2026年9月9日，加州州长Gavin Newsom在文件上签下名字，两项AI安全法案同时生效。

这不是第一次加州试图立法约束AI——去年Newsom否决了SB-1047，理由是”条款过于宽泛，可能扼杀创新”。但这一次，情况截然不同：这两项法案——SB-53和SB-813——不是反对派或担忧者单方面提出的，而是Anthropic和OpenAI明确支持、甚至积极游说推动的。

想想这意味着什么：在Dario Amodei发出3900字减速宣言的同一周，他所在的公司正在帮加州政府写法律条款，用来约束包括自己在内的所有大型AI开发商。这不是矛盾，这是2026年AI政治中最精密的一步棋。

SB-53：透明度前沿人工智能法的具体条款

SB-53的全称是《透明度前沿人工智能法》（Transparency in Frontier Artificial Intelligence Act），核心逻辑围绕一个问题：当一家大型AI公司开发出最前沿的模型时，它必须向公众披露什么？

谁受法案约束？

法案首先定义了”大型前沿开发商”（Large Frontier Developer）：与关联公司合计年收入超过5亿美元（$500M）的前沿模型训练方。按照这个门槛，目前符合条件的AI公司主要是Anthropic、OpenAI、Google DeepMind、Meta AI、Microsoft（通过Azure AI）等少数几家。

技术门槛方面，”前沿模型”被定义为：训练计算量超过10^26整数或浮点运算次数（FLOP）的基础模型——这个数字与2023年美国总统行政令中所使用的计算阈值直接对应，将当前最顶级的大型语言模型覆盖在内，但不包括中等规模的fine-tuned模型或垂直领域专用模型。

灾难性风险的法律定义

SB-53将”灾难性风险”定义为：一次事件中造成超过50人死亡或严重伤害，或超过10亿美元财产损失，且与以下行为直接关联：

  1. 向相关人员提供化学、生物、放射性或核武器的专家级制造或释放协助
  2. 实施无任何有效人类监督或干预的网络攻击，或实施如果由人类实施将构成谋杀、攻击、勒索或盗窃罪行的行为
  3. 逃脱前沿开发商或用户的控制

这是首次在美国州级立法中将”AI辅助大规模武器制造”和”AI失控”纳入同一个法律框架，也是第一次给AI安全风险明确了量化数字门槛。

核心义务：发布AI框架

大型前沿开发商必须在官方网站清晰发布一份”前沿AI框架”（Frontier AI Framework），并说明公司如何处理以下内容：

  • 灾难性风险阈值的识别与评估机制：包括多层次的评估门槛设计
  • 基于评估结果的风险缓解措施
  • 部署前对前沿模型的审查程序，含是否内部大规模使用的考量
  • 使用第三方评估灾难性风险和缓解效果有效性
  • 网络安全实践，防止内外部人员对未发布模型权重的未授权访问和转移
  • 关键安全事件的识别和响应程序
  • 确保上述程序落实的内部治理机制

模型部署前强制透明度

每次发布新的前沿模型或对现有模型进行实质性修改之前（或同时），前沿开发商必须公开发布包含以下内容的透明度报告：

  • 开发商网站地址和联系机制
  • 模型发布日期
  • 支持的语言和输出模态
  • 已知局限性、限制和不适当使用场景
  • 已应用的安全缓解措施说明
  • 访问政策以及是否允许用户微调模型
  • 主要预期用途和不符合预期用途
  • 现有的说明文件和资源链接

修订和持续义务

大型前沿开发商每年至少审核并更新AI框架一次；对框架的重大修改须在30天内公开并说明修改理由；每次对AI框架进行重大修改都需重新发布完整框架。

SB-813：独立核查机构体系的底层设计

SB-813建立了一套更具操作性的机制：独立核查机构（Independent Verification Organization, IVO）。

主管机构是加州政府运营局（Government Operations Agency）。根据法案，该机构须在2028年1月1日前完成以下工作：

  • 制定IVO申请要求，包括资质证明、评估技术能力、方法论验证
  • 建立IVO资质认定标准：具体包括评估AI系统风险的能力，具备充分技术专长的人员配置，识别和管理利益冲突的内部机制。关键约束：IVO可以从被评估方收取合理的市场费率，但不得接受任何与评估结果挂钩的条件付款
  • 制度化独立性保障：IVO不得与被评估方存在运营或管理上的依附关系，不得在结论或建议上受被评估方控制，须通过合同保障和利益冲突政策确保独立性
  • 发布暂停或取消IVO资格的程序，包括未遵守适当标准、在申请或审计报告中进行重大虚假陈述、存在损害独立性的利益冲突、网络安全漏洞等

IVO的核心职责是对AI系统或模型实施”合规审计”（Covered AI Audit）——评估内部控制、流程和系统，确认其符合加州法律要求，同时独立评估AI系统造成风险的能力，以及识别评估所依据的指标和方法论。

法案专门要求政府运营局尽可能与现有的专业和监管审计标准保持一致，减少重复合规负担。这一条款实际上在说：IVO体系不是从零开始，而是在已有的金融审计、网络安全认证等体系之上叠加AI专项能力。

谁支持这两项法案？谁反对？

Anthropic和OpenAI的支持是这两项法案最重要的政治背景。

在一个通常由行业游说团体拼命阻止监管的世界里，两家AI公司的正式背书在硅谷引发了广泛讨论。支持和反对的逻辑都很清晰。

支持逻辑

Anthropic和OpenAI已经有完整的内部安全评估体系——Anthropic的RSP（Responsible Scaling Policy）分四个安全等级（ASL-1到ASL-4），其中ASL-4（”可能导致大规模灾难”）的评估门槛正好与SB-53的”10^26 FLOP”计算量阈值高度重叠；OpenAI的Preparedness Framework则分三级风险评估（low/medium/high/critical）。SB-53要求的透明度报告和第三方审计，对已经建立这些体系的公司而言，基本是”已在做的事情正式成文化”。相比之下，没有这些体系的后来者，面临的是真实的合规建设成本。

更重要的是，SB-53解决了一个企业采购中的核心痛点：大型企业客户（政府机构、金融机构、医疗系统）在采购AI服务时，最担心的是”AI供应商的安全黑箱”——他们无法独立验证供应商的内部安全实践。公开的AI框架和透明度报告，相当于强制AI公司向企业客户展示安全底牌，有助于加速采购决策。据Gartner 2026年企业AI采购调研，73%的企业IT决策者将”可验证的安全框架”列为AI供应商评估的前三位标准。

反对逻辑

批评者指出，法案设置的门槛——5亿美元年收入和10^26 FLOP训练量——精准地覆盖了Anthropic和OpenAI，却对正在成长的竞争对手形成不对称合规负担。一家年收入刚刚突破5亿美元的AI公司，需要与Anthropic/OpenAI承担同样的合规义务，但资源却完全不对等。

另一种批评声音来自开源阵营：法案条款主要针对闭源商业模型开发商，没有覆盖开源模型的发布和使用场景。如果主要风险来自开源模型的滥用（如基于开源权重进行的恶意微调），SB-53实际上是在合规成本上惩罚闭源公司，同时对更难监管的开源场景无能为力。

为什么Anthropic和OpenAI要推动针对自己的监管？

这是2026年AI政治生态中最值得深思的问题。答案是多层的。

第一层：用监管确定性对抗监管真空

在监管真空状态下，AI公司面临的不是”不监管”，而是”随时可能被任意监管”。Newsom去年否决了更严格的SB-1047，但整个2026年，来自各方的AI监管压力持续升温——国会议员20人同周发声（R17批次已分析），特朗普政府的”强总统即护栏”论，以及欧盟AI Act正式生效的外部压力。

在这个背景下，Anthropic/OpenAI选择推动他们认为”合理”的框架立法，而不是被动等待”不合理”框架从天而降。这是一种主动的风险管理策略：用一套自己参与设计的监管框架，锁定未来更严苛监管的上限。

第二层：减速叙事的政策落地

Dario Amodei在9月12日发表了3900字的减速宣言；Sam Altman则公开表示OpenAI不急于IPO，要先确保安全。但”减速”如果只停留在言辞层面，并不能改变市场预期和政策走向。

支持SB-53/813是将”减速叙事”转化为实际政策行动的稀有机会：当监管要求来自法律而不仅仅来自公司自律，投资者和政策制定者才会更认真对待。这对正在准备IPO的Anthropic而言，具有非常直接的资本市场价值——”我们不仅仅在说，我们在推动立法约束整个行业”。

第三层：重塑AI安全讨论的叙事框架

SB-53将”灾难性风险”定义在具体的数字门槛上（50人死亡或10亿美元损失），这在法律上第一次把AI安全从抽象的”存在风险”落地为可操作的”数量化门槛”。这套框架与Anthropic的RSP体系（按计算量划分安全等级）高度一致，实际上是将Anthropic的内部安全语言转化为了加州的法律语言。

这不是偶然的。Anthropic在游说过程中深度参与了法案文本的修改，使得最终通过的条款在技术定义上与他们的内部框架几乎是互镜关系。这意味着，在整个AI行业，Anthropic设计的安全分级体系，正在通过立法途径成为行业标准。

法案的实际约束力：信息披露≠行为管制

值得注意的是，SB-53并不赋予任何机构暂停AI模型部署的权力，也不设置直接的罚款机制。它的核心义务是”发布”和”透明度”。

这一点与去年被否决的SB-1047形成鲜明对比：SB-1047要求开发商在发布前证明模型不会造成灾难性风险，赋予总检察长起诉权，实际上相当于给模型部署增加了一道行政审批。Newsom否决它的核心理由是”过于实质性干预部署决策”。

SB-53的策略是：先建立透明度和信息披露体系，用公开信息驱动社会问责和市场压力，而不是直接限制部署。SB-813的2028年1月落地期，则是为后续实质性第三方审计体系铺路——先建机构，再建执法权力，是一种典型的渐进式监管路径。

这意味着，这两项法案实际上是”AI监管1.0”：建立信息基础设施和第三方核查体系，而不是直接管制行为。真正有牙的”AI监管2.0”，会在IVO体系建立之后，以审计结论作为执法依据出现。

加州模式：信息披露先行，行为管制跟进

在理解SB-53/813的实际约束力时，有一个关键的分层逻辑：信息披露义务先于行为管制义务。

SB-53不赋予任何机构”暂停AI模型部署”的权力，也不设置直接的罚款机制。一家公司发布的透明度报告质量很低，或者AI框架漏洞百出，当前的法律框架无法直接制裁——它只能通过信息公开让社会和市场形成压力。

这一点与去年被否决的SB-1047形成鲜明对比：SB-1047要求开发商在发布前证明模型不会造成灾难性风险，赋予总检察长起诉权，实际上相当于给模型部署增加了一道行政审批。Newsom否决它的核心理由是”过于实质性干预部署决策，缺乏足够的技术确定性基础”。

SB-53的策略是分阶段建立监管基础设施：

第一阶段（2026-2028年）：建立透明度披露体系。AI框架、透明度报告公开发布，社会和市场开始形成对AI公司安全实践的认知基准。

第二阶段（2028年起）：IVO体系建立，开始接受申请和认定。第三方AI审计从”自愿选择”变为”结构化可获得”。

第三阶段（2028年以后）：随着IVO体系成熟，未来的修订法案可以开始要求AI公司”必须通过IVO审计”才能部署特定类别的前沿模型——届时，真正具有执法效力的行为管制才会落地。

这是一套典型的”监管分阶段渐进式”路径：先建信息基础设施，再建执法工具，最后建行为约束。从监管政治学角度看，这也是最能绕开产业游说阻力的路径——每一步都足够”温和”，以至于难以正面反对，但叠加起来的效果可能是根本性的。

加州模式会扩散吗？

加州在科技监管上的全国先行效应有充分的历史先例。CCPA（加州消费者隐私法案）在2018年签署后，直接推动了联邦层面数据隐私法讨论，并迫使数十个州陆续出台类似立法。CPRA（2020）进一步强化了这一体系，加州实际上成为了美国科技隐私监管的事实标准制定者。

SB-53/813的前沿AI透明度要求，在框架上与欧盟AI Act对”高风险AI系统”的透明度义务高度兼容。如果加州模式成功落地（即主要AI公司合规、没有出现严重的产业外流），它有较大概率成为联邦层面讨论的参照框架。

但有一个重大变数：特朗普政府的立场。在9月14日的Truth Social发文中，特朗普明确表示反对”新AI护栏”，称”唯一需要的控制是一个强大的总统”。如果联邦政府采取先发制人立法（即通过联邦层面更宽松的AI框架，明确排除州级监管权），加州模式可能在联邦法律面前受阻。

这场联邦与加州之间的管辖权博弈，在接下来的12-18个月内将是AI政策最重要的观察点之一。

三个先例：SB-53/813开创了什么？

先例一：AI公司的”自我监管文本”第一次有了法律效力

在SB-53之前，Anthropic的RSP（Responsible Scaling Policy）和OpenAI的Preparedness Framework都只是公司自愿承诺——没有法律约束，可以随时修改，也没有任何机构负责核查。

SB-53通过将这些内部框架的核心要素（风险评估、第三方审计、透明度报告）写入州法，第一次赋予了AI公司”自我监管文本”法律强制力。这意味着：如果Anthropic发布的AI框架声称某种缓解措施会被执行，而实际上没有执行，这就不仅仅是公关问题，而可能构成违反加州消费者保护法的欺骗性商业行为。

这是一个微妙但深远的变化：不是直接管制AI能力，而是管制”关于AI安全的陈述与实际做法之间的一致性”。

先例二：第三方AI审计行业将正式出现

SB-813建立的IVO体系，实际上是在创造一个新行业：专业AI审计机构。

参照金融审计行业（安永、德勤、普华永道）和网络安全认证行业（SOC 2、ISO 27001）的发展轨迹，IVO认证体系一旦建立，将快速催生：专门的AI审计咨询公司、AI合规SaaS工具、以及大型传统审计机构的AI业务线。

这个新市场的潜在规模不容小觑：仅加州境内，符合SB-53门槛的大型AI公司就有数十家；若联邦层面和其他州跟进，整个市场可能在5年内达到数十亿美元。最先建立IVO资质的机构，将在这个新行业中占据先发优势。

先例三：技术阈值成为监管分界线

SB-53将”10^26 FLOP”写入法律，是全球立法史上第一次用具体的计算量数字划定AI监管边界。

这有双重效应：一方面，它给AI公司提供了清晰的合规判断——自己的模型是否在监管范围内，可以直接计算；另一方面，它也为未来的门槛调整设定了基准——随着算力成本下降，当前的10^26 FLOP门槛可能需要随技术进步而更新。

欧盟AI Act使用”高风险用途”作为分类标准，美国SB-53使用”计算量门槛”，这两种监管哲学的差异将在未来几年的全球AI政策对话中持续产生张力。

对AI行业意味着什么？

SB-53/813签署后，几组关系发生了实质性变化：

AI公司与政策制定者的关系：Anthropic和OpenAI成功证明，AI行业可以以”积极合作者”而非”被动被管”的身份参与监管框架设计。这将改变其他大型AI公司的政策策略——坐在谈判桌上，总好过被写进法条。

AI公司与企业客户的关系：强制透明度报告要求，实际上是监管部门替企业客户解决了”如何评估AI供应商安全实践”的难题。对于正在采购AI服务的金融、医疗、政府机构，SB-53合规的供应商从现在起获得了可量化的信任背书。

AI公司与投资者的关系：2028年IVO体系建立后，合规审计将成为机构投资者评估AI公司风险的标准工具。对于正在准备IPO的Anthropic，这是一把双刃剑：既降低了”监管黑天鹅”风险，也意味着未来需要向独立核查机构开放更多内部信息。

AI行业与社会的关系：这两项法案最长远的影响，可能是重新定义了”负责任的AI公司”应该做什么。当前，AI安全实践的优劣无法被外界评估——所有公司都声称自己是安全的，但没有共同的评估标准。SB-53/813的透明度要求和IVO认证，将使这种评估第一次成为可能。那些通过严格第三方审计的AI公司，将在品牌信任和企业采购中建立实质性的差异化优势。

最值得注意的，或许是这个信号本身：在一个AI公司因为”可能太危险”而被要求放慢速度的年代，Anthropic和OpenAI选择用参与立法的方式说：”是的，我们很危险，但我们是负责任的、透明的、可审计的危险。”

这个叙事，比任何公关声明都有力量——因为现在它有了法律的加持。

参考资料：

  1. California SB-53 (2025-2026), Transparency in Frontier Artificial Intelligence Act，leginfo.legislature.ca.gov — 完整法案文本
  2. California SB-813 (2025-2026), Independent Verification Organizations，leginfo.legislature.ca.gov — Chaptered by Secretary of State, Chapter 179, Statutes of 2026, 09/09/26
  3. “Newsom signs AI safety bills backed by Anthropic, OpenAI,” Politico, 2026-09-09
  4. Dario Amodei, “We Must Pace the Frontier,” Anthropic blog, 2026-09-12
  5. Newsom veto message on SB-1047, September 2025 (background context)