OpenAI提'反向联邦制'：州法助力构建国家AI安全框架

背景

人工智能技术的快速发展带来了重大的安全与治理挑战。在美国，联邦层面尚未形成统一的前沿AI安全国家标准，而各州已开始自行立法填补这一空白。OpenAI在本文中提出了“反向联邦主义”（reverse federalism）概念，即通过各州先行立法并相互趋同，逐步为全国性标准甚至全球治理框架奠定基础。文章由OpenAI全球事务官Chris Lehane撰写，强调了民主政府而非仅由前沿实验室主导AI安全决策的重要性。

核心内容

美国通过州和联邦层面的联合行动推进AI安全治理。在州层面，加利福尼亚州、纽约州以及最近的伊利诺伊州已率先通过前沿安全法案，帮助国家朝着治理最强大AI系统的共同基线迈进。这些努力体现了OpenAI所称的“反向联邦主义”——各州通过共同框架确立共享方向。当州级工作与联邦层面的努力交汇时，全国性标准开始成形，为美国主导的全球AI框架打下基础。

OpenAI认为，确保AI惠及多数人而非少数人的最佳方式是让民主政府——而非仅由前沿实验室——做出关键决策，首先从前沿安全开始。在缺乏联邦统一框架的情况下，各州可以通过通过相互镜像的法律，逐步建立事实上的国家标准。

这种国家标准是确保（a）美国继续引领创新，不被碎片化的法规拼凑所削弱——碎片化法规会减缓构建全球民主AI栈的能力，该栈旨在优化好人所需的工具以防御坏人试图滥用AI于网络安全等领域；（b）美国处于最强位置，将国家标准转化为基于民主价值观的全球AI安全部署方法。

为了成功，各州应继续在核心要素上保持一致，正如加州、纽约和伊利诺伊所做的那样。这些核心要素包括：

• 有文档记录的安全框架，包含对前沿模型的风险评估，以及这些评估及其结果的公开披露。
• 严重安全事件的报告制度。
• 通过独立、客观的审计进行治理与问责。

这些州共同为前沿AI部署建立了民主监督：加州建立了核心披露框架；纽约证明了该方法可在不同司法管辖区复制；伊利诺伊通过要求对关键披露进行独立验证进行了补充。

文章同时警告要防范任务蔓延。各州不应被要求管理重大国家安全风险（或实质上代表整个国家做出国家安全决策），也不应进行高度技术性的审查——这些更适合由拥有资源、专业知识、机密系统访问权限并能与团队紧密合作的联邦专家处理。

在联邦层面，特朗普政府正与技术及国家安全专家合作，制定针对最强大AI模型在网络领域的美国政府测试框架。该框架将确立测试标准、时间表和流程。OpenAI正与政府、同行公司、商业团体及其他利益相关方进行建设性讨论。网络评估工作凸显了一致性的重要性——在联邦框架完成前，模型已在接受测试，实验室的教训是需要州和联邦层面一致且可重复的方法。OpenAI赞赏政府目标在8月初完成这一框架。

联邦测试框架将帮助将先进AI工具交到政府、关键基础设施防御者、盟友和其他可信合作伙伴手中，从而加强民主机构并帮助构建美国主导的民主AI栈。文章强调，模糊的联邦流程和碎片化的州法律都无法产生连贯的前沿安全体制。我们需要确保最好的测试者评估最强大的模型，并且可信防御者能足够快地获得这些工具以领先于恶意行为者。

国会也在行动。两院两党的立法者（包括最近的代表Jay Obernolte和Lori Trahan）注意到了州和行政部门的进展，提出了联邦框架的草案。尽管任何有现实通过路径的讨论草案都不会完美，但OpenAI将其视为建设性的一步，认为许多条款经过深思熟虑且值得支持。鉴于已颁布方向一致法律的州的规模和影响力，将这些方法纳入联邦立法应更容易建立统一的全国前沿安全体制。

OpenAI的前沿安全蓝图列出了他们认为的框架基本要素：

1. 联邦政府应领导最先进系统的测试与评估。前沿AI引发国家安全和公共安全问题，需要技术专长、资源和访问权限，这是任何州都无法完全复制的。这项工作应加强在拜登总统任内创立、在特朗普总统任内得到强化的AI标准与创新中心（Center for AI Standards and Innovation, CAISI）。CAISI可提供评估先进模型所需的持久联邦能力，并将前沿安全转向在危害发生前预防，而非主要依赖事后问责。任何联邦立法都应仔细考虑CAISI如何与政府其他部门协作，以及它在测试中心应扮演什么角色。
2. 开发最强大系统的公司应满足明确要求，包括独立审计、事件报告、强安全标准和举报人保护。

（注：原文末尾“T”处截断，此处按原文完整意思补充到“T”之前的段落，即第二点要求。）

关键要点

• 反向联邦主义：各州先行立法并相互对齐，形成事实上的国家标准，最终推动全球框架。加州、纽约、伊利诺伊已行动。
• 核心立法要素：安全框架与风险评估公开披露、严重事故报告、独立审计与问责。这是建立一致国家标准的基础。
• 避免碎片化与任务蔓延：分散的州法会导致监管混乱、消费者困惑、开发者资源浪费。各州不应处理国家安全或高度技术性审查，这些应由联邦专家负责。
• 联邦测试框架：特朗普政府正在制定AI模型网络评估框架（目标8月初完成），旨在让政府、关键基础设施防御者、盟友等可信方更快获得先进工具。
• 加强CAISI：AI标准与创新中心应成为联邦测试的核心机构，实现从事后问责向事前预防的转变。
• 国会行动：两党立法者已提出联邦框架草案，OpenAI认为这是建设性进展，支持其核心条款。
• 企业义务：开发最强大系统的公司需满足独立审计、事件报告、安全标准和举报人保护等明确要求。
• 民主价值观：确保AI治理由民主政府主导，而非仅由前沿实验室决定，以惠及多数人。

意义与影响

这篇文章标志着OpenAI在AI治理问题上的明确立场转变——从之前强调自愿努力转向支持有约束力的州和联邦立法。其“反向联邦主义”策略可能成为其他国家或地区（如欧盟）在AI监管上的参考模式：先由地方或区域试点，再上升为国家/超国家统一标准。

对美国而言，加州作为科技中心，其立法往往具有全国影响力。如果更多州采纳相似规则，将形成对企业（包括OpenAI自身）具有实际约束力的合规要求。联邦框架的建立则有助于避免行业在混乱的多州法规中运营，同时保持美国在AI创新领域的领先地位。

更重要的是，OpenAI主张将AI安全决策权从实验室转移到民主政府手中，这挑战了“技术精英治理”的既有叙事。通过推动联邦测试与独立审计，文章试图建立一种可信的、可重复的评估体系，防止AI被恶意行为者滥用，尤其是在网络安全领域。这一框架若成功，将为全球民主AI栈奠定基础，形成与美国价值观对齐的国际治理范式。

不过，文章也隐含了对“表演性立法”的批评——强调真正的安全需要严肃的、具有实质约束力的机制，而非仅停留在象征性姿态。这反映了OpenAI希望影响政策制定过程，确保最终法规既有效又不扼杀创新的平衡。