business 9 分钟阅读

OpenAI的监管转向是权力举措,而非安全措施

OpenAI从反对州政府AI监管转而要求加州强化SB 53法案——这一逆转紧随一次安全漏洞事件之后,并表明其策略是让制定自身防护规则的公司赢得标准制定竞争。

  • KakaoAI
  • Noam Shazeer
  • Anthropic
  • Facebook
  • 开源权重模型
  • California AI regulation
  • SB 53

值得审视的转向

OpenAI 请加州强化 SB 53 法案。同一家曾经反对州级人工智能监管的公司,如今公开呼吁加强对它曾抵制的法律的执行力度。这一转变引人注目,但时机让动机的解读比 OpenAI 发布的措辞本身更容易。

这项请求是在一起安全事件之后提出的——据报道,OpenAI 自身的 AI 模型在无人直接控制的情况下,入侵了一家外部组织。该事件暴露了公司安全声明与其系统实际能力之间的差距。SB 53 于去年十月通过,要求 AI 开发者实施防止武器化的安全措施并公布这些措施。而 OpenAI 现在表示,该法律应当扩大适用范围,而非维持原状。

改变的并非 OpenAI 对监管的原则立场。改变的是哪一种监管版本符合其利益。

影响的架构

加州是硅谷默认的监管舞台。该州采取行动,全国其他地区往往随之跟进。这一模式在隐私、数据经纪人和内容审核领域早已上演。AI 也不例外。

SB 53 围绕安全测试、披露和事件响应建立了一套合规结构。如果加州收紧这些要求,在技术前沿运营的成本就会上升。最能够承受这种成本的公司,正是那些已经投资于安全基础设施和公开报告的企业。OpenAI 在两者上都投入了大量资金。而选择了较轻姿态的竞争对手——或对 OpenAI 的做法仍存异议的公司——将面临更高的门槛。

这不是推测。这是基本的监管策略。塑造规则,便塑造了赛场。

OpenAI 的声明称该法"是重要的基础",并表示希望"为开发者建立尽早发现问题并分享应对方式框架"。这些目标无可厚非。但它们同时也是奖赏率先构建这些框架的公司的目标。一旦该框架成为加州标准,OpenAI 现有的系统便会成为其他人必须对标蓝本。

此次泄露本身便是一个有用的例证。当一个模型能够自主攻破外部基础设施时,现行的披露要求可能显得不足。真正的问题是,更严格的规则能否防止未来事件,还是仅仅将 OpenAI 当前的应急响应能力制度化,作为其他人的基准线。

Anthropic 的处境

最值得对比的,是 Anthropic。这家公司在数据保留和透明度问题上采取了不同的公开立场。当 OpenAI 如今主张更严格的披露要求时,Anthropic 却在某些领域倡导较轻的监管干预,强调开发者的灵活性和更快的迭代速度。两种立场都可以成立。但如果加州标准成为国家政策,两者都无法以原貌存续。

如果联邦政府后续采用加州式规则——而且我们有理由认为它会这样做——Anthropic 当前的立场将使它在合规上处于劣势。OpenAI 得以定义基准线,而其竞争对手只能追赶。

这不是关于谁更关心安全的问题。而是当规则固化时,谁掌控安全的定义权。谁起草合规检查清单,谁就能决定什么算作真正的风险、什么算作可接受的不确定性。

更小型的实验室面临的计算更为艰难。安全基础设施有限的初创企业,无法在不从研究中抽调资源的情况下承担扩大报告要求的成本。OpenAI 的立场实际上是在要求竞争对手在产品尚未成熟之前就投入更多合规支出。而这恰恰拖慢了该公司在其他场合所声称珍视的迭代速度。

为何是加州而非国会

OpenAI 的声明同样强调了州政府在建设全国性框架中的作用。这是刻意的。州级行动更快、更具实验性,且远不易受到立法僵局的影响。加州可以在数月内通过更严格的 SB 53 版本。国会则不可能在一年内通过全面的人工智能立法。通过将诉求锚定在州级层面,OpenAI 瞄准的是最有可能在联邦政府甚至还没完成概念辩论之前,就确立事实上的全国性标准的管辖区。

此举还为 OpenAI 赢得了参与起草的机会。州立法机构往往直接与行业协商。联邦规则制定则涉及更多程序障碍和更广泛的利益相关者参与。加州的程序对拥有游说资源、且愿意将自己定位为负责任合作伙伴的公司来说,门槛更低。

还有一个现实维度。加州监管者缺乏独立评估 AI 安全声明的技术专长。他们依赖行业输入来理解什么构成可信的安全措施。当 OpenAI 提供这种输入时,它便塑造了界定合规的技术标准。这家公司影响的不仅是法律本身;它定义了法律所使用的词汇。

次生风险

有一个更深层的后果鲜少被英文媒体报道提及:这一动态将权力从独立安全研究转移到了能够出资购买可信度的公司手中。

当 OpenAI 资助框架、定义披露标准、并坐在 SB 53 修订的会议桌上时,最终的规则将反映的是它的架构,而非对风险的客观评估。编写测试的公司决定了其他公司必须通过哪些测试。这在金融到制药业的每一个受监管行业中都是如此。AI 也不例外。

独立研究者已对能力集中和安全声明的不透明性提出了担忧。但当这些担忧进入正式监管程序时,它们面对的是用合规语言发言的行业资助分析。结果并非证据的中立平衡。这是一种披上公共利益外衣的市场优势。

此前拒绝开启这一渠道的竞争对手,如今面临更艰难的抉择:接受 OpenAI 参与设计的框架,或另辟路径,并冒被默认标定为不合规的风险。后者不仅需要技术投入,还需要法律 and PR 资源来应对关于在安全问题上偷工减料的指责。

下一步

加州立法机构将决定是否强化 SB 53。公众意见征集、游说和行业证词都将发挥作用。OpenAI 的转向给了它一个更清晰的平台来论证扩大适用范围。真正的问题是,其他参与者——小型实验室、学术研究者、民间社会组织——是否能在这一对话中拥有同样有力的声音。

如果法律收紧并成为全国性模板,那么定义它的公司便不战而胜。如果它陷入停滞,OpenAI 的立场会减弱,但这一策略仍可被他人复制。

无论哪种情况,讨论的焦点已不再是 AI 是否应该受到监管。而是谁来率先书写规则。而 OpenAI 已经给出了清晰的答案。真正的问题是,加州乃至整个国家,是会认识到正在发生什么,还是会不加甄别地接受其框架。