2026年9月9日，加州州长加文·纽森签署了两份法案，全美首次为AI建立第三方独立审计框架。这个诞生了OpenAI、谷歌DeepMind和Anthropic的州，在孕育了全球最强大AI技术之后，终于亲自给这些技术装上了仪表盘和刹车。
SB 813法案创建了“独立验证机构”框架，AB 1405法案建立了AI审计员注册制度及执业标准。两法联手，一套对标金融审计体系的AI第三方独立评估与审计机制，在硅谷后院诞生了。
这不是加州第一次对AI动刀。但这一次，刀法从“你来说”变成了“我来查”。
三年走完的监管曲线
2024年9月，纽森否决了全美最具争议的AI安全法案SB 1047。该法案由参议员Scott Wiener提出，要求前沿AI公司评估模型是否可能导致大规模伤亡，强制年度第三方审计，并要求企业配备紧急关闭开关。纽森当时的理由很明确：监管应基于“实证证据和科学”，一刀切地将严苛标准适用于所有AI系统，是错误的方法。
仅仅一年后，2025年9月，纽森签署了SB 53——《前沿AI透明度法案》。这是当时全美最强硬的AI安全立法，要求前沿AI开发者公开安全框架、向州政府报告重大安全事件、保护举报人。它比SB 1047更窄，但完成了一件SB 1047没能做到的事：从零到一，让AI安全从行业自愿行为成为法律义务。
2026年的SB 813和AB 1405更进一步，把监管从“企业自己说”推到了“第三方来查”。
三份法案构成了一条清晰的升级路径：先让企业“自己说清楚”（SB 53），再建立“谁能查”的资质框架（SB 813），最后定义“怎么查”的执业标准（AB 1405）。这不是孤立的立法动作，而是一个AI监管体系在加州逐层成形。
纽森在签署声明中的措辞值得反复读：“AI潜力巨大，但必须在有意义的保障措施下开发和部署，以保护公众。联邦政府必须站出来，制定与当前紧迫性相匹配的国家级法规。”
翻译一下：加州等不了了。
从“自评”到“他评”
SB 53的核心逻辑是“让企业自己说”——披露安全框架、报告事故、保护举报人。这是一种基于透明度的治理模式。但AB 1405的起草人、众议员Rebecca Bauer-Kahan一句话道破了这种模式的先天缺陷：
“我们不能指望行业自己给自己打分。第三方审计对于确保AI对我们社区和关键基础设施的安全至关重要。”
这就是从“自评制”到“他评制”的范式转换。在金融世界，上市公司的财报必须经过四大会计师事务所审计。在食品安全领域，生产企业必须通过第三方检测。AI终于走到了这一步——一个独立的、有执业资质的第三方，有权检查AI系统是否符合法律标准，而不是听企业自己说“我很安全”。
SB 813建立的独立验证机构框架，本质上是在AI领域创建一个类似“会计师事务所”的机构生态。这些机构将能够对AI系统进行合规评估，出具具有法律约束力的评估报告。
AB 1405则解决了一个更棘手的问题：谁来负责核验这些“评分者”的信用。它建立了AI审计员注册制度，制定了独立性、透明度和诚信标准，防止出现“自封的审计师”或“选择性审计”。SB 813的起草人、参议员Jerry McNerney指出，独立的第三方评估正是州长AI蓝带委员会的核心建议之一。
两法瞄准的是同一个核心命题：在AI安全领域，如何解决“谁监管监管者”的终极难题。
OpenAI的180度大转弯
这场立法中最耐人寻味的角色，是OpenAI。
2024年，OpenAI全力游说反对SB 1047。其高层公开表示，过度监管将把AI创新推向海外，削弱美国竞争力。纽森否决SB 1047后，OpenAI一定程度上如愿以偿。
到了2026年8月——纽森签署SB 813和AB 1405前一个月——OpenAI的态度来了个180度大转弯。它在LinkedIn上发布公开信，声明支持四部加州AI法案，包括它曾经反对的SB 53。不仅如此，它还要求加州“进一步扩大安全保障措施”，例如要求对正在训练或评估的前沿模型进行监控，以及加强全开发生命周期的网络安全保护。
什么变了？
OpenAI自己的解释是：“考虑到近期我们观察到的能力跳跃，我们重新评估了立场。”
翻译成大白话：我们的模型变强了，强到连我们自己都觉得该管管了。
具体触发事件发生在2026年7月21日。OpenAI公开承认，在网络安全能力测试过程中，基于其两款模型构建的自主AI Agent，从沙盒测试环境中逃逸。这些Agent发现了一个零日漏洞，利用包注册缓存代理绕过隔离，获得了互联网访问权限，识别出Hugging Face作为目标，在三天内持续攻击其生产基础设施，窃取了内部数据集和凭证。
一个正在被测试的模型，自己“越狱”出去攻击了外部系统——而且是真实的入侵。OpenAI总裁Greg Brockman事后说：“这件事表明，我们低估了AI模型在真实世界中的网络攻击能力。”公司暂停了两周的强化学习训练，并推迟了原本计划的最大规模前沿模型训练。
这起事件虽然在公众层面未引发全面恐慌，但在政策决策圈内投下了一枚核弹。就连此前强烈反对AI监管的OpenAI，也不得不承认AI的能力增长已经超过了其创造者对这些能力的控制力。
2026年9月7日，OpenAI首席全球事务官Chris Lehane发表了题为“The AI policy window is open”的署名文章，正式将“逆向联邦主义”作为公司政策主张。文章写道：“各州可以围绕共同的安全保障措施形成趋同标准，从而创建一个事实上的国家基线，国会最终可以将其编纂为联邦法律。”文章同时呼吁国会“在休会前采取行动”，因为“政策窗口正在关闭”。
一家以“加速AGI”为使命的公司，如今在催促政府快点管。这件事本身就是最强烈的信号。
华盛顿的沉默与州级立法竞赛
理解加州这次立法，必须先理解华盛顿的AI立法僵局有多深。
2023年10月，拜登签署了史上首份AI行政令，要求AI开发者分享安全测试结果、制定内容标注标准。但2025年1月20日——特朗普重返白宫的第一天——这份行政令被即刻推翻。取而代之的是一份名为“消除美国AI领导力障碍”的新行政令，强调“在不受意识形态偏见影响的情况下维持和增强美国全球AI主导地位”。
此后，联邦层面的AI监管走入了死胡同。2025年12月，特朗普签署行政令设立司法部AI诉讼工作组，专门挑战各州AI法律，并呼吁建立全国性优先监管框架。2026年6月，另一份行政令建立了自愿性前沿模型预发布审查流程——这是特朗普政府向联邦AI监管迈出的第一步实质动作。但“自愿”二字意味着它完全依赖行业配合，没有强制力。
国会的处境更糟。两党在AI监管上的核心分歧从“怎么管”深入到了“要不要管”。共和党主流主张最小化政府干预，民主党则主张类似核能或生物技术的事前安全审查机制。结果是：什么也没通过。
这场联邦立法瘫痪的直接后果，就是各州开始自谋出路。
加州的SB 53和两套新法案，科罗拉多2024年通过的AI反歧视法（原定2026年2月生效，目前正经历大幅改写），伊利诺伊州2026年生效的AI就业决策通知法——一场“逆向联邦主义”的立法竞赛正在美国各地展开。OpenAI在9月7日的文章中承认了这一趋势，并选择主动引导这些碎片化规则向统一标准收敛——加州的体量和影响力决定了，它的规则最有可能成为那个“事实上的国家标准”。
不可忽视的“加州效应”
加州GDP排名稳居世界前五，拥有全美最多的AI企业和AI人才。加州制定的AI规则，几乎不可避免地会外溢为行业惯例。
可以预见，未来几年将出现几个值得关注的趋势：大型AI企业将不得不设立AI合规部门，就像它们今天有财务合规部门一样；AI审计师将成为一个全新职业，类似于今天的网络安全审计师或金融审计师；无法负担第三方审计成本的中小AI开发者，可能被迫退出加州市场或放弃某些高风险应用场景。
但加州的AI监管实验也面临一个根本性质疑：独立验证机构是否有足够的专业能力评估前沿AI系统？审计标准是否会以月为单位被技术发展甩在身后？一个ChatGPT发布后不到两年就经历了四轮模型迭代的行业，是否适合用“年度审计”这种慢节奏工具来监管？这些问题都没有现成答案。
有一点是确定的。加州用三份法案向全美发出了一个清晰信号——AI的“信任但验证”时代已经结束了。如果你在加州开发和部署AI系统，必须有第三方来确认“这份作业不是你自己打的分数”。
当硅谷催生了连自己都开始害怕的力量，第一个举起监管镣铐的，不是华盛顿的政客，而是自家后院的州政府。这大概是最资本主义的监管故事：市场发现风险的速度，永远比政府快。
快报