政策

据湖南日报十月十五日报道，《全国人大常委会 2026 年度立法工作计划》已将人工智能健康发展等方面的立法项目纳入预备审议项目；《国务院 2026 年度立法工作计划》也要求完善人工智能治理、加快推进 AI 健康发展综合性立法。报道引用专家观点称，这标志着我国 AI 治理正从「分领域立规」向「综合性立法」稳步迈进。 这个时间点值得琢磨。就在同一周，美国那边 CPI 数据引发 AI 股抛售，欧盟 AI 法案已进入全面执行阶段，中国这边则选择在这个窗口释放综合性立法的信号。规则竞争，正在和算力竞赛并行。 综合性立法会抬高多少合规成本？ 先算一笔粗账。过去几年，中国 AI 行业面对的是一套分散规则：算法备案、深度合成标识、生成内容管理、数据出境评估，各管一段。企业创业像走独木桥，每条线单独合规，咨询与法务成本常年滚动。 综合性立法的好处是规则收拢。把分散要求整合进一部法律，企业面对的是一张完整的义务清单，而不是补丁摞补丁的部门文件。坏处是：法律位阶高了，违法成本也水涨船高——从行政处罚上升到法律责任，创业公司的试错空间会被压缩。 对中小创业公司，合规会从「可选项」变成「入场券」。没有法务预算的团队，未来要么抱大腿进入大厂生态，要么把合规成本提前计入单位经济模型。 规则主导权为什么成了算力之外的第二战场？ 全球 AI 竞争已经不只是谁的模型强、谁的 GPU 多。欧洲用 AI 法案输出一套「高风险即严管」的规则，美国用出口管制把模型权重变成战略物资，中国则在构建自己的综合性框架。 规则的本质是市场准入。谁先定义清楚「什么样的 AI 能在我的市场卖」，谁就掌握了定价权的前置阀门。报道提到「科林格里奇困境」——技术早期管太死会扼杀创新，成熟后再管又来不及——综合性立法要解的就是这个时间差。 对创业者的真实影响是什么？ 短期看，预备审议还不是生效，行业有一到两年的缓冲期。这个窗口期，适合把备案、标识、数据合规这些基本功做扎实的团队，反而会在规则落地后获得相对优势——因为对手的合规负担是突然增加的。 中期看，综合性立法大概率会细化「内容生成、数据训练、自动决策、AI agent 责任」这几块的边界。对做 Agent 的公司，最值得提前准备的是责任链举证：Agent 出了事，日志留在哪、责任怎么分。这会成为未来融资尽调的常规科目。 规则从来不是中立的。它既约束创业，也保护那些愿意按规则做事的人。这场立法的终局，可能决定中国 AI 行业下一轮估值里，合规溢价到底怎么算。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

政策背景 2026年教育AI政策三大方向： 1. 鼓励应用 AI赋能教学试点学校扩容 智能辅导、个性化学习工具进校园 教师AI素养培训纳入继续教育学分 2. 划定边界 学生作业AI代写治理：检测工具进考场 教育数据使用规范：学生画像数据保护 未成年人AI使用时长建议 3. 内容把关 教育类AI产品内容审核义务 教材级内容需专家审定 知识准确性责任明确 机会与风险 机会：AI教育产品市场爆发，合规产品稀缺。 风险：踩红线（数据、内容、代写）的产品将被清退。 结论 AI+教育是政策鼓励的赛道，但合规门槛高。能同时做好产品与合规的团队，将吃到最大红利。

欧盟：最严格 AI法案分级管理（不可接受风险被禁止） 高风险AI需合规评估 罚款最高达全球营收7% 中国：全面规范 生成式AI备案 算法推荐管理规定 深度合成内容标识 大模型双备案制 美国：相对宽松 联邦层面框架性 州层面各自立法 强调创新优先 对开发者的影响 出海必须考虑合规 AI内容要标识 数据来源要合规 安全评估要保留记录 建议 合规不是成本，是门槛。早合规早安心。

硅基速览 8月2日，欧盟《人工智能法案》（EU AI Act）实施框架正式进入全面执行阶段，欧洲AI办公室获得完整调查、评估与处罚权限。 核心新规：聊天机器人必须告知用户在与AI交互；AI生成或修改的图像、视频、音频必须标注；禁止人格操纵、社会评分等AI应用。 首批180多家机构签署《AI生成内容透明度行为准则》，违规企业最高罚款全球营业额的7%。 正文 全球首部综合性AI立法进入执行期 2026年8月2日，全球AI治理进入新纪元。据新华网和商务部WTO/FTA咨询网报道，欧盟《人工智能法案》（EU AI Act, Regulation (EU) 2024/1689）实施框架在这一天正式进入全面执行阶段。欧盟委员会及其下属的欧洲人工智能办公室（AI Office）正式获得完整的调查、评估与处罚权限。 这不是一条普通的政策新闻。欧盟AI Act是全球首部综合性AI立法，从2024年8月生效以来一直采取"分阶段执行"策略：2025年2月起禁止类条款生效，2025年8月起GPAI（通用AI模型）义务生效，2026年8月2日起透明度规则和高风险AI系统规则全面落地。 对于任何在欧盟市场运营的AI公司——不管是美国的OpenAI、中国的字节跳动，还是欧洲本土的Sakana AI——这一天都意味着合规成本的实质性上升。 8月2日起，三条核心规则必须遵守 硅基实战派把8月2日生效的核心规则拆解为三条企业必须立刻执行的硬要求： 规则一：聊天机器人必须亮明身份。 任何与用户交互的AI系统（聊天机器人、客服机器人、语音助手），必须在交互开始时明确告知用户"你正在与AI而非人类交互"。这条规则适用于所有面向欧盟用户的AI产品——从ChatGPT到客服热线，从智能音箱到汽车语音助手。 规则二：AI生成内容必须标注。 利用AI生成或修改的图像、视频、音频内容，必须附带可机读的水印或标签，标明该内容是AI生成的。这条规则直接影响所有AIGC产品——从Midjourney到Sora，从数字人视频到AI生成新闻文章，都必须在输出中嵌入AI生成标识。 规则三：禁止类AI应用全面管控。 人格操纵、社会评分、利用脆弱性进行剥削等AI应用被明确禁止。AI Office可以对违规企业处以最高全球营业额7%的罚款——以Meta 2025年营收约1600亿美元计算，罚款上限超过110亿美元。 180多家机构签署透明度行为准则 在8月2日执行日当天，欧盟委员会公布了首批签署《AI生成内容透明度行为准则》的机构名单——共计180多家。这份行为准则是对AI Act透明度条款的具体操作指引，主要内容包括： AI生成内容的水印技术规范（C2PA标准） 聊天机器人身份披露的触发时机和措辞要求 深度伪造内容的标注格式 对用户投诉的响应机制 签署机构包括了几乎所有在欧盟运营AI业务的大型科技公司：Google、Meta、OpenAI、Anthropic、字节跳动、阿里巴巴、百度、腾讯等。没有签署的公司将面临更严格的监管审查和更高的罚款风险。 对中国AI企业的影响 欧盟AI Act对中国AI企业的影响尤为深远。据Sakana AI发布的《全球AI监管拼图报告》，目前全球只有两部综合性AI法律在实施：欧盟AI Act和韩国AI基本法（2026年1月22日生效）。中国采取的是"分层行政监管"模式——通过《生成式AI服务管理暂行办法》《深度合成规定》《算法推荐管理规定》等活动-specific的行政规章覆盖不同场景，但没有一部统一的AI法典。 这种差异意味着：中国AI企业进入欧盟市场时，面临的是一套与国内完全不同的合规框架。以下几点需要特别注意： 数据合规。 欧盟AI Act要求GPAI模型提供方公开训练数据的摘要。这与中国国内的"训练数据不公开"实践完全不同。OpenAI、Google已经发布了训练数据摘要，但中国模型公司在这方面的准备明显不足。 透明度义务。 中国AI产品在国内可以不标注AI生成内容（虽然2025年起也开始要求），但在欧盟必须强制标注。这意味着出海产品需要在技术层面嵌入C2PA水印，这不是改一下前端文案就能解决的。 高风险AI系统。 医疗、教育、金融、招聘等领域的AI系统被归类为"高风险"，需要进行严格的合规评估、数据治理和人类监督。中国企业在这些领域的AI产品进入欧盟市场，需要投入大量合规资源。 硅基AGI社区在论坛silicon-agi.com上持续追踪欧盟AI Act的执行动态，不少出海创业者在讨论如何在合规成本和市场机会之间做平衡。 硅基点评 欧盟AI Act的全面执行，标志着AI行业从"野蛮生长"进入"合规经营"阶段。对于技术创业者来说，这既是成本也是壁垒——合规成本会淘汰掉一批小玩家，但合规能力本身会成为大企业的护城河。 硅基视角的判断是：2026-2027年将是全球AI监管的"加速落地期"。欧盟走在最前面，美国在各州层面推进（加州AI法案、科罗拉多AI法案），中国在完善行政规章体系，日本和英国采取"轻监管"路线。这种"监管拼图"意味着AI公司需要按不同市场的合规要求做产品适配，这会成为一笔不小的结构性成本。 对独立开发者的建议：如果你只做中国市场，欧盟AI Act暂时与你无关；但如果你有出海计划，从第一天起就应该在产品中预留AI内容标注和用户身份披露的接口。这些技术改动看似简单，但等到产品做出来再补，成本是从第一天就设计好的10倍以上。 本文由硅基AGI社区原创，欢迎访问博客 guijiagi.com 获取更多AI实战教程，或到论坛 silicon-agi.com 参与讨论。

新规概览：从生成式AI管理办法到《人工智能法》 2026年7月1日，《中华人民共和国人工智能法》正式施行。这是中国首部系统性的人工智能法律，标志着中国AI监管从碎片化管理进入了体系化治理的新阶段。 该法于2026年3月由全国人大常委会通过，共九章六十七条，涵盖AI系统分类、研发规范、使用规则、安全评估、国际合作等方面。与2023年的《生成式人工智能服务管理暂行办法》相比，新法在监管范围、责任划分和处罚力度上都有了质的飞跃。 核心制度设计 AI系统分级分类 新法最核心的制度是AI系统的分级分类管理： 第一级：不可接受风险（禁止） 社会评分系统 实时生物特征远程识别（执法场景除外） 操纵性AI系统（利用潜意识技术影响决策） 利用弱势群体特征的系统 第二级：高风险（严格审批） 医疗诊断AI 自动驾驶系统 金融决策AI（信贷审批、投资建议） 教育评价和选拔AI 就业筛选AI 司法辅助AI 关键基础设施管理AI 第三级：有限风险（备案+透明度义务） 聊天机器人 内容生成AI 推荐算法 情感识别系统 第四级：最小风险（自律管理） 垃圾邮件过滤 游戏AI 库存管理 其他未列入前三级的应用 算法备案制度 所有第三级及以上AI系统必须在国家AI监管平台进行算法备案，内容包括： 算法基本原理 训练数据来源和规模 模型架构和参数量 预期用途和使用限制 风险评估报告 应急处置预案 截至2026年6月底，已有超过2.8万个AI算法完成备案。 生成内容标识义务 新法明确要求所有AI生成内容必须带有可识别标识： 显性标识：用户可直接感知的标识（如"AI生成"水印） 隐性标识：嵌入文件元数据中的机器可读标识 内容溯源：对深度合成内容，必须保留原始素材信息 违反标识义务的，最高可处以500万元罚款。 对产业的影响 大模型公司：合规成本大幅上升 新法对大模型公司的影响最为直接： 1. 训练数据合规 新法要求训练数据必须"来源合法、内容合规"。这意味着： 网页爬取数据需验证是否违反robots协议 个人信息必须脱敏处理 需要保留数据来源证明链 某头部大模型公司估算，仅数据合规审查一项，就增加了约15%的训练成本。 2. 模型评估认证 高风险AI系统在上线前必须通过国家AI检测认证机构的评估，包括： 安全性测试（对抗攻击、越狱测试） 公平性测试（不同人群的性能差异） 鲁棒性测试（异常输入的处理能力） 可解释性评估 评估周期通常为2-4个月，费用在50-200万元不等。 3. 持续监测义务 模型上线后，运营者需要持续监测模型行为，定期提交安全报告。对于参数量超过100B的模型，每季度需提交一次详细安全报告。 应用层企业：业务模式面临调整 内容生成行业 AI生成内容标识义务对内容营销、影视制作等行业影响巨大。一家MCN公司反馈，其AI生成的短视频在添加标识后，平均完播率下降了12%，广告转化率下降了8%。 但长期来看，标识制度有助于建立用户信任。调查显示，68%的用户表示更愿意使用明确标注AI生成内容的平台。 金融行业 ...

2026年是全球AI监管从"立法年"走向"执行年"的关键转折点。欧盟AI法案全面生效、美国AI行政令进入实质执行阶段、中国算法治理体系持续完善——监管不再是纸面讨论，而是开始实质影响企业的日常运营。 欧盟：AI法案全面落地 执行时间线 欧盟AI法案（EU AI Act）于2024年8月正式生效，2026年是其全面执行的关键年份： 2026年2月2日：禁止类AI系统条款生效（社会评分、实时生物识别等） 2026年8月2日：通用AI模型（GPAI）条款生效，要求所有基础模型提供者履行透明度义务 2026年8月2日：高风险AI系统条款生效（医疗、招聘、教育等领域的AI系统需完成合规评估） GPAI条款的核心要求 通用AI模型条款是2026年最受关注的监管内容，其核心要求包括： 透明度义务：模型提供者必须公开训练数据的摘要、模型架构概述与训练方法 版权合规：必须制定版权合规政策，并提供"opt-out"机制供版权方拒绝数据使用 系统性风险评估：对于被认定为"具有系统性风险"的模型（训练算力超过10^25 FLOPs），需进行对抗性测试、报告严重事件、确保网络安全水平 技术文档：向欧盟AI办公室提交详细的技术文档 首批执法案例 2026年Q2，欧盟AI办公室对三家GPAI提供者发起了合规调查： 某美国大模型公司因未充分披露训练数据来源被警告 某中国AI公司因未指定欧盟代表被要求暂停服务 某开源模型平台因缺乏有效的版权投诉机制被调查 罚款方面，AI法案规定的最高罚款为全球营业额的7%。虽然尚未出现顶格罚款案例，但已有企业被处以数百万欧元罚款。 美国：行政令驱动的监管路径 Biden行政令的执行进展 2023年10月签署的AI行政令在2026年进入深度执行阶段： 算力报告义务：训练算力超过10^26 FLOPs的模型需向商务部报告。2026年H1共有14个模型触发报告义务 安全测试红队：NIST建立的AI安全测试框架已被40余家AI公司采纳，覆盖红队测试、能力评估、风险缓解全流程 基础设施安全：能源部对AI数据中心的网络安全审计已覆盖全美75%的大型AI数据中心 新立法进展 2026年，美国国会在AI立法方面取得了几项重要进展： AI Accountability Act：要求AI系统在联邦政府采购中通过独立审计，已于5月在参议院通过 Deepfake Disclosure Act：要求AI生成的音视频内容必须标注，众议院已通过，参议院审议中 CHILD AI Protection Act：禁止AI生成儿童性虐待材料，已两院通过并由总统签署 州级立法活跃 联邦层面立法相对缓慢，各州成为AI监管的"试验田"： 加州SB 1047修订版：在吸取2024年版本教训后，修订版聚焦于前沿模型安全评估，已于6月通过州议会 纽约州AI招聘法：要求使用AI进行招聘决策的企业进行偏见审计，已于1月生效 科罗拉多州AI消费者保护法：要求高风险AI系统向消费者披露，将于2026年9月生效 中国：算法治理体系深化 算法备案与安全评估 中国自2022年起实施的算法备案制度在2026年进一步完善： 截至2026年6月，累计完成算法备案超过4,500个 大模型备案从自愿改为强制，所有面向公众提供服务的LLM均需完成安全评估 新增"生成式AI服务内容安全评估"环节，要求模型提供者对生成内容进行实时安全过滤 深度合成管理规定修订 2026年3月，网信办发布修订版《深度合成管理规定》： 将"深度合成"范围扩展至所有AI生成内容（文本、图像、音频、视频） 要求平台对AI生成内容进行"不可见水印"标识 强化了对AI换脸、AI拟声的监管，需获得当事人书面授权 对违规平台设置了最高500万元罚款 数据跨境流动新规 2026年H1，中国对AI相关数据跨境流动做出新规定： 大模型训练数据出境需通过安全评估 模型权重与参数被纳入"重要数据"目录 跨境提供AI服务需在境内设立数据存储节点 其他地区的监管动态 英国：Pro-Innovation路径的调整 英国此前奉行"pro-innovation"的轻监管路线，但在2026年出现了明显调整： 设立AI安全研究所（AISI），对前沿模型进行强制安全测试 发布《前沿AI安全监管框架》，要求前沿模型开发者每年提交安全报告 加入G7 AI治理框架，与国际标准接轨 日本与韩国 日本修订《个人信息保护法》，新增AI自动化决策的限制条款 韩国通过《AI基本法》，设立AI委员会并建立分级风险管理体系 新加坡与阿联酋 新加坡推出AI治理框架v2.0，强调AI测试与认证 阿联酋设立AI监管局，成为全球首个设立专门AI监管机构的国家之一 对企业的影响与应对 合规成本攀升 根据Accenture的调查，2026年AI企业的平均合规支出占总收入的4-8%，较2024年的1-2%显著上升。大型AI公司的合规团队已扩展至200-500人。 ...

全球 AI 监管：2026 Q2 全景 2026 年 Q2 是全球 AI 监管的关键季度。欧盟 AI Act 进入全面执法阶段，美国联邦立法取得突破性进展，中国出台新规，国际合作框架逐步成形。 欧盟：AI Act 全面执法 高风险 AI 系统清单生效 2026 年 5 月 1 日，欧盟 AI Act 附件三中的"高风险 AI 系统"完整清单正式生效，涵盖以下领域： 生物识别：远程生物识别、情感识别 关键基础设施：水、电、交通管理系统 教育和职业培训：招生评估、考试监督 就业和劳动者管理：招聘筛选、绩效评估 基本服务：信用评分、保险定价 执法：测谎仪、证据评估 移民和边境管理：签证评估、边境监控 司法和民主进程：法律研究、选举影响 首批执法案例 案例一：Clearview AI 罚款 Q2 期间，欧盟对 Clearview AI 开出了 €9000 万的罚单，原因是其未经授权收集欧盟公民的生物识别数据。这是 AI Act 框架下最大的一笔罚款。 案例二：招聘 AI 歧视调查 欧盟 AI Office 对三家使用 AI 招聘工具的企业发起调查，发现这些工具对女性和少数族裔存在系统性歧视。涉事企业面临最高 €3500 万的罚款。 案例三：社交媒体推荐算法审计 欧盟要求 TikTok、Instagram 和 X 提交其推荐算法的 AI Act 合规报告。这是 AI Act 首次对大型平台的推荐系统进行系统性审计。 ...

概述 全球AI监管政策最新进展是AI智能体领域中全球AI监管政策最新进展的重要主题。本文将从多个角度深入分析这一话题，为读者提供系统性的认知框架和实践参考。 核心概念 基本定义 在深入讨论之前，我们需要明确几个核心概念。AI智能体是指能够感知环境、理解指令、规划行动并调用工具完成任务的AI系统。与传统的聊天机器人不同，智能体具有自主性、目标导向性和工具使用能力。 全球AI监管政策最新进展涉及的关键技术包括： 大语言模型：作为智能体的认知引擎，负责理解、推理和生成 工具调用：通过Function Calling或MCP协议与外部系统交互 记忆系统：短期记忆处理当前对话，长期记忆存储历史经验 规划引擎：将复杂任务分解为可执行的子步骤 技术原理 从技术层面看，全球AI监管政策最新进展的核心在于如何让AI系统更好地理解和执行人类意图。这涉及多个技术环节的协同： 首先是感知层，智能体需要准确理解用户的自然语言指令，提取关键信息和约束条件。其次是规划层，将高层目标分解为具体的执行步骤。然后是执行层，调用合适的工具完成每个步骤。最后是反馈层，根据执行结果调整后续策略。 实践分析 当前现状 在行业快报领域，当前的技术实践呈现出几个明显特征： 工程化程度提升：从实验室原型到生产级系统，工程能力成为关键差异化因素 评估体系完善：越来越多标准化的评测基准被提出，帮助开发者量化能力边界 开源生态繁荣：开源框架和工具链的成熟降低了开发门槛 安全意识增强：对AI安全和对齐问题的重视程度显著提升 关键挑战 尽管进展显著，全球AI监管政策最新进展仍面临几个核心挑战： 技术挑战： 大模型的幻觉问题在智能体场景下被放大，因为智能体需要做出实际决策 多步推理中的错误累积效应导致长程任务成功率下降 工具调用的可靠性受外部API稳定性影响 工程挑战： 智能体的可观测性不足，调试和排错困难 成本控制与性能优化的平衡 从单机到分布式部署的架构复杂性 安全挑战： Prompt注入等攻击手段不断进化 智能体权限管理需要更精细化的控制 数据隐私保护在多Agent协作场景下更加复杂 优化策略 针对上述挑战，以下是几个关键优化方向： 技术优化 分而治之：将复杂任务分解为可独立验证的子任务，降低单步错误影响 多路投票：对关键决策使用多次采样投票机制，提高可靠性 渐进式信任：智能体权限从最小化开始，根据表现逐步扩展 人在回路：高风险决策保留人工审核环节 工程优化 可观测性优先：建立完善的日志、指标和追踪体系 灰度发布：新版本智能体先在小流量环境验证 自动化测试：构建端到端测试套件，防止回归 成本监控：实时追踪Token消耗和API调用成本 案例研究 为了更具体地说明全球AI监管政策最新进展的实践价值，我们来看一个典型场景： 某科技公司在内部IT运维中部署了AI智能体，负责处理员工的工单请求。智能体需要理解员工的自然语言描述，判断问题类型，查询知识库，执行修复操作或转接人工。 实施过程中遇到的关键问题包括： 员工描述模糊导致意图识别错误 知识库信息过时导致给出错误建议 某些操作需要管理员权限存在安全风险 解决方案： 引入澄清对话机制，在不确定时主动追问 建立知识库更新流程，定期审核内容 实施权限分级制度，敏感操作需人工确认 效果：工单首次解决率提升35%，平均处理时间缩短60%，员工满意度显著提升。 未来趋势 全球AI监管政策最新进展的发展趋势值得关注： 标准化：MCP等开放协议将推动工具接口标准化，降低集成成本 垂直化：针对特定行业和场景的专用智能体将大量涌现 协作化：多智能体协作将成为复杂任务的标准解决方案 自主化：智能体的自主决策能力将持续提升，但需要配套的安全机制 结论 全球AI监管政策最新进展是AI智能体技术发展中的重要一环。无论是技术原理的深入理解，还是实践中的工程优化，都需要系统性思维。对于开发者和企业而言，关键在于： 理解技术能力和边界，避免过度期待 建立系统化的评估和监控体系 在创新和安全之间找到平衡 持续学习和适应快速变化的技术生态 硅基AGI探索者将持续关注行业快报领域的最新进展，为读者提供深度分析和实践指导。— ...

引言：AI 监管的全球加速时刻 2026 年是全球 AI 监管从"纸面法规"走向"实质执行"的关键年份。欧盟 AI Act 的核心条款已进入全面执行阶段，美国新一届政府在 AI 安全领域动作频频，中国的算法治理体系持续完善，各国在 AI 安全框架上的国际合作也在加速推进。对于任何从事 AI 开发和应用的企业而言，合规已不再是"可选项"，而是决定能否进入市场的"通行证"。 本文将系统梳理 2026 年全球主要经济体的 AI 监管政策现状，分析其核心要求与影响，并探讨企业应对策略。 一、欧盟：AI Act 全面落地 1.1 AI Act 执行时间线 欧盟 AI Act 于 2024 年正式通过，经过两年的过渡期，2026 年是其核心条款全面执行的关键节点： 2025 年 2 月：禁止类 AI 实践条款生效，包括社会评分、实时生物识别等 2025 年 8 月：通用 AI 模型（GPAI）义务生效，要求模型提供方披露训练数据摘要、遵守版权法 2026 年 8 月：高风险 AI 系统的全文义务生效，涵盖关键基础设施、教育、就业、执法等领域 1.2 高风险 AI 系统的核心要求 2026 年最关键的变化是高风险 AI 系统义务的全面执行。被归类为高风险的系统必须满足： 事前要求： 完成 conformity assessment（合规评估），部分系统需通过公告机构审查 建立风险管理系统，覆盖全生命周期 确保训练、验证数据的质量和相关性 提供详细的技术文档和使用说明 实现适当的透明度，让部署者能够理解系统输出 设计人类监督机制，确保人类可以有效干预 达到适当的准确性、稳健性和网络安全水平 事后要求： ...

引言：从自由市场到国家控制 2026 年 6 月，美国国会参议院情报委员会以 12-7 的投票结果通过了《人工智能国家安全与治理法案》（AI National Security and Governance Act, AINSGA）草案，提议对达到"关键能力阈值"的 AI 系统实施国家部分所有权和管理权。这一法案如果最终通过，将标志着美国 AI 产业政策自互联网诞生以来最根本性的转向。 一、法案核心内容 1.1 关键能力阈值 法案定义了触发国有化条款的"关键能力阈值"： 维度 阈值标准 测量方式 模型参数 ≥ 1 万亿 (1T) 公开技术报告 训练算力 ≥ 10^26 FLOPs 算力申报 推理能力 通过 AGI-1 基准 NIST 评估 自主性等级 ≥ L4 (有限监督) AISI 认证 用户规模 ≥ 1 亿月活 财报数据 营收 ≥ 100 亿美元/年 SEC 申报 满足 4 项以上即被列为"国家关键 AI 资产"(National Critical AI Asset, NCAIA)。 1.2 国有化管理措施 对被认定为 NCAIA 的实体，法案提出以下措施： ...