2026年，一件此前几乎不可想象的事情正在发生：AI监管，成了决定你投给谁的核心议题。

加州2026年州长选举，Democrat候选人Xavier Becerra（前美国司法部长）和Republican候选人Steve Hilton（前英国卡梅伦政府顾问）在多个议题上有共识空间，但在AI监管这个问题上，他们的立场直接对立，清晰到刀切。

Becerra：加州需要严格的新AI保护措施，要求AI公司为其系统的危害负责，设立独立的监管机构。

Hilton：联邦统一规则比各州各立门户更有效，加州的激进监管会吓跑科技企业，他的方案是”DOGE式去监管”——让市场和企业自律主导，而非政府干预。

这场辩论表面上是两个候选人的政策差异，实质上是两种对AI与社会关系的世界观的正面碰撞。更重要的是，这不是发生在华盛顿DC政策圈的学术讨论，而是发生在选举政治的现实战场上——意味着AI监管这个话题，正在从专家议题变成大众议题。

为什么是加州，为什么是现在

加州从来不只是美国的一个州，它是一个独立的叙事主体。

全球五大AI公司（Anthropic、OpenAI、Google DeepMind、Meta AI、Apple Intelligence）的总部或主要研发中心都在加州。硅谷是AI行业的心跳，旧金山是AI初创公司密度最高的城市。加州在AI上的决定，不是”一个地方的政策选择”，而是”整个行业生态的压力测试”。

历史已经反复验证这个规律：加州的隐私法（CCPA）走在联邦之前，最终塑造了全美的隐私保护标准；加州的汽车排放标准比联邦标准严格，最终推动了整个行业的转型。如果加州2026年选出一个支持严格AI监管的州长，加州AI监管法的实施就不再只是可能性，而是大概率事件。而加州AI监管法，将对数以千计的在加州运营的AI公司产生直接法律约束。

为什么是2026年

加州AI监管的讨论有明确的历史节点。2024年，加州立法机构通过了SB 1047——一项要求AI公司对其模型的”危险性”进行自我评估并承担相应责任的法案。当时的州长加文·纽森一票否决了它，理由是：条款过于宽泛，可能误伤创新，且联邦层面应该主导AI监管。

但两件事改变了气氛。第一，联邦层面的AI监管至今没有实质进展，”等联邦”的策略变成了”继续等”。第二，2026年多起AI相关的社会事件——包括AI生成的深度伪造内容影响选举、AI辅助网络攻击事件——让公众对”放任AI自律”的容忍度明显下降。

在这个背景下，AI监管立场成为2026年加州州长选举的重要议题，既有其政治必然性，也有其现实逻辑。

两种世界观的详细解剖

Becerra的「监管先行」逻辑

Becerra的核心主张可以归结为一句话：AI公司必须为其系统造成的实际危害承担法律责任，而不是依赖自愿承诺和行业自律。

具体来说，他主张：

  • 创建独立的加州AI监管机构（类似金融监管机构的角色），有权对AI系统进行调查和处罚
  • 对”高风险AI系统”（影响就业、医疗、执法决策的AI）设立强制性透明度要求
  • 要求AI公司定期进行第三方安全审计，结果必须公开
  • 对AI生成的虚假信息和算法歧视设立明确的民事赔偿责任条款

这套框架的逻辑基础是：自愿承诺不够用了。行业过去承诺会自律，但实际结果是安全规范标准不一、事故频发、责任归属不清。只有法律强制约束，才能形成真实的行为改变。

Becerra的支持者来自意想不到的组合：劳工组织（担心AI侵蚀就业保护）、消费者权益团体、以及部分AI安全研究者（他们认为行业自律已经不够）。

Hilton的「创新优先」逻辑

Hilton的反驳同样有其内在一致性。他的核心主张是：如果加州单独搞一套AI监管，硅谷的公司会把AI研发搬到德克萨斯或者新加坡，加州的技术领导地位会被削弱。而且，各州各立门户的碎片化监管，对企业来说是更大的合规负担——不如等联邦层面建立统一规则。

他的政策方向：

  • 明确反对加州立法，支持联邦优先权条款主导AI监管
  • 主张”监管沙箱”——给AI公司在有限范围内实验新技术的空间，而不是事前限制
  • 认为透明度要求可以通过行业自律达到，不需要政府强制
  • 对AI安全问题，相信市场机制（消费者选择更安全的AI产品）比政府监管更有效

Hilton的支持者主要是科技行业本身，以及相信”监管会杀死创新”的商业团体。

一个容易被忽视的中间地带

有意思的是，这场辩论呈现为非此即彼，但现实中的技术人员和政策研究者普遍认为答案在中间地带。过于宽泛的监管确实可能误伤创新；但完全不监管，让AI公司依靠”道德自觉”来约束自己，2026年的多起事故证明这条路行不通。

问题不是要不要监管，而是用什么机制监管，以及在什么层级监管。这个”中间地带”目前在选举政治的框架下几乎不可见——因为选票需要清晰的对立，而不是复杂的”取决于”。

这场争论对AI行业的实际影响

让我们跳出政治修辞，看具体的利益影响。

如果Becerra赢了

短期内，AI公司的合规成本会上升。设立透明度披露、接受第三方审计、维持责任准备金——这些都需要真实的资源投入。对大公司（Anthropic、Google、OpenAI）来说，这是可以消化的合规成本；对中小型AI创业公司来说，这可能是更显著的负担。

但有个不太直观的结果：严格监管可能反而利好大公司。理由是监管本身会形成”合规壁垒”——只有有资源满足合规要求的公司才能在加州市场运营，这会降低市场进入门槛，反而有利于已经有合规体系的大公司维持市场地位。这在其他行业（金融、药品）有先例。

如果Hilton赢了

加州短期内不会有新的AI专项立法，但这不意味着什么都不会发生。联邦层面的压力会持续，其他州（纽约、伊利诺伊）可能率先立法，最终形成对加州的倒逼。

更重要的是，”等联邦”的策略有很大的不确定性。联邦AI监管的推进速度比任何人预期的都慢。在联邦层面有实质进展之前，这个空白期对行业来说是高度不确定的——不知道规则是什么，不知道什么时候会来，也不知道会多严格。对很多需要长期合规规划的企业来说，有规则（即使严格）比没规则更可预期。

更深的问题：AI监管的「民主化」

Becerra vs Hilton的辩论，有一个超越政策本身的意义：AI监管正在进入大众政治的视野。

此前，关于AI该如何监管的讨论，主要发生在以下几个圈子里：技术研究者（担忧对齐问题）、法律政策学者（讨论责任框架）、企业游说团体（争取有利监管）、以及少数专注科技政策的政客。普通选民很少以此作为投票决策的核心因素。

这正在改变。

不仅仅是加州。2026年有多个欧洲国家的选举，AI相关议题出现在政党纲领中；澳大利亚联邦选举中，AI对就业的影响成为工党和联盟党的论战焦点；英国保守党和工党在AI监管立场上的分歧，被分析人士视为影响科技选民的重要变量。

为什么这个趋势重要

当AI监管变成选票政治，它的走向就不再只是技术和法律的逻辑，还会受到”什么政策能赢得选票”的逻辑驱动。

这会带来两个看似矛盾的效果：一方面，大众政治的参与可能带来更多公众监督，让AI公司更难在缺乏透明度的情况下运营；另一方面，政治化的AI监管讨论也可能变得更加简化和情绪化，失去处理技术复杂性所需要的精细度。

两个效果哪个更主导，取决于政治生态的整体健康程度。在当前的美国政治环境下，这是个不确定的答案。

第三层洞察：硅谷的政治困境

这场选举对硅谷公司来说，代表着一个不舒服的成熟时刻。

多年来，硅谷普遍相信自己可以超越政治——”技术是工具，政治是问题所在”。这种叙事在AI的早期阶段有其自我保护的功能：让公司专注于技术发展，避免被政治极化所波及。

但随着AI影响越来越多人的生活（就业、信息、医疗、司法），”AI不是政治问题”这句话变得越来越难自圆其说。加州的选举只是一个缩影：AI公司迟早要学会在民主政治的框架里运作，而不是在它的外部运作。

这不只是一个合规问题，而是一个关于AI公司如何定义自己与社会关系的根本性问题。Anthropic用”宪法AI”框架尝试给出一个答案；OpenAI在这个问题上持续摇摆；Google选择以商业和技术领先为主导，对政治尽量保持低调。

加州2026年选举的结果，会给整个行业发出一个信号：社会想要什么样的AI治理，以及它愿意用选票来表达这个意愿。

结语

加州州长选举通常被外界关注的是经济政策、气候立场、移民问题。2026年，AI监管异军突起成为核心议题，这本身就是一个具有历史意义的信号。

无论最终谁赢，这场辩论已经证明了一件事：AI监管已经不再是硅谷内部的技术政策讨论，它是面向全社会的、关于我们集体未来的政治问题。

而民主政治的处理方式——选票、辩论、妥协——将塑造这个问题的答案，无论这个过程多么粗糙和不完美。

参考资料

  1. California governor race 2026: Becerra and Hilton split sharply on AI regulation — MSN, 2026-08-15（主要来源）
  2. Who governs AI? The federal government’s challenge to state regulation — Reuters, 2026-08-12（联邦vs州监管分析）
  3. Five Reasons AI Regulation Is Coming To The US, How And When — Forbes, 2026-08-01
  4. No Major AI Lab Tops C+ in 2026 AI Safety Index — eWeek, 2026-08-09
  5. Once again, OpenAI and Anthropic AI models are going rogue and hacking services — Digital Trends, 2026-08-04（AI agent安全事件背景）
  6. EMEA Data Privacy, Digital Regulation & AI - 2026 Mid-Year Round-Up — JDSupra, 2026-08-10（国际监管对比参照）

免责声明：文中关于候选人Becerra和Hilton的具体政策承诺，主要基于MSN单一媒体报道（2026-08-15），未能交叉验证多个独立来源。关于”2026年多起AI相关社会事件”的描述，部分依据公开报道综合推断，读者如需完整事实核实，建议查阅各事件的一手报道。

历史背景：加州AI监管的前世今生

要理解2026年的这场选举，需要了解加州过去几年在AI监管上的曲折历程。

SB 1047的失败与反思

2024年，加州立法机构通过了SB 1047——这是美国历史上第一部系统性规范大型AI模型开发的州级立法。法案要求AI公司在发布大型模型前进行强制性安全评估，并对可能导致”重大危害”的AI系统承担法律责任。

法案获得了来自AI安全研究社区的广泛支持，包括Yoshua Bengio等图灵奖得主的联署。但硅谷的科技公司旗帜鲜明地反对，理由是法案定义过宽、可能严重压制AI创新。

最终，时任州长纽森一票否决，理由是：”需要在联邦层面而非州层面解决，且法案条款过于宽泛。”

这一否决在AI安全社区引发了激烈争论。否决的支持者认为，避免了”一州立法、全国倒霉”的连带效应。反对者则认为，这是科技游说力量战胜公共利益的又一例证。

SB 1047失败后，发生了什么

有趣的是，SB 1047失败后的两年里，支持者担忧的那些风险开始部分成真：AI生成的深度伪造内容在2025年多次影响地方选举；AI辅助网络攻击事件频率上升；部分大型AI模型在测试中表现出了此前未预期的行为（包括Anthropic自己的风险报告所披露的内容）。

这些事件改变了公众舆论的基准线。在SB 1047被否决时，”等等看”还是可以被接受的立场；到2026年，”等等看”已经被越来越多的选民视为”不作为”。

这直接塑造了2026年选举的政治土壤：AI监管从”技术圈内部的争论”变成了”普通选民认为值得用选票表达意见的问题”。

两位候选人的详细画像

Xavier Becerra：职业政治家中的AI监管先行者

Becerra的政治生涯以消费者保护和医疗保障为核心。作为加州总检察长（2017-2021）和拜登政府卫生部长（2021-2025），他积累了大量在大型机构和国会之间协调的经验。

他的AI立场不是突然冒出来的。2023年，Becerra在担任卫生部长期间，曾参与推动医疗AI的伦理指南。他的核心判断是：AI不只是一个科技问题，而是一个影响医疗、就业、公民权利的公共政策问题，政府有责任也有能力监管。

Becerra在AI议题上的具体承诺包括：成立加州AI监管办公室，建立独立的技术顾问委员会，推动对”高风险AI决策”（影响就业、信贷、医疗保险的）设立强制审计机制。他特别强调，监管不是为了限制技术进步，而是为了建立一个让创新者也能接受的”安全边界”。

他的难题是：如何说服AI行业相信，严格监管不会导致企业出走加州——这是Hilton攻击他的主要议题。

Steve Hilton：英国政治思维进入加州战场

Hilton的背景本身就是个有趣的故事。他是英国保守党前核心成员，曾为大卫·卡梅伦的政府服务。移居加州后，他创办了科技政策智库，并以批评大政府、倡导技术自由为旗帜在媒体上建立了知名度。

Hilton的AI立场有鲜明的意识形态底色：他认为，AI监管是”官僚主义的天然扩张欲望”的最新表现，政府应该专注于执行已有法律（欺诈、歧视），而不是预防性地设立新的监管层级。他相信，消费者选择和市场声誉机制，比政府监管更能有效约束AI公司的行为。

他的”DOGE式去监管”标签，刻意借用了联邦政府效率部（DOGE）的符号，目的是吸引那些认为”政府太大、管太多”的选民，这在共和党基本盘和部分独立选民中有共鸣。

但Hilton也面临一个内在矛盾：他倡导”联邦统一规则”，但联邦层面的AI立法进展极其缓慢。”等联邦”的策略，在过去两年里已经被证明等了个寂寞——联邦什么实质性规则都没出来。如果选民问他”那我们等多久”，他没有清晰的答案。

科技公司的两难困境：选边还是中立？

加州历史上，科技公司通常在选举中保持战略性模糊——给两边都捐钱，避免站队。2026年的AI监管议题，让这种模糊变得更难维持。

大公司的公开立场

以目前为止公开表态的公司为例：

Anthropic是一个有趣的案例。该公司的立场一贯是”支持合理的AI监管”，它向支持AI监管的政治团体捐款（见同期新闻），这与Becerra的立场更接近。但Anthropic也一直强调”监管要以技术为基础，不能是空洞的立法”，这与Becerra的部分政策细节可能存在分歧。

OpenAI在政策立场上历来模糊，但CEO Sam Altman在多个公开场合表达了对”联邦统一标准”的偏好，这与Hilton的方向更接近——但只是方向接近，并不是对Hilton的背书。

Meta是最明确倾向于”减少监管”的大型AI公司，Hilton的立场对Meta更有利。

中小AI创业公司的声音

一个经常被大媒体忽视的视角是：加州数以千计的中小AI创业公司，对监管的态度与大公司截然不同。

大公司有资源应对监管合规，甚至可以利用合规壁垒打压竞争者；中小公司没有这个资源。一个被要求定期进行安全审计、提交透明度报告的监管框架，对有100名工程师的初创公司来说，可能意味着合规团队的规模比产品团队还大。

这部分群体，在选举中的声音通常不如巨头响亮，但他们对AI生态系统的长期健康影响深远。如果严格监管确实导致中小AI公司的生存压力增加，行业的多样性会下降，大公司的市场集中度会上升——这是一个反直觉的”监管利好垄断”效应。

选举结果的多场景分析

场景一：Becerra以明显优势获胜

这种情况下，加州AI立法的推进将获得强大的行政背书。有可能出现的情况是：加州在2027年出台一部综合性AI监管法，内容参考科罗拉多SB 205和欧盟AI法案，覆盖高风险AI系统的开发、部署和审计。

对AI公司的直接影响：增加合规成本，部分中小公司可能重新考虑是否以加州作为主要运营地。大公司会适应，并利用合规壁垒强化市场地位。

场景二：Hilton以微弱优势获胜

这种情况更复杂。Hilton获胜不意味着AI监管从加州消失，而是意味着通过行政手段推进监管的速度大幅放缓。但加州立法机构（目前民主党控制）仍然可以独立推进立法，州长可以否决，但不能阻止立法过程本身。

最可能的结局：持续的行政与立法之间的拉锯，监管环境长期不确定，这对需要稳定合规预期的大型企业来说反而更糟糕。

场景三：任一方以压倒性优势获胜

无论哪方大胜，都意味着AI监管议题在加州选民心目中的重要性得到明确验证。这会让其他州的政客意识到：AI监管是能赢得选票的议题，加速全国范围内AI监管政治化的进程。

长期视角：民主政治处理技术问题的能力边界

这场选举提出了一个比AI监管本身更基础的问题：民主政治体制，有没有能力有效处理技术治理问题？

AI技术的特点，使得它对传统的民主决策过程构成了真实的挑战：技术的复杂性使得大多数选民、政客、甚至监管者都难以真正理解它的能力边界；AI影响的速度远快于立法周期（立法平均需要2-4年，AI能力跨越可以在几个月内发生）；AI的”边界”难以用传统的地理边界来划定，一家在特拉华注册的公司的AI系统影响着全球用户。

Becerra和Hilton的辩论，呈现了民主政治对技术问题的两种典型应对——一种是”更多监管，试图控制”，一种是”更少监管，信任市场”。两种方式都有现实中的支持者和反例。

问题在于，这两种框架都不完全适合AI——AI治理需要的，是一种比传统监管更灵活、比市场自律更有约束力的新机制。这种机制目前还不存在，而等它出现的时候，AI已经深刻地改变了这个需要治理它的社会。

这大概是2026年这场选举最深刻的地方：不在于谁赢，而在于它清楚地显示出，我们正处于一个社会治理工具与技术发展速度之间的历史性错配时期。

加州以外：AI监管政治化的全球浪潮

加州的选举，不是一个孤立的地方政治事件，而是全球性趋势的缩影。

欧洲的先行经验

欧盟在2024年通过了《人工智能法案》（AI Act），是全球第一部综合性AI监管立法。这部法律的经验，对加州以及美国的AI监管讨论有直接的参考价值。

欧盟AI Act的核心是”基于风险的分级”框架：低风险AI（如垃圾邮件过滤器）几乎不受约束；高风险AI（如招聘算法、信用评估、医疗诊断辅助）必须满足严格的透明度和审计要求；明确禁止的AI（如实时公共场所面部识别，除特定执法场景外）直接禁止使用。

这个分级框架的政治优势在于：它避免了”全部监管”vs”全不监管”的两极对立，为不同立场的利益相关方都留有空间。但它的执行难度也很高——如何界定”高风险”是一个持续争议的问题，且不同成员国的执行力度存在明显差异。

英国的”沙盒”路径

英国在退出欧盟后，选择了一条不同的路：不立专项AI法，而是授权现有监管机构（ICO、FCA、CMA等）在各自领域内处理AI相关问题，并设立监管沙盒，让AI公司在受控环境下测试新技术。

这个路径更接近Hilton的立场——灵活、不设硬性禁区、允许监管者随技术发展调整规则。但它的弱点是：当一个AI技术跨越多个监管领域时（如影响金融决策的医疗AI），没有统一的责任主体，”谁来管”的问题悬而未决。

中国的”敏捷监管”

中国走了一条截然不同的路：对特定AI应用领域（生成式AI、推荐算法、深度合成技术）分别出台专项监管，规则制定和修订速度快，但相对集中于内容层面的监管，对算法决策的公平性和透明度要求相对宽松。

这套体系的优势是灵活、快速，能够针对特定风险精准出手；缺点是碎片化，没有统一的AI治理框架，企业合规仍然需要逐条对照多个规则。

关键外部力量：AI安全研究社区的集体发声

这场选举中，一个值得关注的新力量是AI安全研究社区——包括学术研究者、来自头部AI实验室的安全工程师、以及独立的AI伦理研究机构——开始更主动地参与政策辩论。

这与2022-2023年的情况有明显不同。那时候，大多数AI安全研究者认为政策影响力在DC和硅谷的闭门会议上，而不是公开的选举辩论中。2026年，Anthropic、OpenAI、Google DeepMind相继发布的安全报告和风险评估，以及多起AI系统意外行为事件，让AI安全的讨论有了具体的公众基础。

AI安全研究者支持谁？

并非所有AI安全研究者都支持更多监管——这个群体内部存在真实的分歧。部分人认为，政府监管往往跟不上技术速度，可能产生”规制捕获”（被行业利益控制的监管机构）的问题；另一部分人认为，自愿行业准则已经被证明不足够，强制性标准是唯一有效的路径。

这种内部分歧，让AI安全研究社区在这场选举中的声音多元而有些混乱，但这种多元性本身也反映了这个问题的真实复杂性。

最后的政治学观察：技术议题如何影响选举

历史上，技术议题很少能真正决定选举结果。1990年代的互联网监管辩论、2000年代的数字版权争论、2010年代的社交媒体内容监管——这些议题在政策圈很重要，但很少能成为驱动大量选民改变立场的”决定性议题”。

AI监管在2026年加州选举中是否真的不同？从目前的民调数据来看（截至8月上旬），两位候选人的支持率差距在误差范围内，选举仍然高度竞争。AI监管是”重要议题”，但投票意向的主要驱动力仍然是经济、住房成本和气候政策。

但有一件事在改变：越来越多的选民在被问及AI议题时，表达了明确的关切——不是对”超级AI会毁灭人类”的科幻式担忧，而是对”AI会影响我的工作、我的贷款申请、我孩子的招聘”的具体焦虑。这种具体化的焦虑，比抽象的存在风险讨论更能转化为选票动机。

如果这个趋势继续，2026年加州选举可能真的成为AI议题”进入主流选举政治”的一个历史节点。无论谁赢，这都是一个值得记录的时刻。