩张方案避免了全国范围的叫停。它允许监管机构根据地点、资源需求、企业规模和模型能力调整要求。

它也可以随着证据的变化而演进。立法者可以调整报告门槛、公用事业规则和安全标准，而无需重新启动一项在政治上困难重重的全国禁令。

然而，碎片化监管会产生衔接缝隙。开发者、公用事业公司、云服务商、数据中心所有者和模型部署者可能各自控制风险的一部分。没有任何单一规则必然涵盖完整链条。

披露要求也依赖于核验。企业掌握的模型信息多于大多数监管机构，而高度技术性的评估可能产生存在争议的结果。

加州已通过扩大独立审查作出回应。2026 年 9 月的一项行政命令加快了认证核验机构以及可能由独立测试的前沿模型关停机制的相关工作。

该州将这一做法描述为强化现有框架，而非停止开发。其监管命令还要求更新应报告安全事件的定义。

这一行动支持了 Wiener 的主张：无需暂停令，监管也可以变得更加严格。它同样印证了 Chan 更广泛的担忧，即早期保障措施并不完整。

两位候选人实际上是在围绕推进顺序展开争论。

Chan 希望在又一轮基础设施获批之前，先制定具有约束力的全国规则。Wiener 则希望建设与监管同步推进，政府随着证据的发展不断收紧标准。

两种顺序都无法消除风险。

暂停可能导致项目外移、巩固既有企业优势，并且难以结束。有序扩张则可能快于立法进程，使社区在重大承诺已经作出后才被迫应对。

真正的检验标准并不是哪项提议听上去更审慎，而是哪种制度能够在模型开发者、基础设施所有者、公用事业公司和地方政府之间形成可执行的决策。

候选人的主张尚未解决的问题

辩论明确了政策分歧，但两位候选人都尚未提供足够的实施细节，以证明其中一种方法能够控制全部风险。

Chan 尚未公开提出其暂停令的完整立法文本。关于适用范围、豁免、执法和终止条件的重要问题仍未解决。

暂停是否适用于每一座新的超大规模设施，还是仅适用于主要面向 AI 的项目？是否包括现有园区的扩建？服务于大学或公共机构的设施是否可获豁免？

国会还需要制定解除暂停令的标准。仅设定截止日期，可能会在监管准备就绪之前重启建设。无限期暂停则会给公用事业公司、开发者和社区带来持续不确定性。

该提议对 AI 能力的影响也是另一个未解决问题。数据中心建设会影响可用算力，但算力并不会整齐地对应某一水平的模型性能。

效率提升可以让开发者从现有硬件中获得更多有用计算。企业也可以在训练、推理、研究和传统云服务之间转移工作负载。

暂停令会限制一种投入要素，但不会直接控制模型部署、访问或危险应用。

Wiener 的方案则面临不同的核验问题。透明度法律会披露框架和事件，但披露并不必然证明保障措施能够在压力下发挥作用。

SB 53 要求受覆盖企业提供重要信息。不过，其保障措施比 SB 1047 拟议的要求更为狭窄，而且没有针对 AI 造成损害设立新的责任。

这正是 Chan 批评的基础。一项法律即使具有历史意义，仍可能让重大风险处于其覆盖范围之外。

Wiener 将政治持久性视为回应。能够生效的较窄法律可以积累执法经验，并成为后续规则的基础。一项无法挺过否决的更广泛法案，则不会产生任何具有约束力的义务。

两种论点都值得审视。

妥协可以建立监管底线。如果立法者宣告问题已经解决，它也可能成为监管上限。反过来，要求建立一套完整制度，也可能推迟当下能够实现的保护措施。

竞选激励进一步复杂化了这场争议。Chan 受益于将 Wiener 描绘为对科技利益过于迁就。Wiener 则受益于将 Chan 的暂停令描绘为一种牺牲实际监管杠杆的粗放限制。

两人的履历又增添了一个维度。Wiener 可以指出已经通过的 AI 立法。Chan 则可以主张，立法通过并不证明由此产生的规则已经足够。

候选人此前围绕聊天机器人的争议也笼罩着讨论。在受到反对后，Wiener 的竞选团队撤下了一款旨在批评 Chan 的聊天机器人，Wiener 也在辩论中道歉。

该事件为候选人提供了一个 AI 被用于政治传播的直接案例。但它不应替代对其基础设施和安全提议的分析。

竞选聊天机器人涉及披露、冒充、偏见和选举规范。超大规模数据中心则涉及能源系统、土地使用、水资源和工业规划。相关技术存在交集，但其监管机制不同。

因此，最有力的怀疑性结论仍然有限。Chan 提出了明确的预防原则，但尚未形成完整的暂停令设计。Wiener 则展现了推动规则通过的记录，但尚未证明渐进式监管能够跟上 AI 的扩张。

读者应当抵制任何一方已经解决核心治理问题的说法。现有证据支持的是合理策略之间的冲突，而非已有定论的裁决。

将决定数据中心之争的三个信号

下一阶段将取决于立法细节、可衡量的执法，以及新项目是否将成本转嫁给周边社区。

第一个信号是正式的联邦暂停令提案。

如果立法界定了受覆盖设施、豁免、执法方式以及可衡量的退出条件，Chan 的立场将更具可信度。法案还应处理现有产能和海外替代问题。

如果缺少这些条款，该提议仍将是一种有效的竞选对比，却不是完整的治理方案。详细文本将显示，暂停令能否瞄准最大的 AI 项目，同时不冻结无关的计算基础设施。

第二个信号是加州 AI 法律的实施记录。

SB 53 的价值将取决于公开安全框架的质量、关键事件报告的处理方式，以及对举报人的保护。加州的独立核验倡议也将检验，审计人员能否在不依赖被审查企业的情况下评估先进系统。

有意义的披露或执法行动将加强 Wiener 对有序扩张的论证。薄弱的报告、长期拖延或狭窄解释，则会强化 Chan 的观点：渐进式规则缺乏足够力度。

第三个信号是加州新数据中心要求的本地影响。

公用事业公司和监管机构必须确定，运营商是否为电网升级和新增清洁能源支付费用。地方政府将获得更多关于水资源、土地和基础设施需求的信息。

在不转嫁成本的情况下推进的项目，将支持 Wiener 的方案。居民账单上涨、隐藏的资源需求或仓促批准，则会支持 Chan 呼吁暂停的主张。

这些检验的重要性超出旧金山。国会尚未建立一个涵盖前沿模型安全及 AI 开发背后实体基础设施的综合性联邦框架。

各州可以监管该体系的一部分，但州际市场和全球竞争限制了其覆盖范围。加州第 11 选区的下一任联邦众议员将带着独特授权进入这场尚未解决的联邦辩论。

对于开发者而言，结果将影响可用算力和合规义务。对于企业采购方而言，它将影响安全披露是否变得可比较且可独立核验。

劳动者面临再培训、岗位替代以及谁将获得 AI 生产率收益的问题。居民则面临有关电力、水资源、土地、污染和地方权力的抉择。

Connie Chan 的 AI 监管提议提出了一个问题：在综合规则尚未建立之前，社会是否应批准更多基础设施。Wiener 则追问，叫停国内项目是否会放弃监管机构所需的关键杠杆。

关注细节，而不是口号。可行的政策必须将算力增长与可执行的安全义务、透明的资源成本和独立监督联系起来。任何只处理该体系某一部分的方案，都会让核心冲突悬而未决。