2026年9月30日，美国出现了一个奇异的同日事件。

在华盛顿，特朗普政府官员与OpenAI、Anthropic的高管会面，正式背书了「AI行业自律」路线，拒绝建立联邦监管框架，选择用一份没有法律约束力的「自愿承诺」代替任何实质性监管。同一天，在加州，州长纽森（Gavin Newsom）坐在书桌前，签署了加州立法机构在8月31日通过的多项AI和隐私法案，其中最引人注目的是SB 947——《2026年禁止机器人老板法》（No Robo Bosses Act of 2026）。

同一个国家，同一天，两个完全相反的动作。

这不是戏剧性的巧合，而是美国AI治理正在发生的一场深层分裂的公开显现。

一、那一天，加州究竟签了什么？

要理解加州这轮立法的意义，需要回到时间线。

2026年8月31日，加州议会最后一天会期，通过了数十项与AI和隐私相关的法案。根据加州宪法，州长有30天时间签署或否决；若30天内不作为，法案自动生效。9月30日是最后期限。

纽森在最后期限前陆续签署了多项关键法案：

SB 947（禁止机器人老板法） 是其中最引人注目、争议最大的一项。这项法案修订加州劳动法典，具体规定包含两个核心约束：其一，禁止雇主单独依靠「自动化决策系统」（ADS）对员工做出纪律处分或解雇决定；其二，禁止雇主用ADS对员工进行行为分析，影响薪酬、晋升或工作安排，而不提供人工审查机制。

什么意思？用更具体的语言说：一家公司不能因为绩效管理系统给你打了低分就直接解雇你；必须有一个具备决策权的人类参与并签字确认这个决定。AI可以提供分析和建议，但不能是唯一的决策者。

法案由加州劳联（California Federation of Labor Unions AFL-CIO）主导推动，遭到商业团体CalChamber的强烈反对，后者称其「定义过宽、标准未明、将造成严重合规困境」，并将其列入当年的「就业杀手法案」（job killer bill）名单。纽森最终签署，表明他在这个议题上选择站在劳工一边，这对他而言是一个有政治风险的决定——加州的科技业游说力量极强，SB 947的签署必然会引发科技公司的不满和游说反弹。

除SB 947外，纽森还签署了多项涵盖不同AI场景的法案：

AI透明度与披露要求：要求在某些高风险场景（医疗咨询、法律建议、心理健康支持）中，AI系统必须明确向用户标识自己是AI，不得在无披露的情况下伪装成人类进行对话。这项要求看似基础，但对那些部署了高度拟人化AI助手的公司（保险公司、银行、在线医疗平台）有直接约束。

AI广告与深度伪造规范：对AI生成的政治广告提出强制披露要求，包括必须标注「此内容由AI生成或修改」；同时，对竞选材料中使用候选人的AI合成音视频设定了明确的限制，防止深度伪造被用于选举操控。这项法案的通过背景，是2026年中期选举季前对AI政治操控担忧的急剧上升。

儿童在线安全增强版：要求面向未成年人的平台采取更严格的AI内容过滤措施，禁止对儿童使用具有「心理操控性」的AI推荐算法（即通过持续投喂特定内容制造成瘾行为）。值得注意的是，这类法案大多数未等到最后期限就获得纽森提前签署——在保护儿童这个议题上，加州没有政治争议，科技公司也难以正面反对。

高风险AI审计要求：部分法案要求在招聘、贷款审批、医疗保险定价等高风险场景中使用的AI系统，必须每年接受第三方审计，提供可解释性报告，并在算法可能存在歧视性影响时向监管机构报告。这是继纽约市2023年的招聘算法审计法之后，美国最严格的AI系统审计要求之一。

CIPA（加州隐私法）修订：收紧了此前已相当严格的加州隐私保护法，进一步限制了企业通过AI系统交叉关联、聚合用户数据的方式，明确要求在使用AI进行用户行为分析时，必须获得明确的用户同意，而不只是依赖隐私政策中的小字条款。

二、联邦的另一面：特朗普政府的「自律就好」路线

理解加州这轮立法，必须放在联邦背景下——因为联邦背景的核心特征，就是缺席。

2026年初，特朗普签署行政令，撤销了拜登政府2023年AI行政令的主要条款，停止了多项联邦机构对AI的监管研究项目，包括国家标准与技术研究院（NIST）的AI风险管理框架更新工作和联邦贸易委员会（FTC）的AI偏见调查项目。这些项目的停止，意味着联邦政府不只是不作为，而是主动撤回了此前已建立的监管基础设施。

9月30日的华盛顿会面不是偶然。按照《NPR》2026年10月的报道，特朗普政府正式背书了一份「自愿承诺框架」——AI公司向联邦政府承诺「负责任开发」，具体包括：分享安全研究成果、在重大能力进展发布前通知政府、不将AI用于生化武器开发支持。这些承诺没有法律约束力，没有执法机制，没有第三方核查，更没有任何针对违约的处罚条款。

这是一份「君子协定」，在一个竞争极其激烈的行业里，要求竞争者自愿放慢脚步。历史上，类似的自愿承诺在什么时候有效过？

配合这个方向，联邦立法层面的情况更悲观。2026年，美国国会在AI监管立法上的实质性推进几乎为零。两党均未有系统性的联邦AI法案获得足够的政治支持推进到投票阶段。特朗普政府明确表示反对「扼杀创新」的监管，民主党虽然在原则上支持监管，但在中期选举年缺乏推动具体立法的政治能量。

结果是：在全球主要经济体里，美国是唯一一个在联邦层面没有任何实质性AI法律框架的国家。欧盟的《AI法案》已经在2026年8月开始分阶段生效；英国建立了AI安全研究所并开始推进立法框架；中国有《生成式AI管理暂行办法》和即将更新的《AI治理条例》。唯独美国，联邦层面是一片空白。

三、为什么联邦真空必然催生州际立法碎片化？

当联邦不作为，各州必然自己填补空白。这不是政治预测，而是美国宪法体系的必然结果：州政府有权在联邦未明确禁止的领域立法，而AI目前恰好就处于联邦明确禁止之外的领域。

但问题是：50个州填出来的结果，不是一套协调一致的监管体系，而是50套不同的规则，各有侧重，相互之间可能矛盾。

目前，美国已有超过50个州通过了某种形式的AI相关法律，但内容和标准差异极大：加州的法规通常是全美最严格的（SB 947、消费者隐私保护、招聘算法审计）；德克萨斯州几乎没有专门的AI监管，但有强烈的反对联邦监管的政治文化；科罗拉多州和伊利诺伊州有自己的算法歧视法；纽约州和纽约市各有不同的AI相关法规……

对一家在全国经营的AI公司来说，这意味着什么？他们需要一支专门的合规团队，研究50套不同的法律，评估每项功能在每个州的合规状态，然后决定：要么为每个州维护不同版本的产品（成本极高，几乎不可能），要么统一满足最严格的标准（通常是加州），要么干脆不在某些州提供某些功能（最常见的选择，但会造成服务不均等）。

这不只是合规成本的问题，而是一个关于AI应用普惠性的深层问题：当AI功能因为州际监管差异而在不同地区有不同可用性时，住在监管宽松州的用户可以使用更多AI功能，住在监管严格州的用户受到更多限制。这在某种意义上是监管造成的新型数字不平等。

历史上，美国金融服务业的监管碎片化提供了一个有意义的参照。在多德-弗兰克法案（Dodd-Frank）之前，银行可以选择在监管最宽松的州（如特拉华州）注册，然后在全国开展业务，实质上享受了监管套利红利。这种结构性漏洞，是2008年金融危机系统性风险累积的原因之一。AI监管的联邦真空，正在为类似的套利机会创造土壤。

四、纽森的困境：他在平衡什么？

纽森的处境在加州AI政策中是极为典型的：他左手是科技产业（硅谷是加州最大的税收来源，也是他政治捐款的重要来源），右手是劳工团体（加州劳联是加州民主党最重要的基层组织之一）；他的政治生涯与两者都深度绑定，任何在AI政策上的明确表态，都会在一端获得支持，在另一端失去支持。

2025年，纽森否决了SB 1047——那份曾经几乎成为全美最严格AI安全法案的加州议案，该法案要求训练超大规模AI模型的公司进行强制性安全评估并向州政府报告。否决的理由是「法案条款过于模糊，会给初创公司和学术研究带来过重的合规负担」。那次否决在科技界和风险投资圈赢得了热烈掌声，但在AI安全研究社区和劳工组织里埋下了深层的不信任。

2026年的政治生态不同了。AI对就业市场的冲击已经从抽象的预测变成了具体可见的现实——亚马逊在加州的多个配送中心自动化裁员、硅谷多家公司的客服团队被AI系统缩减、中层法务和分析岗位在技术类公司开始系统性消失。这些都发生在加州，发生在纽森的选民里。

签署SB 947，纽森在告诉劳工团体：2025年的那次否决不代表他站在劳工的对立面，他在关注AI对就业的冲击，他愿意用立法工具提供保护。但这项法案的实际执行标准（什么叫「单独依靠」自动化系统？涵盖哪些类型的雇主？处罚机制是什么？）仍然存在重大模糊性，留下了大量行政规则制定和司法解释的空间，也为大公司的法律团队提供了相当的合规灵活性。

这种模糊性不是立法失误，而是政治妥协的必然产物。过于精确的定义会让法案要么在司法挑战中被推翻（技术定义难以做到足够精确），要么成为真正的创新障碍（如果AI决策辅助被定义得太宽，可能连绩效管理软件都无法使用）。纽森的签署，是在用一个原则性框架建立规则边界，把细节留给后续的行政程序。

这是加州监管的传统风格：立意宏远，执行留白，在争议中前进。

五、欧盟与加州的对比：谁的路子更有效？

理解加州监管的局限性，需要一个参照系。欧盟的《AI法案》提供了最直接的对比。

欧盟在2026年8月2日让《AI法案》的核心透明度和安全条款生效。欧盟的路径是：统一立法、风险分级（分为不可接受风险、高风险、有限风险、最低风险四个类别）、强制合规、跨境适用。它的核心优势是一致性——在欧盟任何一个国家运营，遵循同一套规则，没有套利空间，没有监管竞争。

加州的路径本质上是「碎片化监管堆叠」——一项项法案针对不同场景，没有统一的风险框架，也没有对「什么是高风险AI」的系统性定义。SB 947管职场自动化决策，其他法案管广告生成、儿童安全、审计要求——每一项都是对特定问题的具体回应，整体缺乏统筹。

从企业合规的角度看，欧盟的统一框架反而更好处理——规则清晰，写一套合规流程可以在整个欧盟通用，虽然标准严格，但至少可预期。加州的碎片化意味着每项新法律都要单独评估，不同法案之间的关系需要逐一厘清，合规开销高且不可预期。

然而，欧盟框架的执行效力，目前在AI领域还有待验证。《AI法案》在2026年刚开始分阶段生效，欧盟AI办公室的执法能力还在建立中，第一批重大违规案例预计在2027年或2028年才会出现。在看到真实的执法行动之前，很难说欧盟的规则有多少实际约束力，还是只停留在条文层面。

加州法案的执法能力是另一个问题。SB 947的执法主要依靠员工投诉和加州工业关系部（DIR）的劳工调查，在DIR资源有限的情况下，法规的实际约束力很大程度上取决于企业是否主动合规——这在本质上与「行业自律」相去不远。这是加州AI监管的根本弱点：立法的雄心与执法的能力之间，有一条难以跨越的鸿沟。

六、这场分裂，对AI公司是灾难还是机会？

表面上看，加州立法vs联邦空白，对AI公司是一场噩梦——法规不统一，合规成本攀升，每进一个新市场都要评估一遍监管风险。

但实际上，对最头部的AI公司来说，监管碎片化可能反而是好事。

原因在于：复杂的监管环境是一道「合规壁垒」。只有大公司有足够的法务和合规资源，在50套不同法规下持续运营。小竞争者、开源项目、海外竞争对手，都会在这套复杂性面前付出更高的入场成本，或者干脆放弃美国市场的某些细分领域。

这个逻辑不是阴谋论，而是监管历史的规律。金融、医疗、电信——每一个大规模监管化的行业，最终都演变成了寡头结构，因为只有巨头才能承担持续运营的合规成本。AI监管的州际碎片化，正在悄悄为下一批AI巨头建造不那么显眼的护城河。

另外，AI公司还有另一张牌：游说塑造监管内容。加州SB 947的最终文本，比劳联最初提案要温和得多——原始提案要求所有使用ADS做出员工管理决定的企业都必须提供人工审查，最终版本缩限到「仅对纪律处分和解雇」。这个缩限，是科技游说的结果。CalChamber的反对没有阻止法案通过，但显著改变了法案的关键条款范围。

真正输的，是那些在AI冲击下失业或降薪的普通劳动者——他们没有游说能力，只有投票权。而他们的投票权，正是纽森签SB 947的政治理由。

七、SB 947落地之后：企业会怎么应对？

任何法规通过之后，最重要的问题不是「这条法规怎么写的」，而是「企业会怎么应对它」。

对规模较大的企业来说，SB 947会催生几种典型的合规策略：

策略一：增设「AI决策人工复核」岗位。 法案要求有人类参与终决，那就设置一个专门负责「确认AI建议」的岗位。实际上，这个人可能只是在绝大多数情况下点击「确认」——这不是真正的人类判断，而是形式上的合规。这种策略在金融和医疗行业的类似监管要求（如贷款审批的「人工复核」要求）中已经被大量使用，合规成本不高，但对实质保护的贡献有限。

策略二：将自动化决策改名为「AI辅助建议」。 法案限制的是「单独依靠ADS做出终决」，但如果管理系统提供的是「建议」而非「决策」，法案的适用范围就变得模糊。大量HR科技公司已经开始在产品文档里调整措辞——把「自动评分导致解雇」改成「AI提供绩效评估建议，由管理者做终决」。这种语言游戏，是监管落地过程中最普遍、也最难杜绝的规避手段。

策略三：迁移高风险决策系统到加州管辖范围之外。 对于跨州运营的大公司来说，可以把做出自动化人事决策的后端系统迁移到监管更宽松的州，然后说「决策是在德克萨斯州的服务器上做的，加州法律不适用」。这种策略的合法性存疑，但在监管实践中判断起来极为复杂，给法庭留下了大量解释空间。

这三种策略有一个共同点：它们都是对法律文字的「符合性」，而不是对法律精神的「实质性遵守」。SB 947的支持者当然知道这些规避手段存在，但立法的初衷是建立一个原则性边界，期待后续的行政规则制定和司法实践来逐渐填补漏洞。

这也是为什么执法力度如此关键：如果加州工业关系部在最初几年里认真调查几个高曝光度的案例，对违规企业做出真实的处罚，SB 947的实际约束力会大幅提升，因为企业会认识到这不是一纸空文。如果DIR缺乏资源或政治意愿，SB 947可能会在几年内变成一个「标准合规动作」之后就被遗忘的法律文件。

八、AI治理的长期走向：联邦立法不可避免，但时机未知

加州单靠一个州，无法解决联邦层面的AI治理真空问题。这是所有分析加州AI立法的人都必须承认的现实。

但历史告诉我们，联邦立法往往落后于州级创新，然后在某个触发事件之后快速补上。

食品安全法的历史是一个经典案例：在《纯食品药品法》（Pure Food and Drug Act）1906年通过之前，各州已经有了十几年的分散监管实践，是厄普顿·辛克莱的小说《屠场》引发的公众舆论冲击，最终推动了联邦立法。

金融监管的历史同样如此：在2008年金融危机之前，学术界和部分监管者已经反复提出了系统性风险的警告，但直到危机爆发、公众愤怒达到顶点，多德-弗兰克法案才在2010年通过。

AI治理的联邦立法，现在处于「各州碎片化探索、联邦政府缺席」的阶段。触发联邦立法的「引爆点」还没有到来——它可能是一次由AI系统引发的大规模就业冲击事件，可能是一次AI辅助的金融欺诈或系统崩溃，也可能是一次AI被用于大选操控的公开曝光事件。

在那个触发点到来之前，加州的立法实践，是为未来联邦立法积累经验、测试方案、培养监管能力的重要工作。SB 947最终能否成为联邦AI劳工保护法的蓝本，取决于它在加州的实施情况。

这就是地方实验主义（laboratory of democracy）的价值：各州先试，联邦后定。在一个高度不确定的技术领域，这种方式比一次性制定全国统一标准更合理，也更有韧性。加州在数据隐私保护领域（CCPA的历史）已经证明了这个模式的有效性：2018年加州率先立法保护消费者数据权益，此后十余个州陆续跟进，联邦层面的隐私保护讨论也因此有了更坚实的实践基础。AI劳工保护，可能是下一个走同样路径的领域。

2026年9月30日，同一天，特朗普在华盛顿给AI行业开了一张「自律空白支票」，纽森在加州签署了包括SB 947在内的11项约束AI的法案。

这不是偶然的戏剧性巧合。这是美国AI治理正在发生的根本性分裂的一次集中显现：联邦退出，各州填补，标准碎片化，合规成本向上，监管套利机会向下渗透，而最需要保护的工人，处于这场分裂的最末端。

在这个双轨世界里，AI公司需要同时应对两套逻辑：一套是联邦的「移动快、打破常规、自律就好」的政治经济学，另一套是加州的「劳工保护 + 透明度义务 + 审计要求」的立法文化。

加州的立法方向是正确的。但SB 947能否真正保护那些可能被算法解雇的仓库工人、客服员工、银行职员，最终取决于执法资源的充足程度，而不只是法律文字的存在。

对于那些在AI时代最脆弱的人——做着可以被自动化决策系统打分、评级、解雇的工作的人——SB 947是一道门槛，而不是一堵墙。它没有阻止AI进入职场，只是要求：在AI做出影响你职业生涯的决定时，必须有一个人类愿意在决定上签字，愿意承担那个决定的后果。

这个要求，并不过分。而在美国联邦政府选择不提出这个要求的时候，加州站了出来。这值得被记录，也值得被密切观察——不只是看法律文字写了什么，更要看它在未来几年里怎么被执行、怎么被检验、最终有多少人因为它而得到了真实的保护。

加州此次立法，不会终结关于AI治理的争论，但它设定了一个新的讨论起点：至少有一个声音说，在AI可以给你扣上「效率低下」的帽子并建议解雇你的时代，「必须有人类签字」不是一项过分的要求。

那个声音，值得被听到。

参考资料：