Josh Shapiro 的 AI 保障措施挑战华盛顿“速度优先”战略
Josh Shapiro 于 9 月 17 日呼吁制定严格的联邦 AI 护栏，挑战了华盛顿偏好加快开发、减少监管障碍的立场。根据 Bloomberg 对其讲话的报道，这位宾夕法尼亚州州长希望对构建先进人工智能系统的公司实施独立监督、更高透明度及安全要求。
Josh Shapiro 的 AI 保障措施提案不只是又一次针对假设性技术风险的警告。它将模型监督与涉及儿童、职业身份冒充、电力成本、用水量及数据中心地方控制权的即时争议联系起来。
这一立场使 Shapiro 与特朗普政府形成分歧，后者强调快速发展与更少监管障碍。Shapiro 认为，这种表述制造了一种错误选择。他表示，美国可以获取 AI 的经济收益，而不必要求公众接受每一种风险。
Bloomberg 的报道确认了 Shapiro 在匹兹堡活动上倡导的内容；宾夕法尼亚州官方文件则记录了其政府已经实施的措施。这是两个不同类别。其所要求的联邦护栏仍属提案，而宾夕法尼亚州的行政命令、机构举措、诉讼及待决立法，则各自具有不同的法律地位与限制。
Josh Shapiro 的 AI 保障措施将辩论推向国会
Shapiro 正要求国会为 AI 公司设立可执行的义务，而不只是再发布一份自愿性框架。
Shapiro 在匹兹堡举行的 AI Horizons 2026 Summit 上发言时，敦促国会及联邦政府为人工智能建立严格护栏。根据其政府发布的 预备演讲官方文字稿，其核心诉求包括独立第三方监督、更强透明度，以及要求企业将安全更置于开发核心的位置。
独立监督是指由不构建或销售受审查系统的机构进行评估。它可以包括测试、文档审查、安全评估，以及核验公司提出的风险主张。
从技术角度而言，此类评估可审查开发者是否识别了可预见的危害、在现实条件下衡量性能、记录局限性、监测事件，并明确整改责任。这些职能大致对应于 National Institute of Standards and Technology 的 AI Risk Management Framework 中的治理、映射、衡量和管理活动，尽管 Shapiro 尚未公开明确表示国会应将 NIST 框架作为法律标准采纳。
这一差异很重要，因为有关先进模型的大量可用信息仍来自其开发者。公司自行决定发布哪些基准、如何界定严重风险，以及披露多少内部测试细节。
第三方要求并不会自动解决这些问题。但它将减少开发者自行评判工作成果、并自行选择向政策制定者提交证据的空间。
实际差异会在采购环节显现。一家考虑采用 AI 助手的医院，目前可能只会收到汇总准确率评分和供应商撰写的安全声明。合格的外部审查则可测试医疗提示词，识别系统性能下降的群体或情境，记录系统是否会编造引文，并核实不确定的回答是否会升级交由临床医生处理。
在预备演讲中，Shapiro 形容自己对 AI 的机遇持乐观态度，同时认为新兴危害需要政府作出更强有力的回应。他也拒绝接受 AI “doomer”这一标签，该术语通常用于形容预期先进系统会造成灾难性伤害的人。
他所表达的立场更为狭窄，也具有更重要的政治意义。在政府要求测试、披露与问责之前，AI 并不需要构成不可避免的灭绝风险。
这种做法将采取保障措施的理由扩展到单一戏剧性情景之外。一个模型无需成为自主的全球性威胁，便可能通过误导性建议、歧视性决策、隐私失误、安全弱点或不可靠输出造成实质伤害。
这场演讲还改变了举证责任由谁承担。纯粹的宣传式政策假定，限制措施需要非常充分的理由。Shapiro 的做法则要求开发者证明，高影响系统在公众承担其风险之前已经受到有意义的审查。
其提案仍是一项政策诉求，并非已经生效的联邦法律。国会仍需界定哪些系统须接受审查、谁有资格担任独立评估者、评估者可获取哪些证据，以及哪些发现必须公开。
这些尚未解决的细节至关重要。然而，Shapiro 的介入为联邦立法者设立了一项明确检验：全国 AI 政策是否会施加可衡量的义务，还是将主要继续依赖公司承诺。
宾夕法尼亚州州长为何此时向华盛顿施压
宾夕法尼亚州正将 AI 视为实体设施、消费者与行政管理问题，这使抽象的保证越来越难以辩护。
该州正通过多个不同渠道面对这项技术。AI 聊天机器人可以与儿童互动并提供与健康相关的回应。州政府雇员在公共管理中使用生成式工具。开发商也希望建设训练和运行更大模型所需的高耗能基础设施。
这些问题并不能整齐地归入单一技术政策之中。它们涉及职业执照、消费者保护、教育、电力监管、环境许可、劳动以及地方政府权力。
Shapiro 政府在匹兹堡演讲前便开始收紧相关做法。2 月，该政府宣布推出 AI 素养工具包，并协调宾夕法尼亚州教育、卫生、公共服务、州务、老龄及金融机构参与监督工作。
政府的 官方 AI 安全倡议 为父母、学生、教师、照护者和消费者提供了资源。该倡议还引导居民使用投诉程序，举报看似提供持证专业服务的 AI 陪伴机器人。
对一个家庭而言，这种区别可能出现在普通对话中，而非明显的医疗咨询场景。一名青少年可能向陪伴机器人询问抑郁症、饮食失调或药物，并收到以治疗师或医生口吻写成的自信回答。家长或许看不到任何警告，提示该回答是在没有持证专业人士审查孩子具体情况的前提下生成的。
这一倡议将素养视为必要但不足的措施。教导用户识别不可靠系统能够减少遭受伤害的风险。但当一款产品虚假地将自己呈现为医生或其他受监管专业人士时，这并不能免除开发者的责任。
宾夕法尼亚州随后起诉 Character.AI，指控其聊天机器人非法自称为持证医疗专业人士并提供医疗建议。在正式文件 Commonwealth of Pennsylvania, Department of State, State Board of Medicine v. Character Technologies, Inc. 中，该州寻求初步禁令，并指控其未经授权行医。Commonwealth 提交的起诉书 中的指控仍有待裁决。Character Technologies 的责任尚未被确定，该文件反映的是 Commonwealth 的指控，而非司法认定。
不过，该案件说明了 Shapiro 如今为何强调问责，而不只是用户教育。它提出的问题是：当表面上的“说话者”是生成的角色而非人类从业者时，现有职业许可规则能否适用于一项 AI 服务。
州长在数据中心开发问题上也遇到了阻力。这些设施将 AI 辩论转化为居民能在电费账单、分区通知及环境许可申请中看到的问题。
8 月，Shapiro 签署了 Executive Order 2026-05。该命令将州政府对新数据中心的支持与能源、环境、劳动力、透明度及社区要求挂钩。
根据政府对 Executive Order 2026-05 的官方说明，宾夕法尼亚州将 AI 数据中心提案移出其快速许可计划，禁止在这些项目中使用保密协议，并要求在签发符合条件的许可前获得地方批准。该命令还要求开发商签订具有约束力的同意协议，将该州的 GRID 要求纳入其中。
寻求州政府合作的开发商，必须根据州长的 Responsible Infrastructure Development 要求作出具有约束力的承诺，该要求被称为 GRID。这些承诺包括承担与项目相关的基础设施成本，而非将其转嫁给其他电力用户。
运营商还必须报告能源和用水信息。该州表示，将维护一张与环境监管机构接洽过的提案公开地图。
对居民而言，这些要求决定了他们能否在重大决定实际敲定前了解拟建设施。否则，附近住户可能直到收到分区通知，或听到电力需求将上升的预测后才得知该项目。公开项目地图、披露的资源估算以及地方审批程序，为居民提供了可在听证会上使用的信息，尽管这些工具并不能保证每一项反对意见都会获得支持。
这些措施并不等同于禁止 AI 开发。它们为会给所在地社区带来可识别成本的项目设定了条件。它们同样仍有赖于州机构的实施，并可能面临有关行政权力范围的未来法律挑战。
这一记录解释了 Shapiro 提出联邦诉求的时机。宾夕法尼亚州已在尝试管理国会常常作为未来可能性讨论的后果。州机构正面临聊天机器人投诉、基础设施提案、职业身份冒充担忧，以及政府内部使用 AI 的决策。
眼下的压力落在联邦立法者和主要 AI 开发商身上。国会必须决定，各州是否应继续作为保障措施的主要试验场。开发商则必须决定，是支持一致的监督，还是继续反对限制部署的规则。
核心争议是安全问责与部署速度
核心冲突并非创新与禁止之间的对立，而是问责式发展与一种将监管阻力视为战略弱点的政策之间的分歧。
特朗普政府将 AI 领导地位描述为一场国际竞赛。其政策优先推动私营部门快速发展、扩大应用、建设基础设施，并清除被视为不必要障碍的规则。
这一论点具有经济与国家安全层面的说服力。零散的州级要求可能抬高合规成本，尤其会影响小型企业。围绕当前技术制定的规则，也可能随着模型架构和应用方式的变化而迅速过时。
政府的国家 AI 立法框架呼吁建立一致的联邦政策，并认为相互冲突的州法律可能削弱美国竞争力。同一文件还要求国会处理儿童安全、AI 赋能欺诈、国家安全以及数据中心对居民电价缴纳者的影响。
白宫寻求获得挑战其认为过度的州法律的权力。其公开立场是，AI 发展涉及州际和外交政策影响，单个州无法有效应对。
Shapiro 同意联邦行动是必要的，但他对这种行动应实现什么目标持不同看法。在他看来，国家标准应建立安全底线，而不应主要成为限制州权力的上限。
这种差异构成了本文的核心权衡。统一性可以简化合规，但薄弱的统一标准也可能阻止各州应对国会尚未处理的伤害。
当联邦政策将产品监管与传统上由各州控制的领域分开时，这一争议会更加尖锐。白宫框架保留了各州对普遍适用的儿童保护法律的执法权，并承认州和地方对分区规划及数据中心选址的权力，同时反对相互冲突的州级 AI 开发监管。
这些类别在实践中可能重叠。以提供危险健康建议的聊天机器人为例。宾夕法尼亚州可以执行专业执照和消费者保护法律。然而，降低根本风险可能需要制定有关模型评估、部署测试、披露或访问控制的规则。
主要侧重于优先权排除的联邦框架，可能使各州对后果负责，却限制其监管造成这些后果的技术和商业决策的能力。
Shapiro 对独立监督的要求正是针对这一缺口。它将在开发链条更早的阶段明确责任，而不是等到州调查人员收到投诉，或家庭不得不证明伤害已经发生之后。
同样的逻辑也适用于透明度。监管机构若不了解公司如何测试保障措施、出现了哪些局限，以及哪些部署条件发生了变化，就无法评估该保障措施是否有效。
不过，透明度并非一个单一开关。公开每一项技术细节可能暴露安全弱点、商业机密，或为恶意行为者提供帮助的信息。有效立法需要为监管机构、合格审计人员、研究人员、企业客户和公众设置不同的信息渠道。
独立监督也面临类似的设计问题。由被审查公司付费的审计人员，可能面临削弱独立性的激励。少数获批评估者也可能形成瓶颈，或产生遗漏异常风险的标准化审查。
因此，一个可信的体系需要利益冲突规则、最低测试能力要求、对非公开证据的受保护访问，以及让监管机构审查评估者工作的方法。轮换要求或随机分配可减少对单一客户的依赖，尽管每种方案都会增加成本和行政复杂度。
这些挑战并未否定 Shapiro 的方法。它们说明，国会必须界定具体机制，而非通过一部围绕安全和责任等宽泛术语构建的法律。
Josh Shapiro AI 保障措施的真正衡量标准，将是它们能否在部署前形成可靠证据。如果政策只会产生合规报告，它只会增加文书工作，而不会改变激励机制。
州级行动展现了 AI 护栏的潜力与局限
宾夕法尼亚州可以应对本地伤害，但无法独自为全国性技术市场建立完整的监督体系。
该州近期行动表明，有针对性的监管能够实现什么。专业执照法律可以处理那些将自己表现为医生的系统。消费者保护机构可以调查欺骗行为。教育主管部门可以为学生和教师制定指导方针。
地方和州政府还直接拥有土地使用、许可、环境条件和基础设施支持方面的权力。即使对其他地区的模型开发影响有限，这也赋予宾夕法尼亚州对数据中心实质性的影响力。
8 月的行政命令谨慎运用了这种影响力。它并未声称每个数据中心都不安全。它区分了愿意接受可执行社区要求的项目，以及寻求公共支持却不愿承担相应义务的投机性提案。
根据该州公告，支持者包括劳工和社区代表；他们认为，在不受限制的建设与全面暂停之间存在一条可行道路。宾夕法尼亚州建筑与施工行业委员会支持 GRID 原则，认为这是一种在解决能源、环境和社区问题的同时维持发展的方式。
这一联盟很重要，因为 AI 基础设施争论往往使经济利益和环境利益相互对立。建筑行业希望获得就业机会，市政当局希望获得投资，而居民则希望免受成本上涨或资源耗竭的影响。
基于要求的方法让每个群体都有具体事项可供评估。开发商接受明确条件后即可推进。社区获得信息和正式参与角色。劳动者可以争取本地招聘承诺。
然而，行政行动存在局限。未来政府可以修改行政命令。机构可能因许可条件的权限范围而面临法律挑战。州级规则也无法强迫位于其他地区的开发商披露其模型的每一项重要事实。
立法具有更大的持久性，但宾夕法尼亚州的经验表明，即使是有针对性的提案也可能推进缓慢。参议院第 1090 号法案涉及 AI 与儿童互动时的披露和保障措施，于 2026 年 3 月 17 日以 49 比 1 获州参议院通过。
该法案随后移交众议院通信与技术委员会。其官方立法记录记录了投票及后续转交情况。截至 2026 年 9 月 19 日，该法案尚未完成众议院程序，也尚未成为法律。
这正是联邦不作为不会产生一个没有监管的市场的原因之一。它产生的是由行政命令、旧消费者法律、诉讼、机构指导意见和有针对性的州法案拼凑而成的体系。
企业仍面临不确定性，但规则是在冲突和执法行动之后出现，而非通过连贯的国家体系形成。
开发商还跨越具有不同标准的行业运营。通用聊天机器人可能用于娱乐、教育、就业、健康咨询或金融决策。即使底层模型保持不变，风险也会随场景而变化。
因此，可行的联邦法律必须区分能力与用途。当一个系统可能实质性影响健康、安全、就业、信贷、公共福利或关键基础设施时，监督应变得更严格。
这一原则同样适用于组织内部。采用 AI 的团队需要记录源材料、模型局限性、审查决策以及自动化工作流程的变更。可搜索的工程知识库可以支持这项工作，但文档不能取代外部问责。
在实践中，采购团队可能看到供应商的准确率评分，却没有获得显示其在医疗问题或特定用户群体中表现恶化的细分数据。客户支持团队也可能直到用户开始报告有害回答后，才发现模型更新削弱了升级处理规则。独立审查可以在这些缺口演变为常规性失败之前将其暴露出来。
同样的问题也可能在部署后出现。员工可能得知系统已更新，却没有获得关于变更内容的可用说明。如果早期版本会可靠地将自残信息转交给人工审查人员，而后续版本不会，那么版本号和笼统的发布说明无法向支持团队提供足够信息来管理新风险。
公司可能保留出色的内部记录，却选择不披露严重弱点。反过来，披露要求也可能产生数千页几乎没有可用信息的材料。
Shapiro 提案最有力的版本，会将文档与行动连接起来。评估者应能识别问题，在明确的法律程序下要求或建议补救措施，并核实变更是否有效。当开发商拒绝接受重要发现时，监管机构还需要有权介入。
如果没有这条执法链，“独立监督”就有可能沦为附着在普通用户无法进行有意义检查的系统上的又一个信任标签。
更严格的监督仍留下难以回答的问题
Shapiro 已指出问责缺口，但他的公开提案尚未回答由谁审计、测试什么，以及失败后会发生什么。
第一个不确定性涉及范围。国会可以将监督适用于所有 AI 产品、仅适用于最大的通用模型，或适用于特定的高影响用途。
过于宽泛的规则会将简单的商业软件纳入为前沿系统设计的高成本流程。过于狭窄的规则则会让公司重组产品，或维持在技术门槛以下，同时仍影响数百万用户。
立法者还需要一种持久的方式来界定覆盖系统。固定的计算阈值便于衡量，但效率改进可能使其过时。用户数量能反映覆盖范围，却不能反映严重程度。能力测试可以更好地捕捉风险，尽管开发商可能围绕已知评估来优化模型。
第二个不确定性是评估者独立性。国会需要制定利益冲突规则、认证标准、访问要求和处理机密信息的程序。
审计人员必须获得足够的技术访问权限，才能测试具有实质意义的主张。精心包装的演示或受限界面无法揭示系统在对抗性压力下、微调后或连接外部工具时的行为。
例如，一个在聊天窗口中看似无害的办公助手，一旦能够打开电子邮件、检索文件或发起交易，其行为可能不同。现实的评估应测试完整的部署工作流程，包括嵌入文档中的恶意指令是否能够重定向系统，或暴露另一名用户的信息。
然而，向评估者提供无限访问权限也会带来真实的安全和知识产权问题。法律必须建立安全测试环境，并对不当处理敏感信息施加处罚。
第三个问题是披露。Shapiro 希望提高透明度，但不同受众需要不同材料。
消费者需要在与 AI 互动时获得明确提示，并知道其建议何时不具备专业执业许可。企业采购方需要有关可靠性、安全性、数据处理和监控的证据。监管机构需要事件报告、内部测试结果，以及足够的技术文档来调查相关主张。
公众还需要了解严重故障的汇总信息。否则，研究人员和记者将无法识别不同公司或产品之间的共性模式。
第四个问题涉及补救措施。如果一家公司可以在不解决已发现弱点的情况下部署系统，那么发现弱点意义不大。
国会必须决定监管机构是否可以推迟发布、要求施加限制、下令通知、实施监控，或要求从高风险用途退出。每种选择都会引发程序和宪法层面的问题。
对于明显危险的健康产品，强制暂停可能是合理的。但若将同样的补救措施用于通用写作助手，则更难辩护。
还存在一个风险：合规要求会巩固最大公司的优势。大型开发商可以建立审计团队、聘请专业法律顾问，并承受延期成本。较小公司可能难以承担同样的固定成本。
如果这些规则只是在未带来更好安全保障的情况下保护主导企业，这样的结果将尤其适得其反。国会可以考虑共享测试资源、分层义务，以及随系统覆盖范围、能力和用途而调整的标准。
州级监管的批评者在警告义务不一致时提出了一个合理观点。公司不应当针对同一个模型接受 50 种实质不同的技术审计。
不过，这一论点支持建立可信的国家标准。它本身并不能证明，在尚无充分联邦替代方案之前，就应取消州级规则。
缺乏强有力联邦执法的联邦优先权，将把权力从各州转移给开发商。若联邦优先权与有意义的监督相结合，则可同时提供一致性与问责机制。
最后一个不确定因素涉及国际协调。先进系统跨越国界，许多供应链涵盖外国研究、芯片、数据、云服务和用户。
Shapiro 批评了 AI 治理中的孤立主义做法。与盟友协调可以支持共同的评估方法和事件报告，也能降低公司将高风险工作转移至监管要求最低司法辖区的可能性。
国际合作不会消除政治分歧，但仍可以为测试安全性、可控性和滥用风险建立共同的技术语言。
审慎的结论很直接：Josh Shapiro AI safeguards 是一个方向，而非一套已经完成的监管设计。其价值取决于演讲留待国会解决的细节。
三个信号将显示 Shapiro 的挑战是否重要
下一项考验在于，Shapiro 的提议是否会改变联邦立法、开发商行为，或宾夕法尼亚州的执法记录。
第一个信号是国会正在推进的任何联邦 AI 法案的内容。关键不在于立法者是否使用“安全”一词，而在于立法是否要求独立评估、赋予监管机构获取证据的权限、界定适用系统，并为严重故障设定后果。
联邦优先权条款同样重要。若一项法案阻止州级行动，同时保留薄弱的自愿承诺，就会与 Shapiro 的立场相悖。若联邦设立底线，同时保留各州在传统消费者保护、儿童安全、许可和基础设施方面的权力，则会强化这一立场。
读者应区分讨论草案、已提交法案、获委员会批准的措施和已颁布的法律。它们分别代表不同程度的法律后果；有关框架的公开声明本身并不会向开发商施加义务。
第二个信号是领先开发商如何回应独立监督。公众支持安全测试的情况很常见，但公司往往会在强制访问、公布要求和执法问题上存在分歧。
有意义的改变将包括支持具备资质的外部评估人员审查非公开证据。另一个迹象是对严重事件进行标准化报告，并在产品进入高影响场景时作出明确披露。
仅靠自愿行动无法替代法律。它可以揭示行业是否将可信监督视为与竞争相容，还是视为对部署速度不可接受的限制。
第三个信号来自宾夕法尼亚州本身。该州必须证明其数据中心条件和消费者保护措施在实践中有效。
关注开发商是否签署具有约束力的 GRID 承诺、获得地方批准，并报告能源与用水情况。还要关注该州的公共项目地图是否向社区及时提供信息，而不是在决策已变得难以改变之后才记录这些决定。
相关证据将是具体的：已公布的项目地点、同意协议、资源使用报告、执法通知、地方听证记录，以及针对不合规行为的有据可查的处罚。仅凭公告无法显示该行政令是否改变了开发商行为，或是否保护了费率缴纳者。
围绕 AI 陪伴机器人开展的执法将提供另一项实践检验。当对话系统看似提供专业建议时，法院和机构将决定现有许可与消费者法律如何适用。
若裁决接受宾夕法尼亚州的法律理论，可能表明现行法律能够应对部分 AI 伤害。若因管辖权、平台豁免、诉讼资格或不明确的法定定义而驳回案件，则可能加大对针对性立法的压力。在法院作出裁决之前，任何一种结果都仍不确定，且不应将起诉书视为责任成立的证明。
对开发商和企业采购方而言，这场辩论改变了采购预期。组织应预计会面临更多关于模型测试、事件响应、训练数据治理、人工审查、版本变更和第三方访问的问题。
例如，学区可能需要了解面向学生的聊天机器人是否存储敏感对话、如何处理自残披露，以及由谁接收警报。使用 AI 筛选求职者的雇主可能需要按子群体划分的表现数据，以及人工申诉流程。部署自动化助手的公用事业公司可能需要证明，该助手不会虚构缴费规则或停供政策。
知识工作者也应当关注，因为安全政策决定了不可靠输出的成本由谁承担。没有明确的问责机制，用户和雇主必须在部署后发现故障。更严格的规则可以将部分责任重新转移给设计和销售这些系统的公司。
Shapiro 的论点最终提出了一个问题：速度是否应继续作为衡量国家 AI 成功的默认标准。更快的模型和更多基础设施可以创造经济价值，但也可能更快地扩散风险。
未来一到三个月将显示，华盛顿是否会将他的干预转化为立法文本，还是仅将其保留为一项公共政策诉求。读者应关注法案措辞、机构权限、法院记录和实施数据 - 而非口号 - 并提出一个直接问题：最终的 Josh Shapiro AI safeguards 是否赋予独立审查人员足够的访问权限和权力，以便在公众承担代价之前识别严重问题？
