白宫 AI 监管框架引发透明度冲突

白宫最终确定了一套 AI 监管框架，但其于 8 月 4 日向各大科技公司展示的规则仍未向公众公开。这一矛盾如今已成为 Google 新闻报道的核心：这是本届政府首次在先进模型发布前对其进行审查的重要尝试。

官员在华盛顿会见了 Google、OpenAI、Anthropic、Meta、Microsoft、Nvidia 及多家小型开发商的代表。该框架为参与企业提供了一套流程，使联邦机构能够提前访问某些模型。审查最长可持续 30 天，重点关注网络安全和国家安全能力。

这场会议并非又一次与硅谷的常规磋商。它确立了一项封闭的政府审查机制，同时将开放权重模型排除在外——这类模型的参数在发布后可以被下载和修改。其结果是，闭源模型开发商面临压力，而外部人士却无法审视适用于它们的标准。

这种区别构成了核心政策冲突。政府希望更早接触危险能力，同时又不拖慢美国企业的发展，也不暴露机密测试。但保密机制使人们难以判断该流程是否一致、有效，或是否受到被审查企业的影响。

Google 新闻标题已经落后于事件进展

预期于周二举行的说明会已经完成，其结果比原始标题所暗示的更具影响力。

最初的报道称，白宫将与科技公司举行会议。根据多家成熟媒体后续报道，这场工作人员级别的会议已于 8 月 4 日周二举行。

白宫已在总统唐纳德·特朗普 6 月 2 日行政令设定的 8 月截止日期前完成该框架。一名政府官员向 Axios 表示，这项自愿框架按时完成。

此次会议让企业首次详细了解该流程将如何运作。然而，政府并未在说明会同时公布这一框架。

这一缺失改变了报道重点。会前，关键问题是哪些公司会参与、会提交哪些模型；会后，更大的问题变成：一个未公开的框架如何建立可信的监管机制。

原始行政令要求联邦官员与 AI 开发商设计一套自愿安排。参与企业可以让可信赖的政府团队安全访问纳入范围的前沿模型。

前沿模型是接近当前 AI 能力边界的先进通用系统。这些系统能够完成多种任务，包括编程、科学分析和网络安全工作。

该行政令尤其强调可能发现软件漏洞或促成破坏性网络行动的模型。它还要求制定安全处理程序，并协调多个部门的工作。

财政部、国防部、商务部和国土安全部参与了这项更广泛的工作。国家安全局、网络安全和基础设施安全局以及联邦技术专家也承担相关职责。

白宫表示，这种协调将帮助政府为新兴威胁做好准备。在模型发布前进行测试，可能发现开发商或外部评估人员遗漏的能力。

该政府审查并未被描述为一套通用许可制度。开发商无需获得联邦许可才能发布每一款新模型，参与在形式上仍属自愿。

这个词在实践中的含义仍未明确。理论上，开发商可以拒绝，但拒绝白宫提出的国家安全请求会带来政治和商业后果。

政府合同、监管关系以及接触政策制定者的机会，对前沿实验室都很重要。这使该安排的影响力超过一般的行业自愿承诺。

时间线同样重要。特朗普最初曾推迟一场更早的签署活动，原因是有人反对该提案可能阻碍美国 AI 发展。

最终行政令设定的审查期最长为 30 天。这短于早期讨论中据称考虑过的 90 天期限。

作为政府 AI 政策重要声音的大卫·萨克斯认为，较短的窗口期能让实验室在不延迟发布的情况下合作。这一折中方案试图在保持快速发展的同时，为联邦专家提供有限的审查时间。

因此，6 月行政令代表了显著转向。政府此前一直强调消除联邦层面的障碍，并限制州一级的限制措施。

它并未放弃这一方针。相反，它设立了一项狭窄的国家安全审查，同时继续抵制对 AI 产品实施更广泛的监管。

周二的会议将这一折中方案转化为实际运行框架。它也揭示了有多少流程将继续处于公众视野之外。

闭源 AI 开发商面临新的发布前关卡

OpenAI、Anthropic 和 Google 现在面临政府审查，而这种审查并未平等适用于所有先进模型开发商。

据报道，该框架涵盖具备最先进能力且可能带来国家安全风险的闭源模型。闭源模型不会提供可供外部人士自由审查或修改的可下载权重。

政府可以在纳入范围的模型向公众发布前获得访问权限。据报道，企业被鼓励提交与计划发布版本高度相似的模型，而非早期研究系统。

这一细节解决了一个基本测试问题：对未完成模型的评估，几乎无法说明最终产品中会有哪些安全措施、工具或能力。

然而，临近发布阶段的提交也压缩了应对窗口。如果联邦测试发现严重问题，实验室必须决定是延迟、修改、限制，还是照常推出。

根据会议后报道的框架细节，员工在审查期间可能面临访问限制。这些限制似乎旨在保护敏感测试，并防止未经授权的披露。

据报道，审查将评估模型是否能够实质性协助网络攻击，或识别严重漏洞。部分基准测试将保持机密，因为公开披露可能暴露防御弱点或可复用的攻击方法。

机密测试在国家安全工作中并不罕见。争议在于，整个治理框架是否也必须保持不公开。

白宫可以披露资格规则、决策程序、申诉机制和报告义务，而无需揭示具体攻击场景。但它尚未承诺达到这种透明度。

这种不确定性给开发商带来规划难题。开发前沿模型的公司必须在确定发布时间表之前，判断系统是否属于适用范围。

不清晰的门槛会促使实验室直接与官员协商。拥有庞大政策团队的公司，比小型开发商更容易处理这一过程。

Google、OpenAI 和 Anthropic 已开展广泛的内部评估。它们也与多个国家的外部测试机构和政府研究机构合作。

新流程为这些审查增加了联邦层面的受众。它并不取代企业测试、独立红队测试或既有安全计划。

红队测试是指有组织地尝试让系统失效、绕过控制措施或产生危险输出。政府团队可以带来私营评估人员无法获取的机密威胁信息。

这正是联邦参与最有力的理由。国家安全机构掌握实验室可能永远不会接触到的漏洞、对手方法和关键系统信息。

一个模型在公开基准测试下可能看似安全，但面对受限目标时表现不同。政府的早期访问可能在广泛部署前暴露这一差距。

不过，30 天的窗口期也存在限制。复杂系统在与工具、数据源、记忆功能或自主工作流整合后，可能表现出不同的行为。

测试基础模型无法预测每一种部署方式。一个安全的模型在连接凭据、代码库或关键基础设施后，也可能变得危险。

因此，政府面临衡量问题。它必须区分令人印象深刻的实验室表现，与会形成实际国家安全威胁的能力。

假阳性可能延迟有益系统。假阴性则可能让人们对随后促成有害活动的模型产生过度信心。

开发商也有动机对不利结果提出异议。延迟发布可能影响客户承诺、云容量规划、竞争定位和公众预期。

该框架的自愿结构避免了正式的审批要求。但它也没有明确说明，当公司与政府评估人员意见不一致时会发生什么。

行政令没有建立公开的申诉流程，也没有说明由独立机构解决技术争议。

这很重要，因为政府访问已影响发布决策。WIRED 报道称，应政府要求，OpenAI 在双方制定可重复使用的流程期间推迟了新模型的更广泛开放。

这类干预表明，自愿协调能够影响产品发布时机。它们也说明了为何企业希望在下一次重大发布前获得稳定规则。

压力并不限于实验室。企业客户必须判断，经过政府审查的模型是否比未经审查的替代方案更具保障。

采购团队最终可能会询问供应商，某个系统是否进入过联邦流程。保险公司和关键基础设施运营商也可能寻求类似信息。

如果标准和结果都不可见，这些买家就无法评估审查的价值。秘密流程可以产生政府洞见，却无法建立市场信任。

开放模型豁免形成核心取舍

该框架将最严格的审查施加于受控模型，却排除了发布后更难控制的系统。

开放权重模型提供可下载的参数，用户可以运行并修改它们。它们并不总是完全开源，因为训练数据和开发代码可能仍属私有。

Meta、Nvidia 和多家小型开发商支持开放模型分发。OpenAI 也加入了业界反对对开放权重系统实施广泛限制的行列。

据报道，政府决定不将这类模型纳入自愿发布前审查框架。这一区分将联邦测试重点放在美国开发商的先进闭源系统上。

支持者认为，这一选择有其现实理由。开放模型支持学术研究、本地部署、定制化，以及在最大型云平台之外开展竞争。

小型企业可以在不向远程服务商发送专有数据的情况下采用它们。政府和受监管组织也可以在受控环境中运行模型。

开放分发可以增强防御性研究。安全团队可以检查模型行为、开发防护措施并研究攻击，而无需依赖供应商的应用接口。

政府更广泛的 AI 政策始终支持开放模型。其 2025 年 AI Action Plan呼吁营造鼓励其发展的环境。

这项豁免延续了这一立场。它也回应了业界的警告：过早施加限制可能削弱美国的竞争力。

然而，开放权重移除了一个重要控制点。一旦开发者将其发布，公司便无法可靠地撤回每一份副本，也无法监控每一次修改。

有能力的用户可以移除防护措施、对系统进行微调，或将其接入进攻性工具。这使得发布后的控制变得困难得多。

闭源模型提供商保留了更多运营控制权。他们可以监控使用情况、封禁账户、更新防护措施，并限制对敏感能力的访问。

因此，该政策形成了一种表面上的逆转。更易于控制的分发路径需要接受政府审查，而较难控制的路径则获得了类别性的豁免。

这并不自动意味着该政策不合理。政府可能认为，对闭源前沿模型进行测试，能最好地获取最先进能力的信息。

许多开放模型在历史上落后于最先进的闭源产品。其较低成本和更广泛的可用性，并不总是等同于前沿性能。

这种差距也可能迅速缩小。一个在发布时低于政府门槛的模型，可以通过微调、工具使用或外部改进而变得更强大。

外国开发者进一步增加了复杂性。与美国公司达成的自愿协议，无法迫使中国或其他司法辖区的实验室提交其模型。

因此，白宫正在权衡两种不同风险。对美国开放模型实施严格控制，可能削弱国内研究，却难以阻止外国模型发布。

放任政策可能保留创新活力，却使政府失去预警能力。当外国实验室以宽松条款分发强大系统时，这一点尤为重要。

这项开放模型决定将注意力转向其他政府工具。出口管制、采购规则、制裁、情报工作和网络安全项目可能发挥更大作用。

这些工具无法提供同样的发布前评估机会。它们针对的是基础设施、访问权限或下游危害，而不是测试模型本身。

这项豁免还在美国公司之间带来了竞争后果。闭源实验室承担协调成本，而开放模型开发者则无需接受审查。

闭源提供商可以辩称，其托管服务更安全，因为它仍保有控制权。然而，政策恰恰要求该提供商接受额外审查，正是因为其系统更容易被接触到。

开放开发者可以辩称，广泛访问有助于安全研究和市场竞争。批评者则可以回应，公开可用性也增加了恶意用户的访问机会。

没有哪一种路径绝对安全。分发方式改变了谁能够采取行动、问题扩散的速度，以及仍可采取哪些补救措施。

该框架似乎将开放性视为一种类别，而非动态风险因素。公开可得的细节并未说明官员将如何处理混合型产品。

一些开发者公开发布较小的模型，同时将最强大的系统保持闭源。另一些开发者发布权重，但限制许可证、训练细节或商业用途。

二元规则可能难以应对这些安排。模型的实际风险取决于能力、防护措施、分发方式、工具访问权限，以及滥用它所需的资源。

政府最有力的论证，应通过明确的门槛将这些因素关联起来。公众无法判断未公开的框架是否做到了这一点。

这也是为什么 Google 新闻读者应将这项豁免视为不只是技术脚注。它界定了哪些公司承担负担，以及哪些风险仍处于流程之外。

秘密标准削弱自愿体系

保密基准可以保护国家安全，但隐藏的规则手册会阻碍对监督本身的独立审查。

据 Axios 报道，白宫不计划公布完成后的框架。官员们也一直未说明参与协议将于何时启动。

一定程度的保密是可以辩护的。披露如何攻击关键基础设施的基准，不应成为公开的操作手册。

政府团队还需要安全程序来处理未发布模型、专有信息和已发现的漏洞。公开这些材料可能带来新的风险。

然而，保密并非单一选择。官员可以保护测试提示和威胁情报，同时公布治理规则、覆盖门槛和汇总结果。

政府尚未解释为何这些要素也必须保密。这引发了怀疑：保密是否更多服务于政治灵活性，而非运营安全。

Americans for Responsible Innovation 主席 Brad Carson 曾表示，当外部人士无法看到规则时，规则手册就无法让公司承担责任。他的批评针对的是框架的制度设计，而非保护机密测试的必要性。

民间社会团体一直要求一致的覆盖范围、有意义的透明度和更清晰的监督。一封 5 月的政策信敦促政府建立一个有韧性的流程。

透明度缺口带来若干实际影响。首先，独立专家无法判断测试衡量的是现实威胁，还是戏剧化演示。

AI 安全基准可能具有误导性。模型或许能解决孤立的技术问题，却无法在真实环境中持续发动攻击。

反过来也可能如此。一个模型单独看似乎能力较弱，但在配合工具、反复尝试和人工指导时，可能变得有效。

缺乏方法论信息，公众无法评估政府审查人员是否理解这种差异。国会委员会可用于评估该项目的材料也会减少。

其次，保密使一致性难以验证。一家公司可能因为其模型、发布计划或政治关系不同而获得不同待遇。

当风险不同，区别对待可以是合理的。问题出现在没有可见标准解释这种差异时。

第三，自愿参与会在出现分歧后削弱问责。一家公司可能退出、延迟提交，或质疑政府的解释。

官员可以施加非正式压力，但非正式权力很少能形成可靠的公开记录。当出现问题时，它也会模糊责任归属。

如果经过审查的模型后来促成重大网络事件，政府和开发者都可能声称对方误解了调查结果。外部人士将难以还原决策过程。

如果审查不必要地延迟了一项有益发布，同样的不透明也会掩盖其理由。这使流程更难改进。

第四，闭门做法有利于既有参与者。大型实验室可以与华盛顿保持直接沟通，并承担复杂的安全要求。

小型公司可能不知道自己是否符合条件、应联系谁，或审查需要哪些技术准备。这种不确定性可能构成进入壁垒。

该框架可以通过公开程序指引来解决这一问题。它可以说明安全提交步骤，而不泄露机密评估内容。

这还涉及民主层面的担忧。政府正通过行政行动而非立法，建立一个影响重大的监督机制。

国会曾就更广泛的 AI 规则进行辩论，但尚未形成一部统一、全面的联邦法律。政府的框架通过自愿协议填补了部分空白。

这种做法比立法更快。但未来政府也更容易修改或放弃它。

公开框架可以通过记录政府的推理来形成连续性。未公开的安排则更依赖现任官员和私人关系。

该项目狭窄的网络安全重点，使其他危害不在其主要目的之内。偏见、隐私、劳动力扰动、欺骗性内容和一般消费者安全，需要另行制定政策。

不应因为政府未能通过一次安全审查解决所有 AI 问题而批评它。然而，官员应明确说明该流程不涵盖什么。

“AI 监督框架”这一说法比现有细节所支持的范围更广。更准确的理解是：它是面向特定闭源模型的自愿性、发布前国家安全评估渠道。

这一更狭窄的描述有助于企业买家解读该项目。参与并不意味着模型被认证为准确、公平、保护隐私，或适用于每一个工作场所。

它只表明政府曾有机会审查某些先进能力。即便是这一说法，在参与情况和结果变得可见之前，也需要谨慎表述。

该体系最强的版本，将机密测试与公开问责相结合。官员可以公布模型类别、参与统计数据、响应程序和匿名化经验教训。

他们还可以报告审查是否触发发布变更，而不暴露涉及的漏洞。这将让外部人士衡量该流程是否促成行动。

最弱的版本将完全保持私密，并依赖非正式合规。它仍可能为机构提供有用情报，但无法建立公众信心。

现有证据表明，该框架更接近这一光谱的私密端。这正是 Google 新闻标题背后尚未解决的冲突。

三个信号将显示该框架是否重要

该框架的价值将取决于已签署的参与协议、可见的发布决策，以及对开放模型风险的可信应对。

第一个信号是领先实验室是否正式加入该流程。出席白宫会议并不等同于签署具有约束力的参与协议。

OpenAI、Anthropic 和 Google 都表示支持在国家安全测试方面与政府合作。Microsoft 也欢迎政府的努力。

这些表态提供了政治支持，但并未披露提交时间表或争议处理程序。下一次重大模型发布将检验这些承诺。

关注实验室是否确认已向政府提供发布前访问权限。还要关注公司是否说明由此产生的任何发布变更。

已确认的提交将强化该框架已投入运行的说法。如果多次重大发布持续保持沉默，则表明实施仍然是非正式的。

第二个信号是，当评估人员发现严重能力时会发生什么。只有当发现改变一项决策时，审查流程才变得有意义。

可能的回应包括延迟访问、收窄工具权限、加强监控、分阶段部署或进行额外测试。完全取消并非唯一有价值的结果。

政府无需披露某个漏洞，也能说明一次审查影响了模型发布。汇总式披露既可维护安全，也能证明评估确有实际影响。

如果每个接受审查的模型都按计划发布，且没有可见调整，那么就存在两种可能的解读：要么企业的安全措施始终有效，要么该流程缺乏影响力。

公开报告将有助于区分这两种情况。政府尚未宣布此类报告机制。

第三个信号在于，官员将如何应对来自国内外开发者的高能力开源模型。现行豁免使这一问题被排除在框架之外。

另一项单独政策可能聚焦于算力门槛、分发保障措施、采购限制或快速事件协调。每种选择都伴随不同成本。

对开源模型实施广泛限制，将与政府公开支持开放开发的立场相矛盾。无所作为则会随着这些系统能力提升而留下不断扩大的缺口。

最可信的应对方式应基于能力证据，而非假定所有开源模型都具有同样风险。它还应认识到，已发布的模型权重并不容易收回。

开发者应关注 NIST 及其 Center for AI Standards and Innovation 发布的指南。安全团队也应监测联邦机构如何界定受覆盖的网络能力。

企业采购方则面临不同任务。他们不应等待华盛顿提供完整的安全认证。

组织仍需自行开展模型评估、实施访问控制、制定事件计划，并向供应商提出问题。政府审查可以补充这些措施，但无法取而代之。

知识工作者也应追踪敏感信息的流向。模型的监管状态并不能决定雇主文件是否获得充分保护。

评估 AI 系统的团队需要留存供应商声明、政策变更和内部决策的长期记录。可检索的知识库可帮助在规则变化时保留这些背景信息。

原始 Google News 条目将报道重点放在周二的一场演示上。如今更重要的故事在于，白宫在那次会议后选择披露什么。

政府已建立一条渠道，让联邦专家能够在发布前检查部分前沿系统。这让政府能更早了解具有国家安全影响的能力。

它还将该渠道建立在保密、自愿合作以及对开源模型的豁免之上。这些选择限制了独立信心，并使合规负担分配不均。

未来一到三个月应能揭示：企业是否真的提交模型、审查是否会改变发布安排，以及开源模型政策是否会单独发展。

每当企业提及与政府合作时，读者都应提出一个直接的问题：审查带来了什么改变？

具体的答案将表明，该框架正在影响实际部署。含糊的保证则会让核心透明度问题依然存在。