2026年9月30日，一条消息在硅谷迅速发酵：OpenAI联合创始人Greg Brockman宣布向一个亲AI超级PAC捐款2500万美元。消息发出后，舆论反弹之猛烈出乎预料——据Forbes报道，这笔捐款在公众压力下最终未能落地。这个细节本身就足够耐人寻味：一家以”负责任AI”和”安全优先”为核心叙事的公司，其高管的政治献金行为，竟然在公众面前需要撤回。（来源: Forbes, 2026-09-30）

这不是一个孤立的尴尬时刻。它是一个更大结构性矛盾的症状——当AI行业最会喊”安全”的公司，开始用安全话语本身作为政治游说的通行证，当数亿美元的超级PAC资金涌入2026年中期选举，当FTC在AI行业高调宣示安全承诺的同期推进调查，一个根本性的问题浮出水面：AI安全，究竟是技术原则，还是一门精心设计的监管套利生意？

本文基于截至2026年10月的公开报道和监管文件进行分析。由于AI行业政治资金的完整披露周期尚未结束，部分数据点依赖于媒体报道和政治人物的公开声明，而非最终的FEC审计数据。文中对尚未独立核实的数据均做了明确标注。

第一章：安全话语的价格标签

游说支出的剪刀差

2026年第二季度，美国游说支出数据呈现出一个罕见的剪刀差结构。据CNBC报道，传统科技巨头和国防行业的游说支出出现下滑，而OpenAI和Anthropic的游说支出却逆势大幅攀升。CNBC的报道标题直接点明了这一趋势：”OpenAI, Anthropic boost lobbying as legacy tech, defense spending slips”。（来源: CNBC, 2026-07-21）

遗憾的是，现有公开报道未披露各公司游说支出的精确金额和百分比变化。根据美国参议院游说披露数据库（Lobbying Disclosure Act Database）的公开记录，OpenAI在2025年全年的联邦游说支出已达到数百万美元级别，而Anthropic也在同期首次注册了联邦游说实体。2026年Q2的”大幅攀升”是在这一基础上的进一步加速。（注：具体Q2金额待参议院游说数据库下一轮更新后可查证，本文对”大幅攀升”的判断依据为CNBC报道的定性描述，而非独立核实的定量数据。）

这个反向走势并非偶然。传统科技公司在华盛顿已深耕数十年，其游说体系成熟、路径固化，在当前政治环境下的边际收益递减。而OpenAI和Anthropic的逆势增长，据公开信息分析，恰恰说明这两家公司正处于一个关键的政策窗口期——它们需要在监管框架尚未定型之前，尽可能地塑造游戏规则。

这种时机判断并非没有依据。AI监管的立法窗口在2026年正以罕见的速度收窄：欧盟AI法案已于2024年正式通过并进入分阶段实施期，美国国会正在就多个AI监管草案展开辩论，加利福尼亚州SB 1047等州层面的立法也在加速推进。对于OpenAI和Anthropic来说，根据公开信息推断，现在花在游说上的每一美元，其政策回报率远高于五年后再花——这是典型的政策窗口期投资逻辑。

“安全”作为游说通行证

理解这场游说攻势的关键，在于理解OpenAI和Anthropic选择的叙事框架。这两家公司并不像传统科技公司那样游说”请不要监管我们”，而是游说”请按照我们定义的方式来监管这个行业”。

这是一个微妙但极其重要的区别。

OpenAI的公开立场始终强调：AI是存在风险的，需要监管，但监管必须由”懂AI”的人来主导。Anthropic则将”宪法AI”（Constitutional AI）和”可解释性研究”（Interpretability Research）作为其技术差异化标签，并将这套技术叙事直接转化为政策主张：只有掌握前沿安全技术的公司，才有资格参与制定AI安全标准。

这套逻辑的商业含义是直接的：如果监管标准由OpenAI和Anthropic主导定义，那么这些标准天然会与它们的技术路径和商业模式相契合，而与此同时，这些标准会对潜在竞争对手形成更高的合规壁垒。这一推断基于监管经济学中的经典模式，尽管尚无内部文件直接证实这是两家公司的明确战略意图。

用经济学语言来说，这是一种典型的监管捕获（Regulatory Capture）策略——不是反对监管，而是主导监管，让监管成为护城河的一部分。经济学家George Stigler在1971年提出的监管捕获理论，描述的正是这种被监管者反过来塑造监管规则以服务自身利益的现象。AI行业的当前操作，可能是这一理论在21世纪最精致的实践案例。

与传统科技游说的本质差异

值得注意的是，OpenAI和Anthropic的游说策略与Meta、Google等传统科技公司存在本质差异。后者的游说主要围绕具体的立法条款展开——反垄断豁免、数据隐私标准、内容审核责任边界等。而前者的游说更具有”元层次”的特征：它们试图影响的不是某一条具体法规，而是整个AI治理框架的认识论基础——谁有资格定义”安全”，”安全”应该如何被测量，以及谁来做裁判。

当你掌握了裁判权，具体的比赛规则就可以慢慢谈。

第二章：数亿美元的政治机器

加密货币剧本的AI翻版

Bernie Sanders在2026年发出警告：即将到来的国会可能被高达3亿美元的AI资金所塑造。（来源: BeInCrypto, 2026-09-15）需要指出的是，”3亿美元”这一数字来自Sanders的公开声明，目前尚未有OpenSecrets.org或FEC的逐笔filing数据对这一总额进行独立验证。FEC发布的2025-2026选举周期15个月竞选活动统计摘要提供了整体政治资金的宏观数据，但未单独列出AI行业超级PAC的汇总金额。（来源: FEC, 2026-09-20）因此，本文在后续讨论中将这一数字视为”Sanders所引用的估算值”，而非经过独立核实的精确数据。实际金额可能高于或低于这一估算，最终数据需等待FEC完成2026选举周期的完整披露后方可确认。

这个警告的背景，是AI行业超级PAC正在系统性地复制加密货币行业在2024年选举中的政治影响力剧本。加密货币行业在2024年选举中的操作路径是清晰的：Fairshake PAC等组织集中资金支持亲加密货币候选人，在关键选区形成”加密货币选票”的政治压力，最终推动国会形成对加密友好的立法环境。这套策略在2024年取得了显著成效——多位明确支持加密货币监管宽松化的候选人成功当选。

AI行业的超级PAC试图将这套剧本移植到2026年中期选举。（来源: MarketWatch/Morningstar, 2026-10-08）从结构上看，这套策略有其内在逻辑：AI行业的资金体量更大，技术影响力更广泛，而且”AI创造就业”的叙事在经济焦虑的选区有天然的吸引力。

Greg Brockman事件的解剖

然而，Greg Brockman的2500万美元捐款事件，暴露了这套剧本移植的深层困境。

事情的经过是：Brockman宣布向亲AI超级PAC捐款2500万美元，随即遭遇强烈的公众反弹。Forbes报道的标题使用了”Drops”一词（”OpenAI’s Greg Brockman Drops $25 Million Donation To Pro-AI Super PAC”），报道内容指出这笔捐款在反弹后未能成行。需要说明的是，Forbes报道明确提及了”after backlash”（在反弹之后），但关于撤回的具体决策过程——是Brockman主动撤回、还是PAC拒绝接受、还是其他原因——报道未提供完整细节。这一信息空白本身值得关注：在一个以透明度为核心叙事的行业中，一笔2500万美元政治捐款的撤回过程，竟然缺乏公开的解释。（来源: Forbes, 2026-09-30）

表面上看，这是一个公关失误。但深层看，这个事件揭示了AI行业政治策略的一个根本性矛盾：

OpenAI的核心叙事是”我们是一家为全人类利益工作的使命驱动机构”（尽管其商业结构已经历从非营利到有限营利再到公益公司的多次演变）。这套叙事与”高管个人向政治超级PAC注入数千万美元”之间存在明显的认知冲突。加密货币行业从来没有声称自己是”为全人类安全服务的”，所以其政治献金行为在逻辑上是自洽的。AI行业，尤其是OpenAI和Anthropic，则因为其”安全优先”的自我定位，在政治献金问题上面临更高的道德审视标准。

这是安全叙事套利的代价：当你把”安全”和”使命”作为品牌核心，你的每一个商业和政治行为都会被放在这个标准下检验。

资金流向与利益链条

根据Philadelphia Inquirer的报道，AI行业的超级PAC资金主要流向三类活动：支持亲AI监管立场的候选人、资助”AI教育”广告投放、以及在关键选区开展选民动员。（来源: Philadelphia Inquirer, 2026-10-02）

这三类活动的共同目标，是在国会形成一个对AI行业友好的政策环境——具体来说，是推动联邦层面的统一AI监管框架（以取代各州分散立法），并确保这个框架以”促进创新”而非”限制风险”为主基调。

从利益链条的角度分析，这笔资金的受益者是清晰的：首先是OpenAI和Anthropic等头部AI公司，联邦统一监管框架将有效阻止各州的差异化严格监管；其次是整个AI投资生态，监管确定性有利于估值和融资；最后是那些依赖AI技术的科技公司，宽松的联邦框架降低了合规成本。需要指出的是，这一利益链条分析基于公开信息的逻辑推断，各方是否存在明确的协调行为，尚无直接证据。

超级PAC策略的内在局限

然而，MarketWatch/Morningstar的分析指出，AI超级PAC的策略并不像加密货币行业那样运转顺畅。（来源: MarketWatch/Morningstar, 2026-10-08）原因是多方面的：

第一，AI的政治标签尚未固化。 加密货币在2024年选举中已经形成了相对清晰的政治身份——它被许多选民视为”金融自由”和”反建制”的象征，与特定的政治情绪产生了共鸣。AI则更加复杂：它既被视为经济机遇，也被视为就业威胁；既被视为技术进步，也被视为隐私侵犯工具。这种模糊性使得”AI选票”难以像”加密货币选票”那样被清晰动员。

第二，AI公司的政治可信度存在先天缺陷。 加密货币行业在政治上的诉求是明确的：反对过度监管。AI行业的政治诉求则更加自相矛盾：一方面声称支持监管（因为这是其安全叙事的一部分），另一方面又通过超级PAC影响选举以确保监管对自己有利。这种矛盾使其政治信息难以传递。

第三，时间窗口的不确定性。 加密货币行业在2024年面对的是一个相对明确的立法议程，而AI监管在2026年仍处于多个草案并行的混沌状态。超级PAC的资金需要精确瞄准具体的立法目标才能最大化效果，而AI监管议程的不确定性增加了资金部署的难度。这一点是基于对当前立法进程的公开信息分析得出的推断。

第三章：FTC的追问

调查的启动与推进

2026年，FTC对AI行业安全实践的调查成为监管领域最受关注的事件之一。据Semafor在2026年10月8日的报道，FTC正在”推进”（advancing）其AI安全调查。（来源: Semafor, 2026-10-08）Yahoo News的政治报道进一步指出，FTC的调查与中期选举议题形成了交叉。（来源: Yahoo News, 2026-10-05）

需要澄清的是，关于FTC调查启动的精确时间线，现有公开报道存在模糊之处。此前版本的文章引用了一个个人博客来源（note.com），声称FTC在AI行业宣布”自律承诺”的”次日”启动调查。经核查，这一时间关系无法通过一手来源验证。Semafor报道使用的措辞是”advancing”（推进中），而非”launching”（启动），这暗示调查可能在更早时间就已启动。因此，本文将这一叙述修正为：FTC的调查与AI行业的自律承诺在时间上形成了鲜明的对照——行业一边高调宣示安全承诺，监管机构一边推进对这些承诺真实性的审查。

这种时间上的对照本身就传递了一个明确的监管信号：自律承诺不能替代监管审查，”我们承诺安全”不等于”我们已经安全”。

FTC调查的三个核心张力

理解FTC调查的逻辑，需要识别三个核心张力：

张力一：安全投入与商业压力的对冲。 OpenAI和Anthropic都声称将大量资源投入AI安全研究。但商业压力的现实是：安全研究的周期长、成本高、短期内不产生直接收入，而市场竞争要求快速迭代和功能发布。2025年，OpenAI前安全团队负责人Jan Leike公开离职并指出公司内部”安全文化已被侵蚀”，这一事件为FTC的调查提供了具体的内部证据线索。当竞争对手加速推出新功能时，”等待安全评估完成”的成本变得极其高昂。FTC的调查实际上是在追问：在实际的产品决策中，安全评估究竟占多大权重？这是一个目前尚无公开数据可以直接回答的问题，但Jan Leike的离职声明提供了一个令人不安的方向性信号。

张力二：安全话语的对外性与对内性。 AI公司的安全叙事主要是对外的——面向监管机构、公众和媒体。但内部的工程决策、产品路线图和商业优先级，是否真的被安全考量所主导？这两个层面之间的落差，是FTC调查最难量化但最关键的维度。

张力三：自愿承诺的法律效力问题。 AI行业的自律承诺，在法律上属于”软承诺”——没有执行机制，没有第三方核查，没有违约后果。2023年7月，OpenAI、Anthropic、Google等公司在白宫签署的AI安全自愿承诺，至今没有任何公开的合规审计报告。FTC的调查实际上是在测试：当自律承诺与商业利益发生冲突时，这些承诺是否真的被遵守？

FTC调查的政治经济学背景

值得注意的是，FTC的调查并非孤立的监管行动，而是嵌入在一个更大的政治经济学背景中。（来源: Yahoo News, 2026-10-05）

一方面，AI行业的超级PAC正在积极影响国会选举，试图塑造对自己有利的立法环境；另一方面，FTC作为独立监管机构，其调查行动本身也具有政治信号意义——它在向国会和公众传递：行政监管机构并不会被行业的政治攻势所吓退。

这创造了一个有趣的博弈结构：AI行业通过超级PAC影响立法机构，而行政监管机构则通过调查行动向立法机构施压，要求给予更强的监管授权。两者都在争夺AI治理框架的定义权，只是使用的工具不同。这一博弈的最终走向，将取决于2026年中期选举的结果以及FTC调查的实质性产出——两者目前均处于进行时。

“安全研究”作为监管护城河的商业逻辑

这里有一个大多数分析没有触及的深层洞察：对于OpenAI和Anthropic来说，安全研究不仅仅是技术投入，更是监管护城河的建设工程。

逻辑如下：如果监管机构要求AI公司证明其系统的安全性，那么只有拥有先进安全评估方法的公司才能满足这一要求。OpenAI的”红队测试”（Red Teaming）体系、Anthropic的可解释性研究，不仅是真实的技术工作，也是在建立一套只有头部公司才能负担的合规标准。

这意味着，即使FTC的调查最终导致更严格的安全合规要求，这对OpenAI和Anthropic来说未必是坏消息——因为更严格的合规标准会提高行业进入门槛，有效阻止资源较少的竞争对手。这一推断基于监管经济学的一般规律：合规成本的增加对在位者（incumbents）的相对影响小于对新进入者（entrants）的影响。当然，最终效果还取决于具体的监管设计——如果监管框架包含对中小企业的豁免条款或分级要求，护城河效应可能被削弱。

这是安全叙事套利最精妙的一层：通过支持监管来消灭竞争。

第四章：选民的反噬信号

“有毒”标签的形成

Common Dreams在2026年秋季的报道援引了一项关键州选民调查，数据显示AI竞选资金在选民中的负面感知，甚至超过了AIPAC（美国以色列公共事务委员会）这一长期以来被视为政治敏感话题的游说组织。（来源: Common Dreams, 2026-09-28）需要指出的是，该报道未披露民调机构名称、样本量或具体方法论，因此这一数据点应被视为方向性信号而非精确的定量结论。在缺乏完整方法论披露的情况下，读者应对这一比较的精确程度保持审慎态度。

即便如此，这一趋势本身值得重视。为什么AI政治资金会形成如此强烈的负面感知？几个因素叠加：

第一，就业焦虑的政治化。 AI取代工作的叙事在2025-2026年已经从技术讨论变成了日常生活的现实感知。麦肯锡2025年报告估计，到2030年全球可能有多达8亿个工作岗位受到AI自动化影响（需要说明的是，”受影响”涵盖从完全替代到部分任务自动化的广泛范围，不等同于”失业”）。当选民感受到AI对自己职业生涯的威胁时，”AI公司用钱影响选举”的新闻自然会触发强烈的防御反应。

第二，科技行业信任赤字的累积效应。 Facebook的剑桥分析事件、Twitter的内容审核争议、Google的反垄断诉讼——过去十年，科技行业在公众信任方面积累了大量的负债。Edelman 2026年信任度晴雨表显示，科技行业的公众信任度已连续三年下滑。AI公司作为科技行业的新代表，继承了这份信任赤字。

第三，”安全”叙事的反噬。 正因为OpenAI和Anthropic一直强调AI的风险和安全需要，当他们将巨额资金投入政治选举时，选民的第一反应是：如果AI真的这么危险，为什么你们要用AI的钱来影响监管它的人？这种逻辑是直觉性的，但它精准地击中了安全叙事套利的核心矛盾。这或许是安全叙事套利中最具讽刺意味的反馈回路：你越是成功地说服公众AI是危险的，公众就越不信任你用AI赚来的钱去影响政治。

超级PAC策略失灵的深层原因

MarketWatch/Morningstar的分析指出，AI超级PAC的策略并未按预期运转。（来源: MarketWatch/Morningstar, 2026-10-08）这种失灵不仅仅是战术层面的问题，更反映了AI行业政治策略的结构性缺陷。

最根本的问题是：AI行业试图用金融资本来购买政治信任，但政治信任的货币是不同的。 加密货币行业之所以能在2024年取得政治成功，不仅仅是因为它花了很多钱，更是因为它成功地将”加密货币自由”与更广泛的政治情绪（反建制、金融主权、个人自由）对接。AI行业的政治资金，目前还没有找到类似的情绪对接点。

相反，AI的政治资金正在激活的，是公众对科技权力集中的焦虑。Bernie Sanders的警告正是这种焦虑的政治表达——不是反对AI技术本身，而是反对AI资本对民主程序的渗透。（来源: BeInCrypto, 2026-09-15）

关键州的政治地图

AI政治资金的地理分布，也揭示了行业的战略优先级。根据Philadelphia Inquirer的报道，AI超级PAC的资金主要集中在几个关键的摇摆州选区，目标是影响国会关键委员会席位的归属。（来源: Philadelphia Inquirer, 2026-10-02）

这种集中投放策略在逻辑上是合理的——用有限的资金最大化政策影响力。但它也带来了一个政治风险：在这些关键选区，AI政治资金的存在会被对手候选人和媒体大量曝光，反而可能强化选民对AI政治影响力的负面感知。

这是一个典型的”曝光悖论”：越是集中投放，越容易被注意到；越容易被注意到，越容易触发反弹。2026年中期选举的结果将是检验这一悖论是否成立的关键数据点。

第五章：对立视角——行业方的辩护与其局限

辩护一：”参与政策制定本身就是负责任行为”

公平地说，AI行业对游说活动有一套自洽的辩护逻辑。OpenAI和Anthropic的支持者会指出：AI技术的复杂性意味着监管机构往往缺乏足够的技术能力来独立制定有效的监管框架。在这种情况下，行业参与政策制定不仅是合法的，而且是必要的——否则，监管可能会因为技术误解而产生适得其反的效果。

这一论点并非毫无道理。2024年欧盟AI法案的立法过程中，确实出现了多处因技术理解不足而导致的条款争议。例如，关于”通用目的AI模型”（GPAI）的分类标准，最终版本在很大程度上参考了行业的技术输入。斯坦福大学人类中心AI研究所（HAI）2025年的报告也指出，美国联邦政府中具备AI技术背景的政策人员严重不足，这确实构成了监管能力的瓶颈。

Anthropic CEO Dario Amodei在多次公开演讲中强调，Anthropic的政策参与是”建设性的”——目标不是阻止监管，而是帮助监管机构理解技术现实，从而制定更有效的规则。

辩护二：”超级PAC是美国政治的常规工具”

另一个常见的辩护是：超级PAC在美国政治中是合法且普遍的。石油行业、制药行业、金融行业都通过超级PAC大规模参与选举政治，AI行业的参与并不比其他行业更具”毒性”。将AI政治资金单独拎出来批评，可能反映的是对AI行业的选择性审视，而非对政治献金制度本身的系统性反思。

这一论点在形式上是成立的。根据OpenSecrets.org的数据，2024年选举周期中，能源行业超级PAC的支出超过了5亿美元，制药行业超过了3亿美元。从绝对金额来看，AI行业的政治支出并不突出。

辩护三：”安全研究的外部性是正面的”

还有一个值得认真对待的辩护角度：无论AI公司的商业动机如何，其安全研究的成果具有正面的外部性。Anthropic发表的可解释性论文、OpenAI公开的红队测试方法论，都是整个AI研究社区可以使用的公共知识。即使这些研究同时服务于商业目的，其科学价值和社会贡献也不应被完全否定。这一论点有其合理性，本文的分析并不否认安全研究本身的价值，而是质疑安全研究被工具化为政治游说筹码时产生的制度扭曲。

对这些辩护的回应

然而，这些辩护都忽略了一个关键的区别：AI行业是唯一一个将”安全”和”使命”作为品牌核心资产的行业。

石油公司从不声称自己的首要使命是”保护地球环境”，制药公司也不会将”反对药品滥用”作为其品牌定位的核心。它们的游说活动与其商业定位之间不存在叙事冲突。但OpenAI的章程明确写着”确保通用人工智能造福全人类”，Anthropic将自己定位为”AI安全公司”。当这些公司同时进行大规模政治游说时，公众有充分的理由追问：你们的政治行为是否与你们的安全使命一致？

更重要的是，”行业参与政策制定是必要的”这一论点，与”行业通过超级PAC影响选举结果”之间存在本质区别。前者是技术咨询，后者是政治权力运作。将两者混为一谈，恰恰是安全叙事套利的典型手法。

至于”超级PAC是常规工具”的辩护，它在逻辑上等同于说”因为制度允许，所以行为就是正当的”。这是对制度批评的回避，而非回应。公众对AI政治资金的负面感知，恰恰说明选民正在对这一制度本身提出质疑——而AI行业因为其安全叙事的存在，成为了这一质疑的焦点。

我的判断是：行业参与政策制定的合理性不能为超级PAC的政治运作提供道德遮蔽。 技术咨询和政治献金是两件不同的事情，AI行业需要在这两者之间建立清晰的边界，而不是用前者的合理性来为后者辩护。这一判断基于对公开信息的分析，读者可以根据自己的价值框架得出不同结论。

第六章：安全不能是一门生意

话语套利的制度根源

回到最根本的问题：为什么AI行业能够用”安全”话语进行监管套利？

答案在于AI治理的制度设计存在一个根本性的空白：没有独立的安全评估机制。

目前，AI系统的安全性主要由AI公司自己评估、自己报告、自己承诺。这就像让一家药品公司自己进行临床试验、自己解读数据、自己向FDA报告结果，然后FDA基于这些自报数据做出审批决定。在药品监管领域，这种安排被认为是不可接受的，正是因为利益冲突太过明显。（需要说明的是，药品监管与AI监管在技术特性、风险类型和评估方法上存在显著差异，这一类比旨在说明独立评估的制度必要性，而非暗示两者可以采用完全相同的监管框架。）

但在AI监管领域，这恰恰是目前的现实。OpenAI的”安全系统卡”（System Card）、Anthropic的”模型卡”（Model Card），都是公司自己发布的文件，描述自己的安全测试方法和结果。没有独立的第三方机构来核查这些声明，没有标准化的评估协议，没有可执行的问责机制。

在这种制度真空中，”安全”自然会成为一个可以被任意填充的话语容器——谁的叙事能力更强，谁就能定义安全的含义。

FTC调查的制度意义

从这个角度看，FTC的调查具有超越具体案例的制度意义。它实际上是在测试一个关键命题：行政监管机构能否在没有充分立法授权的情况下，对AI安全声明的真实性进行有效审查？

这个测试的结果，将在很大程度上决定AI治理的下一阶段走向。如果FTC的调查能够形成有实质约束力的监管行动——例如依据《联邦贸易委员会法》第5条关于”不公平或欺骗性行为”的条款，对虚假或误导性的安全声明进行执法——它将为AI安全声明建立一个外部问责机制，从而压缩话语套利的空间。如果调查最终不了了之，则将向行业发出信号：自律承诺是安全的，不会有实质性的监管后果。

目前，FTC的调查仍在推进中。（来源: Semafor, 2026-10-08）其最终走向，将是2026年AI治理格局中最重要的变量之一。本文无法预判调查结果，但基于FTC近年来在科技监管领域日益积极的执法姿态（包括对Meta、Amazon等公司的多项调查），有理由预计这不会是一次象征性的行动。

制度设计的三个必要条件

基于上述分析，防止AI安全话语套利需要三个制度条件的同时满足：

第一，独立的安全评估机制。 类似FDA对药品的独立评估，AI系统的安全声明需要由独立的、具有技术能力的第三方机构进行核查。英国AI安全研究所（UK AISI）和美国NIST的AI风险管理框架（AI RMF 1.0，发布于2023年1月），是朝这个方向迈出的步骤，但远未达到制度化的独立评估水平。NIST框架目前仍是自愿性质，不具备强制执行力。

第二，游说活动与安全声明的隔离机制。 目前，AI公司的游说活动和安全研究活动之间没有任何制度隔离。游说者可以直接援引公司的安全研究成果作为政策主张的依据，而这些研究成果本身又是在商业利益的框架下生产的。建立明确的防火墙——例如要求安全研究人员不得直接参与游说活动，或要求游说材料中引用的安全研究必须经过独立核查——是减少利益冲突的必要步骤。

第三，政治献金的透明度与AI安全责任的挂钩。 这是最具创新性但也最难实现的制度设计：要求参与AI安全自律承诺的公司，其政治献金活动必须完全公开，并接受独立机构的利益冲突审查。如果一家公司一方面承诺”以安全为优先”，另一方面又向反对AI安全监管的候选人捐款，这种矛盾应当被制度性地揭示和追责。

需要承认的是，这三个条件在当前的政治环境中均面临重大的实施障碍——第一个需要国会拨款和技术人才储备，第二个涉及言论自由和行业参与权的法律边界，第三个则可能面临第一修正案的宪法挑战。它们代表的是制度设计的理想方向，而非短期内可以实现的政策方案。

AI治理的根本命题

最后，回到这场争论的核心命题：AI安全究竟是技术原则还是商业战略？

诚实的答案是：两者都是，而且这两个属性之间存在根本性的张力。

OpenAI和Anthropic的安全研究是真实的——他们确实在做对齐研究、可解释性研究和红队测试，这些工作对于理解和管理AI风险有实质性的价值。Anthropic在2025年发表的多篇可解释性论文在学术界获得了广泛认可，OpenAI的红队测试框架也被多个外部机构引用。但与此同时，这些研究也服务于明确的商业和政治目的：建立监管护城河、强化品牌差异化、为政策游说提供技术背书。

问题不在于安全研究有商业动机——在市场经济中，几乎所有有价值的活动都有商业动机。问题在于当商业动机主导了安全叙事的建构方式时，公众和监管机构就失去了独立判断AI系统真实安全状况的能力。

FTC的追问，本质上是在要求AI行业回答一个它一直在回避的问题：当安全承诺与商业利益发生冲突时，你们究竟选择哪一个？

Sanders所引用的数亿美元政治献金，和Greg Brockman那笔最终未能落地的2500万美元，给出了一个不那么令人安心的答案。

结语：当”安全”成为通货

在2026年10月的这个时间节点，AI治理正处于一个真正的十字路口。

一边是AI行业精心建构的安全叙事体系——以OpenAI和Anthropic为代表，用”负责任AI”、”安全优先”、”使命驱动”的话语框架，将自己定位为既是AI风险的预警者，又是AI安全解决方案的提供者。这套叙事在公众、媒体和部分监管机构中已经取得了相当程度的成功。

另一边是正在累积的反证：游说支出的大幅增长、数亿美元超级PAC资金的政治运作、Greg Brockman捐款事件的公众反弹、FTC调查的推进、关键州选民对AI政治资金的强烈负面感知。这些证据共同指向一个结论：AI行业的安全叙事，与其实际的政治和商业行为之间，存在一道越来越难以掩盖的裂缝。

对于政策制定者来说，这道裂缝意味着：不能将AI公司的安全承诺视为监管的替代品，而必须建立独立的、有实质约束力的安全评估和问责机制。FTC的调查是一个开始，但远远不够——需要国会层面的立法来建立永久性的制度框架。

对于公众和选民来说，这道裂缝意味着：在评估AI行业的政策主张时，需要区分”这对AI安全有利”和”这对AI公司的商业利益有利”——这两者有时重合，但并不总是如此。当一家公司告诉你”只有我们才能保证AI安全”时，你应该追问：谁来保证你们的保证？

对于AI行业自身来说，这道裂缝是一个严肃的战略警告：当”安全”成为一种可以被套利的通货，它就会贬值。如果公众和监管机构最终得出结论，AI安全叙事不过是一套精心设计的监管套利工具，那么AI行业将失去其最重要的品牌资产，并面临远比现在更严格的监管环境。

安全不能是一门生意。或者更准确地说：当安全只是一门生意，它就不再是安全了。

FTC的追问，只是这场更大清算的开始。

参考资料

  1. OpenAI, Anthropic boost lobbying as legacy tech, defense spending slips — CNBC, 2026-07-21

  2. FTC advancing on its AI safety probe — Semafor, 2026-10-08

  3. OpenAI’s Greg Brockman Drops $25 Million Donation To Pro-AI Super PAC — Forbes, 2026-09-30

  4. A big AI super PAC tried to follow crypto’s playbook to influence the midterms. Critics say it’s not working out. — MarketWatch/Morningstar, 2026-10-08

  5. Your Next Congress May Be Shaped by $300M in AI Money, Bernie Sanders Warns — BeInCrypto, 2026-09-15

  6. Voters in Key States See AI Campaign Cash as More Politically Toxic Than AIPAC: Poll — Common Dreams, 2026-09-28

  7. AI groups are spending millions to influence the midterm elections — Philadelphia Inquirer, 2026-10-02

  8. FTC Probes AI Giants as Issue Hits Midterms — Yahoo News, 2026-10-05

  9. Statistical Summary of 15-Month Campaign Activity of the 2025-2026 Election Cycle — Federal Election Commission (FEC), 2026-09-20

  10. NIST Artificial Intelligence Risk Management Framework (AI RMF 1.0) — NIST, 2023-01-26

主题分类：监管政策