特朗普 AI 网络安全政策在安全压力与对华竞赛之间摇摆

尽管政府内外要求遏制新兴网络风险的压力日益加大，美国总统唐纳德·特朗普仍拒绝了放缓 AI 发展的呼吁。

这场争议让特朗普 AI 网络安全政策夹在两个愈发难以兼顾的目标之间。官员希望更早掌握危险模型能力的情况，但特朗普不希望监管削弱美国开发者与中国竞争的实力。

特朗普9月13日在爱尔兰对记者讲话时承认，需要设置一些防护措施。不过，他没有提出具体监管方案，并对 AI 发展过快的警告提出质疑。他随后表示，AI 带来的益处将远大于危害。

他的立场紧随 Anthropic CEO Dario Amodei 的公开警告之后，OpenAI CEO Sam Altman 和 Elon Musk 也支持放缓发展。据AI 发展争论报道，特朗普以竞争为由回应这些担忧：谁赢得 AI，谁就赢得未来。

这一回答并未消除政府面临的安全难题。白宫已经为部分前沿模型建立了自愿审查流程，即接近当前技术发展边界的高能力系统。它还组织联邦机构和私营企业查找并修复软件漏洞。

悬而未决的问题是，这些自愿措施能否足够快速地推进。能力更强的 AI 智能体正逐渐具备发现漏洞、在线操作以及在有限人工监督下协调任务的能力。

因此，核心竞争并非监管与放松监管之间的较量，而是自愿、精准的安全协调与可能延迟模型发布的强制性政府监管之间的抉择。

特朗普 AI 网络安全政策已发生转变

政府已从广泛反对 AI 限制，转向有选择地参与前沿模型安全事务。

特朗普在第二任期开始时撤销了拜登政府的主要 AI 行政命令。此前的框架要求部分高风险系统的开发者向联邦官员提供安全信息。

政府转而强调加快发展、减少障碍以及维持美国的领导地位。这一做法与反对强制发布前审批的科技投资者和企业的偏好高度一致。

随着开发者推出具备更强网络安全能力的模型，这一立场愈发难以维持。这类系统可以帮助防御者识别存在漏洞的软件，但同样的能力也可能支持入侵尝试或自动化利用。

特朗普的政治和行业支持者之间出现了政策分歧。Steve Bannon、活动人士 Amy Kremer 及其他民粹主义人士推动对能力最强的模型实施强制性政府测试。

与科技业关系密切的顾问则持相反立场。Marc Andreessen 和前白宫 AI 顾问 David Sacks 反对可能延迟部署或扩大联邦权力的约束性要求。

政府的回应于6月2日通过第14409号行政命令出台。该命令建立了一套机密基准测试流程，用于评估先进网络能力，并识别“受涵盖的前沿模型”。

这一认定之所以重要，是因为受涵盖模型的开发者可以在更广泛发布前向政府提供早期访问权限。官员随后可以评估网络能力，并让部分关键基础设施合作伙伴有时间做好准备。

不过，前沿模型命令明确拒绝对发布 AI 模型实施强制许可、预先批准或政府授权。参与仍然是自愿的。

最终命令的范围比5月报道的一项早期提案更窄。熟悉该提案的消息人士称，开发者原本可能被要求在发布前90天提供模型。

签署后的框架则允许参与的开发者在向其他可信合作伙伴分发前最多30天提供访问权限。这一差异反映出政府试图在获得安全可见性的同时，避免设立监管审批关卡。

该命令还赋予美国国家安全局、网络安全和基础设施安全局以及白宫国家网络安全领导机构重要角色。商务部和国家标准与技术研究院也参与这一流程，但并非由其单独主导。

这一安排标志着真正的政策转变。联邦政府不再将前沿模型网络安全视为开发者可完全在自身组织内部处理的问题。

但这一转变尚未达到强制监管的程度。政府可以建立基准、请求合作并协调防御，但根据该命令，它无法要求每一家受涵盖开发者参与。

这一限制保留了开发速度，但也带来了不确定性：当一家公司拒绝审查、质疑认定，或在机构完成能力评估前发布模型时，会发生什么。

因此，政府改变了自身角色，却没有厘清自身权限。它如今承认先进模型可能引发国家安全担忧，同时继续拒绝建立强制性的发布控制体系。

不断增强的网络能力正迫使争论升级

随着先进模型可凭借相同的底层能力协助攻击者和防御者，AI 网络安全正成为部署层面的议题。

软件漏洞发现说明了这一问题。能够识别缺陷的模型可以帮助维护人员修复它，但同一模型也可以帮助攻击者定位未受保护的系统或开发利用手段。

6月的命令试图优先获取防御价值。它指示各机构建立 AI 网络安全信息枢纽，由 AI 开发者和关键基础设施运营商自愿参与。

该信息枢纽旨在协调漏洞扫描、验证发现、确定修复优先级并分发补丁。这一流程应对的是一个常见的安全挑战：发现缺陷并不等于保护了每一个暴露在风险中的系统。

白宫于7月启动了由此产生的 Gold Eagle 倡议。财政部、CISA、国防官员和行业合作伙伴正利用该项目减少重复扫描，并提供按优先级排序的漏洞信息。

Gold Eagle 项目体现了政府偏好的模式：政府机构协调私营部门能力，但不控制底层 AI 系统的开发或发布。

这一结构具有实际优势。联邦机构掌握机密威胁情报，AI 实验室了解自身模型，而基础设施提供商则运营需要保护的系统。

让这些群体协作可以缩短从发现到修复的时间，也能降低多个模型各自发现同一漏洞、却无人协调披露的可能性。

不过，自愿协调依赖于激励与信任。企业必须相信，分享访问权限不会暴露商业机密、延迟发布，或产生不可预测的法律义务。

政府机构必须保护其接收的模型和发现结果。如果安全审查系统存储模型权重、未公开能力或尚未修复漏洞的细节，它本身就会成为另一个敏感目标。

测试难题还超出了普通基准测试的范围。模型在连接工具、获得更多计算资源或获准运行更长时间时，可能表现不同。

AI 智能体让这一差距更为重要。智能体是利用 AI 模型在有限人工干预下规划和执行任务的软件。

短暂的实验室测试或许能显示模型是否能够编写漏洞利用代码，却未必能展现多个智能体能否协调、跨系统持续活动、隐藏行为，或在尝试失败后恢复。

政府已在模型类别之间划出界限。据两名熟悉讨论的人士称，官员8月告诉开发者，开放权重模型不会接受这一自愿测试流程。

开放权重模型提供可下载的参数，用户可以检查、修改并独立运行。Meta 的 Llama 和 Nvidia 的 Nemotron 被列为示例。

OpenAI、Anthropic 和 Google 的闭源模型仍通过公司基础设施进行控制。其提供商可以限制访问、监控使用情况，并在部署后更新防护措施。

政府的开放权重决定避免将美国开放开发置于外国发布可能绕过的审查流程之下，但也让一个重要类别处于框架之外。

这一豁免造成了棘手的不对称性。闭源模型公司能够合作，因为它们保留了对产品的控制；而开放权重则可能流传到原始开发者触及不到的范围之外。

因此，仅测试闭源系统可能会将监管集中于拥有最强监控机制的公司。能够被修改并匿名部署的模型，在同一项目下将获得较少的联邦关注。

开放开发的支持者认为，广泛获取有助于研究人员发现弱点，并让较小机构参与竞争。批评者则指出，同样的开放性会在发布后移除集中控制。

两种观点都无法解决眼前的运营问题。联邦机构仍需要一种方法来了解高能力模型的风险，而开发者无法召回或远程更新这些模型。

核心分歧在于自愿审查与强制控制

主要政策冲突在于：当模型发布可能带来超出开发者控制范围的风险时，合作是否足够。

强制测试对希望建立明确最低标准的官员和活动人士具有吸引力。每个跨越既定能力门槛的模型，都将在发布前接受同样的安全审查。

这种做法可以减少参与方面的不确定性，也可以让各机构获得跨开发者的一致视图，而不是依赖各公司分别披露。

难点始于门槛设定。官员必须决定哪些能力足以使模型危险到需要纳入范围，而这些能力可能会在微调或获得工具访问权限后发生变化。

基于计算资源的门槛可能遗漏高效的小型模型。基于基准表现的门槛则可能促使开发者围绕测试进行优化。

网络安全评估还存在另一个问题。公布详细标准可以帮助开发者做好准备，但也可能暴露政府评估人员认为最具威胁性的内容。

将相关标准列为机密有助于保护敏感信息，但也让外部专家、立法者和小型开发者更难评估这一流程。

特朗普政府的 AI 网络安全政策试图通过机密基准与自愿提前访问来平衡这种矛盾。NSA、CISA 及其他官员将决定某个模型是否达到适用门槛。

参与计划的开发者随后可提供最长 30 天的访问权限。该行政命令要求采取知识产权、网络安全、保密和内部人员风险防护措施。

这一框架给予企业灵活性，同时让政府机构获得一定预警。它并不保证企业参与、评估结果公开，或在评估人员发现严重能力时采取标准化应对措施。

强制性的发布前审批能够弥补部分执法缺口，但也会带来延迟、合规成本，以及关于谁有权阻止发布的政治争议。

技术行业支持者认为，延迟可能造成战略代价。一家本土企业或许会暂缓发布模型，而外国竞争对手则可能在未经同等审查的情况下推出类似系统。

Abundance Institute 的 Neil Chilson 在此前白宫的辩论中提出了这一观点。他认为，推迟美国模型的发布或许会带来短期优势，却无法长期阻止对手获得这项技术。

对于能够提升网络防御能力的系统，这种担忧尤为重要。如果先进模型能够发现漏洞，暂缓部署也可能延迟补丁发布和防御措施落地。

强制性管控还可能进一步偏向规模最大的实验室。OpenAI、Google、Anthropic 和 Meta 能够配备合规团队、维持安全评估环境，并直接与政府机构协商。

较小的开发者可能要承担同样的程序负担，却拥有更少资源。因此，原本旨在提升安全性的审查制度可能加剧市场集中度。

更严格规则的支持者则关注另一种失效模式。他们认为，竞争压力会让每个开发者都有抢先发布的动机，即便所有公司都能从更多测试中受益。

Kremer 在 5 月的辩论中直接表达了这种不信任。她表示，公众不能仅依靠 AI 公司领导者来维护美国利益。

此后，五名民主党参议员呼吁立法，为最先进的美国模型建立永久性的测试要求。他们的介入表明，要求强制审查的声音并不限于特朗普的民粹主义支持者。

国会尚未建立这样的制度。众议院议长 Mike Johnson 表示有意促成特朗普、立法者和 AI 高管共同参与讨论，同时暗示国会不会主导立即放缓发展。

由于缺乏立法，行政部门只能通过自愿协议和现有授权开展工作。这些工具建立得更快，但也更容易被未来政府或不情愿的参与者改变。

强制性制度将要求国会明确机构权限、执法、保密和司法审查，还需要处理开放权重发布及外国模型问题。

在此之前，这项政策依赖于激励机制各不相同的组织之间的合作。白宫希望获得安全信息，开发者希望稳定可预期地进入市场，情报机构则希望保护机密手段。

这种分歧并非简单的党派之争。它横跨政府、国会、科技公司、国家安全机构，以及特朗普的政治联盟。

与中国的竞争让每项保障措施都更复杂

与中国的竞争使国内安全审查变成有关部署速度、全球采用率和先进模型获取的问题。

特朗普 9 月的言论明确了这一优先事项。他将国内的克制与中国可能在先进 AI 领域取得优势联系起来。

政府当月早些时候也在北卡罗来纳州举行的 G20 创新会议上传达了同样的信息。美国官员敦促与会政府避免设立新的 AI 监管机构。

科技顾问 Michael Kratsios 推广了 Carolina Principles，呼吁各国政府仅在现有规则无法解决问题时才制定新的监管措施。

这一信息与美国主要 AI 公司的立场一致。它们普遍希望进入国际市场，而不必在每个司法管辖区经历单独的审批流程。

碎片化的监管环境可能要求不同的产品行为、报告系统和发布时间表。大型开发者可以吸收这些要求，但合规仍会影响部署决策。

政府还希望其他国家继续留在美国技术栈内，其中包括芯片、云平台、模型、开发者工具和安全合作关系。

中国开放权重模型使这一目标更加复杂。它们正日益具备与美国专有系统竞争的能力，并可能吸引寻求更低成本或更大部署控制权的组织。

Center for a New American Security 的 Vivek Chilukuri 告诉 Reuters，这一趋势提升了政府的紧迫感。华盛顿希望国际用户选择美国系统，而不是由中国供应商塑造的替代方案。

因此，G20 AI 立场将国内监管与外交政策联系起来。官员们将美国 AI 的广泛采用视为经济和安全利益。

然而，放任式的国际信息可能与华盛顿要求各方合作应对网络风险的诉求相冲突。外国政府可能会问：当美国尚未公布自身审查标准时，它们为何应限制自身规则。

这一问题将在美中计划举行的会谈中尤为突出。官员们正在筹备聚焦 AI 安全风险和网络事件的讨论。

了解筹备情况的消息人士称，美国财政部长 Scott Bessent 将率领美方。会谈预计在 9 月中旬举行，早于特朗普计划于 9 月 24 日与中国国家主席习近平会面。

据报道，美国希望两国实验室共享信息，并帮助防止与 AI 相关的网络攻击。这一提议承认，无论模型在何处开发，网络事件都可能跨越国界。

计划中的美中对话也暴露出该政策的核心矛盾。华盛顿希望开展国际合作，却不愿制定会拖慢本土公司的规则。

自我监管安排可以迅速建立沟通渠道，帮助实验室交换指标、比较事件，并在不断升级的网络事件期间避免误判。

但它们无法保证信息披露。公司或政府可能会隐瞒会暴露弱点、情报手段或战略能力的信息。

国家间竞争也改变了参与者对安全测试的解读。识别出危险能力的基准测试，可能成为了解另一国模型开发情况的有用情报。

因此，美国必须决定应共享多少信息。披露太少会让合作流于象征，披露过多则可能暴露防御缺口或评估技术。

中国也面临同样的权衡。两国都能从防止失控的网络事件中受益，但谁都不愿披露会削弱自身战略地位的信息。

这正是为什么竞争取胜与安全并非两条独立轨道。更快的美国部署可以扩大防御能力和全球影响力，但也可能在保障措施成熟前增加暴露风险。

放缓发展则带来相反的取舍。更多测试可以在发布前发现问题，但单方面的克制无法约束外国开发者或私下部署的开放模型。

政府的偏好是在加速发展的同时确保安全。只有当防御协调能力跟上模型能力和部署规模时，这一策略才能奏效。

自愿框架仍存在重大盲点

该政策不能仅凭其宣示目标来评判，因为关键标准、结果和执法机制仍未向公众公开。

据有关政府官员之间争议的报道，白宫已在 9 月初敲定审查框架的部分内容。政府尚未公开发布该框架。

这种保密做法或许能保护机密基准和模型信息，但也阻碍独立专家评估哪些系统符合资格，以及成功通过审查需要满足什么条件。

政府尚未说明评估人员将如何处置展现出危险网络能力的模型。该行政命令并未赋予阻止其发布的权力。

官员可能建议采取保障措施、限制提前访问，或与基础设施运营商协调修补漏洞。但开发者仍可能面临按计划发布的商业压力。

30 天的审查窗口也引发能力问题。多家主要实验室可能在同一时期发布模型，而联邦机构的专业人员和安全计算资源有限。

审查前沿模型不只是提出标准问题。评估人员需要受保护的访问权限、真实环境、专业红队，以及足够时间来测试代理式行为。

政府还必须区分模型能力与部署风险。处于严格控制下的高能力模型，可能比未经监测发布的较弱模型带来更低的即时风险。

开放权重系统仍是最明显的盲点。一旦权重公开，用户就能移除保障措施、微调能力，并将模型连接至工具。

排除这些模型或许能保护开放创新，并避免无法执行的限制，但也使政府机构无法对可能超出其创造者控制范围传播的系统采用同样的提前访问流程。

外国开放模型让问题进一步加深。美国可以监管本土公司，却难以阻止美国人下载在海外发布的权重。

针对先进芯片的出口管制可以影响训练能力，但无法消除已训练模型的传播或既有能力的再利用。

该政策还假定开发者会意识到自己何时接近政府的门槛。如果基准和认定标准仍属机密，公司便无法可靠地自我识别。

政府机构可以提供保密指引，但这一流程可能更适用于已与政府建立关系的公司。较小实验室获得的通知或支持可能较少。

透明度倡导者批评了这一缺口。Americans for Responsible Innovation 表示，只与少数公司共享框架，会使联邦评估做法仍存在疑问。

另一个不确定因素涉及事件报告。信息交换中心负责协调漏洞和补救措施，但公开记录并未确立针对严重 AI 相关网络事件的全面报告规则。

如果缺乏一致的报告，政策制定者可能低估失败情况，或只能在公司选择披露后才得知。公司也可能对相似事件作出不同分类。

强制报告制度将比模型许可更为狭窄。它可以要求开发者披露界定明确的事件，而无需赋予政府官员干预每次发布的权力。

即使采取这种方法，也需要谨慎界定相关标准。常规模型滥用、成功入侵系统、自主持续运行以及敏感数据泄露，所带来的后果各不相同。

政府必须避免将每一次异常模型行为都视为国家安全事件。过度报告可能令机构不堪重负，并分散对高影响案件的关注。

与此同时，门槛设得过高也可能掩盖早期预警信号。反复出现的小型失败有时会在重大事件发生前揭示能力发展趋势。

政府内部的分歧使一致实施变得更加困难。商务部、国家安全官员和白宫技术顾问的利益有所重叠，但机构优先事项并不相同。

商务部官员关注创新、标准和国际竞争力。情报与网络机构则关注敌对行为者、机密威胁和最坏情境下的后果。

白宫顾问必须将这些观点与特朗普赢得 AI 竞赛的政治承诺加以协调。他们还必须回应日益不信任科技公司的支持者。

Axios 报道称，官员们仍在讨论拟议中的监管机构，其模式大致参考了金融业监管局。Sacks 曾公开反对设立新的 AI 监管机构。

这一分歧至关重要，因为组织设计决定了政府能够采取哪些行动。协调办公室可以召集参与者，但获授权的监管机构则可以强制获取信息并施加后果。

设立新的监管机构也会引发基本的问责问题。国会需要界定其权限、资金、监督机制以及与现有机构之间的关系。

目前，政府选择了协调而非机构建设。这一决定减少了短期摩擦，却让最棘手的执法问题仍未得到解决。

三个信号将显示哪一方占据上风

下一阶段将取决于已发布的审查规则、美中安全沟通渠道，以及漏洞协调机制在实践中有效运作的证据。

第一个信号是，政府是否会发布对其前沿模型框架的非机密说明。公众不需要了解机密测试细节，但开发者需要可预测的资格标准和流程规则。

一份有用的说明将明确正在审查的一般能力类别，同时描述参与方式、保密保护、预期时间表以及对严重发现的应对措施。

发布说明将通过让参与情况更易评估，增强自愿机制的可信度。持续保密则会支持批评者的观点，即该框架缺乏问责和公平准入。

第二个信号是拟议中的美中 AI 安全对话的结果。为 AI 相关网络事件建立正式沟通渠道，将表明两国政府都承认面临共同风险。

最有力的成果并不需要达成广泛条约。建立用于交换事件信息、核实紧急警告并防止事态升级的实用机制，将代表可衡量的进展。

如果会议只产生笼统声明，核心问题仍将悬而未决。实验室和政府仍将缺乏经过验证的程序，以应对跨境 AI 网络事件。

第三个信号是来自 Gold Eagle 的运营证据。政府应能够证明，协调扫描是否缩短了修复时间，或扩大了对关键基础设施的保护范围。

公开报告必须保护尚未修补的漏洞和机密方法。它仍可提供汇总指标，例如参与行业、经验证的发现或已完成的修复行动。

更快的补丁修复证据将强化政府的核心主张。自愿合作将显得能够把先进模型能力转化为防御优势。

若反复发生事件却没有清晰的协调机制，这一论点将被削弱。届时，要求强制测试、事件报告或国会立法的压力将更难忽视。

读者也应将政治表态与运营记录区分开来。有关赢得 AI 竞赛的表述揭示了优先事项，但并不能证明各机构能够有效评估模型。

对于开发者而言，这一框架可能影响发布规划和政府访问要求。构建具备网络能力智能体的团队，应预期会面临关于测试、工具权限、监控和事件响应的更严格问询。

企业采购方也面临相关挑战。他们应询问供应商如何记录智能体活动、如何限制外部访问，以及模型发现漏洞后会发生什么。

知识工作者应关注这项政策，因为智能体权限正在普通软件中不断扩展。一个能够搜索文档、执行代码或访问互联网的系统，既能创造价值，也会带来新的安全边界。

团队需要可靠记录模型评估、供应商声明、事件和政策变化。可搜索的技术知识库可以帮助组织将这些变化与自身部署决策进行比较。

特朗普的 AI 网络安全政策如今建立在一项要求很高的主张之上：美国可以比竞争对手部署得更快，同时在危险能力扩散之前协调防御措施。

接下来的检验是具体的。关注审查框架是否变得易于理解，华盛顿和北京是否建立事件沟通渠道，以及 Gold Eagle 是否产出可验证的防御成果。

这些信号将显示自愿协调机制是否能够跟上步伐。如果它们仍不完整，围绕强制性保障措施的争论将以更强的力度回归。