Anthropic为何催促各州加速AI立法？

去年，Anthropic曾高调支持加州SB 1047和纽约州AI透明度法案，被视为科技企业拥抱监管的典范。然而，该公司的美国州和地方政策负责人Katherine Forrest日前在接受专访时语出惊人：“这些法律在签署时就已经落后于技术发展。”这一表态揭示了Anthropic当前的核心诉求：各州应大幅缩短立法周期，建立快速响应机制。

为什么法律会“过期”

Forrest指出，传统立法流程通常需要18到24个月，而AI模型的能力每6到9个月就会翻倍。以加州SB 1047为例，其条款主要针对参数规模超过10亿的模型，但如今主流前沿模型已突破万亿参数，且涌现出多模态、自主代理等新能力。这意味着法律设定的门槛和测试要求，在实操中可能无法覆盖最危险的应用场景。

“我们不是在反对监管，而是在呼吁监管的速度必须跟上创新的步伐。”——Katherine Forrest

Anthropic为此提出了“迭代式立法”概念：各州每年对AI法规进行一次技术审计，并根据最新威胁调整义务。这种动态监管模式类似于欧盟《人工智能法案》中的“分层框架”，但更强调时效性。该公司甚至主动向立法者提供内部模型卡和红队测试报告，帮助政策制定者理解当前风险。

行业分裂的监管战场

Anthropic的立场与其他大型AI公司形成鲜明对比。OpenAI和Google更倾向于联邦层面统一立法，以避免州级监管碎片化带来的合规成本。而Meta则公开反对任何强制性透明度要求，认为会泄露商业机密。Anthropic之所以选择“押注”州级立法，源自其核心使命——在安全与开放之间寻求平衡。作为一家以宪法AI（Constitutional AI）为特色的公司，它需要监管来建立公众信任，同时又不希望被繁琐的合规流程拖累。

值得关注的是，Anthropic并非单纯呼吁“快”，而是精准锁定“关键领域”：模型发布的强制前审计、高风险应用的实时监控、以及第三方审计机构的准入资格。Forrest透露，公司已向科罗拉多州和伊利诺伊州提交了立法建议草案，可能影响2027年的州议会议程。

编者按：监管博弈中的“时间悖论”

Anthropic的焦虑折射出AI治理的根本悖论——过早立法可能扼杀创新，过晚立法则让危害先于规则扩散。该公司选择推动州级“快车道”，本质上是押注分布式实验：50个州的立法博弈或许能催生更灵活的监管样板，但也可能导致企业逃避到监管最宽松的州。这种“逐底竞争”的风险，正是联邦立法迟迟难以推进的原因之一。Anthropic的激进姿态是否能引领行业走向平衡，还是加速监管碎片化？答案或许就在下一个立法周期中。

本文编译自WIRED