2020年3月，当新冠病毒以惊人的速度席卷全球时，没有任何人拥有完整的脚本。各国政府在数周内推出相互矛盾的指导方针，专家们在直播中争论口罩的必要性，企业一边呼吁更严格的公共卫生措施，一边争取豁免以维持运营。那种混乱的、紧迫但又缺乏协调的氛围——如今正在AI监管领域重演。

2026年8月30日，一篇广泛流传的深度报道集合了来自政府官员、政策专家和AI行业人士的声音，用一个共同的比喻描述当下的AI监管困境：「感觉像是早期新冠」。这句话背后藏着一个深刻的悖论：在整个AI行业，举着最大「危险」警告牌的公司，往往也是最积极参与监管叙事写作的公司。而这个悖论的存在，揭示了2026年AI治理的结构性失灵。

理解这一悖论，需要我们同时看清楚三条交织在一起的故事线：谁在定义「危险」、谁在争夺监管权限、以及谁在承担沉默的代价。

一、「灾难预言者」悖论：谁在挥舞危险警告？

理解2026年AI监管困境的第一步，是搞清楚「谁在发出警告，为了什么」。

OpenAI、Anthropic、Google DeepMind——这些公司在公开场合表现出对AI风险的高度关注。Anthropic在其2026年8月风险报告中，首次将「自动化AI研发」列为独立风险类别，并警告AI系统可能超出人类监督能力。OpenAI在同月联署的百家公司公开信中警告称，AI驱动的网络攻击将在「未来数月」大幅增加，医院、水处理厂等关键基础设施面临威胁。

但这些公司同时也是AI技术最激进的推进者，是向监管机构游说宽松监管框架的主要力量，是在美国联邦与各州之间的监管博弈中争取「企业友好」结果的重要参与者。

正如白宫一位匿名顾问在接受采访时所说：「我们得到的建议常常是矛盾的——同一家公司的高层早上警告说他们的技术可能失控，下午就来游说说监管太严会扼杀创新。」

这种「灾难预言者」悖论不是偶然现象，而是AI公司战略定位的内在逻辑所决定的：通过主动塑造对风险的叙事，占据监管讨论的制高点，从而影响监管规则的具体形态。掌控「危险」的定义，就是掌控「解决方案」的定义——而规则最终往往会对已经存在的方案做出妥协。

在新冠初期，也发生过类似的叙事博弈：大型制药公司在呼吁紧急授权的同时，也在谈判豁免条款；零售商在呼吁公共卫生措施的同时，也在争取营业例外。「危险的代言人」几乎从来都不是中立的。

二、联邦 vs. 州：美国AI监管的「双轨战争」

理解这场混乱的第二条线索，是美国联邦与各州之间的监管权限博弈。

根据White & Case律师事务所2026年8月发布的分析，截至2026年8月，已有至少27个州颁布或正在审议AI相关立法，而联邦层面的统一框架仍然缺失。这种分裂产生了严重的实践后果：

合规成本碎片化：一家向全美用户提供AI服务的公司，现在可能需要同时遵守加州、德克萨斯、纽约、伊利诺伊等不同州的AI规则，而这些规则在定义上可能相互矛盾。对中小型AI创业公司而言，这种合规负担可能成为市场准入的实质性壁垒——而大型科技公司则有足够的法律资源进行复杂的跨辖区合规管理，这间接强化了行业集中度。

最严格的州引力效应：类似加州隐私法（CCPA）对全国商业实践的影响，加州的AI立法即使在联邦层面无法生效，也会通过市场压力影响全国标准。加州的经济体量决定了没有一家主要AI公司能够放弃加州市场，因此加州的规则实际上具有全国范围的约束力。

监管套利温床：企业有强烈动机将某些AI工作转移到监管较宽松的州，或在全球范围内选择最有利的监管管辖区。这不仅造成实质监管漏洞，也在各州之间制造了「监管竞次」（race to the bottom）的压力——各州可能因为担心失去企业和就业而竞相降低监管标准。

特朗普政府对AI监管的总体立场是「联邦优先州法、促进创新为主」，但具体政策框架仍在激烈讨论中。2026年8月，Meta、Anthropic、Google、OpenAI受邀与白宫官员会面讨论自愿安全测试框架——注意「自愿」这两个字，它代表了当前联邦监管哲学的基本底色。

「自愿」框架的问题在于，它依赖被监管者的善意合规，而善意合规在商业竞争压力下往往是不稳定的。就像新冠初期的「自愿社交距离」建议，在没有强制执行机制的情况下，最终演变为各方自行诠释的混战。

三、技术理解的鸿沟：立法者的「口罩困境」

新冠初期另一个令人印象深刻的混乱场景，是美国最高立法机构的成员在公开听证会上显露出对基本流行病学的严重误解。2026年，类似的场景正在AI监管领域上演。

多项对美国国会议员AI技术理解程度的调查和观察显示，立法者与技术之间存在巨大鸿沟。在一些公开听证会上，提问者混淆了大语言模型与传统搜索引擎的区别，将AI「幻觉」理解为计算机「说谎」，对训练数据、推理计算和安全对齐等基本概念缺乏理解。

这个技术理解鸿沟不是技术问题，而是民主治理问题。当那些拥有投票权的人对所规制的技术没有基本理解时，监管过程就会严重依赖「专家」的建议——而这些专家往往正是有利益关联的AI公司的人员和与AI公司关系密切的智库代表。

White & Case的分析明确指出：在联邦政府的AI政策讨论中，来自AI公司的「技术建议」与来自独立研究人员的「公共利益建议」之间的平衡，严重向前者倾斜。

四、为什么「早期新冠」比喻如此贴切

「早期新冠」的比喻之所以如此精准，是因为它捕捉到了两个时刻的共同结构特征：

紧迫感与协调失灵并存。新冠初期，所有人都知道病毒会传播，但没有人掌握足够的数据来做出最优决策，也没有足够的协调机制让各方达成一致行动。2026年的AI监管也是如此：技术专家、政策制定者和企业领袖都承认AI带来的风险是真实的，但没有人拥有足够的信息或权威来构建有效的监管框架。

企业的双重角色导致信息扭曲。新冠初期，制药公司既是解决方案的提供者，也是疫苗价格的谈判者。AI行业也是如此：最了解AI风险的人（AI公司的研究人员和高管），同时也是对监管结果有最直接利益诉求的人。他们提供的风险叙事不可避免地经过了战略滤镜的过滤。

「等待科学」的逻辑被滥用。新冠初期，「等待更多科学证据」的口号有时被用来推迟必要的政策行动。在AI监管中，「等待技术成熟才能制定规则」的论点也在被使用——尽管批评者指出，当技术足够成熟以至于规则已经必要时，往往也意味着技术已经造成了无法逆转的影响。

五、2026年AI监管的三大结构性困境

从当前的混乱中，可以提炼出三个难以在短期内解决的结构性困境：

困境一：速度不对等。AI技术迭代的速度远超立法过程的速度。欧盟《AI法案》的制定始于2021年，正式生效于2024年，而该法案主要针对的是2021年时最尖端的AI系统——到2026年，这些系统已经不再是技术前沿，新的、更强大的能力已经出现。

困境二：边界模糊。AI技术的应用场景高度多元，同一个底层技术（如大语言模型）可以用于医疗诊断、金融分析、军事情报、日常聊天等完全不同的场景，每个场景的适当监管框架可能截然不同。「AI监管」这个词本身就存在严重的定义模糊性。

困境三：国际协调缺失。与新冠疫情需要全球协调类似，AI的影响跨越国界，但监管框架仍然主要是国家和地区性的。美国的宽松监管框架、欧盟的严格规制路线、中国的国家主导模式，三种路径之间的博弈不仅影响各自的AI产业发展，还创造了深刻的地缘科技竞争格局。

六、谁在沉默中承担代价？

新冠疫情的历史还揭示了一个残酷的真相：在所有的政策混乱和利益博弈中，最终承担最大代价的往往是那些最缺乏政策影响力的群体。

在AI监管的混乱期，沉默的代价承担者可能包括：被AI招聘系统系统性排除的求职者（往往集中于特定人口群体）、被AI内容推荐系统塑造信息视野的普通用户、依赖AI医疗诊断但缺乏能力对其进行质疑的患者、面临AI自动化最强冲击但政治代表性最弱的工人群体。

「早期新冠」的比喻在这里也有其对应物：早期新冠期间，那些没有远程工作条件的工人、没有医疗保险的家庭，都在政策讨论的边缘沉默地承受着代价。2026年的AI监管，至今没有找到将这些声音系统性纳入政策过程的机制。

结语

「感觉像是早期新冠」——这句话既是对现状的准确描述，也是一个隐含的预判：就像新冠最终以某种方式得到了「管理」，AI的失控风险或许也终将找到某种应对方式。但中间会有多少代价？谁来承担这些代价？

最诚实的答案，可能是我们还不知道。而在这种不确定性中，那些能够最清晰地描述风险、同时也拥有最大利益驱动去影响规则制定的公司，手握着这个时代最不对等的权力。

这不是技术问题，而是民主治理问题。「早期新冠」的比喻提醒我们：等到足够多的人切实感受到失控的代价，政策共识才会出现——而那时，时间已经过去了。

参考资料

  1. MSN（2026-08-30）：‘It feels like early COVID’: The messy scramble to regulate AI
  2. White & Case / Reuters（2026-08-12）：Who governs AI? The federal government’s challenge to state regulation
  3. Business Insider（2026-05）：Trump is weighing AI oversight
  4. Detroit News（2026-08-03）：Meta, Anthropic, Google, OpenAI to meet Trump officials about AI safety testing
  5. TechCrunch（2026-08-27）：OpenAI, Anthropic, Google and 100 other companies call for action to defend against rogue AI