国会面对AI：「一脸茫然」的背后，是比技术更难解的制度困境
国会面对AI：「一脸茫然」的背后，是比技术更难解的制度困境
2026年9月9日，Politico发表了一篇题为「Lawmakers are at a loss for how to regulate AI as insiders warn of impending doom」的深度报道。
标题直译过来是：「当内部人士警告厄运将至，立法者面对AI监管却一脸茫然。」
这不是一个耸人听闻的标题。这是一篇基于大量国会采访的报道对现实状态的精确描述。
而这篇报道的导火索，是一个名叫Jacob Coxon的人——前Anthropic研究员，在9月8日通过社交媒体发帖，称AI公司正在「以我们的生命为筹码进行赌博」。
一篇社交媒体帖子如何「惊动」国会
Jacob Coxon的帖子本身并不长。他写道：「我曾在OpenAI工作，后来去了Anthropic。我亲眼看到了这个行业的内部，我的结论是：AI开发者相信自己的技术可能导致人类灭绝，但他们仍然在比赛。这不是科幻小说，这是此刻正在发生的现实。」
这条帖子在社交媒体上迅速传播，根据CNBC的报道，更多前Anthropic和OpenAI的员工随后发声，形成了一波「内部人士警告浪潮」。
Politico记者在此背景下采访了数十位国会议员和幕僚，得到的答案高度一致：议员们知道AI很重要，但不知道该怎么管；懂技术的专业人员在政策圈的影响力有限；而党派分歧让任何有实质约束力的立法都举步维艰。
「一脸茫然」的3层结构
Politico报道揭示的困境，不是单一层面的，而是3层叠加的结构性问题。
第一层：理解赤字
监管任何技术的前提，是理解这项技术。
美国国会议员的平均年龄超过57岁，超过70%没有科学或工程背景。在过去十年里，大量懂技术的工作人员选择去硅谷拿高薪，而不是留在华盛顿做政策。国会听证会上，议员向科技公司CEO询问「Facebook是怎么赚钱的」之类的问题，成为了互联网上广为流传的笑话。
但笑话的代价是真实的。当一个政策机构无法理解它试图监管的对象，它制定的规则要么过于宽松（被技术能力快速突破），要么过于严苛（扼杀正当创新），很少能精确落在有效的地方。
AI的复杂性远超社交媒体或搜索引擎。「对齐」「基础模型」「涌现能力」「Preparedness Framework」这些概念，对于大多数立法者来说，不是技术细节，而是陌生的语言。
第二层：结构赤字
即便议员们想推动AI立法，美国国会的制度结构也是巨大的障碍。
国会两院分别有超过20个委员会声称对AI监管有管辖权——商业委员会、科技委员会、国家安全委员会、金融委员会、劳工委员会……没有一个专门的「AI超级委员会」，每个委员会都只关心和自己既有管辖领域的交叉部分，没有人从全局角度制定政策。
这导致了「分散式立法压力」：每个委员会都有动作，但协调机制缺失，法案之间相互矛盾或重叠，企业面临的合规负担可能远超任何单一法案的预期。
更大的结构问题：美国的立法周期是2年（众议院）到6年（参议院），但AI的能力迭代周期正在缩短到6到12个月。这两条时间曲线之间的差距，意味着任何被成功立法的规定，在生效时可能已经针对的是一个过时的技术状态。
第三层：政治赤字
AI监管在政治上的困难，不亚于技术上的复杂。
民主党和共和党在AI监管上的分歧，沿着一条很难弥合的轴线：
- 民主党倾向于强调AI的社会风险（就业替代、歧视算法、信息操控、安全威胁），主张更多监管
- 共和党倾向于强调AI的经济机会（竞争力、创新、就业），主张减少政府干预和「扼杀创新的过度监管」
但这个分歧并不是绝对的。一些关键议题打破了传统党派阵线：国家安全（两党都有强硬派），大科技公司权力（两党都有怀疑者）。
问题在于：当议题足够复杂，党派内部也难以形成一致，而没有党内凝聚力，组建跨党派联盟就更困难。
联邦 vs 州：宪法维度的深层矛盾
除了上述3层困境，还有一个更根本的宪法层面的争议：AI到底应该由谁来监管？
这是一个在美国政治制度中比技术问题更难解的问题。
过去两年，在联邦层面的立法迟滞的背景下，各州开始自行立法。截至2026年9月，已有超过30个州通过或提交了各类AI相关法律，涵盖算法歧视、AI生成内容标注、AI招聘工具、政府AI采购等领域。（相关法规碎片化问题，详见本系列R3批次的「50州，50套规则」报道。）
现在，联邦政府面临一个困难的政治选择：
- 如果联邦立法，用「先发制人」（preemption）条款覆盖州法：科技企业喜欢这个方案（统一标准，降低合规成本），但州权倡导者反对，一些进步主义者担心联邦立法标准会被游说后调低，反而比某些严格州法更宽松。
- 如果联邦不立法，让州级体系自然发展：结果是企业面临50套互相冲突的规则，合规成本居高不下，中小企业尤为不堪。而且有一些风险——比如国家级网络安全威胁——单个州根本无法有效应对，必须有联邦层面的统一框架。
Reuters的法律分析（2026年8月）指出，「联邦 vs 州」的张力实质上是关于「谁有权定义这项技术对社会的影响」的宪法级权力之争，不是单纯的政策效率问题。
OpenAI的监管呼吁：给困境增加了什么？
就在Politico报道发布的前一天（9月8日/9日），OpenAI宣布推动强制性联邦AI安全要求，支持加州的若干AI安全法案。
这个时间点值得注意。
从立法逻辑角度看，当被监管对象开始呼吁监管，通常有两种解读：
解读A（善意）：公司意识到行业风险，认为监管可以为整个行业建立信任基础，有利于长期发展。这类似于汽车行业最终接受了安全带标准。
解读B（战略）：市场领导者呼吁监管，往往是在推动符合自己利益的监管框架——有利于已有大量合规资源的大公司，形成对小竞争者的进入壁垒。即「以监管之名，行构建壁垒之实」。
在本系列R4批次的「OpenAI主动要求监管」报道中，我们详细分析了这个问题。
但从国会的角度看，更重要的是：OpenAI的立场转变，是否有助于打破国会的「理解赤字」？答案并不乐观。因为OpenAI所推动的监管框架，本质上是「由行业专家定义技术安全标准，政府予以认证」的模式——这和「政府自主理解并制定标准」是两种截然不同的监管哲学。前者更快、更有技术质量，但也更容易被行业利益捕获。
为什么「国会不行」不是一个完整的批评
Politico的报道容易被简化为「美国国会不理解AI，所以什么有用的监管都做不了」。这个结论虽然有依据，但并不完整。
首先，美国的分权制度设计本身就有「刻意迟滞」的效果。立法难，是有意为之，为了避免政府在信息不充分时仓促行动。这在技术面貌不确定时期，有时反而是一种保护——比起仓促立法只覆盖今天的技术形态（而明天技术就变了），「走得慢但走得准」可能更有价值。
其次，美国已有若干行政层面的监管行动正在进行：国家安全委员会的AI命令、FTC对AI歧视的执法调查、FDA对医疗AI的审批要求、SEC对金融AI的信息披露规定……这些并不像「一脸茫然」，而是在现有权力框架内的分散行动。
批评国会无为，同时需要承认：在技术快速演进期，任何监管框架都面临「无法提前定义所有风险」的根本局限。这不是监管者的失职，而是技术本身的特性。
真正的问题：我们需要的是什么样的监管框架
从当前的困境出发，可以推导出一个有价值的方向思考：
什么样的AI监管框架，能够在技术快速演进的环境中保持有效性？
几个可能的设计原则：
- 结果导向，而非技术规格导向：法律约束「不得造成X类伤害」，而非「必须使用Y技术手段」。这样技术迭代不会让法律立即失效。
- 授权行政机构持续更新标准：类似FDA对新药的滚动批准机制，由专业机构在法律授权下更新技术标准，不需要每次都走立法程序。
- 分层监管：基础模型（高风险，强监管）和下游应用（风险各异，监管差异化）分开对待，不搞一刀切。
- 国际协调机制：AI风险是跨国的，单一国家的监管在没有国际协调的情况下，很容易出现「监管洼地」效应。
这些原则并不新鲜——欧盟AI法案的设计思路包含了其中部分。但在美国政治现实下，每一条都面临具体的政治阻力。
「一脸茫然」是当下的状态，但它不必是永久的状态。前提是：问题被正确地诊断，而不仅仅是被批评。
Jacob Coxon的「赌命」帖子，和Politico的「一脸茫然」报道，做的都是正确诊断的工作：让公众看到问题的真实形状。这是改变发生的前提。
参考资料
- Politico，「Lawmakers are at a loss for how to regulate AI as insiders warn of impending doom」，2026-09-09，https://www.politico.com/news/2026/09/09/ai-safety-guardrails-congress-01069791
- CNBC，「’Extinction’ warnings ramp up as more OpenAI, Anthropic researchers join calls for an AI slowdown」，2026-09-10，https://www.cnbc.com/2026/09/10/openai-anthropic-ai-safety-slowdown-extinction.html
- MSN/Reuters，「OpenAI pushes for mandatory national AI safety rules」，2026-09-09，https://www.msn.com/en-gb/news/other/openai-pushes-for-mandatory-national-ai-safety-rules/ar-AA2bUWfe
- Reuters Legal，「Who governs AI? The federal government’s challenge to state regulation」，2026-08-12，https://www.reuters.com/legal/legalindustry/who-governs-ai-federal-governments-challenge-state-regulation
- JD Supra，「Workplace AI Regulation in 2026: How Employers Can Navigate the Changing Legal Landscape」，2026-09-01，https://www.jdsupra.com/legalnews/workplace-ai-regulation-in-2026-how-6362946/
历史视角：上一次我们面对「无法监管的技术」时发生了什么
有一个历史对比值得提出：互联网的早期监管尝试。
1996年，美国国会通过了《通讯规范法》（Communications Decency Act），试图对互联网上的「不雅内容」实施管控。该法案在一年内被最高法院以违宪为由推翻。这是国会第一次系统性地尝试监管互联网，以明确的失败告终。
此后20年，互联网在基本没有实质性联邦监管的环境下发展。结果：创新爆发了，但算法歧视、虚假信息、平台垄断、隐私侵犯等问题也积累到了今天无法绕开的量级。
「监管滞后于技术」的代价，在互联网案例上已经被支付了一次。
AI监管辩论的真正问题是：我们是否会重复同样的模式？先放任发展，等问题足够大、足够痛苦，再开始真正认真的监管——但那时，很多原本可以预防的问题已经固化了。
AI的技术节点（Critical级别的网络安全能力）来得比互联网早期的社会影响更快，也更集中。中间的窗口期更短。
这是Politico那篇「一脸茫然」报道在历史视野下真正传递的警示：我们正在失去一个窗口期。
不是今天立法才能防止所有风险。但今天开始建立有效的监管机制，比等到问题到来之后再应急，代价要低得多，成效要好得多。
「一脸茫然」可以被接受为一种诚实的起点，但不能被接受为最终的状态。
议员「不懂技术」的真正解法
面对「理解赤字」，一个常见的建议是「让更多工程师进国会」。这个思路没有错，但执行起来面临显而易见的问题：拥有顶级工程师薪水吸引力的科技行业，和拥有政治影响力但薪酬有限的立法机构，之间的人才竞争是不对称的。
更务实的方向，可能是借鉴其他技术密集型监管领域的经验：
- FDA模式：不要求国会议员理解药物分子机制，而是建立专业监管机构（FDA），由专家做技术决定，国会进行政策方向监督和预算控制。AI版「FDA」——一个拥有独立技术能力和监管权力的专门机构——是目前呼声最高的方案之一。
- NTSB模式：国家运输安全委员会（NTSB）在航空事故调查中的模式，是事后调查和经验积累，形成持续更新的安全标准。这种「从失败中学习」的监管机制，在AI安全事件频率增加的背景下，也有其合理性。
- IAEA模式：国际原子能机构（IAEA）对核技术的监管，强调「透明度+国际核查」，而非单一国家的自我管控。Anthropic等公司的安全测试公信力问题，或许需要类似的国际机制才能根本性地解决。
这3个模型各有优劣，也各自面临特定的政治障碍。但它们提供了一个重要的思维框架：监管AI，不必非要等到国会议员「理解AI」，而是可以通过制度设计，把技术理解和政治决策分层处理。
这是「一脸茫然」时代应有的务实路径——不是等待，而是在现有制度约束内，寻找最小阻力的改变切入点。
最后，回到Jacob Coxon的帖子。
一个前AI研究员在社交媒体上警告「赌命」，然后引发国会震动，然后Politico写了一篇「一脸茫然」的报道——这整个链条本身，就是一个关于当代民主如何处理技术风险的缩影。
信息是流动的，公众的关注是真实的，制度的响应是迟缓的。
这不是任何个人的失败，是一个制度面对技术加速时产生的系统性摩擦。
摩擦存在，不代表运动不可能。代表的是：运动需要更多的力。
而提供这个「力」的，正是每一个不满足于「一脸茫然」的公民、研究员、记者、和政策制定者。
这个清单，某种意义上也包括你，正在读这篇文章的你。
国会不是最后一道防线，从来不是。但它是民主社会中将公众意志转化为制度约束的关键节点。当这个节点出现「理解赤字、结构赤字、政治赤字」的三层失灵，应对技术风险的工作就会更多地落在其他机制上：企业自律（有利益冲突的局限）、公民社会的监督（力量分散的局限）、国际协调（主权博弈的局限）。
这3个备选机制都不是不值得投入，但没有一个能完全替代有效的立法监管。
Jacob Coxon的「赌命警告」在2026年9月成为一个节点，不是因为他说的话前所未有，而是因为时机：这是一个Critical级别的AI模型刚刚发布、内部人士大规模发声、国会开始真正感受到舆论压力的时刻。
「一脸茫然」可能是状态的起点，但它会不会也是改变的起点，我们需要继续观察。