Warner AI 安全法案迫使各方在自愿测试与联邦监管之间作出选择

Mark Warner 与 Brian Schatz 和 Andy Kim 一同提出 Warner AI 安全法案，要求受涵盖模型在发布前至少 45 天接受联邦审查。

这项提案的正式名称为《2026 年人工智能风险管理与安全法案》（Artificial Intelligence Risk Management and Security Act of 2026），目标指向具备严重国家安全能力的前沿模型。它将以强制测试、可执行标准、事件报告和高额民事罚款，取代当前主要依赖自愿的监管方式。

这正是核心冲突所在。参议员们认为，企业不能继续独自判断其最强大系统是否可以安全发布。白宫及持怀疑态度的国会议员则反对可能拖慢美国 AI 发展的联邦规则。

Warner、Schatz 和 Kim 于 9 月 24 日将这一争议带到参议院全体会议。他们寻求推动行动之际，国会即将再次休会，而 11 月选举也令立法日程进一步收紧。

该法案出台之时，AI 相关提案正迎来更大范围的增长。一些议员倾向于透明度要求、出口管制、吹哨人保护或紧急关停能力。Warner 的法案则更进一步，将联邦评估人员纳入发布前流程。

其前景仍不明朗。该法案由三名民主党议员提出，而相关 AI 立法已吸引两党共同发起人。然而，即使在参议院获得通过，也无法消除众议院领导层或特朗普政府的反对。

因此，眼前的问题超越了一项法案本身。华盛顿必须决定，领先 AI 公司发出的警告是否足以证明有必要实施可执行的监管，即使这些公司正围绕发布速度展开竞争。

Warner AI 安全法案将带来哪些改变

该立法将把前沿 AI 安全从企业自行管理的实践，转变为联邦合规义务。

这份法案摘要提出，在商务部内设立常设人工智能安全委员会。其成员将包括来自 NIST、CISA、NSA、财政部及商务部其他办公室的代表。

独立技术专家也将参与其中。该委员会将评估新兴风险，并为受涵盖系统制定技术安全与安保标准。

该立法聚焦前沿模型，即对国家安全、经济安全或公共卫生构成严重风险的高能力系统。这一定义旨在避免让每个聊天机器人、推荐系统或小企业应用都承担相同要求。

准备发布受涵盖模型的开发者，须在公开部署前至少 45 天向委员会提供访问权限。所需材料包括模型权重、配置文件、运行时环境以及运行模型所需的软件库。

模型权重是训练过程中学习得到的数值参数。获得这些参数可支持更深入的测试，但也会让政府承担极为敏感的安全责任。

联邦评估人员可使用 NSA 和能源部国家实验室的安全环境。这种安排适用于无法仅通过公共接口安全审查的能力。

委员会将为能够在无人类直接提示下发现并利用软件漏洞的系统制定测试标准。该表述使自主网络能力成为监管重点关注的核心触发条件。

开发者还须制定模型安全计划。每份计划将明确模型的能力、风险、拟议缓解措施，以及负责落实的企业高管。

这位具名高管至关重要。安全承诺常常出现在政策文件中，却未明确内部问责对象。该提案将把这些承诺与一位可识别的管理人员联系起来。

不合规行为可能面临民事罚款：每项违规、每持续一天，最高可达 25 万美元。这一金额使相关标准与自愿性指导存在实质区别。

该法案将建立全国性数据库，用于记录事件、反复出现的缺陷和险些发生的事故。NIST 和 CISA 将协调该系统，而敏感报告将通过安全流程提交。

受涵盖企业通常须在 30 天内报告严重事件。涉及迫在眉睫的国家安全、关键基础设施或公共安全威胁的事件，则须在 72 小时内报告。

当 AI 控制工业系统或其他运营技术时，关键基础设施运营商也将承担报告义务。这项规定将责任范围延伸至模型开发者之外。

例如，使用自主代理的公用事业公司，可能面临不同于提供消费者助手企业的运营风险。该数据库可帮助监管机构识别在多个部署场景中反复出现的薄弱环节。

该提案还涉及自主代理，即能够通过外部工具规划并执行行动的系统。相关标准将涵盖身份、身份验证、授权、数据访问和不同级别的自主性。

开发者将记录代理的预期用途、权限边界、工具访问范围、已知限制及独立评估结果。这些细节可能决定一组遭泄露的凭证最终只是轻微事件，还是演变为更大范围的安全漏洞。

这一组合使该法案的范围超出单纯的测试授权。它在一个联邦框架内连接了 AI 模型安全测试、部署安全、企业问责与事件学习。

为何自愿监管如今承受压力

参议员们正在质疑：私人测试和可选的政府合作，是否能够匹配日益自主化模型带来的风险。

Warner 将威胁聚焦于实际的网络安全事件，而非人类灭绝等遥远情景。他提到，模型可能会侵入银行、供水系统或电网。

这一表述反映出 AI 政策辩论的转向。议员们正日益关注能够搜索漏洞、操作工具并在无需持续监督的情况下执行更长行动序列的系统。

参议员们表示，领先开发者已对这些能力发出过警告。他们的公告点名 OpenAI、Anthropic、Google DeepMind、Meta 和 Microsoft 等公司，称这些企业正在讨论不断加剧的网络安全风险。

企业警告并不能证明每一个先进模型都能够自主攻破关键基础设施。但这确实削弱了这样一种观点：政府的担忧仅仅建立在推测或敌对外部评论之上。

Schatz 将该问题描述为人类控制的问题。Kim 认为，没有控制的创新会制造混乱；Warner 则将可预防的基础设施攻击描述为更近在眼前的担忧。

这些说法仍属于政治论点，而非独立结论。但它们解释了为何法案重点在于发布前访问和可执行计划，而不是自愿承诺。

现有联邦工作提供了基础，但并未施加同等义务。NIST 的AI 风险框架为组织识别和管理 AI 风险提供指导。

该框架有意保持灵活。企业可以根据不同系统、行业和组织需求进行调整。

对于能力最强的模型，Warner AI 安全法案采取了另一种做法。它将授权一个联邦委员会，把风险管理原则转化为开发者必须遵循的标准。

这一区别让前沿实验室面临直接压力。发布时间表可能需要为政府访问、安全评估、补救工作和合规文件预留空间。

45 天期限也将改变企业规划发布的方式。开发者不能再将外部测试视为发布前不久进行的一项可选工作。

受涵盖企业可能需要尽早冻结重要组件，以便评估人员审查稳定版本的系统。重大的最后时刻变更，可能使委员会究竟审查了什么变得复杂。

企业客户将感受到间接影响。银行、医院、公用事业机构和政府承包商日益需要证据，证明已部署的代理遵守权限和数据边界。

标准化文档可为买方审查这些主张提供更一致的依据。但合规并不能保证模型在每个客户环境中始终安全。

模型在与私有数据库、身份系统、代码仓库和外部工具集成后，可能表现出不同的行为。因此，部署控制仍将与实验室评估同等重要。

对于知识工作者而言，在代理获得对电子邮件、文档、金融系统或生产代码的权限之前，这个问题可能显得遥远。到那时，模型行为就会变成访问控制问题。

采用此类系统的团队需要一份可检索的权限、测试结果和事件记录。持续维护的 AI 知识库可支持内部治理，尽管它无法取代监管测试。

该立法最有力的依据，在于从回答问题向采取行动的转变。错误答案会造成一种类型的伤害；自主行动则可能造成另一种。

参议员们押注，这一区别将推动国会超越对“负责任 AI”的普遍支持。他们的提案要求立法者界定：谁来测试、谁来报告，以及谁为违规付出代价。

联邦审查与发布速度之间才是真正的取舍

该法案迫使国会在更快的私人部署与具有法律授权支撑的较慢监管之间作出选择。

支持者将强制审查视为基本预防措施。他们认为，私人激励机制偏向快速发布，尤其是在领先实验室围绕客户、资本和技术领导地位展开竞争之时。

企业可能会在发现严重弱点后推迟发布，但也面临以最有利、最站得住脚的方式解读不确定结果的压力。

联邦测试增加了另一个决策者。它在构建模型的团队与判断其风险控制是否符合公共标准的机构之间建立距离。

该法案的批评者可以提出另一种担忧：集中化流程可能变得缓慢、技术上僵化，或容易受到政治压力影响。

前沿模型变化迅速，而联邦规则制定往往要经历漫长程序。为某一代模型设计的测试，可能会错过下一代模型中出现的能力。

安全访问也带来另一种取舍。向联邦专家提供模型权重能够支持更深入的分析，但这些文件也是实验室最有价值的资产之一。

测试设施一旦发生泄露，可能暴露知识产权，或让对手获得强大模型。政府需要具备足以证明其值得开发者信任的安全实践。

该提案试图通过安全的联邦环境回应这一担忧。然而，设立一个机构并不等于证明其人员配置和基础设施已经足够。

该委员会将整合使命不同的机构。NIST 制定标准，CISA 保护关键基础设施，NSA 则在情报界开展工作。

这种组合能够带来宝贵的专业能力，也可能引发关于证据门槛、保密级别、公开披露以及最终决策责任的争议。

开发者可能会质疑，该委员会将如何处理开放权重系统。这类模型的发布机制不同，因为一旦公开，事后实际上几乎无法撤回。

规模较小的实验室可能面临不成比例的合规成本。大型公司已拥有评估团队、安全计算环境、法务部门和政府关系。

因此，广泛适用的规则或许能保护公众，但也可能进一步巩固市场集中度。国会需要设定既能覆盖危险能力、又不会将每个开发者都视作大型前沿实验室的门槛。

该法案对性能和可修改性的关注，表明其认识到了这个问题。然而，这些门槛最终能有多大可预测性，取决于具体实施方式。

这正是前沿 AI 监管与传统产品认证不同的地方。模型不是一种用途固定且稳定的实体设备。

开发者可以对其进行微调、连接工具、调整安全措施，或增加其可用的计算资源。用户也可以将模型与其原始评估者从未观察到的系统相结合。

45 天审查可以识别重要能力和安全弱点，但无法认证每一种未来配置，也不能消除发布后持续监测的必要性。

参议员们通过事故报告和持续更新的标准来应对这一局限。这些机制承认，发布前的 AI 模型安全测试产生的是证据，而非确定性结论。

政治阻力同样不可忽视。唐纳德·特朗普总统一直反对近期加强 AI 监管的呼声，其他共和党人也警告不要施加过度限制。

这种监管分歧并非简单地存在于认识风险的人与忽视风险的人之间。它同样关乎应由哪个机构来管理这种风险。

一些官员优先考虑美国相对于中国的领导地位。他们担心，国内管制可能拖慢美国企业，而外国竞争对手面对的义务较少。

支持者则回应称，薄弱的安全措施可能削弱同样的战略优势。被盗的模型权重、遭入侵的基础设施以及失控的网络能力，都可能将利益转移给对手。

双方的论点都将安全与国家竞争力联系起来。分歧在于，强制性的联邦干预究竟会强化还是限制这一地位。

因此，该法案无法仅凭技术证据获得推进。其发起人必须证明，可执行的审查能够提升安全性，而不会让政府成为发布流程的瓶颈。

拥挤的 AI 议程凸显法案的政治风险

国会日益认同 AI 会带来严重风险，但对风险的共识尚未转化为对单一监管机制的共识。

华纳的提案进入参议院时，参议院已在考虑更为狭窄的方案。每项法案都聚焦于同一治理问题的不同部分。

参议员 James Lankford、Chris Coons、Katie Britt 和 Brian Schatz 于 9 月 24 日提出《AI Systems Transparency Act》。这项两党透明度提案将要求公开披露数据收集、安全措施、模型风险和违反政策的情况。

联邦贸易委员会将负责执行这些要求。该法案将适用于达到其公司门槛的闭源和开源系统。

透明度规则要求企业说明其系统和安全措施。华纳的法案则会让联邦评估人员在部署前接触受覆盖的模型。

这两种路径可以相辅相成，同时也表明立法者距离形成统一的前沿 AI 监管模式仍有多远。

参议员 John Kennedy 通过其《AI Emergency Button Act》探索了另一条路径。该法案将要求开发者保留关闭危险系统的方法。

当 Kennedy 寻求一致同意时，参议员 Rand Paul 表示反对，阻止了这项关停提案立即通过。

这一事件显示了华纳和 Schatz 原计划采用的同一程序的局限性。一致同意可以快速推动立法，但任何一位参议员都可以阻止它。

被否决的请求未必证明大多数参议员反对其基础政策。它可能反映实质性异议、对修正案的要求、程序性筹码，或更广泛的党派冲突。

华纳的 AI 安全法案面临额外困难，因为它所要求的不只是披露。它将设立监督机构、要求接触敏感技术资料，并建立持续性处罚机制。

支持者可以指出，两党都对 AI 安全抱有兴趣。反对者仍可质疑这种特定的联邦权力分配方式。

参议院的常规程序构成另一重障碍。重大立法通常需要经过委员会审查、修正、辩论，并获得足以克服阻挠议事的支持。

当参议员拒绝一致同意时，大多数法案需要 60 票才能推进。之后仍须获得众议院多数支持和总统签署。

时机令这些障碍更加严峻。立法者正接近选举，而可用的议程时间还必须容纳拨款、国防、提名确认及其他优先事项。

众议院对全面 AI 行动表现出的紧迫性较低。众议院议长 Mike Johnson 曾警告，立法机构可能以繁文缛节和过度监管作出回应。

这种观点构成该法案最关键的反对力量。即便参议院形成两党联盟，也仍需要愿意安排并塑造配套法案的众议院领导层。

特朗普政府倾向于采取更宽松的联邦路径，也一直强调竞争、创新和国家领导地位。

因此，发起人必须决定，是推动完整法案，还是将其拆分为支持更广泛的条款。事故报告可能吸引与强制性发布前接入不同的盟友。

安全委员会本身也可能成为另一个谈判焦点。立法者或许支持联邦评估，但反对设立一个永久性的新机构。

行业立场同样重要。领先企业已呼吁政府监管，但对监管的普遍支持并不等于支持每一项合规义务。

大型开发者可能接受能减少不确定性的通用标准，但仍可能反对披露敏感材料、固定时间表，或与不断变化的技术测试挂钩的处罚。

较小的竞争者和开源倡导者可能会重点关注门槛。他们会希望确保法律不会让既有企业获得更强的竞争地位。

公民自由团体可能会审视 NSA 的角色。网络安全专家可能欢迎其技术能力，同时质疑情报机构如何处理商业系统及公共问责问题。

这些担忧并未否定该提案。它们指出了在广泛的紧迫性表态成为可操作法律之前必须解决的设计问题。

因此，参议员们在议场上的推动有两个目的：寻求通过，同时也迫使同事表明，他们对 AI 护栏的支持是否延伸至可执行的联邦审查。

三个信号将显示可执行的 AI 安全监管是否推进

下一项考验不是再次警告 AI 风险，而是政治领导人是否会将这一警告转化为立法授权。

第一个信号是华纳 AI 安全法案能否获得正式的两党共同发起支持。该法案提出时列名华纳、Schatz 和 Kim，三人均为民主党人。

共和党人的参与将增强法案在参议院的推进路径，并使其安全框架更难被斥为党派倡议。没有这种参与，该法案很可能仍只是未来谈判的一个标志。

最重要的支持将来自参与情报、商务、国土安全或武装部队政策的参议员。他们所在的委员会监督法案中提及的许多机构。

两党对相关立法的兴趣提供了一座可能的桥梁。Lankford、Britt、Coons 和 Schatz 已围绕透明度形成一致，而 Kennedy 则一直推动关停要求。

若能形成结合这些路径的联盟，将表明国会正从孤立的提案走向共同的联邦架构。持续碎片化则会削弱这一结论。

第二个信号是参议院领导层是否安排委员会或全院行动。演讲和一致同意请求能够引发关注，但无法提供建立持久监管体系所需的审查。

委员会审议将迫使立法者检视定义、门槛、审查时限、信息安全、执法和申诉权。这些细节将决定法律如何运作。

它还将揭示 45 天要求是否可以协商。修订后的时间表、分阶段实施或紧急例外，或可在不放弃强制审查的情况下吸引支持。

如果没有听证会或审议标记，则意味着领导层主要将该法案视为政治表态。无论公众担忧程度如何，这都会削弱其近期通过的前景。

应像关注参议院一样密切关注众议院。配套法案、工作组或委员会听证会将表明，该提案有超越单一议院的路径。

第三个信号是前沿实验室如何回应。主要开发者的明确支持将削弱有关这些要求在技术上不可能实现的说法。

有条件的支持会比泛泛支持监管的表态更具说明性。企业应就发布前接入、模型权重、事故报告期限、智能体标准和处罚设计作出回应。

以安全或实施为核心的反对意见可能改善法案文本。若反对仅围绕发布速度，则会强化发起人关于激励冲突的论点。

在任何投票之前，开发者的行为也很重要。更多独立评估、标准化安全计划和详细的事故披露，可能表明自愿实践正在改善。

严重但未报告的事故则会产生相反效果。它将强化这样一种观点：可选安排无法形成一致的问责机制。

读者应谨慎对待任何一方的戏剧性说法。联邦审查无法保证模型永远不会在发布后被滥用、遭入侵或被修改。

同样，合规成本并不必然扼杀创新。明确标准可以帮助企业买家区分有据可查的控制措施与模糊的安全承诺。

决定性问题在于，国会能否设计一种既改变行为、又不冻结技术实践的监督机制。这需要可执行的结果，也需要可适应的评估方法。

开发者、企业客户和 AI 用户应按顺序关注这三个信号：两党共同发起、正式立法行动，以及详细的行业回应。

它们将共同显示，参议院的新紧迫感究竟会催生法律，还是加入不断扩大的未完成 AI 提案档案。

目前，这项法案已经改变了辩论的条件。华纳、Schatz 和 Kim 不再仅仅要求企业配合政府测试。

他们要求国会将其写入法律、明确责任归属、收集事故信息，并惩处不合规行为。这比原则上支持 AI 安全是一项更重大的承诺。

任何部署自主系统的机构都应立即遵循法案文本，并审查自身的权限边界。即使该法案受阻，这些问题依然会存在。

谁能访问敏感工具，谁批准模型变更，谁接收事故报告，以及谁有权叫停不安全的操作？这些都已经是实际运营中的问题。

联邦 AI 安全政策的未来，取决于立法者是在下一次严重失误发生前回答这些问题，还是只会在事后才作答。