问题解决者核心小组AI工作组面临难题：将两党合作转化为法律
问题解决者核心小组AI工作组由12名议员发起，肩负着一项艰巨承诺：在不拖慢技术发展的前提下保护美国民众。这个两党众议院小组于9月17日宣布成立，将寻求制定涵盖AI准确性、透明度、安全、就业、选举和消费者保护的规则。
这一广泛授权也带来了核心冲突。民主党与共和党日益认同人工智能需要国会关注，但双方在联邦权力、州法律、企业义务，以及美国在与中国竞争的同时能够接受多少安全监管等问题上仍存分歧。
因此，这个新小组不仅是又一个国会论坛，更是对两党措辞能否转化为可执行政策的一次考验。国会已经出台大量报告、自愿性框架、听证会和法案草案，但尚未建立一套持久的全国性制度来治理最具影响力的AI风险。
问题解决者核心小组AI工作组将做什么
该工作组的政策任务范围广泛，但尚未公布立法方案、期限或执法建议。
问题解决者核心小组共同主席、宾夕法尼亚州共和党人Brian Fitzpatrick和纽约州民主党人Tom Suozzi在华盛顿宣布成立该小组。众议员Mike Lawler和Josh Gottheimer将领导该小组，Hillary Scholten和Blake Moore将担任副负责人。
另外八名众议员构成首批成员：David Joyce、Susie Lee、Rob Bresnahan、Steven Horsford、Tom Kean、Angie Craig、Maria Salazar和Scott Peters。成员包括六名共和党人和六名民主党人。
根据该核心小组的官方公告，成员将研究五个相互关联的政策领域。
首先，他们希望制定支持AI系统准确性、透明度和完整性的务实护栏措施。这些术语看似直观，但每一项都需要可衡量的标准、明确的责任以及执法机制。
其次，成员计划研究劳动者和小企业如何在AI赋能的经济中运作。这项任务不仅涉及再培训，还可能涵盖招聘系统、工作场所监控、计算资源获取，以及自动化工具造成损失时的责任认定。
第三，该小组将研究影响选举和公众信任的欺骗性或有害用途。合成媒体、冒充身份、自动化劝服和虚假信息均属这一范畴。
第四，成员打算考虑消费者和家庭保护。AI聊天机器人、自动化决策、隐私做法以及儿童使用的产品会带来不同风险。单一的横向规则未必能覆盖所有情境。
最后，工作组将国家安全列为优先事项。这一议题可能包括网络攻击、敏感模型能力、关键基础设施、供应链、出口管制，以及外国获取先进技术的问题。
公告赋予该小组较大范围，但程序细节不多。其中没有确定首部法案、立法日程、听证会安排或技术顾问小组，也未说明成员将如何分工处理已由常设委员会负责的问题。
这一区别很重要，因为国会工作组本身不能制定规则。其影响力取决于成员能否提出获得委员会领导层推进、并得到国会多数支持的方案。
问题解决者核心小组对正式背书设定了异常严格的内部门槛。其背书流程要求获得75%的成员支持，其中至少包括半数民主党成员和半数共和党成员。
这一结构可以让获得背书的提案具备跨党派公信力，也可能缩小能够存续的理念范围。该小组必须找到能够被从经济、民权、安全和联邦主义等不同角度看待AI的议员接受的政策。
Lawler将该使命定义为在美国领导地位与负责任发展之间取得平衡。Gottheimer强调国家竞争力以及明确的行为规则。Scholten则更重视企业问责与国会的监管责任。
这些表态显示，双方在透明度、公共保护和国家安全方面存在实质性交集，但最棘手的问题仍未得到回答。就目标达成一致，并不能确定谁必须遵守、必须提供何种证据，或违规后将如何处理。
该小组的成立改变了国会格局，因为它为跨党派谈判增添了一条有组织的路径。其重要性将取决于能否将共同原则转化为经得起委员会审议、全院表决和总统审查的文本。
为什么国会现在再次尝试
该小组是在多年两党研究、州层面活动日益增多，以及要求国会以具有约束力的决定取代一般原则的压力重新升温后成立的。
国会并不缺少AI政策材料。2024年12月，另一个众议院特别工作组在征询政府官员、研究人员、企业和其他专家意见后，发布了一份重要的两党报告。
根据众议院特别工作组报告，该工作提出66项发现和85项建议，议题涵盖隐私、国家安全、研究、教育、小企业、知识产权、民权和行业特定应用。
该报告表明，两党议员能够在许多政策目标上达成一致，但并未自动将这些建议转化为一部综合性联邦法律。
诊断与立法之间的这一缺口，如今定义了华盛顿的AI辩论。议员们花费多年识别风险，而政府机构、各州、法院和企业已各自作出不同决定。
NIST提供了一个重要的技术基础。其AI风险管理框架围绕四项功能组织风险工作：治理、映射、衡量和管理。该框架具有自愿性质，面向各行业组织设计。
NIST将可靠性、安全性、安保性、透明度、隐私、可解释性和公平性列为可信系统的相关特征。其风险框架为组织提供了共同词汇，但并未设立全国性的法定义务。
这让国会面临一个基本选择：围绕现有技术标准构建立法，或继续依赖自愿采纳和行业特定执法。
随着各州发展自身路径，这一问题变得更加紧迫。州立法者已研究自动化就业决策、聊天机器人安全、选举冒充、披露义务，以及先进模型开发者的责任。
州层面行动的支持者将这些法律视为对联邦延迟的必要回应。批评者则认为，不同要求可能造成高昂的合规冲突，尤其对在全国运营的小型开发者而言。
白宫已明确支持负担尽可能低的全国性框架。2025年12月的一项行政命令指示联邦官员挑战某些州级措施，并制定联邦优先适用建议。
优先适用意味着联邦法律限制或取代针对同一事项的州规则。它如今是AI政策辩论中最具影响力的问题之一。
全国标准可以为企业提供统一的合规结构，并减少相互冲突的义务。广泛的优先适用也可能在国会制定有效替代方案之前，取消州层面的保护。
问题解决者核心小组AI工作组直接进入了这场冲突。其成员希望建立务实的全国性护栏，但必须决定这些规则如何与州权力互动。
时机又增加了一重障碍。公告发布时，国会正处于政治议程高度压缩的时期，重大立法需与拨款措施、选举及其他未完成优先事项竞争。
因此，该小组面临压力，需要确定足够狭窄、能够迅速推进的措施。可能议题包括事件报告、合成媒体披露、儿童保护、联邦采购，或针对先进系统的技术评估。
一部全面的AI法案需要许多委员会和受监管行业达成共识。较小的方案可以更快推进，但可能无法解决核心治理问题。
该工作组最现实的贡献，或许是围绕共同框架整合一系列有针对性的法案。这种方式不如综合立法引人注目，但更容易协商和更新。
两党护栏措施遇上联邦优先适用之争
主要争论并非监管与创新之间的对立，而是联邦统一性与各州作为AI问责先行者角色之间的较量。
工作组的公开表态强调一种熟悉的平衡：成员希望美国引领AI发展，同时保护劳动者、消费者、家庭、选举和国家安全。
这一表述在政治上颇为有用，因为大多数议员都能支持这两个目标。冲突始于国会将这种平衡转化为法律义务之时。
以透明度为例。一项披露规则必须明确哪些系统受到覆盖、哪些信息应当公开，以及哪些信息仍属保密。它还必须区分面向消费者的通知和提交给监管机构的技术报告。
准确性也面临类似挑战。没有任何AI系统能在所有可能任务中提供单一、普遍的准确率。有效标准必须反映系统的预期用途、可预见用户和失败后果。
完整性可以指数据来源、模型行为、网络安全、内容认证，或机构自身披露的可靠性。每一种解释都会向不同主体分配不同义务。
这些细节决定护栏措施会成为可衡量的要求，还是停留在政治措辞层面。它们也决定哪些现有州法律会与联邦标准发生冲突。
优先适用之争凸显了这一差异。措辞狭窄的联邦法律只能在双方规范相同行为时覆盖州规则。更广泛的条款则可能阻止各州应对国会未曾预见的新风险。
据报道，一份于6月提出的两党众议院讨论稿拟在建立联邦架构的同时，对某些州级AI法律设置为期三年的限制。该提案吸引了寻求全国一致性的议员关注，也受到捍卫州权倡导者的批评。
正如draft debate所显示的那样，两党共同发起并不能消除围绕适用范围的分歧。支持者称赞这一尝试旨在建立联邦框架。批评者则警告，在联邦体系尚不完善之际，优先适用可能会削弱既有保护。
这是 Lawler、Gottheimer 及其同僚面临的核心权衡。企业需要可预测的规则，尤其是在产品能够瞬间跨越州界的情况下。公民同样需要监管机构能够在全国性框架遗漏有害用途时作出回应。
一项可行的妥协方案，需要在取代州级要求之前先建立实质性的联邦保护措施。它还需要划定清晰边界，保留各州在消费者保护、就业、教育和采购等领域的传统权力。
这一妥协之所以更难达成，是因为 AI 并非单一市场。基础模型开发商、医院、学区、银行、雇主和本地零售商，都在不同法律约束下使用不同系统。
各行业监管机构已经拥有一定权限。联邦贸易委员会可以追究欺骗性行为。金融、医疗、就业和民权监管机构可以处理各自管辖范围内的行为。
新的联邦框架必须说明，其义务如何与这些权限衔接。否则，州层面的统一可能会与联邦机构之间的混乱并存。
小型企业带来了另一重政策张力。复杂的报告规则可能给法务和技术人员有限的组织带来负担。若给予它们广泛豁免，则当小型公司部署高影响力系统时，消费者可能得不到保护。
基于风险的规则提供了一种可能的折中方案。在这种方法下，义务取决于潜在伤害和使用场景，而非仅仅取决于公司规模。
不过，风险分类也会引发自身的争议。立法者必须决定由谁对系统进行分类、类别是否会在部署后变化，以及企业如何对监管决定提出异议。
问题解决者核心小组因其跨党派协商的宗旨，而具备就这些边界进行谈判的条件。相同的定位也提高了成功的门槛。一项提案不能只是避开党派化措辞，还必须解决权力实际如何分配的问题。
当该工作组公布涵盖这些选择的立法文本时，才能展现出进展。在此之前，“常识性护栏”描述的是一种愿景，而不是一套监管体系。
AI 工作组尚不是 AI 法案
最有力的怀疑论观点很简单：国会已经拥有两党报告和技术框架，但落实工作仍然零散。
工作组可以创造宝贵的协商空间。它们可以召集委员会成员，征询专家意见，比较法案，并在公开立场固化前形成文本。
但它们也可能成为行动的替代品。宽泛的使命使成员能够宣称取得进展，却无需选择那些会带来成本或招致有组织反对的政策。
新工作组的公告没有为提出建议设定期限。它没有指定首要立法目标，也未说明提案将如何通过拥有管辖权的委员会推进。
这些遗漏并不能证明这项工作会失败。它们指出了读者应据以评判的条件。
第一个检验是优先级排序。一个涵盖就业、小型企业、选举、消费者、关键基础设施、国家安全、透明度和竞争力的工作组，不可能同时制定所有政策。
成员必须决定，是推动协调一致的框架，还是提出少量可立即推进的法案。没有这一选择，议程就有可能沦为关切事项清单，而非立法计划。
第二个检验是技术层面的具体性。安全、完整性和透明度等术语需要可操作的定义。
开发商可能通过模型文档来满足透明度要求。部署方可能需要在自动化系统影响重大决策时通知用户。监管机构则可能要求保密访问测试结果。
这些是不同形式的透明度。将它们归入同一个标签，可能掩盖围绕成本、商业秘密和公共问责的分歧。
第三个检验是可执行性。自愿标准有助于组织改善内部实践，但法定保护需要监督、调查权、救济措施和后果。
国会必须确定负责的一个或多个监管机构。它还必须决定，义务适用于模型开发商、分销商、部署方，还是三者皆适用。
第四个检验是证据。AI 评估仍然依赖具体场景，实验室结果并不总能预测部署后的表现。
NIST 的框架承认，可信 AI 包含多项可能彼此冲突的属性。更强的可解释性可能影响性能或隐私。安全措施可能改变系统的访问方式和可用性。
若立法只列举理想属性，却没有测试方法，可能会鼓励文书工作而非更安全的行为。要求应当将文档与可衡量的风险管理和现实世界监测联系起来。
第五个检验是政治持久性。只能在某一届政府期间存续的政策，无法提供立法者所称希望实现的可预测性。
持久的规则需要足够广泛的国会支持，以承受选举变化。它们还需要具备足够灵活性来应对技术变化，同时不能赋予机构无限裁量权。
行业内部的分歧将使这项工作更加复杂。大型模型开发商、较小的初创企业、云服务商、开源社区、部署方和专业用户，并不拥有完全相同的利益。
偏向拥有庞大法务团队公司的合规体系，可能强化市场集中度。义务薄弱的体系，则可能将失败成本转嫁给用户、劳动者和社区。
公民社会团体也会根据任何提案遗漏了什么来评判它。一套聚焦灾难性前沿模型风险的框架，可能忽视当前涉及歧视、欺诈、监控或欺骗性界面的危害。
反过来，一套只关注当前消费者伤害的框架，可能忽视先进系统的安全风险和失控风险。工作组必须决定，一部法规是否能够覆盖这两类问题。
国会还面临制度性限制。人工智能变化快于常规立法周期，但速度不能成为未定义授权或无法执行承诺的理由。
最佳答案未必是一项永久不变的单一规则。国会可以确立基本义务，授权技术更新，要求提供证据，并安排定期审查。
这一模式仍然要求现在作出立法决定。工作组不能将每一项困难定义都推迟给监管机构，同时声称已经创造了确定性。
近期报道描述了罕见的两党合作窗口，同时也指出围绕 AI 开发所需速度存在深刻分歧。这个窗口确实存在，但并不能保证围绕任何特定法案形成联盟。
因此，该小组的可信度将取决于产出，而非成员构成。法案草案、委员会行动、记录在案的投票和已颁布的要求，都是比新一轮两党声明更有力的信号。
谁将面临国会新推动的压力
AI 开发商是显而易见的目标，但部署方、雇主、联邦机构和州政府同样有理由密切关注这一努力。
前沿模型公司可能面临联邦评估、报告、安全或事件披露义务。具体负担将取决于国会是否针对计算阈值、能力、部署场景或已证实风险进行监管。
计算阈值会监管超过既定计算资源水平的模型。它提供了可衡量的边界，但效率提升可能削弱其与实际能力之间的关联。
基于能力的监管侧重于系统能够做什么。这种方法可以更好地反映风险，尽管评估可能引发争议并迅速过时。
部署方面临另一组问题。企业使用外部模型进行招聘、贷款、医疗决策或客户支持时，即使不控制底层模型，也可能造成伤害。
国会必须决定，合规义务是由技术提供商承担、由选择使用方式的组织承担，还是双方共同承担。将所有义务加诸开发商，会忽视部署场景。将所有义务加诸客户，则可能令较小组织难以承受。
劳动者是该核心小组所宣布使命的核心。AI 政策可能影响岗位替代、算法管理、工作场所监控、培训，以及自动化决策的责任归属。
帮助劳动者的宽泛承诺将需要具体机制。这些机制可能包括通知、申诉权、影响评估、再培训支持，或限制完全自动化的重大决策。
小型企业处于政策辩论的两端。它们可从减少行政工作、改善分析能力或扩大专业能力获取渠道的 AI 系统中受益。
它们也可能难以评估供应商的说法、保护敏感信息，或遵守多项州级规则。联邦指南可能有所帮助，但仅靠指南无法解决系统失效后的责任问题。
知识型工作者面临相关的治理问题。AI 工具可以总结会议、搜索文档和生成草稿，但其输出可能包含错误或泄露机密信息。
组织需要清晰的内部记录，说明哪些信息输入了系统、如何核查输出，以及何时由人工批准重大行动。即使在国会采取行动之前，务实的知识管理也已成为负责任部署的一部分。
州级官员或许面临最明确的制度压力。联邦协议可能保留其法律、推翻部分条款，或阻止未来出台新的要求。
这种不确定性使立法推进顺序变得重要。如果国会在联邦执法机制建立之前优先适用联邦法并排除州法，就可能造成保护缺口。如果它忽视相互冲突的州级规则，合规复杂性将继续增加。
联邦机构同样需要明确性。采购官员越来越频繁地遇到具备 AI 功能的产品，而监管机构则在将旧法规适用于新行为。
国会框架可以界定共同的文档和评估要求。除非立法者仔细梳理既有权限，否则它也可能造成重叠的授权。
消费者是最终的检验标准。成功的框架应当让人们更容易识别自动化交互、质疑有害决策，并了解由谁承担责任。
这一目标并不要求向所有人披露专有模型细节。它需要的是与用户、独立评估者和监管机构需求相匹配的信息披露。
国家安全官员将审视另一组风险。先进系统可以支持网络行动、生物研究、情报分析以及针对关键基础设施的攻击。
此类系统的规则可能要求向政府进行保密报告，而非公开披露。国会必须防止保密保护沦为规避问责的一般性盾牌。
政治竞选活动和选民将关注选举条款。合成音频、视频和文本可以降低冒充他人的成本，并在快速发展的事件中误导受众。
选举规则必须在应对欺诈性表述的同时，兼顾受保护言论。它们还需要足够迅速的执法时间表，才能在投票结束前发挥作用。
其影响范围远比“AI 监管”这个词所暗示的更广。每一项政策选择，都会改变开发者、供应商、部署方、机构和用户这一链条中的责任与义务。
因此，仅在原则层面达成两党共识仍然不够。该工作组必须明确这条链条中每个环节的责任归属。
三个信号将表明这项工作是否真正重要
下一阶段应通过三个具体信号来评判：立法文本、明确的州法律协调方案，以及可衡量的委员会推进进展。
第一个信号，是公布一项具体的两党法案或政策框架。它应明确适用的系统、责任主体、执法权限和合规义务。
即使一项提案只聚焦于单一风险，也仍可视为进展。事件报告、独立评估、面向儿童的聊天机器人，以及具有欺骗性的合成媒体，都是可检验的立法目标。
法案草案将更有力地证明，Problem Solvers Caucus AI 工作组正作为谈判机构发挥作用。若只是再发布一份不包含实质性条款的原则文件，则会削弱这一判断。
第二个信号，是对联邦优先权作出明确立场。成员需要说明，联邦法律将取代哪些州级规则——如果会取代的话。
可信的妥协方案，应将联邦优先权与实质性的联邦保护措施联系起来。同时，在国会尚未制定同等标准的领域，也应为各州保留行动空间。
如果工作组回避这个问题，它就回避了建立全国性框架的最大障碍之一。若其支持大范围的联邦优先权，却没有提供替代性保护措施，州政府官员和倡导者的反对将会加剧。
第三个信号，是在具备管辖权的委员会中取得进展。听证会、审议修订、两党共同提案人以及被纳入的修正案，都会揭示一项构想能否突破党团范围继续推进。
委员会行动至关重要，因为工作组并不掌控立法日程。一项提案需要获得委员会主席、少数党首席成员、党派领袖，以及优先事项不同的议员支持。
更广泛的政治环境仍然充满挑战。近期的全国性报道记录了要求联邦采取行动的压力，同时也反映出人们不愿施加广泛新增监管的态度。
这种张力并不意味着立法不可能实现。但相比立即建立一套全面制度，它让范围狭窄、定义清晰的措施显得更具可行性。
读者应避免过早得出两种结论。工作组的成立并不意味着国会已经解决了其 AI 政策分歧；但这也不意味着这项努力仅具象征意义。
成员构成、两党合作结构和政策覆盖范围，使该小组拥有促成立法的真实机会。只是缺乏时间表和立法文本，意味着这一机会尚未得到验证。
对于开发者和企业采购方而言，务实的应对方式是追踪具体义务，而非政治标签。应关注哪些系统会被纳入监管范围、监管机构会要求哪些证据，以及责任最终由谁承担。
对于劳动者和消费者而言，应关注立法是否建立了可实际使用的权利。无人理解的信息披露，或无人能够进入的申诉程序，都无法提供有意义的问责。
对于州政府而言，决定性问题在于联邦规则设定的是底线还是上限。底线允许州提供更强的保护，而上限则会限制这种保护。
Problem Solvers Caucus AI 工作组选择了一个关键时刻介入。其成员一致认为，无所作为并不够，但对紧迫性的共识只是起点。
真正的衡量标准，将是他们能否制定在技术上有依据、可执行且在政治上具有持久性的规则。关注第一项法案、它如何处理州级权限，以及它在委员会中的推进路径。这些信号将表明，两党的关切是否终于转化为联邦 AI 政策。
