Letitia James AI 吹哨人警示令前沿实验室保持警觉

纽约州总检察长 Letitia James 于 9 月 17 日发布 AI 吹哨人警示，引导业内从业者使用州政府的保密举报渠道。此举旨在收集有关可能危及纽约人的不安全或非法 AI 开发活动的信息。

这项公告包含一项重要澄清：James 并未推出一个专门针对人工智能的新网站。她的办公室正在招募 AI 行业内人士使用纽约州于 2019 年推出的加密吹哨人系统。

这一区别并未削弱此举的重要性，反而使其影响更为深远。在《RAISE 法案》生效前数月，纽约州正将一个成熟的调查渠道与新的执法框架连接起来。

眼下的角力发生在寻求证据的州调查人员与仍掌握其模型大部分信息的 AI 公司之间。这些公司会发布安全报告并维护内部举报机制，但监管机构很少能看到每一项测试、每起事件或每项被放弃的安全措施。

纽约州如今希望员工、承包商及其他内部人士协助弥合这一信息缺口。他们是否会信任州政府的举报渠道，仍是核心问题。

Letitia James AI 吹哨人警示使用现有门户

纽约州改变了现有举报渠道的用途和紧迫性，而非建立一个仅面向 AI 的投诉系统。

总检察长的行业警示邀请了解 AI 公司情况的从业者举报潜在违法行为。其中明确指出，网络安全、经济及其他安全风险将受到密切关注。

这一请求涵盖的不只是公开丑闻或消费者投诉，也寻求掌握模型如何被开发、测试、保护或部署的人士所持有的信息。

这类人士可能包括评估过危险能力的研究人员。安全工程师或许掌握未报告的数据泄露或访问控制不足的证据。产品团队成员可能了解公司是否在发布前无视已有记录的风险。

该警示并未点名任何公司，也未指称某个特定开发商违法。它同样没有宣布调查、诉讼或执法和解。

相反，它是一项收集证据的邀请。James 正在告诉内部人士，纽约州已经设有一个渠道，用于接收原本可能留在企业系统内部的信息。

底层的安全门户支持匿名提交和双向沟通。用户会获得一个秘密代码，可在不提供身份信息的情况下接收后续消息。

希望获得更强匿名性的人必须安装 Tor Browser，并访问该门户的 onion 地址。Tor 会通过多个中继节点路由流量，有助于隐藏用户的位置和网络信息。

提交表单要求填写主题、描述及任何支持文件。这种简明格式让从业者可以提供文件，同时与调查人员持续沟通。

不过，总检察长办公室自身的说明包含一项关键警告：传输过程可以匿名，但提交的内容并不保证保持匿名或保密。

文件可通过元数据、措辞、访问记录，或仅少数员工知晓的细节暴露其作者身份。调查人员也可能需要在法律程序中使用相关信息。

因此，潜在吹哨人面临两个独立问题：他们必须评估沟通渠道的安全性，以及证据中包含的身份线索。

纽约州首次于 2019 年 10 月 2 日宣布该吹哨人系统。当时，该办公室将其描述为一个用于加密文件传输和匿名双向沟通的开源平台。

2026 年的警示将这套基础设施用于一个更具体的执法挑战。先进 AI 系统难以供外部人士审查，而员工可以直接观察测试、事件和内部决策。

因此，这是一项制度性而非技术性的变化。纽约州已将 AI 开发纳入该门户的执法范围，并公开呼吁内部人士站出来。

为什么纽约州现在向 AI 从业者发出呼吁

这一时机将当下的自愿举报，与 2027 年 1 月 1 日生效的更强披露和执法权力联系起来。

纽约州《负责任 AI 安全与教育法案》，通常称为《RAISE 法案》，适用于大型前沿模型开发商。前沿模型是能力极强的通用系统，其规模可能带来不同寻常的安全担忧。

该法律要求受覆盖的开发商公布其安全框架信息，也针对特定形式的重大伤害设立了事件报告义务。

州长 Kathy Hochul 于 2025 年 12 月 19 日签署该法案。该州的《RAISE 法案》摘要称，受覆盖的开发商在确定事件已经发生后，必须在 72 小时内报告符合条件的事件。

该法案还在纽约州金融服务部内设立监督办公室。该办公室将评估大型前沿开发商并发布年度报告。

当受覆盖的开发商未提交所需报告或作出虚假陈述时，James 将可提起民事诉讼。州政府材料列出的首次违规罚款最高可达 100 万美元。

后续违规的罚款最高可达 300 万美元。这些金额针对的是违反《RAISE 法案》的行为，而不仅仅是收到吹哨人投诉这一事实。

9 月的警示在法律生效前约三个半月发布。这段时间使总检察长办公室得以吸引证据、了解举报模式，并为执法做好准备。

现有法律已赋予该办公室其他行动路径。该警示援引纽约州《SHIELD 法案》，该法要求为私人信息采取合理的数据安全保障措施。

该办公室还指出了隐私保护及针对计算机滥用、黑客攻击和欺诈的法律。因此，若投诉描述的行为已受其他法律覆盖，便无需等到《RAISE 法案》生效。

这为 AI 公司形成了两条时间线。

第一条时间线涉及当前的法定义务。安全失误、隐私违规、欺骗性行为或计算机犯罪已经可能引来审查。

第二条涉及新的前沿模型框架。自 1 月起，受覆盖的开发商必须遵循更明确的透明度与事件报告规则。

内部人士的记录可以连接这两条时间线。内部消息可能显示高管何时得知某起事件、他们如何对其分类，以及是否随后提交了所需报告。

这类证据之所以重要，是因为 72 小时报告规则取决于公司对事件已经发生的认定。争议可能围绕员工知道什么、组织何时知情，以及决策者如何描述该事件而出现。

这项警示将从业者置于执法机制之中。监管机构并不只依赖公司的最终公开报告或经过润饰的安全框架。

他们正在寻求与其背后流程有关的证据。

内部 AI 安全体系如今面临外部检验

首要矛盾已不再是 AI 公司是否拥有举报渠道，而是内部系统披露的信息是否足以满足外部监管机构的要求。

多家大型 AI 开发商设有安全团队、事件处理流程、评估项目和内部举报渠道。这些体系能够在部署前发现问题，并将担忧转交给技术或法律专家。

例如，OpenAI 表示，员工可以向管理人员、人力资源、合规团队、法务人员或 24 小时诚信热线反映问题。该公司还表示，禁止因提出受保护的担忧而进行报复。

这些体系具有合理的运营价值。技术报告往往需要外部调查人员不具备的背景信息，而内部团队有时能够迅速作出响应。

但内部审查和监管披露解决的是不同问题。公司自行决定内部机制如何配备人员、哪些发现会被升级处理，以及哪些信息会公开。

州政府门户从雇主手中移除了这种控制权。当从业者认为内部审查失败、可能遭受报复或发生违法行为时，它为他们提供了另一处举报途径。

这种压力在前沿 AI 开发领域尤为强烈。一家公司可能独占有关模型训练过程、评估、安全控制和危险能力的信息。

外部研究人员通常无法复现每一项测试。客户无法查看内部事件日志。监管机构往往依赖同一家面临商业压力的组织所作出的披露。

这种信息不对称多年来一直塑造着 AI 吹哨人争论。

2024 年 6 月，13 名主要与 OpenAI 和 Google DeepMind 有关联的现任及前任员工签署了一项要求加强保护的公开呼吁。一篇独立报道称，该组织希望拥有向监管机构、董事会和公众发出警告的权利。

签署者认为，员工可能掌握政府和民间社会无法获得的重要风险信息。他们还警告称，经济激励可能阻碍有意义的监督。

OpenAI 回应称，它已为员工提供表达担忧的途径，包括匿名诚信热线。该公司还强调了严谨辩论的重要性。

这些立场并非完全不相容。一家公司可以维持可信的内部控制机制，同时政府也可提供外部举报渠道。

当内部结论与外部证据出现分歧时，冲突便会浮现。一名员工可能将测试结果视为严重警告，而管理层则认为风险可以控制。

监管机构随后可能需要原始评估、决策记录和通信内容，以判断公司是否遵守了适用法律。仅凭企业保证无法解决这一事实争议。

纽约州此举向 AI 开发商传递了一个信号：内部记录可能独立地送达总检察长办公室。它也为合规团队提供了另一个理由，要求他们记录担忧是如何被接收和解决的。

这种压力不限于直接从事模型工作的研究人员。法务、安全、政策、运营和产品员工都可能观察到与调查相关的决策。

承包商也可能掌握重要记录。不过，任何法律保护的范围取决于个人具体情况及适用于该披露行为的法律。

该门户本身并不会将每一起职场纠纷都转化为受保护的吹哨人行动。它也不意味着每一次 AI 安全分歧都涉及违法行为。

它只是提供了一条提交证据的途径。调查人员仍须判断相关事实是否属于其权限范围。

加州展示了专门 AI 举报系统的样貌

纽约正将一个覆盖面广的举报人门户与即将出台的 AI 规则结合起来，而加州则建立了更具针对性的法定举报渠道。

加州《前沿人工智能透明度法案》提供了最清晰的州级比较。该法律要求大型前沿 AI 开发商公开说明其应对灾难性风险和重大安全事件的方法框架。

加州还明确了适用范围内的员工，即负责评估、管理或应对基础模型风险的人员。这些员工可向指定接收方披露特定危险或违法行为，其中包括州总检察长。

加州司法部为这类员工提供了专门的举报类别。其 AI 风险指引指出，前沿开发商不得阻止受保护的披露，也不得因员工进行此类披露而实施报复。

加州还必须每年公布关于员工举报的匿名化汇总信息。这一要求可能让公众了解该渠道的使用频率。

纽约州 9 月的警示在邀请范围上更广，但呈现方式上专业化程度较低。它引导员工使用总检察长的一般举报人基础设施，而非 AI 专项提交类别。

这种方式提供了灵活性。涉及隐私、网络安全、欺诈或其他现有法律的问题，无需被纳入狭窄的前沿风险定义。

然而，覆盖面广也可能给员工带来不确定性。他们可能无法立即判断某项技术安全担忧是否构成违法行为，或是否应提交给其他监管机构。

门户页面本身说明了如何提交信息，但未提供 AI 专项分类体系。它没有列出模型风险示例、适用岗位职能，或适用于各类问题的证据标准。

加州的体系为特定类别的员工和风险提供了更明确的指引。纽约的体系则可以接收更广泛的指控，并由调查人员对其进行分类。

这两种设计都无法消除核心难题。只有当内部人员理解、信任举报渠道，并相信使用该渠道会带来有意义的审查时，举报渠道才有价值。

两州也正在为全国性运营的公司形成重叠的预期。一家前沿开发商可能在模型开发所在地面临一套框架，又在其产品影响居民的地区面临另一套框架。

这种重叠可能促使公司采用统一的全国合规标准。随着举报义务不断扩大，为每个州维持完全独立的事件处理流程将变得困难。

它也可能引发有关定义和管辖权的争议。公司可能会质疑自身是否属于受监管开发商，或某一事件是否达到适用门槛。

对合规负责人而言，最稳妥的运营应对措施是做好审慎记录。团队需要保留记录，说明进行了哪些评估、由谁审核结果、事件如何分类，以及为何进行了披露或未予披露。

如果监管机构日后质疑公司的决定，这些记录可以为公司提供支持。它们也可以支持那些认为既定流程被忽视的举报人。

结果是问责机制正在发生一场低调转变。AI 安全框架正从自愿声明转向可在调查中接受检验的记录。

匿名渠道并不能消除举报风险

该门户降低了通信风险，但无法保证匿名性、法律保护或调查一定成功。

Tor 可以增加追踪提交信息网络来源的难度，但无法消除嵌入文件或周边事实中的身份识别信息。

一份测试报告可能包含作者字段、时间戳、修订历史或不寻常的格式。截图可能暴露账户名称、浏览器细节、内部项目标识符或通知横幅。

即便是一段普通描述也可能暴露来源。如果只有三人参加过某次会议，详细叙述可能会立即缩小可能的人选范围。

总检察长明确警告，内容并不保证始终匿名和保密。员工不应将安全传输理解为对之后所有使用方式的绝对承诺。

法律保护也各不相同。传统举报人法规通常侧重于涉嫌违法、欺诈、公共安全或特定监管义务。

AI 从业人员可能担忧的却是尚未造成损害、且尚未受到明确监管的风险。模型评估可能显示出令人担忧的行为，却未必能证明存在违法行为。

这一缺口曾在 2024 年“知情警示权”运动中显现。其签署者认为，当员工担忧尚未被法律覆盖的新兴风险时，普通举报人规则可能并不充分。

《RAISE 法案》通过设立具体的透明度和举报义务，缩小了这一缺口的一部分。加州法律同样界定了针对特定前沿模型风险的披露。

不过，任何门户都无法预先裁定每一个边缘案例。事实、岗位身份、合同、商业秘密规则及适用法规都至关重要。

潜在举报人还面临验证问题。内部文件可能真实无误，但基于这些文件得出的结论仍可能存在争议。

一次未通过的安全评估可能表明存在严重弱点，也可能反映出一项刻意设置得极为严苛、并不代表常规部署情况的测试。

调查人员需要结合周边证据来区分这些可能性。这包括测试方法、后续缓解措施、决策记录以及系统实际发布条件。

公司应有机会回应相关指控。员工的担忧应触发审慎审查，而不是自动认定存在不当行为。

反过来，当内部证据指向其他方向时，公司公开的安全报告也不应就此定论。州政府的职责是依据记录和法律检验双方叙述。

该警示还留下了若干未解答的实际问题。

纽约尚未说明该办公室预计会收到多少与 AI 相关的投诉。它也没有确定专门的审查部门、服务目标，或门户提交信息的公开报告时间表。

该公告没有解释调查人员将如何区分紧急网络安全证据与更广泛的政策批评，也没有承诺向每一位提交者提供反馈。

这些缺失并不意味着门户无效，而是说明其影响不能仅凭公告本身来判断。

一个成功的举报体系需要安全的信息接收机制、具备技术理解能力的审查人员、一致的分流程序和可信的执法。它还需要防止低质量主张淹没可执行证据的流程。

州政府必须在不暴露信息来源或敏感模型信息的前提下平衡这些要求。这一运营挑战远比发布一个门户链接更困难。

AI 开发商和员工接下来应关注什么

三个信号将表明，这份警示会成为执法工具，还是仅停留在公众可见影响有限的公开邀请。

第一个信号，是《RAISE 法案》于 2027 年 1 月 1 日生效前发布的指引。

受监管开发商需要明确安全框架披露、事件分类、举报程序以及监督办公室的预期。详细规则将减少公司必须记录哪些内容的不确定性。

指引还将帮助员工区分政策分歧与表明可能违规的信息。更明确的义务会让外部举报更容易得到评估。

如果纽约发布详细的实施材料，这份警示将更像是更广泛执法体系的信息接收层。若指引稀少，公司和内部人员就只能自行解释关键边界。

第二个信号，是首个与 AI 开发相关的公开执法行动或获确认的调查。

纽约无需披露举报人的身份，也能证明举报线索会得到严肃审查。一项投诉可以根据现有法律引发文件调取、访谈、和解或诉讼。

任何此类行动都将提醒开发商，内部技术证据可能成为监管证据。它也将促使合规团队在问题上报至州政府前，审查尚未解决的担忧。

没有迅速出现案件并不代表失败。复杂的技术调查需要时间，保密要求也可能使正在处理的事项不为公众所知。

不过，公开可见的行动将是门户改变企业激励机制的最有力证据。

第三个信号，是纽约是否会公布有关 AI 投诉的汇总信息。

加州的专项框架要求每年就受保护员工提交的信息发布匿名化报告。纽约的警示并未宣布同等的公开承诺。

汇总数据可以显示收到多少举报、哪些类别占主导地位，以及有多少获得进一步审查。州政府需要在不暴露投诉人或机密证据的情况下发布这些信息。

此类报告将使政策制定者能够判断员工是否信任这一渠道。它也可能暴露定义、宣传推广或调查能力方面的弱点。

AI 公司应关注这些信号，因为它们影响的不只是法律风险。内部安全流程的可信度取决于员工是否相信其担忧能获得公平对待。

可信的外部渠道可以通过促使管理层审慎解决问题来加强内部体系，也能揭示内部升级机制在哪些环节失效。

员工应区分安全传输和得到保证的保护。在提交敏感记录前，他们应考虑文件元数据、访问模式、保密规则以及适当的法律建议。

因此，Letitia James 的 AI 举报人警示最好被理解为一座监管桥梁。它连接了现有匿名门户、当前州级权限以及即将到来的《RAISE 法案》。

仅靠该门户并不能使前沿 AI 开发变得透明。它的价值将取决于内部人员提供的证据，以及州政府调查这些证据的能力。

未来几个月将显示，纽约是否会将这些证据转化为明确规则和可执行的问责机制。对开发商而言，实际问题已经迫在眉睫：他们当前的内部安全记录是否经得起外部审查？