当白宫拥有了前沿AI的发布开关，却拒绝告诉任何人开关的规则是什么

2025年8月4日，华盛顿特区。白宫召集了Meta、Nvidia、Microsoft、OpenAI、Anthropic的高层代表，就一份AI模型评估框架进行闭门审议。会议结束后，白宫宣布：该框架不会公开发布。

Fortune将这一决定描述为”baffling”——令人困惑的。这个措辞选择本身就值得细品。在英文新闻写作的语境里，”baffling”不是中性词，它意味着编辑团队认为这一决定违背了正常逻辑、超出了合理预期。一家以商业报道见长的媒体，在描述一项政府决策时使用了这个词，说明白宫的选择不仅令外界困惑，更触碰了新闻界对政府透明度的基本预期。（来源：Fortune, 2025-08-04）

但如果你把这件事放进更大的坐标系里看，它就不再令人困惑——它令人警觉。

这不是一次普通的行业会议，也不是一次例行的政策吹风。这是美国政府第一次以如此明确的方式，将前沿AI模型的发布与某种形式的政府审查绑定在一起，同时又拒绝公开审查标准本身。这个组合——审查存在、标准不公开——在美国科技监管史上几乎没有先例。它意味着美国正在悄然建立一套前沿AI模型的事前审批机制，而这套机制的规则，只有少数几家公司知道。

这是一张多米诺骨牌，刚刚倒下。

第一章：闭门会议——白宫与AI巨头的秘密审议

会议本身的结构性异常

要理解2025年8月4日这场会议的意义，首先需要理解它的结构性异常之处。

根据Fortune的报道，白宫当天与Meta、Nvidia、Microsoft、OpenAI、Anthropic举行了闭门会议，审议一份AI模型评估框架。（来源：Fortune, 2025-08-04）这5家公司的名单本身就具有高度的信息密度：它覆盖了当前前沿AI生态的几乎所有关键节点——基础模型开发商（OpenAI、Anthropic、Meta）、芯片基础设施提供商（Nvidia）、云计算与企业AI部署（Microsoft）。值得注意的是，Google DeepMind和Amazon未出现在名单中，这本身就是一个信号——会议的参与者经过了精心筛选，而非行业广泛代表。

这不是一次随机的行业咨询，这是一次精心挑选的闭门峰会。

Axios的报道进一步揭示了框架内容的部分轮廓：Trump政府的AI框架涉及开放模型的处理方式，暗示政府正在区分不同类型的前沿模型，并对其采取差异化的监管路径。（来源：Axios, 2025-08-04）与此同时，多家媒体的报道明确指出，白宫AI框架将开放权重模型（open-weight models）排除在联邦安全审查之外——这意味着Meta的Llama系列模型将不受此框架约束，而OpenAI和Anthropic的闭源前沿模型则直接落入审查范围。

这个细节极为关键。它说明这套框架并非一刀切，而是已经具备了相当程度的技术细节——能够区分闭源前沿模型与开放权重模型，并对二者采取不同的监管路径。这种技术精细度，不是一份粗糙的政治文件能够达到的。

那么，为什么不公开？

MIT Technology Review的报道给出了最直接的描述：白宫审查潜在危险AI的计划”被秘密笼罩”（shrouded in secrecy）。（来源：MIT Technology Review, 2025-08-04）这个措辞与Fortune的”baffling”遥相呼应，形成了一幅清晰的图景：不仅外部观察者感到困惑，连习惯于政府信息管理的新闻机构也认为这种不透明超出了正常范围。

行政命令的法律基础

这一系列动作的法律基础是Trump于2025年1月签署的行政命令”Removing Barriers to American Leadership in Artificial Intelligence”（移除美国AI领导力障碍），该命令撤销了Biden时代的AI行政命令（EO 14110），并指示各联邦机构在180天内制定新的AI行动计划。（来源：White House, 2025-01-20）此后，白宫于2025年上半年推进了一系列AI政策框架的制定工作，最终形成了8月4日闭门审议的这份模型评估框架。

行政命令（Executive Order）是美国总统绕过国会立法、直接以行政权力推行政策的工具。这意味着这套前沿AI审查机制，从法律性质上说，不是国会立法的产物，而是总统行政权力的直接延伸。

这一点的含义是双重的：第一，它速度极快，无需经历漫长的立法程序；第二，它缺乏立法所具备的民主正当性基础，也更容易随政治风向变化而被修改或撤销。作为对比，Biden政府2023年10月30日签署的AI行政命令（EO 14110）虽然也要求前沿AI开发商在发布前向政府分享安全测试结果，但该命令的全文是公开的，其中明确引用了NIST AI风险管理框架（AI RMF 1.0, 2023年1月发布）作为技术参照标准。Trump政府撤销了EO 14110中的透明度要求，却建立了一套更不透明的替代机制——这个转向本身就值得深思。

Center for American Progress在其分析中明确指出，Trump政府实际上已经为前沿AI模型创建了一套”事实上的许可系统”（de facto licensing system）。（来源：Center for American Progress, 2025-08-04）”事实上的”这个修饰语至关重要——它意味着这套机制在法律文本上可能没有明确使用”许可”或”审批”这样的词汇，但在实际操作效果上，已经等同于一套发布前许可制度。

这种”名不副实”的设计，在监管史上有其特定的政治逻辑：它允许政府享受审查权力带来的实质控制，同时规避”政府审查言论/技术”在宪法层面可能引发的挑战。

第二章：范式转变——从技术中立到发布前审查

美国科技监管的历史基线

要理解这次转变的幅度，必须先建立历史基线。

美国互联网时代的监管哲学，以1996年《电信法》（Telecommunications Act of 1996）中《通信规范法》第230条（Section 230 of the Communications Decency Act）为代表性起点。这部法律的核心逻辑是：平台不为用户内容负责，政府不预先审查技术，市场和司法体系在事后纠偏。值得注意的是，CDA的大部分条款在1997年最高法院Reno v. ACLU案中被裁定违宪，但Section 230作为”安全港”条款保留至今，成为美国互联网产业发展的法律基石。

需要明确的是，Section 230处理的是平台对用户内容的责任问题，与AI模型发布前审查在法律性质上存在显著差异。将二者放在同一”事后监管哲学”框架下有其启发性——它们共同构成了美国科技监管”先发展、再规范”的时间序列传统——但这个类比有其局限性：Section 230从未涉及对技术工具本身的发布前审查，它处理的始终是内容层面的责任分配。AI模型的发布前审查，在法律性质上更接近出口管制（如EAR/ITAR体系）或药品审批（FDA模式），而非互联网内容治理。

这个哲学在互联网时代运行了将近30年，塑造了硅谷的创业文化，也催生了全球最大的科技公司群。AI时代的到来开始动摇这个基线。2023年Biden政府的AI行政命令（EO 14110, 2023年10月30日）已经要求前沿AI开发商在发布前向政府分享安全测试结果——具体而言，任何使用超过10^26 FLOP算力训练的模型都需要向商务部报告安全测试结果（该阈值规定于EO 14110 Section 4.2）。这是美国监管逻辑向”事前”方向的第一步移动。但那个框架至少是公开的，规则可以被外界审视和讨论。

2025年8月4日的闭门会议，代表的是第二步——而且是更大的一步。不仅是”事前”，而且是”不透明的事前”。

质变的临界点在哪里

从”事后监管”到”事前审查”，这个转变在逻辑上需要跨越一个临界点：政府必须主张，某些技术在发布之前就具有足够的潜在危害，以至于政府有权在其到达公众之前进行干预。

这个主张在历史上并非没有先例——核技术（原子能法案, 1946年）、生物制剂（《生物武器公约》, 1972年）、加密技术（1990年代的”加密战争”中，美国曾将强加密软件列为军需品限制出口，直到1996年Bernstein v. United States案和后续政策调整才逐步放开）都曾经历过类似的监管逻辑。但在通用软件和算法领域，这是美国的第一次。

更重要的是，此次框架将”前沿AI模型”作为审查对象，而不是AI的具体应用场景。这是一个关键的分类决策：它意味着政府的监管触角直接延伸到了模型本身——一种通用能力工具——而不仅仅是模型被用于做什么。一个模型在发布之前，就需要经过某种形式的政府评估。这在概念上类似于要求一种新型编程语言在发布前获得政府批准，而非仅仅监管用该语言编写的具体应用。

开放权重模型的豁免：技术合理性与政治逻辑的交织

白宫框架将开放权重模型排除在联邦安全审查之外，这个决定值得从技术和政治两个层面分析。

技术层面的合理性论证：开放权重模型一旦发布，其权重文件即被全球下载和复制，无法收回。对其进行发布前审查存在实际效力的根本局限——即便政府在发布前发现了风险，一旦模型以开放权重形式发布，政府也无法阻止其传播。从这个角度看，豁免开放权重模型是一种务实的技术判断：将有限的审查资源集中在政府实际能够控制的对象（闭源API服务）上。此外，开放权重模型允许外部安全研究者进行独立审计，这种”众包安全审查”在某种程度上替代了政府审查的功能。

政治层面的复杂含义：Meta是开放权重模型（Llama系列）的主要推动者，同时也是这次闭门会议的参与者。Meta CEO Mark Zuckerberg在2024年1月的公开信中将开放权重定位为Meta的核心AI战略，明确表示Meta将以开源方式发布其下一代大语言模型。将开放权重模型豁免于审查，等于在实质上为Meta的核心AI战略提供了监管庇护——无论这是否是刻意的安排。

更深层的问题是：开放权重模型的豁免，是否会在实际效果上形成一种监管套利空间？如果闭源前沿模型需要通过政府审查，而开放权重模型不需要，那么对于那些希望规避审查的开发者来说，”开放发布”就变成了一种监管规避工具。这种动态，可能会产生与政策初衷完全相反的效果——激励更多不受控的模型发布，而非更少。

第三章：与欧盟AI Act和中国模式的路径对比

欧盟模式：公开立法的透明代价

欧盟AI Act（Regulation (EU) 2024/1689）于2024年8月1日正式生效，其不同条款分阶段实施：禁止性条款于2025年2月生效，通用AI模型（GPAI）相关条款于2025年8月生效，高风险AI系统的完整合规要求将于2026年8月全面适用。（来源：Official Journal of the European Union, 2024-07-12）

欧盟路径的核心特征是：公开立法、分级分类、透明规则。AI Act将AI系统按风险等级分为四类（不可接受风险、高风险、有限风险、最低风险），不同类别对应不同的合规要求。对于通用AI模型，AI Act第V章（Articles 51-56）建立了专门的GPAI治理框架：Article 53要求所有GPAI提供商遵守透明度义务（包括提供技术文档、遵守版权法、发布训练数据摘要），而具有”系统性风险”的GPAI模型（Article 51定义的阈值为训练算力超过10^25 FLOP）则需要根据Article 55进行模型评估（包括对抗性测试）并向欧盟AI办公室报告严重事件。这套框架的全部内容都是公开的，企业、研究者、公民社会都可以阅读、分析和批评具体条款。

这种透明度带来了可预测性。一家初创公司在开发产品之前，可以查阅AI Act的分类标准，判断自己的产品属于哪个风险等级，提前规划合规路径。根据欧盟委员会2021年发布的AI Act影响评估报告（Impact Assessment），高风险AI系统的合规成本估算约为6,000至40,000欧元的初始一致性评估费用——这个数字虽然不低，但至少是可预测的。（来源：European Commission Impact Assessment, SWD(2021) 84 final）

欧盟路径的代价同样明显：立法程序漫长（从2021年4月提案到2024年8月生效历时超过3年）；规则一旦写入法律，修改需要经历同样漫长的程序；过于详细的分类可能无法跟上技术演进的速度。例如，AI Act中10^25 FLOP的算力阈值在2024年可能对应最前沿的模型，但随着训练效率的提升和新架构的出现（如Mixture of Experts），这个阈值可能在2-3年内变得过时。

美国模式：闭门协商的权力集中

与欧盟的公开立法路径相比，美国正在形成的模式可以被描述为：闭门协商、不公开标准、行政主导。

这套模式的优势在于速度和灵活性。行政命令可以在数周内生效，闭门协商可以快速整合行业专家意见，不公开标准可以避免对手利用规则漏洞。支持这一路径的论者——包括部分国家安全领域的专家——提出了一个不容忽视的论点：如果公开评估标准的具体技术参数（如模型在生物武器合成、网络攻击等领域的能力阈值），等于向恶意行为者提供了一份”能力清单”，告诉他们需要达到什么水平才能构成真正的威胁。这个论点在逻辑上是成立的。

但其代价是结构性的：没有公开标准，就没有法律意义上的”合规”概念——企业无法确定自己是否符合要求，因为要求本身是不透明的。这种不确定性在法律上等同于政府拥有了近乎无限的自由裁量空间。

对此，一个合理的中间方案是：公开评估框架的结构性原则（如”我们将评估以下类别的风险：生物安全、网络安全、关键基础设施”），而只对具体技术阈值保密。这种”框架公开、参数保密”的设计，在出口管制领域已有先例——美国商务部的实体清单（Entity List）公开了受限实体名称，商务部工业与安全局（BIS）2022年10月发布的先进半导体出口管制规则公开了管控的技术参数类别，但对具体执行中的裁量标准保留了一定的模糊空间。白宫选择完全不公开——连框架性原则都不透露——这个选择超出了”保护敏感信息”的合理范围，暗示了更深层的权力考量。

中国模式：算法备案的技术官僚逻辑

中国的AI监管路径提供了第三种参照。中国网信办自2023年8月15日起实施的《生成式人工智能服务管理暂行办法》要求生成式AI服务提供商在上线前进行安全评估和算法备案。根据网信办公开的算法备案信息系统，截至2024年底，中国已完成多批次算法备案，涵盖百度文心一言、阿里通义千问、腾讯混元、字节跳动豆包等主要大模型产品。（来源：中国网信办互联网信息服务算法备案系统）

中国模式的特点是：规则相对明确（备案要求和流程是公开的），但合规标准中包含大量与政治内容相关的要求（如”社会主义核心价值观”对齐），这使得外资企业在实践中面临难以跨越的合规壁垒。

从纯粹的监管架构角度看，中国模式在”透明度”维度上反而高于美国此次的闭门框架——至少备案要求是公开文件，企业可以阅读具体条款。这个对比，对于习惯于将”透明度”与”民主体制”自动挂钩的观察者来说，具有相当的讽刺意味。

三种模式的本质差异

如果用一张简化的坐标系来描述三种模式：

  • 欧盟：高透明度、高可预测性、低速度、立法主导
  • 中国：中等透明度（规则公开但标准含政治性模糊地带）、中等可预测性、高速度、党政主导
  • 美国（2025新模式）：低透明度、低可预测性、高速度、行政主导

这个坐标系揭示了一个令人不安的趋势：美国正在向监管透明度最低的方向移动，同时声称这是为了保持竞争优势和国家安全。

第四章：不透明的代价——产业影响与民主问责

中小企业的合规困境

白宫框架不公开带来的第一个直接后果，是中小AI企业的合规困境。

当监管标准不公开时，只有那些参与了闭门会议的企业——Meta、Nvidia、Microsoft、OpenAI、Anthropic——知道评估框架的具体内容。对于这5家公司之外的所有AI开发者来说，他们面对的是一个黑箱：不知道什么样的模型会触发政府审查，不知道审查标准是什么，不知道如何提前规划合规路径。

这种信息不对称，在商业竞争层面具有直接的结构性影响。根据斯坦福HAI 2024年AI指数报告（2024年4月发布），2023年全球有51个值得关注的机器学习模型（notable machine learning models）来自产业界，学术界贡献了15个，产学合作贡献了21个。（来源：Stanford HAI AI Index Report 2024, Chapter 2）其中相当比例来自中小型AI实验室（如法国的Mistral AI、加拿大的Cohere、英国的Stability AI等）。这些机构在开发新模型时将无法判断自己的产品是否需要经过政府审查，无法在商业计划中为合规流程预留时间和资源。而它们的大型竞争对手，已经坐在白宫的会议室里，参与了规则的制定。

这不是一个假设性的担忧。在任何监管体系中，参与规则制定的行业巨头都具有天然的信息优势。但在规则公开的情况下，这种优势会随着时间推移而消散——因为所有人最终都能读到同一份文件。当规则本身不公开时，信息优势变成了永久性的结构性壁垒。

巨头的规则捕获风险

“规则捕获”（regulatory capture）是政治经济学中的经典概念：监管机构被监管对象所影响，最终服务于被监管行业的利益而非公众利益。George Stigler在1971年发表于Bell Journal of Economics and Management Science的经典论文”The Theory of Economic Regulation”中首次系统化了这一概念，此后数十年的实证研究在金融（2008年金融危机后对SEC的批评）、能源（联邦能源监管委员会与石油行业的关系）、电信等领域反复验证了其存在。

在这次闭门会议的设计中，规则捕获的风险被内嵌于机制本身。参与审议框架的5家公司，恰好是目前最有能力开发前沿AI模型的公司。它们参与制定的评估标准，将适用于它们自身以及它们的潜在竞争对手。

更具体地说：如果评估框架的某些技术要求——比如特定的安全测试基础设施、红队测试规模、或政府沟通流程——恰好是现有5家公司已经具备、而其他潜在进入者难以在短期内建立的，那么这套框架在实际效果上就成为了一道市场准入壁垒。这种效果可能并非刻意设计，但在不透明的环境中，外界无法区分”无意的结构性偏见”与”刻意的竞争壁垒”。

支持闭门机制的论证：不可忽视的另一面

公平地说，支持白宫选择的论者提出了若干不容轻易驳回的论点：

论点一：AI安全评估的技术参数本身具有敏感性。 Georgetown大学安全与新兴技术中心（CSET）的多位研究员曾在其2023年发布的报告中指出，公开AI模型在生物武器、网络攻击等领域的具体能力评估标准，可能为恶意行为者提供”路线图”。这个论点在逻辑上是有力的——FDA在审批药物时也不会公开所有内部评估细节，国防部在评估武器系统时同样对评估标准保密。

论点二：立法程序的速度无法匹配技术演进。 欧盟AI Act从提案到生效耗时3年以上。在AI能力每6-12个月发生质变的环境中（GPT-4于2023年3月发布，GPT-4o于2024年5月发布，Claude 3.5 Sonnet于2024年6月发布——前沿模型的迭代周期正在加速），等待国会立法可能意味着在关键窗口期缺乏任何监管工具。行政命令的速度优势在面对快速演进的技术风险时具有实质价值。

论点三：行业专家参与是技术监管的必要条件。 AI模型的安全评估需要深度技术专业知识，而这些知识主要集中在前沿AI公司内部。让这些公司参与框架设计，不是”规则捕获”，而是确保规则技术可行性的必要步骤。Anthropic自身的负责任扩展政策（RSP, 2023年9月发布）和OpenAI的Preparedness Framework（2023年12月发布）都是行业自律的先例，政府框架参考这些经验是合理的。

这些论点各有其合理性。但它们共同的局限在于：它们为”行业参与”和”部分保密”提供了正当性，却无法为”完全不公开”提供正当性。一个公开了框架性原则但保密具体参数的机制，可以同时满足上述三个论点的核心诉求，而不需要走向完全不透明。白宫选择了最大程度的不透明，这超出了上述论点所能合理化的范围。

民主问责的结构性缺失

在民主治理的基本框架中，政府权力的行使需要满足两个基本条件：合法性（通过民主程序授权）和问责性（可以被公众和司法体系审查）。

此次白宫AI框架在两个维度上都存在张力。

合法性层面：这套机制通过行政命令建立，而非国会立法。行政命令的民主合法性基础弱于立法，且更容易被后续政府单方面撤销或修改，缺乏稳定性。美国国会研究服务处（CRS）2024年更新的报告《Artificial Intelligence: Overview, Recent Advances, and Considerations for the 118th Congress》记录了超过70项AI相关法案在第117和118届国会中被提出，但绝大多数未能通过——这种立法僵局为行政部门的单方面行动提供了政治空间。（来源：Congressional Research Service, R47644, 2024）

问责性层面：由于框架内容不公开，公众无法审查具体标准是否合理，法律学者无法评估其是否符合宪法，国会无法对具体条款进行监督，司法体系也难以对不透明的标准进行实质性审查。MIT Technology Review将这套机制描述为”被秘密笼罩”，这个措辞准确地捕捉了问责性缺失的本质。（来源：MIT Technology Review, 2025-08-04）

宏观经济背景：AI已深嵌企业经济体系

根据McKinsey Global Institute 2024年5月发布的年度AI调查报告”The State of AI in Early 2024”，65%的受访企业表示其组织正在至少一个业务功能中常规使用生成式AI，较2023年的33%翻倍。（来源：McKinsey, 2024-05-30）同时，根据Earnings Call AI（一家追踪企业财报电话会议内容的分析平台）的数据，2024年标普500企业财报电话会议中提及”artificial intelligence”的频次较2022年增长超过300%。

这些数据提供了一个重要的宏观背景：AI正在被大量企业纳入核心业务流程，这使得AI监管的影响范围远超AI公司本身，延伸至整个企业经济体系。前沿AI模型的发布前审查，其经济影响链条将从AI开发商延伸至所有依赖这些模型的企业用户。一个审查周期的延误，不仅影响AI公司的产品发布时间表，也影响所有计划将新模型集成进业务流程的企业客户。

第五章：大多数人没看到的那一层

这不是监管，这是权力结构的重新配置

大多数关于这次白宫会议的报道，将其定性为”监管”问题——政府是否应该在AI发布前进行审查，审查标准应该是什么。这是第一层和第二层的分析框架。

但这次事件的第三层含义，是权力结构的重新配置。

当政府拥有前沿AI模型发布前的审查权，且审查标准不公开时，政府实际上获得了一种新型的权力工具：可以选择性地加速或延迟特定AI模型的发布，而无需给出公开可审查的理由。

这种权力的潜在用途远超”安全审查”的范畴。它可以被用于地缘政治目的（限制被认为有中国背景的AI产品进入美国市场）、商业目的（为政治盟友企业提供监管便利）、政治目的（对批评政府的AI公司施加压力）。

这不是阴谋论，这是权力工具的逻辑推演。任何不透明的审查机制，其权力范围都必然超出其声称的目的。历史上的类比是清晰的：美国外国投资委员会（CFIUS）最初于1975年设立时仅用于审查外国投资的国家安全影响，但在过去十年中，特别是2018年《外国投资风险审查现代化法案》（FIRRMA）通过后，其审查范围已经扩展到数据安全、供应链、甚至社交媒体应用（TikTok/ByteDance案、Grindr/昆仑万维案）。权力工具一旦建立，其边界总是向外扩张。

国家安全叙事的双重功能

白宫将这套框架定位于AI安全与前沿模型评估，国家安全是其核心叙事。

国家安全叙事在美国政治中具有特殊的话语权力：它能够有效压制反对意见，因为质疑国家安全措施的人会面临”不爱国”或”对威胁认知不足”的指控。这使得对这套框架的批评在政治上变得困难——批评者需要首先证明自己”也关心安全”，然后才能质疑机制设计。

但国家安全叙事在这里执行了双重功能：它既是政策目标（真实存在的AI安全风险——Anthropic自身的负责任扩展政策RSP和OpenAI的Preparedness Framework都承认前沿模型存在灾难性风险），也是政治工具（用于压制对不透明机制的批评）。

区分这两种功能的方法是：如果国家安全是真正的唯一目标，那么为什么不能公开评估标准的框架性原则，而只对具体技术参数保密？NIST的AI风险管理框架（AI RMF 1.0, 2023年1月26日发布）就是一个先例——它公开了风险评估的方法论框架（包括Govern、Map、Measure、Manage四个核心功能），而不需要透露具体的技术细节。白宫选择完全不公开，而不是部分公开，这个选择本身就是一个信号：不透明的范围超出了安全需要所能合理化的程度。

AI治理的”先占”逻辑

从更长的时间维度看，2025年8月4日的闭门会议可能代表着一场”先占”行动——在国会有机会通过系统性立法之前，行政部门通过行政命令先行建立事实标准。

这种先占逻辑在美国政治中并不罕见。一旦行政部门建立了某种机制并使其运转起来，即便后续国会希望通过立法进行规范，它也必须在已经存在的行政框架内进行调整，而不是从零开始设计。先占行动的目标，是让行政主导的框架成为”默认选项”，立法只能在其基础上修订，而非颠覆。

参照系是2023年的情况：Biden的AI行政命令（EO 14110）在国会AI立法停滞不前的背景下出台，此后国会的AI立法讨论不得不以该行政命令为参照点。2025年1月Trump政府撤销了EO 14110，但并非回到监管真空——而是用自己的框架取而代之。这种”先撤销、再替代”的策略，确保了行政部门始终掌握AI治理的议程设定权。

如果这个判断成立，那么我们现在看到的不仅是一套AI监管框架，而是行政部门在AI治理领域的权力预占——在这个领域的规则尚未固化之前，先行划定边界，使后续的任何变革都必须在已建立的权力格局内进行。

结语：美国AI治理的三难困境，以及对你意味着什么

2025年8月4日之后，美国AI治理站在了一个三难困境的交叉点上。

第一难：国家安全与开放创新的张力。 前沿AI模型确实存在真实的安全风险——Anthropic的RSP文件和OpenAI的Preparedness Framework都明确承认了这一点。政府有理由建立某种形式的评估机制。但评估机制的设计，直接影响AI创新的速度和方向。过于严格或不透明的事前审查，可能在保护安全的同时窒息创新，将前沿研究推向监管更宽松的司法管辖区。

第二难：行政效率与民主透明的张力。 行政主导的框架可以快速响应技术演进，但缺乏民主问责基础。公开立法路径提供透明度，但速度和灵活性严重不足。两者之间没有完美的平衡点，只有不同的权重选择。

第三难：产业竞争力与规则公平的张力。 让行业巨头参与规则制定，可以确保规则的技术可行性；但这同时创造了规则捕获的风险，可能固化现有市场格局，将AI产业的竞争从”谁能做出更好的模型”转变为”谁与政府的关系更近”。

白宫目前的选择——行政命令、闭门协商、不公开标准——在三难困境中选择了一个特定的权重组合：优先国家安全叙事，优先行政效率，优先与现有巨头的协作关系。这不是一个没有逻辑的选择，但它的代价是显著的透明度赤字和潜在的权力滥用风险。

我的判断倾向于认为这套机制的长期风险大于其短期收益，原因不是对当前政府的不信任，而是对制度逻辑的判断：不透明的权力工具，在历史上从未因为权力持有者的自我克制而保持有限。它的边界，只能通过外部约束来维持——而这套机制的设计恰恰排除了外部约束的可能性。

对AI产业的实际含义：

短期（6-12个月）：5家参与闭门会议的公司获得了信息优势和某种形式的监管确定性。这对它们的商业计划是利好。预计这些公司的模型发布节奏不会受到显著影响。

中期（1-3年）：其他AI开发者面临不确定性增加的环境。合规成本上升，但合规路径不清晰。这将系统性地有利于拥有更多资源和政府关系的大型企业，加速AI产业的集中化趋势。Mistral AI、Cohere等中型玩家可能被迫寻求与大型企业的合作或并购，以获取监管确定性。

长期（3年以上）：这套机制的稳定性存疑。它建立在行政命令而非立法基础上，下一届政府可以通过新的行政命令修改或撤销它。这种不稳定性，对于需要长周期规划的AI基础设施投资来说，是一个系统性风险因素。同时，如果这套机制被证明有效地集中了权力而未产生明显的安全收益，它将成为未来AI治理辩论中的核心争议点。

最后，有一个问题值得所有AI领域的观察者持续追踪：那份不公开的评估框架，究竟写了什么？

这个问题的答案，比任何关于监管哲学的宏观讨论都更重要。因为规则的细节，决定了谁能参与这场游戏，以及游戏将如何进行。而在规则不公开的世界里，知道规则的人拥有的不仅是信息优势——他们拥有的是对未来的定义权。

参考资料

  1. White House won’t publicly release AI model evaluation framework it reviewed today with Meta, Nvidia, Microsoft, OpenAI, Anthropic — Fortune, 2025-08-04

  2. Inside Trump’s AI framework — Axios, 2025-08-04

  3. The White House’s plan to vet potentially dangerous AI is shrouded in secrecy — MIT Technology Review, 2025-08-04

  4. Executive Order on the Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence (EO 14110) — White House (Biden Administration), 2023-10-30

  5. Executive Order: Removing Barriers to American Leadership in Artificial Intelligence — White House (Trump Administration), 2025-01-20

  6. NIST Artificial Intelligence Risk Management Framework (AI RMF 1.0) — National Institute of Standards and Technology, 2023-01-26

  7. Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (AI Act) — Official Journal of the European Union, 2024-07-12

  8. Anthropic’s Responsible Scaling Policy — Anthropic, 2023-09-19

  9. OpenAI Preparedness Framework — OpenAI, 2023-12-18

  10. The AI Index Report 2024 — Stanford Institute for Human-Centered Artificial Intelligence (HAI), 2024-04

  11. Artificial Intelligence: Overview, Recent Advances, and Considerations for the 118th Congress — Congressional Research Service, 2024

  12. The State of AI in Early 2024 — McKinsey Global Institute, 2024-05-30

  13. Center for American Progress, “Trump Administration Creates De Facto Licensing System for Frontier AI”, 2025-08-04（分析报告，americanprogress.org）

  14. 来源：European Commission, Impact Assessment accompanying the proposal for AI Act, SWD(2021) 84 final, 2021-04-21