AI议题首次杀入美国选战：科技巨头和政客的合谋与算计

本文来自微信公众号： 数字经济发展评论 ，作者：数字经济发展评论导语2026年美国中期选举期间，AI安全成为两党竞选攻防和科技巨头角力的新战场。耐人寻味的是，前沿AI公司一边强调技术将创造巨大的经济与科学价值，一边又不断警告其潜在风险。

看似相互矛盾的两套叙事背后，究竟是风险忧虑，还是另有商业与政治考量？观察家研究基金会（ORF）研究助理Ishita Deshmukh撰文指出，AI安全警告既可能成为企业争取监管话语权、巩固市场地位的商业筹码，也可能被政党转化为选举工具。

当企业利益与党派诉求交织，AI安全讨论也逐渐偏离技术风险本身，独立研究和公共问责受到影响。文章主张，应以可验证的模型能力为监管依据，通过统一评估、事故披露和独立第三方测试，让AI安全讨论回归事实与问责，而非被企业叙事和党派立场牵着走。

原文标题：The US Midterms and Frontier Labs:AI Safety as a Political Instrument原文来源：观察家研究基金会（Observer Research Foundation,ORF）编译解读：数字经济发展评论AI安全议题正在从行业内部走进选战。

2026年美国中期选举季，它不再只是研究者之间的技术争论，而成了两党攻防的素材。9月，曾在OpenAI和Anthropic任职的研究员Coxon从Anthropic辞职，留下一份不寻常的警告：两家公司正竞相追求能够自我改进的超级智能，“拿所有人的性命赌博”；

未来的系统可能难以控制，“可能害死所有人”。他因此呼吁政府监管、引入独立审计。此后美国政坛迅速卷入，两党各自提出了不同的监管与放松监管主张。10月31日，观察家研究基金会（ORF）研究助理Ishita Deshmukh撰文，梳理这场辩论如何在中期选举前升温。

她的判断是，前沿AI巨头的安全警告同时充当商业筹码与政治工具，而议题的政治化正在反噬AI安全研究本身。一、AI安全从技术争论变成竞选议题研究员Coxon从Anthropic辞职一事之所以引人注目，是因为它把三件事连在了一起：AI安全、企业利益、美国的选举政治。

文章认为，AI安全正越来越多地与企业利益和选战需要纠缠，独立监督、循证监管与公共问责这三个前提，都因此成了问题。政治层面的分歧也很快显形。民主党强调更强的监管保障、人工监督和企业问责；

共和党优先考虑技术领先、竞争和更少的监管障碍，把快速推进AI视为美国经济与国家安全所系。美国媒体的报道也偏重风险这一侧：从人类灭绝的灾难场景，到自主智能体的有害行为，再到军事应用的预期后果。

这些问题确实值得追问，但耸动的说法会把三种情况混为一谈：已被证实的危害、受控实验中观察到的失败，以及推测中的未来风险。

二、合规成本天然偏向AI巨头前沿AI公司呼吁监管，未必符合整个行业的利益。规则怎么设计，决定了它最终帮到谁：一项本意是约束头部公司的监管，也可能反过来巩固这些公司的市场地位。原因在于合规成本的分摊方式：同样的要求，成熟AI巨头消化得起，小公司和新进入者未必。

这些要求于是成了进入门槛，在把主导者保护起来的同时，也压缩了整个行业的创新空间。这个机制并不依赖企业的主观意图。合规成本按规模分摊，规则表面上对所有人一视同仁，但同样一笔成本，对AI巨头和小公司的影响完全不同。

所以，判断一项监管能否真正约束巨头，要看成本落在谁身上，而不是只看它禁止了什么。这一点在当下尤为重要，因为今天占主导的大语言模型（LLM）范式，未必就是AI下一阶段的形态。现有证据不足以说明大模型的能力已经见顶，但现有评估也未必反映前沿模型的绝对能力水平。

与此同时，推进的代价越来越高：据估计，前沿模型的训练成本每年约增至2.4倍，存储部件也日趋紧缺。经济与能源上的利害越重，围绕AI的争论就越容易卷进美国更广泛的政治与道德分歧。

三、安全警告同时也是商业信号头部AI巨头多年来同时推销两套互相矛盾的说法。一套许诺前所未有的经济与科学价值：通用人工智能、超级智能，以及能做出超越人类研究者之发现的模型；另一套则警告，同样的系统可能变得无法控制，亟需政府介入。

OpenAI近期的声明把这种纠缠摆到了明面上：它称自己的系统已经解出纳维-斯托克斯方程（Navier-Stokes equations），以及另外372道长期悬而未决的数学问题。若经独立验证，这将是规模与速度都罕见的科学成就。

但它同时是一个商业与国家层面的信号：OpenAI在告诉各国政府、投资人和竞争者，其尚未发布的系统已经进入一个新的能力区间。当一家AI公司警告说，自己即将推出的系统可能强大到无法按普通市场规则开发时，它同时也在为这些系统的价值做广告。

也就是说，安全警告未必出于恳切，反而可能更符合商业利益。大量资本依赖“进步会一直持续、有时还是指数级”的预期，能力和风险的叙事都必须立得住。OpenAI已于2026年6月提交机密的IPO注册草稿，只是没有给出时间表；

Anthropic也提交了上市的初步文件，同时倡导不同形式的AI监督。回到那两套说法上，它们可以同时成立：能力确实在提升，风险也确实在上升。所以从公司声明本身分辨不出哪一套更可信，能分辨的只有独立验证。

四、AI公司开始进入选举政治安全辩论在中期选举前持续升温。特朗普政府明确支持快速推进、清除监管障碍，主张靠加速创新、扩建基础设施和私营部门竞争来维持美国的AI领先地位。它给出的理由之一是，过度监管会束缚美国企业，反而增强中国的实力。

需要说明的是，这一论断属于政策立场，并非经过检验的经验判断。这给民主党留出了攻击面：他们把共和党的放松监管与公共保护摆在一起作对比。就业冲击、电价上涨、数据中心建设、虚假信息、企业权力集中，这些民众关心的问题都可以从AI治理的得失来讲。

民主党领导人据此指称，现政府的政策对公共风险关注不够，实际上是在为富有的科技公司加码，结果可能拉大经济不平等，也让生活成本问题雪上加霜。但把这轮监管回潮说成民主党针对共和党的协同行动，在分析上站不住脚，原因不止一个。

首先是证据不足：现有材料无法证明Coxon的辞职或两家公司其后的介入是为了影响中期选举。其次，两党的态度本来也不像表面上那么泾渭分明，民主党内部对监管的看法并不一致，一些保守派人物同样支持更强的管控，两党大体上也认同负责任创新的重要性。

科技公司的介入同样不分党派。2026年这个选举周期，企业政治支出创下纪录，其中相当一部分来自AI行业。在纽约一个国会选区的竞选中，与OpenAI、Anthropic或其高管关联的政治团体，为两名相互竞争的民主党候选人投入了超过2300万美元，而这两家公司未必主张相同的监管立场。文章由此判断，AI公司不只是在回应政治，它们已经在参与塑造政治本身。

五、政治化正在扭曲AI安全研究政治化最终会伤到AI安全研究本身。夸张的灭绝场景占据了公共注意力，也放大了恐惧，而那些更可测量、更迫近的问题反而少有人审视。反过来，如果把每一份安全提议都当成反创新的动作，那些只针对少数关键环节、覆盖范围有限的防护措施，就更难建立起来。

政治化还会决定研究者能研究什么。当经费和前沿模型的准入主要掌握在追求战略优势的开发者或政府手里时，研究议程就容易按这些机构的优先级来排。劳动力、本地部署条件以及商业回报不高的保障措施都更难获得支持。

独立评估之所以难，不在于有没有人愿意做，而在于评估所需的模型、数据和算力，都掌握在被评估的一方手里。

六、以可验证能力为基准的监管方案文章给美国政策制定者提出的方案，既不是一刀切地全面放松监管，也不是跟着耸动的警告和未经核实的说法制定规则。它主张做三件事：要求前沿开发者按统一标准开展能力评估，披露严重和意外的事故，并由真正独立的第三方开展测试。

监管阈值应当依据已被证实的能力设定，例如自主网络攻击、自主武器、AI辅助药物设计，而不应依据“通用人工智能”“超级智能”这类弹性概念。在三条主张当中，文章最看重最后一条：前沿AI巨头的声明只能当作待检验的证据，不能当作对现实的如实描述。

阈值如果建立在“通用人工智能”这类含义模糊的概念上，判断某个模型是否越线，就得先解释这些概念指的是什么，而这个解释权恰恰落在开发模型的公司手里。可验证的能力指标之所以重要，是因为它由外部测试来确认，不取决于被监管方的自我界定。

一旦AI的公共讨论成了政治工具，恐惧、科学成就和监管政策就会被搅进同一套说法里，为选举或公司的需要服务。这会加深代际之间、不同收入群体之间的极化。人们对技术进展的解读，往往带着既有的政治立场，也带着对生计的担忧。

而公众既缺少技术知识，也缺少可靠信息，一项新进展到底意味着什么、AI系统实际能做到什么，都不容易判断。文章因此主张，政府与媒体有责任把能力、局限和不确定性讲清楚，把已证实的危害与推测的风险分开，让公司声明接受独立审视；

公众也应当有机会质疑这些说法，并实质性地参与AI开发与使用的决定。归结起来，AI安全的目标是让现有和即将出现的系统更可问责、更可解释，而不是让开发它们的公司或支持它们的政党更有影响力。