特朗普的自愿式 AI 安全计划留下关键缺口
唐纳德·特朗普政府概述了一项为期 30 天的 AI 审查流程，但 Google 新闻标题立即揭示出其中的矛盾。政府希望尽早接触先进模型，同时又将其标准保密，并以自愿参与为原则。
这项政策比政府此前对联邦 AI 监管的抵制更具实质性。它为官员审查部分尚未发布系统的网络安全和国家安全风险建立了渠道。然而，它排除了开放模型，未定义重要术语，也没有赋予政府明确的执法机制。
这种组合使特朗普的 AI 框架既非传统监管，也不只是简单的行业自律。它是一项选择性合作协议，其形成受到安全担忧与快速发布美国模型压力之间竞逐的影响。
这一转变也重新点燃了一场曾在特朗普废除许多拜登时代 AI 护栏时看似已尘埃落定的争论。Anthropic、OpenAI、Google、Meta、Microsoft、Nvidia，以及开放模型开发者，如今都要面对一项仍在很大程度上不公开的流程所带来的不同预期。
核心问题不再是政府是否承认 AI 风险。它显然承认。更难的问题是，当一些最容易获得的模型游离于体系之外时，一个保密、自愿的系统能否提供可信的保护。
特朗普 AI 框架究竟改变了什么
政府建立了真实的审查渠道，但距离强制性 AI 安全规则仍相去甚远。
特朗普于 2026 年 6 月 2 日签署了第 14409 号行政命令。该命令指示多个联邦机构制定一项机密基准，用于评估 AI 模型的先进网络能力。
这些机构包括国家安全局、网络安全与基础设施安全局、财政部、商务部及其他国家安全办公室。该基准应当识别何种系统符合“受覆盖前沿模型”的条件。
前沿模型是指处于 AI 开发最前沿、能力极强的通用系统。这一标签之所以重要，是因为只有受覆盖模型才能进入新的合作流程。
根据这项行政命令，参与开发者可以询问政府某一模型是否属于该类别。随后，他们可以在向其他可信合作伙伴发布前，最多提前 30 天提供安全访问。
政府和开发者还可以共同决定哪些合作伙伴获得早期访问权。这些合作伙伴可能包括关键基础设施运营商、安全研究人员、大型企业，或其他被信任接触未发布系统的机构。
这项审查主要关注网络能力。官员希望了解先进模型是否能够识别软件漏洞、自动化入侵，或增强针对重要系统的攻击。
这一重点比“AI 安全”这一宽泛表述所暗示的范围更窄。该命令并未建立审查歧视、虚假信息、隐私失效、劳动影响或一般消费者伤害的通用流程。
它还明确表示，该框架不得为发布 AI 模型设立强制性许可、预先审批或许可证制度。开发者在法律上仍可不通过这一流程获得政府批准，直接发布模型。
这一限制是有意为之。特朗普此前曾推迟该命令的早期版本，原因是担心监管会削弱美国行业相对于中国的竞争地位。
最终命令缩短了预期审查期，并强调自愿参与。技术公司认为更长审查期会造成过大干扰，而这项30 天流程取代了此前有关更长期审查的报道。
因此，该框架改变了领先实验室与联邦安全机构之间的关系。它为官员在严格保密控制下检查某些尚未发布的系统提供了正式途径。
然而，它并不要求企业进入这种关系，也不授权政府阻止发布，更没有清楚说明审查人员发现严重风险后会发生什么。
这便是标题与机制之间的第一个重大缺口。政府有了审视的流程，却没有既定的叫停流程。
为什么 Google 新闻聚焦于缺失的规则手册
最大的争议不在于标准被列为机密，而在于几乎所有操作细节仍无法接受外部审视。
近期 Google 新闻报道聚焦于一个据称在白宫会议期间向部分科技公司展示的框架。政府并不打算公开发布完整文件。
一定程度的保密可以理解。用于测试先进黑客能力的基准，可能会成为规避这些测试的指南。公开每项任务、阈值和漏洞，会削弱评估效果。
不过，政府可以在保护敏感测试细节的同时说明其治理方式。它可以披露资格规则、决策权限、利益冲突程序、申诉选项、报告预期，以及发现严重问题后的后果。
这些基本要素仍不清楚。
据一份内部报道称，框架草案覆盖具有领先能力和国家安全风险的闭源模型。据报道，其中并未对“最先进”能力或符合条件的国家安全风险给出清晰的公开定义。
这种模糊性赋予官员广泛裁量权，决定哪些系统会受到关注。两种能力相近的模型可能面临不同对待，仅仅因为其中一个是闭源的，另一个则分发可下载权重。
模型权重是塑造 AI 系统输出方式的学习数值参数。开放权重模型会让他人能够下载、修改和部署这些参数。
据报道，该框架要求受覆盖系统在审查期间保持于高安全环境中。访问会被记录，员工在政府审查模型期间使用该模型也可能受到限制。
这些控制措施或许能保护知识产权并降低内部风险，但它们无法回答谁可以审查政府的结论，或对不一致的决定提出质疑。
该命令将核心职责分配给包括 NSA 局长在内的安全机构。这可能提供深厚的网络专业知识，但也将权力集中于通常以隐秘方式开展工作的机构之中。
Cato Institute 的 Juan Londoño 欢迎自愿原则，但警告资格认定和可信合作伙伴决定过于模糊。他认为，集中的裁量权可能被用于针对卷入与政府政治争端的公司。
这种担忧并非抽象。联邦政府已因系统的军事用途与 Anthropic 发生公开冲突。因此，一个保密框架必须将技术风险判断与采购争议和政治报复区分开来。
透明度倡导者则提出了另一个问题。Americans for Responsible Innovation 认为，一个仅与有限群体共享的私下流程，会使外部人士无法评估先进模型是否面临有意义的监督。
其更广泛的框架批评认为，薄弱的联邦标准可能取代更强的州级保护。这一问题超出了网络安全审查本身，但凸显了联邦保障不明确的代价。
如果周边流程可见，保密基准仍可支持可信的监督。监管机构常会保护敏感证据，同时公布规则、管辖边界、执法政策和汇总发现。
特朗普的 AI 安全规则目前颠倒了这种平衡。政府在公开场合描述了宽泛流程，却据报道将许多实际规则留给了部分获选公司。
这种安排有利于能够直接接触白宫的既有实验室。小型开发者、研究人员、州政府官员和公民社会团体只能从泄密和二手报道中推断系统如何运作。
因此，Google 新闻并非只是放大一场程序争议。这些报道揭示了一个基本的合法性问题：公众无法评估一个看不见的安全框架。
开放模型游离于安全审查之外
该框架的核心权衡是：它对访问受到控制的模型实施审查，却豁免了发布后更难遏制的模型。
据报道，开放模型不在当前审查流程之内。框架还表示，不应将其解释为在模型发布后限制它们。
这一选择存在现实理由。当一家公司控制模型、基础设施和发布时间表时，自愿的发布前合作最容易开展。
闭源模型开发者可以将系统置于安全环境中，并在测试期间限制访问。它可以修补安全防护、推迟部署，或限制危险能力，而无需分发底层权重。
开放权重开发者则面临不同的发布决策。一旦权重可供下载，副本便可在多个司法管辖区和私人服务器间传播。后续限制会变得难以执行。
这种差异本应支持更谨慎地审查开放模型，而不是将其排除在外。它们的分发模式带来了闭源系统测试可能无法捕捉的独立风险。
开放模型也具有重要益处。独立研究人员可以检查它们，企业可以在不将敏感数据发送给远程提供商的情况下部署它们，小型开发者也可以在不依赖某一家大型实验室的情况下进行开发。
支持者认为，广泛访问能减少少数 AI 公司之间的集中化。由于更多专家能够测试同一系统，它也可以改善安全研究。
政府似乎决心保留这些优势。它一再将开放开发视为美国竞争力的重要组成部分，也是对抗封闭 AI 寡头格局的一种制衡。
复杂之处在于，一些最强大的开放模型来自中国开发者。Alibaba 的 Qwen 系列和 Moonshot AI 的 Kimi 系统表明，模型开放性与地缘政治来源不能被视为同一个问题。
白宫框架围绕与美国公司的自愿合作构建。中国开发者几乎没有理由向美国安全机构提供未发布系统，或响应非正式的联邦压力。
一篇关于中国的分析指出，政府可能需要针对中国模型制定独立的采购、访问或供应链政策。这些工具仍在当前审查渠道之外。
这种划分形成了一个不均衡的格局。
领先的美国闭源模型可以在发布前进入政府审查。能力相近的开放权重系统则可能避开这一流程。外国开放模型随后可在发布后通过云服务和私人部署流通。
将开放系统排除在外，可能会减轻 Meta 等美国开放模型开发者面临的压力。这也可能鼓励企业发布模型权重，以避免承担与闭源模型类别相关的义务。
这种激励取决于框架的具体细节，而这些细节仍未公开。如果参与能够带来可信赖的政府关系，并更容易接触重要客户，闭源模型开发者可能会将审查视为一种优势。
如果审查造成延误、泄密或不可预测的干预，开放性可能会成为规避监管的途径。企业可能会围绕政府的分类而非实际风险水平，重新设计发布策略。
开放与闭源系统之间的区别，也不像听起来那么稳定。一家公司可能发布模型权重，却保留训练数据、安全方法或复现模型所需的源代码。
另一家开发者则可能通过应用程序编程接口提供广泛访问权限，但不发布权重。两种安排都不符合简单的开放性测试。
能力比标签更重要。一个能力中等的开放模型，可能比能力极强的闭源系统带来更低的即时风险。领先的开放模型可能带来更高的扩散风险，因为任何人都可以对其进行改造。
特朗普 AI 框架需要一种方法来评估这两个维度。它必须考虑模型能做什么，以及这些能力能够以多快速度扩散。
在该方法出台之前，开放模型豁免看起来像是一项在官员建立完整风险分类体系之前就作出的政策决定。它保护了访问与竞争，但将最棘手的遏制问题留在了别处。
自愿审查给 AI 公司带来压力
该框架将责任转向私营实验室，同时给予它们出于政治和商业而非法律原因的合作动机。
自愿并不意味着无关紧要。拒绝审查的开发者，可能会损害其与联邦机构、国防客户、受监管行业以及关键基础设施运营商之间的关系。
政府批准并非正式要求，但合作可能会成为一种信任信号。银行、公用事业公司、医院和公共机构可能更倾向于选择参与过联邦网络安全测试的模型。
这给 OpenAI、Anthropic、Google、Microsoft 及其他闭源模型开发者带来了压力。每家公司都必须决定提供多少访问权限、模型应在多接近发布时接受审查，以及愿意接受哪些限制。
据报道，政府鼓励企业提交接近公开发布阶段的系统，而不是早期原型。这种做法减少了审查人员花时间测试后续可能发生重大变化的模型的可能性。
它也压缩了应对窗口。若在发布前不久发现严重问题，开发者可能被迫推迟发布、限制访问，或在风险尚未解决的情况下发布。
行政命令并未说明由谁作出这一决定。公司可能保留正式控制权，但拒绝安全建议可能引发声誉损害或联邦采购方面的后果。
这种安排更像协调式风险管理，而非监管。政府专家提供信息与影响力，而开发者保留依法发布的权力。
支持者认为，这种灵活性正是重点所在。该流程可以比立法更快地适应变化，保护机密系统，并避免建立会逐渐过时的固定审批机制。
美国优先政策研究所赞扬该命令将国家安全与 AI 的持续发展联系起来。该机构的立场反映了政府的信念：严格控制会削弱美国企业与外国竞争对手抗衡的能力。
领先实验室也表达了审慎支持。OpenAI 表示，有效框架应借助民主制度、技术专业知识和广泛利益相关方的参与。
Anthropic 将该行政命令描述为美国 AI 领导力的重要一步。据签署前后的报道，Google 也欢迎这一倡议。
这些表态并不能证明企业接受每一项实施细节。它们表明，主要开发者认识到联邦协调的益处，尤其是在网络能力方面。
困难的问题在于：当合作失效时，谁来承担责任。
假设一个政府团队发现，某个尚未发布的模型能够自动化执行复杂入侵。开发者可能会增加防护措施、限制访问或推迟发布。它也可能质疑测试结果并继续推进。
该命令并未设立独立机构来解决这一分歧。即便发现涉及重大基础设施，它也不要求在发布后作出公开说明。
公司也可以在冲突发生前拒绝参与。联邦机构可能拥有其他权限，但审查框架本身并未设立发布禁令。
这些限制使其不同于拜登政府的做法。拜登 2023 年的行政命令利用《国防生产法》，要求某些系统的开发者向政府共享安全测试信息。
特朗普在重返白宫后撤销了该命令。他的政府如今接受了一些相同的基础性担忧，同时拒绝强制报告和广泛的发布前监督。
参议员 Mark Warner 在欢迎新政策、同时批评政府重建其曾拆除的保护措施时，概括了这种逆转。他的观点是，即使监管措辞发生变化，安全问题仍然存在。
白宫对这种比较有不同看法。它将新政策描述为有重点的合作，而不是对模型开发进行全面控制。
两种描述都包含部分事实。政府恢复了参与评估前沿系统的机制，但缩小了范围，并取消了可强制执行的参与要求。
这让企业承受软性压力。当法律没有规定时，联邦关系、客户预期和公众监督可能会推动合作。
当激励机制一致时，软性压力可以发挥作用。信誉良好的开发者不希望发布会引发重大网络事件的模型。它也重视获得政府专业知识以及关键基础设施合作伙伴的机会。
当商业激励指向速度时，体系就会变得更弱。前沿实验室面临激烈竞争，推迟一次发布可能会让另一家公司获得优势。
闭源公司还面临绕过审查的开放模型竞争。参与 30 天流程的实验室，可能会眼看能力强大的开放竞争对手在未经历同等审查的情况下发布。
这正是该政策最直接的市场扭曲。自愿接受审查的开发者，可能承担最大的程序性负担，即使其发布仍更容易受到控制。
特朗普 AI 安全规则面临三项可信度考验
只有当其私下测试产生可见、一致且在技术上站得住脚的结果时，该计划才能赢得可信度。
第一项考验是定义问题。政府必须说明哪些系统属于涵盖范围内的前沿模型，同时不能泄露敏感的基准测试任务。
可行的定义可以结合多个因素，包括测得的网络能力、自主性、可靠性、计算规模、访问控制以及被滥用的后果。
“最先进”这样的表述并不够。能力排名变化很快，模型可能在某一领域变得危险，却并未在所有基准测试中领先。
政府还必须说明，资格认定是依据模型本身还是发布形式。当前对闭源与开放系统的区分表明，包装方式可能与能力本身同样重要。
第二项考验是程序一致性。企业需要知道谁会接收其模型、官员如何保护知识产权，以及当机构之间出现分歧时会发生什么。
行政命令要求采取保密、网络安全、内部人员风险和保密协议保护措施。这些承诺很重要，因为早期访问会在发布前暴露具有商业敏感性的系统。
政府最终应报告有关参与情况的汇总信息。它可以披露审查了多少模型、多少发现促成了修改，以及哪些风险类别最常出现。
这类报告不会泄露模型机密。它能表明该框架是否产生实际行动，而不只是开会。
第三项考验是政府如何处理严重发现。只有参与者对证据作出回应，自愿流程才具有意义。
政府不需要公开漏洞利用方式，也不必点名每一家受影响公司。但对于威胁关键基础设施或国家安全的风险，它需要明确的升级处置路径。
该路径可能涉及额外测试、受限部署、有针对性的采购条件，或移交给拥有现有法定权限的机构。现有框架并未公开明确这些步骤。
政府还必须防范选择性执法。企业不应因为其高管拥有更大的政治影响力，或因为其与联邦机构另有争端，而获得不同待遇。
独立技术审查可能有所帮助。来自多个机构、国家实验室、学术界和获批外部组织的专家，可以在安全条件下审查存在争议的发现。
该政策的保密性使这些保障措施更加重要。当外部观察者无法检查证据时，他们必须信任用于评估证据的流程完整性。
政府的支持者可能会认为，传统监管会带来更大的风险。静态规则可能固化过时假设，偏向有能力资助合规团队的企业，并拖慢防御性研究。
这些风险确实存在。但它们并不能消除对一个具有国家安全影响的自愿项目进行基本治理的必要性。
灵活流程仍可公布稳定原则。它可以界定利益冲突、保存技术记录、提供复议机制，并说明何时其他权限将变得相关。
更广泛的联邦层面局势又带来一个可信度问题。白宫希望国会制定一项国家政策，并优先于部分州级 AI 法律。
如果联邦保护措施仍然是自愿且保密的，州政府将认为，联邦优先权消除了可执行的保障措施，却没有提供替代方案。企业可能偏好统一的国家标准，但公共官员会追问该标准究竟要求什么。
随着州法律开始处理自动化决策、透明度、儿童安全和前沿模型风险，这一冲突可能会加剧。网络审查只覆盖了其中一部分关切。
因此，“AI 安全规则”这一说法可能夸大了政府已经建立的机制。当前体系是针对部分先进模型的国家安全测试合作机制。
这一区别对普通用户很重要。模型的参与并不意味着政府认证其准确、无偏见、保护隐私，或适用于每一种应用场景。
企业不应将参与宣传为全面的联邦批准。买方仍应评估模型如何处理数据、权限、监控、人工审查和特定领域风险。
开发者还需要保存政府测试后模型变更的记录。系统在微调、工具访问或部署更新后，可能表现不同。
测试结果仅适用于特定时间的特定配置。它无法保证之后每一种集成的安全性。
这些限制并不意味着该框架毫无用处。它们界定了将一个有前景的安全渠道转变为可信机构所需完成的工作。
Google News 读者接下来应关注什么
三个信号将显示，这届政府究竟是建立了可行的保障机制，还是仅仅形成了一个保密讨论流程。
第一个信号是一份公开的治理文件。白宫无需披露机密基准测试，但应公布资格标准和决策程序。
应关注受覆盖模型、可信合作伙伴、审查权限和升级处理机制的定义。清晰的公开规则将强化政府的说法：保密是为了保护测试，而非逃避问责。
持续沉默则会削弱这一说法。这会让未参加白宫会议的公司无法规划，也会阻碍独立专家发现结构性缺口。
第二个信号是审查确实改变模型发布的证据。最有力的证明，将是一项联邦认定后有据可查的延期、访问限制、安全更新或部署调整。
若出于国家安全需要，披露内容可以匿名化。关键在于证明该流程会影响决策，而不只是让官员提前观看演示。
如果企业始终按计划发布模型，且没有报告任何调整，两种解释将相互竞争：要么系统通过了有意义的测试，要么测试根本缺乏影响力。
汇总报告可以区分这两种可能性。没有这类报告，外部将始终无法衡量该框架是否成功。
第三个信号是针对开放权重和外国模型的政策。政府已将这些系统排除在其自愿的发布前流程之外，但尚未解决它们带来的安全影响。
采购限制、云托管要求、供应链规则或独立的发布后评估，都可能填补这一缺口的部分空白。任何应对措施都必须区分技术风险与对开放性的笼统否定。
基于能力的做法将强化该政策。缺乏一致测试标准、带有政治选择性的禁令则会削弱它。
开发者和企业买家应关注这些信号，而不要把每一条 google news 头条都当作最终结论。该框架仍处于实施阶段，而非一套已经完成的监管体系。
安全团队应询问供应商：模型是否进入了联邦测试、审查人员检查了哪些配置，以及随后作出了哪些调整。他们不应假定参与即等同于获得认证。
使用开放模型的公司应自行评估网络滥用、数据暴露、访问控制和工具自主性风险。获得联邦流程豁免并不会降低技术风险。
知识工作者面对的是同一问题中更隐蔽的一面。政府审查聚焦于前沿网络能力，对日常工作中的机密文件、不准确输出或不安全的自动化操作几乎说明不了什么。
因此，读者应区分三个问题：模型是否经过审查、测试了哪些风险，以及实际部署中适用了哪些保护措施？
最新一轮 google news 报道揭示了真正的政策转向。特朗普政府如今接受这样一种观点：部分先进模型在广泛发布前应接受政府审查。
其选择的机制仍然有限。参与是自愿的，标准大多不公开，开放模型不在流程之内，而未通过测试的后果也尚不明确。
这并不意味着该计划空洞无物。它意味着后续决策比这项宣布本身更为重要。
应关注公开治理、模型发布发生改变的证据，以及对开放模型采取的一致做法。这三项进展将揭示，特朗普的 AI 安全规则会成为持久的监督机制，还是仅仅停留在一项计划的概念阶段。
