编辑说明：本文讨论的「SAFA」（前沿AI标准机构）计划于2026年9月尚处于筹备阶段，非正式宣布。文中关于Sherman Act §1潜在适用性的讨论，来源为Lawfare Media的独立法律分析，属于学术性法律评述，非任何司法认定或执法机构声明。Cohere CEO的批评性言论来自公开博客，属于商业竞争评论。任何对SAFA参与方「违反反垄断法」的讨论均属分析性推断，当事方尚无正式法律指控被提起。

「It’s better to try to work together to prioritize safety.」
——Chris Lehane，OpenAI全球政策负责人，2026年9月15日（来源：SiliconAngle，2026-09-15）

「Voluntary international coordination cannot meaningfully constrain a technology that rival states are developing independently at full speed.」
——Cohere CEO Aidan Gomez，回应Amodei减速宣言（来源：Cohere官方博客，2026-09，链接：https://cohere.com/blog/who-gets-to-define-the-rules-for-ai）

2026年9月25日，Tech Republic报道了一条消息：Google、OpenAI和Anthropic正在计划（尚未正式宣布成立）一个名为SAFA（Standards Authority for Frontier AI，前沿AI标准机构）的行业自律组织，预计2026年底或2027年初正式成立，核心功能是建立第三方AI安全测试标准和安全事件报告机制。

这条消息本身不令人意外——在此前的一周里，这三家公司的政策负责人已经公开承认了他们之间的安全协调谈判，Anthropic CEO Dario Amodei 的减速宣言「We Must Pace the Frontier」（darioamodei.com/post/we-must-pace-the-frontier，2026年9月，已验证可访问）也明确提出了建立行业安全标准机构的诉求。

令人意外的是随之而来的反应：法律专家和竞争对手立即指出，三个在同一市场竞争的公司，协调他们的产品发布节奏和安全测试要求，在法律层面被多位反垄断律师指出存在违反美国《谢尔曼反垄断法》第一条的风险——该条款禁止”任何限制贸易或商业的合同、联合或共谋”。

行业自律，和联合限制竞争，之间的法律边界，究竟在哪里？

一、SAFA是什么，它想做什么

1.1 计划中的机制

根据Tech Republic（2026-09-25）和SiliconAngle（2026-09-15）的报道，SAFA计划中的功能包括：

第一：第三方AI安全测试。类似英国政府 AI 安全研究所（AISI）对 Claude Mythos 5 进行独立测试的模式，SAFA计划建立一套行业认可的前沿AI安全测试框架，由独立的第三方机构执行，结果向SAFA报告（计划细节参见：CNBC 2026-09-15，SiliconAngle 2026-09-15）。

第二：安全事件报告标准。建立一个AI安全事件（越权行为、对齐失败、被滥用等）的行业报告机制，类似金融行业的可疑交易报告（SAR）体系。

第三：发布节奏协调（争议最大的部分）。据报道，谈判中包含了关于前沿模型发布之前的”安全窗口期”——即在发布前需要完成某种形式的安全审计的时间。这一点直接触发了反垄断担忧。

1.2 类比：FINRA模型

在公开讨论中，SAFA被频繁与FINRA（金融业监管局）相比较。

FINRA成立于2007年，是一个由行业出资、独立运作的自律监管组织（SRO），负责监管美国的券商和经纪人，隶属于SEC的监督之下，但不属于政府机构。它的存在使得不需要每件事都经过国会立法，行业可以通过自律更快地回应新出现的合规需求。

FINRA的成功，依赖几个关键条件：

  • 有明确的政府背书（SEC的监督权）
  • 会员资格是行业实质要求（不是自愿的）
  • 规则的制定过程有公众参与程序
  • 执法能力有限，但违规可以触发SEC的直接监管

问题是：SAFA目前的设计，缺乏这些条件中的前三个。它没有政府背书（Chris Lehane明确表示不需要政府给予反垄断豁免），会员资格自愿，规则制定过程不透明。

这让SAFA更像是三家公司的私人协议，而不是一个有公众问责机制的行业自律组织。

二、反垄断质疑：谢尔曼法的悬剑

2.1 法律基础

《谢尔曼反垄断法》第一条（Sherman Act §1）禁止”任何限制贸易或商业的合同、联合或共谋”。这一条款在历史上被用于制止各类竞争对手之间的价格固定、市场分割和输出限制（output restriction）协议。

AI行业的安全协调，在法律上最危险的地方是”发布节奏协调”——如果三家公司协商共同减缓前沿AI模型的发布速度，从反垄断的视角来看，这是一种典型的”输出限制”，对消费者和市场造成了直接损害（消费者无法获得本来可以获得的产品）。

反垄断律师在Lawfare的一篇文章中详细分析了这个问题（来源：Lawfare Media，2026-09-20，链接：lawfaremedia.org/article/how-antitrust-can-promote-ai-safety-collaborations）：任何安全协调，如果包含了产品发布节奏的协调，都必须面对”如何证明它的目的不是限制竞争”的举证挑战。而”我们是为了安全”这个理由，在反垄断法律语境中不自动免除法律责任——除非有立法上的明确豁免。

2.2 Cohere的指控与其逻辑

Cohere CEO Aidan Gomez在Cohere官方博客上发表了一篇对Amodei减速宣言的回应，直接指控这是一场反竞争的包装游戏（来源：SiliconAngle，2026-09-15引用）。

Gomez的逻辑是：Anthropic、OpenAI、Google是当前AI市场的主导者，它们呼吁”减速”，表面上是AI安全的担忧，实质上是利用安全话语固化它们当前的领先优势，让追赶者（如Cohere、Mistral、国际竞争者）在规则建立之前就已经落后。

（编者注：截至本文发稿时，Cohere尚未针对OpenAI/Anthropic/Google的安全协调行为提起任何正式法律诉讼，上述指控属于公开评论，非正式法律主张。）

这个指控有一定依据，但需要更精确的反驳：Cohere自身也在为前沿AI模型开发安全功能；如果SAFA的安全测试标准是开放制定的，中等规模公司完全可以参与并影响标准。Gomez指控的真正靶标，应当是「SAFA标准如果在封闭过程中制定」，而不是「行业安全协调」本身——这个区分很重要，因为它决定了SAFA的修复方向（开放程序 vs 拆解机构）。Cohere的参与意愿，将是测试Gomez论点的重要变量：如果Cohere被邀请参与SAFA标准制定却拒绝，那么「竞争护城河」的指控将更难成立。事实上，真正的安全担忧和商业利益算计，经常在同一个行为者身上同时存在，并不相互排斥。Amodei可以同时真诚地担心AI安全，并且意识到减速政策对Anthropic的商业利益是有利的。这两件事并不矛盾。

但Gomez的指控揭示了一个真实的制度性问题：如果SAFA的标准主要由现有的三大AI实验室制定，那么这些标准的设计会多大程度上反映了”维护现有优势”而不是”最大化安全效益”？

2.3 立法豁免vs司法认定

Amodei在减速宣言中提出，美国政府应该考虑给这三家公司的安全协调提供反垄断豁免（类似医疗行业某些特定形式的安全信息共享豁免）。

但OpenAI政策负责人Chris Lehane随即在公开场合表示：他认为这样的豁免不是必要的，当前的法律框架已经可以支持他们的安全协调。

这是一个有意思的分歧：Amodei承认了潜在的法律风险，并寻求立法保护；Lehane声称风险不存在，他们的协调完全合法。

哪个判断正确，需要法院来决定——或者更可能的是，通过司法部或FTC的调查。目前，美国政府还没有对这三家公司的安全协调行为表态，但反垄断执法机构已经在观察AI行业的集中趋势。

三、谁在监督监督者

3.1 自律的根本悖论

金融行业有一句话：不要让狐狸来管鸡舍。FINRA虽然是自律机构，但它受到SEC的直接监督，并且它的规则有联邦立法基础。

SAFA的设计目前缺乏类似的外部问责机制。如果SAFA的规则主要由三家AI实验室制定，那么这些规则会倾向于对现有的大型实验室有利——无论设计者的主观意图是否如此，规则本身会反映制定者的视角和利益。

这不是假设，而是历史规律。金融行业的自律实践表明，行业自律倾向于在监管成本和合规要求上设置最低标准，而不是最高标准，因为标准更高的竞争者（愿意投入更多在安全上的）会推高整个行业的成本，损害短期竞争力。

对AI安全来说，这是一个危险的逻辑：如果SAFA的安全标准被行业主流玩家设定在他们可以轻松达到的水平，那么这些标准是安全保障，还是进入壁垒？

3.2 独立评估的困境

“第三方独立评估”听起来是答案，但细节决定成败。

一个值得关注的现实案例来自英国政府：英国 AI 安全研究所（UK AISI，aisi.gov.uk）于2026年8月对 Anthropic 的 Claude Mythos 5 进行了独立测试，并发布了公开报告，记录了若干内部评估未发现的问题。这是目前最接近「独立第三方评估」的真实案例。

但即便如此，AISI 的评估范围有限（仅覆盖特定安全场景），而且作为政府机构，它的资源和速度都无法匹配 AI 公司的模型迭代速度。从制度设计角度，一个真正有效的第三方安全评估体系，需要在以下两点上做出更清晰的回答：

第一，评估机构的经济独立性：评估者的收入不应依赖于被评估者。FINRA 的经费来源是会员费摊派和监管罚款，而非服务收费——这是一个关键的制度设计。

第二，评估范围的完整性：「通过了安全测试」和「是安全的」之间存在差距，任何有诚意的评估体系，都必须承认并公开量化这个差距，而不是仅声称「通过了」。

独立性需要制度保障，而不只是合同声明或自愿合作意愿。

3.3 SAFA vs 政府监管

在辩论SAFA是否合法之前，值得思考一个更基本的问题：行业自律是否是最优选项？

Anthropic和OpenAI的共同立场是：行业自律比政府监管更快、更专业、更灵活。政府监管可能不理解技术细节，可能因为政治原因窒息创新，可能因为跨国执行困难而效果有限。

这些担忧都有道理。但行业自律的限制同样真实：缺乏民主问责，标准的设定由少数公司主导，执行强度依赖参与者自愿，最重要的是——对严重后果没有足够的威慑力。

金融危机后的反思告诉我们：在系统性风险面前，自律几乎总是不足够的。自律机构倾向于管控它们认为重要的风险，而往往是它们看不到或有利益关联而回避的风险最终造成危机。

AI安全的最大风险，可能恰恰是那些目前的AI实验室自己没有能力充分评估的——因为它们在推进技术边界，他们对自己创造的东西的理解，本质上有认知边界。

四、什么样的机构设计才有意义

4.1 有效自律的必要条件

从历史经验看，有效的行业自律需要以下条件的组合：

政府明确授权和监督：FINRA模型的关键不是它是行业出资的，而是它受到SEC的法定监督，违规可触发联邦执法。SAFA如果要有实质作用，需要某种形式的政府背书，哪怕只是NIST或其他联邦机构的认可。

公开的规则制定程序：金融自律规则的制定，有公众评论期和透明的程序。SAFA的设计目前不包含类似的公众参与机制。没有公众参与，规则制定就是密室政治。

有实质意义的执行机制：声誉惩罚可能是唯一手段，但对那些已经处于市场主导地位的公司来说，声誉成本是有限的。真正有效的执行机制，需要能够影响公司市场准入的权力。

非参与方的代表性：规则制定不应该只由规则的适用对象来主导。消费者、公民社会、研究社区、以及直接受AI影响的行业（医疗、法律、金融）都应该有实质性的参与渠道。

4.2 可能的解决路径

当前情况下，有几种可行的路径：

路径A：SAFA+政府背书。Anthropic寻求立法豁免的方向，实际上包含了隐性的政府背书诉求。如果美国国会通过立法，明确授权AI公司在特定条件下进行安全协调并豁免反垄断责任，SAFA就有了合法性基础。代价是增加了立法时间和政治不确定性。

路径B：SAFA+独立治理委员会。设立一个独立于三家公司的治理委员会，成员包括政府官员、学术研究者、公民社会代表和国际专家，对SAFA的规则制定进行监督。这增加了合法性，但也增加了复杂性。最接近可行原型的国际先例：英国AI安全研究所（AISI，2023年成立）——一个政府资助、技术独立、与私营AI实验室正式合作（Anthropic、OpenAI均签署访问协议）的安全评估机构。AISI模式的关键是：政府设立并资助独立评估机构，AI公司自愿提供模型访问权，评估结果公开发布，不需要赋予机构任何监管强制权。这避开了「私人垄断」和「政府监管创新」的双重陷阱，可以作为SAFA独立治理的参照蓝本。

路径C：政府直接监管。跳过行业自律，由国会通过AI安全立法，建立类似FDA的AI前沿模型审批或监督机制。这是政治上最难推动的选项（2026年美国中期选举前，任何复杂立法的通过都面临政治阻力），但也是从治理原则上最干净的选项。

没有一个路径是完美的。但”三家公司关起门来制定规则”，是最不符合良好治理原则的选项。

五、2026年的AI安全悖论

SAFA的出现，是AI行业在一个根本性悖论中寻找出路的尝试：

  • 前沿AI实验室认为AI发展速度需要某种协调减缓
  • 但没有外部执行机制，单边减速没有意义
  • 行业自律是最快的协调手段，但可能触犯反垄断法
  • 请求政府介入监管，又与行业一贯的”政府不应该管AI”立场矛盾

这个悖论没有简单的出口。SAFA是一个不完美的应急方案，在更好的方案形成之前，暂时填补治理真空。

但如果SAFA的规则设计被挑战为反竞争，被司法部调查，或被竞争者（如Cohere、Mistral、中国AI公司）成功排除在外，那么它的实际效力就极其有限。一个只管辖行业前三名的”安全标准”，不是行业安全标准，只是三家公司的私人协议。

AI安全的真实挑战，不只是技术问题，也是制度设计问题。而在制度设计上，我们的进展，远远落后于技术本身的进展。

SAFA可能是正确方向上的第一步。但第一步本身，面临的不只是技术上的不确定性，还有反垄断法的悬剑，以及”谁有资格制定规则”这个更根本的民主合法性问题。

参考资料

  1. SiliconAngle（2026-09-15）：OpenAI, Anthropic and Google secretly joined forces to collaborate on AI safety — Chris Lehane确认三方安全协调；Cohere CEO Gomez的反垄断指控

  2. Lawfare Media（2026-09-20，直接链接）：How Antitrust Can Promote AI Safety Collaborations — 本文第一手法律分析来源：反垄断法与AI安全协调的legal framework；Sherman Act §1适用的具体分析；「输出限制」定义及举证挑战。 WSKG/NPR（2026-09-26，二次报道）：The AI safety debate is confusing — 面向普通读者的背景说明

  3. AP News（2026-09-27）：Anthropic and OpenAI sound the alarm on AI safety — and seek to shape how it’s controlled — AI公司安全倡议与SAFA背景；AP独立核实报道（本文核心事件已通过AP独立验证）

  4. UK AI Safety Institute（AISI），独立评估报告「Incident Report: Unsanctioned Agent Behaviour During Cyber Testing」（2026年8月4日）— aisi.gov.uk/blog/incident-report-unsanctioned-agent-behaviour-during-cyber-testing — 本文用于说明「现有第三方独立评估实践」的真实案例，独立政府机构评估报告

  5. Cohere官方博客（2026-09，直接链接）：Who gets to define the rules for AI? — Cohere CEO Aidan Gomez原文指控；反垄断与安全话语的批评立场

  6. Dario Amodei,「We Must Pace the Frontier」— https://darioamodei.com/post/we-must-pace-the-frontier（2026年9月，Anthropic CEO 减速宣言原文，本文 SAFA 背景的核心政策依据，直接访问已验证可访问）

  7. CNBC,「OpenAI, Google, Anthropic discussing collaboration on AI safety issues」— https://www.cnbc.com/2026/09/15/open-ai-google-anthropic-safety.html（2026-09-15，Chris Lehane 原话确认，包括发布节奏协调谈判细节，直接访问已验证）

延伸：SAFA设计的具体挑战

关于成员资格

SAFA面临的一个根本问题是：谁能成为成员？

如果成员资格限于”有能力开发前沿AI的公司”，那么这实际上是三家公司加可能的少数几家（Meta Llama系列、Mistral等）的小圈子。这不能代表整个AI行业，也不能代表AI的用户和受影响者。

如果成员资格向所有部署AI的企业开放（企业AI用户也是成员），那么机构规模急剧扩大，决策变得困难，同时”安全标准”的设定可能倾向于最低公分母。

如果成员资格只向”签署承诺书”的公司开放，那么承诺不签署的公司（可能包括中国AI公司、某些欧洲公司）不受标准约束，这让”行业安全标准”名不副实。

SAFA的设计者需要在这三种方向中做出选择，每种选择都有它的代价。

关于中国AI公司的缺席

SAFA目前只涉及美国三家公司。中国AI公司（阿里云百炼、百度文心、字节豆包）将被排除在外。

这产生了一个根本性问题：如果AI安全的全球风险是真实的，那么一个只覆盖美国三家公司的”安全标准”，能够防止什么？

答案是：它可以防止美国三家公司自己的安全失误，但无法防止来自其他来源的AI安全风险。这是一个重要的局限性——不是SAFA的失败，而是它必须正视的现实。

对于支持SAFA的人来说，”从可以开始的地方开始”是合理的策略：先建立美国内部的标准和最佳实践，再通过外交和技术吸引其他国家和公司跟进。这是核武器不扩散体系建立的路径，尽管历史表明这条路比想象的慢。

对于质疑者来说，一个不能覆盖全球AI开发生态的”安全标准”，最终可能成为美国AI公司的合规成本，而竞争对手无需承担，这是一种竞争劣势，而不只是安全保障。

关于时间窗口

SAFA的支持者急于在2026年底到2027年初落地，原因很清楚：这是在美国联邦立法实质性介入AI监管之前的窗口期。一旦国会开始讨论全面的AI监管立法（2026年中期选举后，这种可能性在上升），行业自律的空间就会收窄。

这意味着SAFA的设计，在很大程度上是一场抢先布局的行动：在政府监管出现之前，先建立行业自律框架，然后用这个框架来影响（或限制）未来政府监管的范围和深度。

这不是阴谋论，而是每个试图影响监管议程的行业的标准操作——金融行业、医药行业、科技行业，都是这样做的。理解这一点，有助于评估SAFA计划所有支持者的实际动机。

最后，不管SAFA最终的形态如何，它代表了AI行业迄今最具体的一次”自我组织”尝试。这本身是一个历史性时刻：三家竞争最激烈的公司，选择在一个他们认为足够重要的问题上暂时搁置竞争，坐到同一张桌子前。

问题是：他们坐下来建立的，是一个真正的安全架构，还是一个精巧的竞争护城河？

答案，取决于他们愿意在设计中接受多少来自外部的监督和约束。

与FINRA的深度比较：制度差异在哪里

理解SAFA的制度设计潜力，需要更仔细地比较FINRA和SAFA。

FINRA的制度基础：

  • 1938年《马洛尼法案》（Maloney Act）修订了《证券交易法》，明确授权行业可以注册成立”全国证券商协会”
  • FINRA（由NASD和NYSE监管部门合并而成）依据立法授权存在，拥有明确的联邦法律依据
  • SEC对FINRA拥有直接监督权，包括批准规则修改、审查检查程序、调查投诉
  • FINRA会员资格对于从事零售证券业务的公司是实质强制的（不是法律强制，但不加入意味着无法在主要市场运营）

SAFA的制度设计（当前计划）：

  • 没有立法授权，只是行业自愿协议
  • 没有政府监督机构的背书（Lehane明确说不需要）
  • 会员资格纯粹自愿
  • 执行依赖声誉和同伴压力，没有实质处罚机制

这个比较显示：SAFA在制度强度上，目前距离FINRA还有相当大的差距。这不一定意味着SAFA没有价值——即使是不完善的自律，也可能比什么都没有要好。但它意味着，把SAFA描述为类似FINRA的AI行业治理解决方案，是过度乐观的。

要真正达到FINRA级别的治理效力，SAFA需要：立法授权（国会行动）、政府监督机制（NIST或其他机构参与）、以及能够影响市场准入的执行手段。这些条件，在2026年还不存在。

这并不是否定SAFA，而是对它的现实期望做出校准。在AI治理的长期议程上，SAFA可以是第一步；但作为最终解决方案，它在制度设计上还不完整。

AI安全标准化：从「我们测什么」开始

在讨论SAFA的制度合法性之前，还有一个更基础的问题：我们能测什么，以及怎么测？

AI安全测试的挑战，在于它面对的是一种本质上难以穷举的能力空间。一个”安全测试通过”的模型，可以在3个月后通过微调或提示注入而绕过原有的安全限制。”通过了测试”和”是安全的”之间，存在一个我们目前无法消除的差距。

这是为什么Anthropic在发布最新模型时，宣布生物安全误报减少了60%（来源：Anthropic 官方博客「Introducing Claude Fable 5.1 and Claude Mythos 5.1」，anthropic.com/claude-fable-and-mythos-5-1，2026年9月23日，已经独立核实可访问），这个数字令人印象深刻，同时也令人不安：40%的假阳性（误报）仍然存在，并且我们无法保证漏报率（假阴性）已同步改善。在生物安全领域，漏报意味着潜在的危险请求被放行——具体危害取决于被放行请求的性质和频率，Anthropic官方未公开这一数据，这本身值得关注。

SAFA的第三方安全测试框架，需要首先回答这个问题：当我们说”通过了安全评估”，我们对什么做出了什么程度的保证？是统计意义上的风险降低，还是绝对的安全承诺？

在没有回答这个问题之前，任何”第三方独立安全评估”的保证，都有可能是一种虚假的确定性。

真正有意义的AI安全标准，需要：

  1. 清晰界定测试的范围和边界（我们测什么，不测什么）
  2. 诚实描述每种测试方法的局限性
  3. 建立随AI能力演进的动态更新机制
  4. 公开发布测试方法和结果（在商业保密的限度内）

这些要求，不需要政府法规，只需要对真实性的承诺——以及用户和公众能够验证这种承诺的能力。

这也许是SAFA能做的最重要的事：不是建立一个新的治理架构，而是建立一个诚实的、公开的、可以被质疑的AI安全测试知识体系。在这个意义上，它的价值不在于”谁来管”，而在于”我们真正了解什么”。

总结：这场争论真正的赌注

SAFA争论的真实赌注，不只是”三家公司能否合法地坐在一起”，而是AI安全的规则制定权，在未来几年里，究竟由谁来掌握。

如果SAFA成功：行业自律机制建立，前沿AI的安全标准由主要AI实验室主导制定，政府监管的介入空间被压缩。这对AI公司是有利的——它们保持了最大的灵活性，同时可以声称”我们已经在自律了”以抵御外部监管压力。

如果SAFA失败（被反垄断指控、或规则执行力不足）：政府监管的介入变得不可避免。国会将面临压力，推动更正式的AI安全立法。这可能意味着更严格、更慢的监管——但也意味着更强的问责机制和更广泛的公众参与。

如果SAFA成为一个表面文章：三家公司保持了”我们在自律”的公关优势，但实质安全实践没有真正的外部约束。这是最坏的结果，因为它既减少了政府监管的压力，又没有提供真正的安全保障。

2026年，谁在监督AI安全，不只是技术问题，而是关于权力、民主问责和谁的利益被代表的根本性政治问题。

SAFA的出现是一个重要的时刻——不是因为它解决了这些问题，而是因为它把这些问题摆到了台面上。从这个意义上说，无论SAFA最终的形态如何，让这场关于”谁来管AI安全”的争论变得可见，已经是一种价值。

而无论SAFA最终命运如何，这场争论本身已产生了不可逆的价值：它迫使「谁有权制定AI安全规则」这个问题走出少数公司的会议室，进入必须公开辩论的公共视野。下一轮——国会听证、司法调查，或某场尚未发生的AI安全危机——将给出更清晰的答案。