白宫“超级智能”重塑 AI 名称，但安全仍取决于信任

白宫推动“超级智能”议程，在紧凑的一周内改变了联邦用语，并从主要科技公司获得了一项自愿安全承诺。总统 Donald Trump 命令行政机构在大多数官方沟通中，以“超级智能”（Super Intelligence）或“SI”取代“人工智能”（artificial intelligence）和“AI”。

Trump 还与科技领袖一道支持针对先进模型的安全控制措施。他将这项自愿协议称为“具有道德约束力”，尽管尚未宣布任何法律执行机制。

从远处看，这些举措似乎相辅相成。一项抬高了这项技术的名称，另一项则承诺控制其风险。但近看之下，它们暴露出更深层的矛盾。

政府正在用一个传统上与超越人类能力的智能相关联的术语来描述当前 AI 系统。与此同时，它要求构建这些系统的公司通过审查、审计和董事会监督来监管自身。

这种组合将争论焦点从 AI 是否需要监督，转向应由谁来提供监督。OpenAI、Anthropic、Google、Meta、Nvidia 以及 Elon Musk 的 AI 业务如今同时处于这个问题的两端。

这些公司开发模型、衡量其能力、调查故障，并决定哪些证据能传递给外部人士。独立评估机构会参与这一过程，但该协议并未设立联邦执法机构或公开处罚机制。

因此，品牌重塑的意义不止于呈现方式。语言可以塑造采购、外交、公众预期，以及普通软件部署所附带的紧迫感。

将所有涵盖的系统都称为“超级智能”，也模糊了一项重要的技术区分。现有生成式模型能够完成困难任务，却并不具备研究人员通常与超级智能相关联的广泛、可靠的优越能力。

核心问题不在于这个新标签听起来是否雄心勃勃，而在于自愿控制措施能否承担华盛顿赋予它们的监管重任。

白宫实际改变了什么

政府立即改变了联邦用语，但暂时保留了 AI 的底层法定定义。

Trump 于 2026 年 9 月 29 日签署了第 14434 号行政命令。该命令指示行政部门和机构以“超级智能”和“SI”取代“人工智能”和“AI”。

这一要求涵盖官方信函、网站、报告、公开沟通、政策文件及其他非法律材料。此前发布的法规、合同、拨款、总统行动和历史文件无需追溯修改。

这一限制很重要。该命令并不会立即重写所有包含“人工智能”一词的联邦法律或合同。

为便于立即实施，该命令通过联邦法律中现有的 AI 法定定义来界定 SI。实际而言，政府在创建独立法律类别之前先改变了标签。

完整的行政命令给予总统科技助理 60 天时间，为联邦 SI 定义提出立法措辞建议。该提案必须评估国会是否应修改或替代现有 AI 定义。

它还必须识别对现行法定引用可能作出的调整。同一流程中还可建议采取进一步的行政行动。

配套的联邦情况说明书将这一变化描述为对技术能力不断扩展的认可。它认为，“人工”一词低估了这些系统能够做到的事情。

不过，该命令并未设定模型在获得 SI 标签前必须通过的新基准。因此，文档摘要工具和前沿推理模型可能同处于这一修订后的术语之下。

该命令也没有设立新的测试实验室、许可制度、事件报告要求或民事处罚。其直接行动涉及联邦用语以及未来定义的制定。

这使白宫的超级智能政策显得不同寻常。政府通常会先定义受监管类别，再对其施加义务。这里则是名称先行，更具影响力的法律定义随后才到。

同一天还出现了另一项独立的行业承诺。科技公司高管与 Trump 及其他官员在白宫会面，随后支持面向训练和部署前沿模型企业的自愿标准。

前沿模型是处于现有能力前沿附近的先进通用系统。其广泛适用性也会带来可跨越产品、客户和行业的风险。

据报道，该协议要求建立内部控制、模型评估、外部审计和董事会层面的审查。参与公司还承诺持续围绕标准和安全实践举行会议。

这两项行动构成了本文的核心冲突。联邦政府正在放大 AI 被感知的力量，同时将大部分即时安全工作交给其开发者。

白宫“超级智能”是一个标签，而非能力测试

新名称体现的是政府优先事项，而非当前模型已达到科学意义上超级智能的证据。

“超级智能”在许多技术和政策讨论中已有特定含义。它通常指在广泛的重要认知任务中超越人类表现的系统。

当前 AI 系统尚未稳定达到这一标准。它们可以编写软件、分析文件、生成媒体和支持研究，但仍会给出错误答案或在简单任务上失败。

它们的表现还高度取决于提示词、工具、数据访问、系统设计和人工监督。一个场景中的出色结果，并不能证明其在所有领域都具备可靠的优越性。

第 14434 号行政命令并未声称提供了这样的技术证明。相反，它将超级智能视为对已被联邦 AI 定义覆盖的技术的替代名称。

这一选择将 Trump 对 AI 的品牌重塑转化为政策信号。联邦雇员、机构、承包商和国际合作伙伴将不断接触到将这些系统框定为能力极强的术语。

这种框定会影响机构如何理解普通自动化。一名采购官员可能将 SI 产品解读为比其实际表现所支持的程度更自主、更可靠或更先进。

反向风险同样存在。如果机构对每一个 AI 系统都使用同样宏大的标签，这一术语可能变得过于宽泛，无法指导有意义的监督。

低风险行政助手不应获得与运营关键基础设施的系统相同的治理待遇。有效控制取决于能力、访问权限、自主性和潜在危害。

该命令未来的定义流程或许能恢复这些区分。科技助理可以建议将前沿能力与较低风险系统分开的措辞。

国会仍需接受任何拟议的法定变更。在此之前，现有法律仍决定政府实际将哪些系统作为 AI 加以监管。

这一术语已经引发政治阻力。联邦行动一天后，加州州长 Gavin Newsom 签署州级命令，保留“人工智能”这一术语。

加州的公告明确拒绝联邦标签，同时将回应措施与劳动者和消费者保护相结合。该州的AI 框架要求在某些就业决策中有人类参与，并增加了与 AI 相关裁员的披露规则。

这一分歧带来的不只是话语权之争。联邦机构和加州机构如今可能用不同的官方词汇描述相似的系统。

向两级政府销售产品的开发者，可能需要编制将 SI 术语映射到既有 AI 定义的文档。律师仍需遵循适用法规和合同中写明的语言。

研究人员还面临另一个问题。宽泛的政治标签可能削弱政策制定者与技术专家之间的沟通，后者对“超级智能”的使用更为狭义。

公众可能会听到超级智能已正式到来的说法。但该命令本身并未提供支持这一结论的评估。

每当官员描述系统故障或新的采购项目时，这一区分都很重要。读者应追问该系统能做什么、拥有何种访问权限，以及经过何种测试。

新名称无法回答这些问题。它只能影响机构最先提出哪些问题。

安全协议以执行力换取速度

白宫 AI 安全承诺迅速建立了共同流程，但合规仍取决于企业在没有已宣布联邦处罚的情况下履行承诺。

这项行业协议源于白宫的一场会议，多家相互竞争的科技公司领导人出席。参与者包括 Meta 的 Mark Zuckerberg、Anthropic 的 Dario Amodei、Google 的 Sundar Pichai、Nvidia 的 Jensen Huang，以及 OpenAI 总裁 Greg Brockman。

Elon Musk 和 Microsoft CEO Satya Nadella 也出席了更广泛的聚会。Amazon 创始人 Jeff Bezos 及其他科技高管则与政府官员和国会领袖一同参加。

Trump 将该协议比作宪法，并称其具有道德约束力。他认为企业已经理解需要自行约束的必要性。

道德承诺不同于法律义务。它不会自动赋予监管机构调查权、设定披露期限，或对未落实控制措施施加处罚。

尽管如此，该协议仍包含可能具有实质意义的治理理念。根据安全协议报道中描述的一份副本，企业承诺实施四层控制和审计。

据报道，相关要素包括内部评估、外部公司的审查，以及公司董事会参与的监督。参与者还同意定期会面，并制定共同标准和实践。

若得到严格实施，这些措施能够提升安全性。内部团队了解模型、训练流程和基础设施，因此能够及早识别风险。

外部评估者能够挑战内部假设。董事会审查则可以将未解决的风险提升至负责发布的工程师和产品负责人之上。

然而，每一层都取决于尚未完整公开确立的细节。审计机构需要访问权限、独立性、技术能力，以及报告令人不安发现的权力。

董事会需要获得可在不同发布版本之间比较的风险信息。内部安全团队则需要拥有足够权力，以便在评估发现严重问题时延迟部署。

白宫 AI 安全承诺并未解决由谁选择外部审计机构或为其付费。它也没有明确完整报告是否会公开。

公司与评估机构之间如何处理分歧，目前尚无已公布的标准。该协议没有规定危险能力的统一发布门槛。

时机也带来另一个问题。部署后才完成的安全审查，无法防止用户、客户或已连接系统在初始阶段受到暴露。

该协议似乎也旨在保持开发速度。参与者可以在不等待国会协商制定全面联邦法律的情况下采取控制措施。

这种速度是该协议最明显的优势。竞争对手公司如今拥有一项共同的政治承诺，其安全负责人可在内部发布讨论中援引这一承诺。

它的弱点也源于同样的设计。自愿性体系可以快速变化、保持保密，或在不同公司之间有所差异，而无需经过正式的规则制定程序。

该协议承认，其实践最终可能成为法律或法规。这种表述将自我治理定位为起点，而未必是最终政策。

特朗普还讨论了成立一个约10人的委员会来监督更广泛的工作。在最初公告发布时，该委员会的成员构成和权限仍未确定。

委员会可以协调标准并发现缺口。除非其法律权力、访问权限、程序和后果得到明确界定，否则无法执行要求。

因此，近期的考验在于落实。企业必须证明这些控制措施会影响模型发布，而不只是改变对发布的描述方式。

AI 公司必须自我约束并相互监督

该协议要求竞争对手在继续争夺客户、人才、算力和战略影响力的同时，就安全问题展开合作。

共享安全实践合情合理，因为前沿风险可能扩散到单一公司之外。存在漏洞的模型可能支持网络攻击、加速有害研究，或暴露已连接的企业系统。

一家实验室薄弱的控制措施也可能迫使竞争对手更快发布。若自身审查耗时长于竞争对手的流程，每家公司都可能担心失去客户。

共同标准可以缓解这种压力。如果每个主要参与者都接受类似的测试和审计预期，安全工作就不再那么像一种单方面的商业劣势。

不过，这些公司的激励机制并不完全相同。Anthropic 已将风险控制置于其公开形象的核心，而 Meta 则经常强调开放访问和广泛分发。

OpenAI 在消费者产品、企业部署、开发者服务和日益自主的工具之间寻求平衡。Google 则将模型整合至搜索、生产力软件、云服务和移动产品之中。

Nvidia 为市场的大部分参与者提供计算基础设施。其安全利益与模型开发者存在交集，但其商业定位仍然不同。

这些公司定义和衡量模型风险的方式也不同。一项共同承诺不会立即带来统一的测试、证据格式或部署门槛。

Amodei 在会后概括了这种不确定性。他表示，这项技术确实存在风险，但应对机制仍在讨论中。

Zuckerberg 提到内部控制、风险审查、外部评估和独立董事会审查。Pichai 则将拟议流程比作公司内部的财务控制。

这些类比揭示了预期机制。该协议将 AI 安全部分视为企业治理职能，设置多个检查点并形成有据可查的问责机制。

财务控制之所以有效，是因为它们运行于成熟的法律和专业体系之内。审计师遵循详细标准，监管机构可以要求提供记录，高管也可能因虚假披露而承担后果。

前沿模型监管缺乏同样成熟的结构。随着系统获得新工具、更长的任务周期以及更广泛的外部服务访问权限，评估方法也在不断演变。

模型在受控测试中可能表现安全，但在与代码执行、公司数据或自动化工作流整合后可能呈现不同表现。风险取决于整个已部署系统。

随着 AI 智能体在多个应用程序间采取行动，这一问题会变得更加严重。智能体是基于模型的系统，能够在有限监督下规划步骤并使用工具。

对于企业采购方而言，审计措辞本身不应取代产品层面的尽职调查。采购方需要了解数据访问、保留、权限、监控、人工批准和事件响应情况。

团队还需要可靠记录其系统接收和产生的内容。可搜索的 AI knowledge base 可以支持内部审查，但不能取代供应商透明度或独立测试。

开发者面临类似责任。他们必须区分模型提供商的一般安全声明，与具体应用中实际采取的控制措施。

前沿模型可以通过广泛评估，但某个应用可能让它接触不安全的工具或获得过度权限。部署设计仍是风险的一部分。

该协议可以通过建立可互操作的报告格式发挥作用。企业可披露评估类别、已知限制、审计员独立性和补救状态，而无需暴露敏感的模型细节。

然而，自愿协调也引发了谁被排除在外的问题。小型开发者、开源社区、学术团队、劳工团体和公民社会组织可能缺乏同等影响力。

由主导企业制定的标准可以提高安全质量，也可能成为一道壁垒，有利于有能力资助复杂评估和审计项目的公司。

因此，政府必须同时审视安全结果和市场结构。将监管集中于最大的实验室内部，会让它们对未来竞争对手所适用规则拥有更大权力。

自我监管并非必然毫无意义。只有当外部人士能够验证流程、比较结果并识别失败时，它才具备可信度。

核心权衡在于问责与灵活性

自愿控制措施比立法适应得更快，但其灵活性使人更难判断每家公司是否达到相同的安全门槛。

AI 监管往往落后于技术变化。为当前模型制定的详细规则，可能会在开发者加入新工具、训练方法或部署模式后迅速过时。

由企业主导的标准可以更快响应。实验室已具备评估自身系统所需的基础设施、专业人员和访问权限。

它们可以在发现新的失效模式后更新测试，也可以比国会修订法规更快地共享威胁信息。

这些优势支持建立初步的自愿框架，但并未消除对独立问责的需求。

第一个担忧是选择性披露。公司可能发布令人安心的摘要，同时隐瞒失败测试、内部争议或导致发布延迟的证据。

第二个担忧是不一致的衡量方式。两家实验室可能使用类似的安全标签，却采用不同的门槛和测试条件。

第三个担忧是审计员依赖性。由模型开发者付费并选定的评估机构，可能面临维护商业关系的压力。

第四个担忧是补救措施。若没有任何机构能够在识别出严重风险后要求作出改变，强有力的审计价值也会受限。

白宫会议的报道凸显了这一缺口。对最初 safety commitments 的报道发现，尚未公布任何执行机制。

该协议的支持者可以合理认为，公开承诺仍会带来声誉后果。无视承诺的公司，可能面临客户、员工、投资者和其他签署方的批评。

声誉在失败变得可见时最为重要。一些安全问题仍隐藏在私密评估、机密事件报告或客户系统之中。

白宫可以通过界定最低披露字段来提高可信度。企业可以以一致格式报告审计时间、评估机构独立性、未解决发现和董事会决定。

政府还可以规定严重事件的报告触发条件，其中可能包括未经授权的系统访问、规避人工控制，或发现危险能力。

这些措施均不要求公布模型权重或敏感的安全指令。透明度可以描述治理结果，而不暴露技术攻击路径。

加州已在提出一种竞争性方案。其政策强调独立评估、法定保护，以及在就业等领域的直接义务。

该州的回应也表明，仅靠联邦术语无法统一国家政策。各州可以保留既有的 AI 用语，并制定超出自愿性联邦协议的要求。

这种分歧会增加企业的合规工作，也可能产生有价值的政策比较。

如果加州的强制性方案发现自愿性联邦流程遗漏的事件，推动全国立法的压力将会增加。如果联邦模式适应得更快并带来可衡量的安全收益，支持者将援引这一表现。

现有证据尚不足以判定胜负。该协议刚刚宣布，若干实施细节仍然未知。

更准确的结论应当更为有限。华盛顿选择了灵活的企业控制作为即时回应，同时保留未来监管的可能性。

举证责任如今落在企业和政府身上。他们必须证明，灵活性带来的是更强的安全决策，而不只是更少的可执行义务。

更名为政府和采购方带来实际风险

更改名称可能比机构更新定义、培训、合同和风险分类的速度更快，从而改变预期。

联邦机构使用术语来组织采购、合规、报告和员工培训。因此，即使底层技术没有变化，政府范围内的术语替换也会带来运营工作。

网站和指导文件必须更新。员工需要了解，当新文件使用 SI 时，旧有 AI 政策是否仍然适用。

承包商可能会遇到同时使用两个术语的请求。法律团队必须区分受该命令约束的沟通内容，与仍保留 AI 用语的法规和历史协议。

国际协调又增加了一层复杂性。其他政府、标准机构和学术机构仍将 artificial intelligence 作为广义类别使用。

联邦外交官和技术官员可能需要在新的国内术语与既有国际语言之间进行转换。这种转换可能在谈判期间造成歧义。

该标签还可能夸大产品可靠性。采购方可能将“超级智能”理解为政府认可的能力分类，而非一项沟通政策。

供应商可能在营销中利用这种歧义。即使使用的是该命令发布前销售的同一模型和架构，被描述为 SI 的产品也可能听起来更先进。

采购团队应以可衡量的问题作出回应。他们应询问测试了哪些任务、系统多常出现失败，以及仍需要哪些人工审查。

他们还应审查模型是否可以访问私密数据、执行代码、发送消息或更改业务记录。这些权限往往比基准测试表现更重要。

知识工作者也面临类似问题。先进系统给出的自信回答，仍可能包含虚构引文、遗漏条件或错误计算。

将系统称为 SI，并不能免除对重要输出进行审查的必要。用户应保留源材料，并核实会影响客户、财务、就业或安全的决策。

同样的谨慎也适用于公共服务。AI 助手可以帮助人们查阅政府信息，但仍可能出错，或反映不完整的政策数据。

政府机构需要纠错渠道和升级处理程序。公众应当知道自己何时是在与自动化系统互动，以及如何联系到人类决策者。

联邦层面的品牌重塑仍可能带来一个积极作用：迫使各机构正视这些系统如今在多大程度上影响公共事务运行。

如果这种关注带来更完善的清单管理、测试、采购标准和员工培训，就会产生价值；如果用戏剧化措辞取代这些控制措施，则会带来伤害。

因此，白宫的超级智能行政令将取决于实施效果，而非被重复提及的次数。为数千份文件更名很容易衡量，而提升安全性则困难得多。

严肃的评估应追踪事故、审计发现、部署延误和整改情况。统计新术语的使用次数，对公共保护作用几乎说明不了什么。

三个信号将表明这项政策是否动真格

接下来的三项检验分别是联邦定义、监督结构，以及审计能否改变部署决策的证据。

第一个信号是拟议中的联邦“超级智能”定义。第 14434 号行政令规定，总统科学与技术助理须在 60 天内提交立法文本。

一个有用的定义应区分能力等级、部署场景和风险。它不应将每一种统计模型、聊天机器人和自主智能体都视为技术上等同的事物。

如果该提案建立了与可衡量特征相关联的明确边界，政策将得到加强；如果 SI 仍只是 AI 的通用替代词，政策则会被削弱。

第二个信号是承诺建立的监督结构。特朗普谈及一个约由 10 人组成的委员会，以及一名负责国家政策的新官员。

成员构成将揭示谁的判断被重视。若委员会由企业高管主导，将强化自我监管模式。

更广泛的成员群体可以包括技术评估人员、安全专家、劳动者代表、民间社会研究人员以及公共行政专家。其权力与组成同样重要。

这一结构需要能够获取证据、制定定期报告机制，并建立处理严重发现的问题流程。否则，它主要只会充当协调论坛。

第三个信号是，审计是否会改变一次发布、产品或部署。公众不需要了解每一项敏感细节，但需要看到这些控制措施确实影响决策的证据。

推迟发布、收窄能力范围、降低系统访问权限或公开整改措施，都将表明审查会带来后果。反复进行审计却没有可见干预，将印证批评者对自我监管的质疑。

这篇初步报道捕捉到了这一时刻的两面。高管们描述了多层控制机制，而 Amodei 表示，处理风险的机制仍在讨论之中。

这种不确定性，才是特朗普 AI 品牌重塑背后的真正故事。政府在确定治理这项技术的规则之前，已经先确定了一个雄心勃勃的名称。

对开发者、企业采购方和普通用户而言，实际应对方式很直接：关注控制措施，而非标签。

要问的是，评估是否采用可信测试，审计人员是否具备独立性，以及严重发现是否能传达给决策者。还应追踪一次故障被发现后会发生什么。

如果白宫超级智能政策能够产生可比较的证据和可执行的问责机制，它才会重要。没有这些结果，“道德约束力”仍只会是一项附着于改名技术之上的政治承诺。

未来三个月，请关注联邦定义、监督任命，以及首个由审计引发的有记录干预。这些信号将表明，华盛顿究竟建立了安全体系，还是主要改变了词汇。