白宫 AI 工作组面临行业自律与联邦监管之间的鸿沟

据报道，尽管本届政府倾向于让行业自愿监管，白宫 AI 工作组仍将在 120 天内提交风险报告。这项任务为华盛顿一再回避的问题设定了期限：当能力日益增强的 AI 系统造成严重伤害时，谁应承担责任？

据报道，该组织名为“Super Intelligence Force”，将由美国国家情报总监 Jay Clayton 领导。其职责包括评估 AI 风险，并界定联邦政府在管理这些风险中的责任。这一授权与总统 Donald Trump 强调快速发展、与中国竞争以及行业自律之间形成了张力。

这份报告本身不会直接制定联邦法律。但它仍可能影响采购规则、国家安全政策、国会提案，以及政府对州级监管的立场。其重要性取决于它能否将宽泛的警告转化为具体责任、可衡量的标准和可信的执法机制。

这份报告将联邦责任正式摆上台面

核心进展并非又成立了一个 AI 顾问小组，而是正式要求界定华盛顿必须承担哪些责任。

一篇经转载的 Bloomberg 报道称，该工作组将评估 AI 风险及联邦责任。该报道表示，Clayton 向 The Wall Street Journal 确认了其领导角色。一名白宫高级官员据称形容，这一职位实际上使他成为政府的 AI 沙皇。

同一报道指出，该小组有 120 天时间准备调查结果。这一期限足以让工作组汇集证据并提出建议，却不足以对每一种新兴能力进行全面的科学评估。

据报道，该组织的名称同样值得关注。Trump 最近指示行政机构在许多官方沟通中以“Super Intelligence”替代人工智能。这一术语将该技术定位为战略性国家资产，而不只是商业软件产品的集合。

这一框架将领导力与风险纳入同一政策议程。政府希望美国企业构建能力持续增强的系统，同时也必须明确：当这些系统促成网络攻击、生物威胁、欺诈、监控或失控的自动化行为时，应由谁作出应对。

Clayton 此前已将 AI 描述为机遇与威胁并存。据Axios报道，他也反对暂停美国 AI 发展，认为这并非明智战略。因此，他的立场符合政府偏好的平衡方式：继续推进发展，同时寻找不会让竞争停滞的管控措施。

但一旦必须分配责任，这种平衡就不再简单。自愿审计可以识别薄弱环节，却未必能够强制披露或整改。联邦采购条件可以影响政府供应商，却未必覆盖面向消费者的部署。

由情报系统主导的小组也会带来特定视角。它很可能重视网络威胁、国外竞争、模型安全和关键基础设施，但这些优先事项并不会自动解决消费者保护、歧视、版权、就业或儿童安全问题。

该工作组最具影响力的选择将涉及范围界定。它可以主要将 AI 风险视为国家安全问题；也可以阐述更广泛的联邦角色，涵盖政府机构、企业、各州、独立评估机构和国会。

这一差异将决定该报告会成为一份可操作的政策文件，还是又一份原则声明。政府已经拥有宽泛目标，所缺少的是：当自愿承诺失效时，各方职责应如何分配的共识。

白宫为何此时采取行动

来自 AI 实验室、州政府、安全官员以及政府自身竞争战略的压力正同时到来。

直接背景是，围绕先进模型的公开警告大幅增加。AI 高管和研究人员已对自主智能体、网络滥用、生物风险以及系统愈发难以控制等问题表示担忧。极端情境发生的概率和时间仍存争议，但政策压力已不再只是理论问题。

当前模型已经能够帮助用户编写代码、研究技术主题，并协调多步骤任务。这些能力创造了经济价值，也降低了恶意用户自动化开展侦察、欺诈或网络行动的门槛。

更具推测性的风险涉及抵制人类指令或追求非预期目标的系统。研究人员对这些能力距离现实还有多远存在分歧。但政策制定者依然面临实际问题，因为评估方法和部署实践正与模型一同发展。

政府还将中国视为决定性的战略竞争对手。这种担忧使其不愿采取任何看似会拖慢美国实验室、而海外又没有对等限制的政策。这也解释了为何官员更偏好测试、内部控制和有针对性的保障措施，而不是全面暂停开发。

Clayton 的国家安全职位强化了这一视角。他领导的情报界负责识别外国威胁并保护敏感系统。他所领导的工作组能够将模型开发与网络防御、出口管制、情报收集和关键基础设施联系起来。

政府此前已朝这一方向行动。今年 6 月的一份国家安全备忘录要求各机构加速采用 AI，同时维护可靠性、可控性和宪法问责。

该备忘录还要求为国家安全系统制定联合 AI 风险管理战略，并向情报、国防、网络安全、国土安全、能源和财政部门官员分配职责。因此，这份新报告是在现有指令不断扩展的网络中启动的。

然而，国家安全只是压力的一部分。各州一直在为聊天机器人、就业系统、数据中心及其他应用制定规则。州长们愈发认为，联邦层面的不作为使他们不得不处理华盛顿尚未解决的问题。

Maryland 州长 Wes Moore 最近宣布了一项两党州长联合推动的 AI 行动。他向Associated Press表示，各州无法等待联邦层面的领导。两党的州长也已就数据中心、公共服务和技术保障措施采取行动。

这些州级行动与政府偏好统一全国框架的立场相冲突。科技企业同样不愿在多个司法辖区应对不同要求。然而，当华盛顿提供的可执行保护少于它试图约束的各州时，为联邦优先权辩护就会更加困难。

国会仍是另一项压力来源。议员们举行了听证会并提出相互竞争的提案，但尚未就一项全面的全国性法律达成一致。该工作组报告可能缩小这场争论，也可能加深自愿与强制性方案之间的分歧。

政府如今面临时机问题。它希望在相互冲突的州级制度根深蒂固之前形成全国规则，同时也希望避免行业视为限制性的联邦义务。

白宫 AI 工作组可以在这些立场之间搭建政策桥梁。这座桥能否稳固，取决于报告对企业、政府机构和国会提出何种要求。

白宫 AI 工作组检验自愿监管模式

主要矛盾并非抽象意义上的创新与安全之争，而是行业自律与可执行的联邦问责之间的冲突。

Trump 曾赞扬科技企业自行监管。AI 实验室也支持外部测试、事件协调和共享安全实践。这些举措能够比立法更快推进，并可借助直接理解系统的人才。

在技术快速变化时期，自愿监管确有实际优势。企业无需等待制定规则，便可更新评估方法。研究人员能够测试新的攻击技术、修订访问控制，并应对新出现的模型行为。

困难在于，安全发现可能威胁营收、产品时间表或竞争地位。一家公司可能有强烈动机在竞争对手之前发布系统。它对可接受风险的定义，也可能不同于用户、员工、监管机构或周边社区。

外部审计并不能消除这些激励因素。其价值取决于审计机构的独立性、获取证据的权限、发布权利以及失败后的后果。当企业控制所有测试条件和披露决定时，评估者无法提供有意义的保证。

因此，工作组必须区分安全活动与问责。测试是一项活动；问责决定谁必须采取行动、必须保留哪些证据，以及在未采取必要行动时会发生什么。

政府今年 3 月发布的AI 政策框架列出了六项宽泛目标，包括儿童保护、社区关切、知识产权、言论自由、创新和劳动力发展。

该框架还主张联邦政府应建立一致的国家政策，并警告相互冲突的州法律将损害创新和美国领导地位。

这些原则界定了理想结果，却留下了重要的实施问题。由哪个机构核实安全声明？企业何时必须报告严重事件？在模型继续可用之前，机构能否要求采取纠正措施？

这份新报告可以在不要求由单一监管机构负责所有用途的情况下填补这些空白。现有机构已经监管金融服务、医疗产品、通信、就业、贸易和消费者保护。联邦战略可以明确其权限，同时建立共同的报告和测试实践。

采购是另一项机制。政府可以要求供应商记录评估结果、保障模型访问安全、报告事件并保留人工控制。这些条款可直接保护联邦系统，并可能影响更广泛的行业标准。

不过，采购规则也存在局限。它们在机构购买或运营技术时最具约束力，并不会自动保护每一位与商业聊天机器人或自动化决策系统互动的消费者。

报告还必须正视模型开发者与部署者之间的差异。实验室控制训练、系统设计、访问政策和许多评估；客户则控制运行环境、连接的数据、权限以及具体用途。

当通用模型成为自主代理时，责任归属可能发生变化。代理是能够为实现目标选择并执行多项行动的软件。其运营者可能授予它访问电子邮件、代码仓库、金融系统或内部记录的权限。

在这种情境下，任何一方都不应将全部义务转移给另一方。开发者掌握模型局限性和测试情况的信息。部署者了解实际运营环境以及错误可能造成的后果。

最有力的联邦 AI 监管模式，应当在这条链条中分配责任。它不应假定某一家公司、某一审计机构或某一个政府部门能够管理所有风险。

联邦监管必须覆盖灾难性风险之外的领域

一份可信的报告必须同时处理眼前的伤害与极端情景，而不能假装任何一类风险都已被完全理解。

围绕 AI 风险的讨论往往分成两派。一派强调当前问题，例如欺诈、歧视、劳动力市场扰动、隐私损失和不安全建议。另一派则关注未来可能脱离有效人类控制的系统。

特别工作组应避免只选择其中一类。既有伤害正在影响现实中的人，而先进能力可能比传统政策流程的应对速度更快地带来新的安全问题。不同风险需要不同的证据和干预措施。

网络滥用提供了一个清晰例子。模型可以协助防御者进行代码审查和威胁分析。同样的能力也可能帮助攻击者识别弱点、编写恶意代码，或扩大欺骗性活动的规模。

生物风险存在更大的不确定性。政策制定者需要了解，一个系统是否实质性地帮助用户跨越专业知识门槛。关于模型智能水平的笼统说法无法回答这个问题。

失控情景更难衡量。研究人员尚未拥有一项被普遍接受的测试，用以判断未来模型能否在现实环境中规避监管。这并不意味着应忽视这一问题，但要求我们对不确定性使用诚实的表述。

近期 AI 领导者之间的争论说明了这种分歧。一些实验室高管支持放慢开发节奏，以便安全措施能够跟上。政府官员则认为，单方面克制会使美国容易受到外国竞争对手的威胁。

两种立场都包含一个尚未解决的假设。安全倡导者假定，协调或可执行的控制措施能够降低竞争压力。竞争倡导者则假定，美国的快速发展能够带来可控的战略优势。

报告应检验这两项假设。它应研究自愿承诺在激烈竞争下能否继续有效，也应评估放缓特定部署是否确实能够提升安全性，而不会将能力转移到其他地方。

问责制批评者认为，过去的联邦计划回避了这一制度性问题。Brookings 学者 Tom Wheeler 和 Bill Baer 指出，政府的框架缺乏对责任归属的实质性说明。他们的治理批评呼吁建立可执行的义务和专家监管。

这一批评指出了 Super Intelligence Force 的核心检验标准。除非报告说明谁有权要求提供证据并施加后果，否则一份风险清单不会带来太多价值。

报告还应将安全问题与政治性的内容争议区分开来。政府强调言论自由以及反对意识形态偏见。这些担忧不同于技术可靠性、网络安全、隐私和人身安全。

将所有分歧归入同一个风险标签会削弱分析。它可能将技术评估变成政治判断，并使合规性更难衡量。

更好的结构是按照受影响系统、严重程度、可逆性和可用控制措施来分类风险。后果严重的联邦用途应获得比低风险写作助手更严格的保障。涉及儿童的消费级系统，可能需要与军用模型不同的保护措施。

特别工作组还需要明确的门槛。并非每一个错误回答都构成需要报告的事件。模型导致重大泄露、暴露敏感数据或采取未经授权的行动，所引发的担忧处于不同层级。

这些门槛应以实际后果为基础，而非以曝光度为依据。公司不应根据记者是否发现某一事件，来决定它是否重要。

报告本身无法解决执法难题

特别工作组可以提出责任建议，但持久的权力仍取决于政府机构、法院、国会和州政府。

总统特别工作组可以协调行政部门机构，并影响联邦采购。它可以建议立法并界定行政优先事项。但它无法通过一份报告创造无限的监管权力。

这一法律边界至关重要，因为 AI 跨越了既有行业。自动化医疗系统、信贷模型和军事代理带来的风险各不相同。它们也分别受到不同法律、监管机构和宪法约束的管辖。

国会可以针对事件报告、评估访问、举报人保护和独立研究制定共同要求。它还可以明确在全国框架下哪些州法律仍然有效。

如果没有立法，政府机构必须依赖现有授权。有些机构可以处理误导性的商业宣传、歧视、不安全产品或特定行业的不当行为。另一些机构则可能缺乏明确依据，无法在伤害发生前监管通用模型。

政府可能偏好灵活的行政行动，因为其推进速度更快。但这种灵活性也可能使政策缺乏可预测性。通过采购或机构指导发布的要求，可能会随领导层更迭和诉讼而改变。

联邦优先权带来了另一个执法困境。统一框架能够减少相互冲突的义务，并简化全国部署。但在同等联邦保障尚未建立前，它也可能撤销州一级的保护措施。

州政府不太可能仅因一个特别工作组承诺未来提出建议就退让。其官员正直接面对能源成本、儿童安全、就业实践和公共部门采购方面的压力。

因此，白宫需要的不只是对国家权力的宣示。它需要一项让公民和州领导人认为可信的联邦标准。

报告的构成将影响这种可信度。一个以情报机构为主的流程可能了解安全威胁，却忽视民权、劳工、教育、医疗保健和地方基础设施。

技术评估人员的参与同样重要。官员需要模型行为、网络安全、隐私、统计学和人为因素方面的专业知识。公司代表可以提供有用证据，但不应控制评估过程。

独立研究人员需要获得有意义的系统与事件数据访问权限。否则，政府将依赖外部人士无法复现的主张。当评估影响商业或国家安全决策时，这个问题会变得更加严重。

公众也应预期透明度存在边界。机密情报、专有模型细节和正在利用的安全漏洞无法全部公开。然而，过度保密会阻碍外部对报告方法和结论的审查。

有用的最终成果可以包括一份公开框架和受保护的技术附件。公开部分应说明类别、门槛、责任和建议授权。敏感附件则可以保留不应广泛传播的证据。

特别工作组还必须避免将 120 天审查包装成永久性的科学共识。模型能力和部署实践的变化速度可能快于联邦报告周期。

任何建议框架都需要定期更新。政府机构应能修订测试方法，同时维持有关文档、报告和问责的稳定义务。

这正是政府言辞面临最严峻检验之处。AI 领域的领导力不能只意味着更快的发展，也需要具备识别失败并在其扩散前作出回应的制度能力。

三个信号将表明报告是否改变政策

未来四个月将揭示，这个特别工作组是在建立问责体系，还是在准备另一份高层声明。

第一个信号是特别工作组的成员构成和正式授权。公开发布的命令应明确参与机构、决策权限、咨询程序和预期交付成果。

如果成员范围狭窄且由安全官员主导，这将表明其重点是国家安全评估。若消费者、劳工、科学、民权及行业监管机构更广泛参与，则更有利于形成覆盖全政府的框架。

授权内容还应明确特别工作组是否能够向公司索取事件数据。如果没有超出自愿展示范围的证据，其结论将反映实验室选择提供的信息。

第二个信号是联邦 AI 监管是否获得可衡量的要求。应关注是否出现涵盖事件报告、独立评估、部署文档和补救期限的提案。

具体门槛将增强报告价值。关于测试系统或保护美国人的笼统承诺，无法解决失败发生后由谁采取行动的问题。

采购变化可能先于立法到来。如果联邦合同要求信息披露和评估访问权限，主要供应商将需要建立运营合规体系。这将使报告不止是一项沟通工作。

第三个信号是联邦建议与州权力之间的关系。政府希望形成一致的全国框架，而州长们正在构建自己的应对措施。

一份要求广泛优先权、却没有同等联邦保护措施的报告，将加剧这一冲突。在明确领域保留更严格州规则的联邦基线，可能形成更可行的折中方案。

国会的反应在这里至关重要。立法者必须决定是否将建议转化为法定义务。他们的回应将显示，这份报告是促成了政治共识，还是仅仅记录了分歧。

读者还应关注不确定性所使用的语言。可信的报告将区分已观察到的事件、已测试的能力、合理的未来威胁和存在争议的预测。将这些类别视为可以互换，会削弱信心。

白宫 AI 特别工作组成立之际，每一位主要参与者都希望其他人承担部分风险。实验室希望政府协调，但抗拒严格限制。联邦官员希望推动创新，却不愿承担无限责任。

各州希望保有保护居民的空间。国会需要证据，但一直难以就权力问题达成一致。用户和企业需要在将 AI 系统连接至敏感工作流程之前获得明确预期。

对于知识工作者而言，眼前的经验教训很实际。应保留模型选择、访问权限、人工审查和重大输出的记录。可搜索的AI 知识库可以帮助团队在政策变化时保留这些背景信息。

决定性问题不是华盛顿能否再编制一份 AI 风险目录，而是这份报告能否分配经得住竞争压力、政治变化和下一次严重事件考验的责任。