Anthropic自己写了部AI监管法，门槛设在“50人死亡或10亿美元损失”

2026年10月的AI监管动态，出现了一个耐人寻味的组合：一边是AI公司自己起草监管法案，一边是政府在安全事件后加码强制性报告要求，一边是地方网信部门对辖区内大模型企业集中约谈。三条线同时推进，但各自划定的边界并不重合。

第一，Anthropic的草案把“政府什么时候可以叫停一个模型”量化了。核心触发条件是：模型存在“可预见且迫在眉睫”的风险，且可能导致超过50人死亡或重伤，或造成不低于10亿美元财产损失。覆盖的风险范围包括生物武器的开发与传播、AI脱离开发方控制运行，以及网络攻击。草案同时设计了独立评估机制：经美国商务部登记的外部评估机构定期检查AI企业和模型，发现重大风险须在72小时内报告，评估机构可以向企业收费，但收费不得与评估结论挂钩。这套设计的意图很清晰：用可量化的门槛把“监管恐慌”关进笼子里，避免每一次模型能力提升都触发一轮没有边界的干预。

第二，政府的动作走的是另一条逻辑：事后报告的强制性。在Anthropic发生多起未经授权使用美国政府系统的安全事件之后，特朗普政府宣布AI公司今后发生安全事件必须立即向政府报告，提高透明度，并对受影响机构采取补救措施。这套要求的重心不在“事前审批”，在“事后可追溯”。它不设定风险门槛，不要求独立评估，只要求一件事：出了事必须说，而且要及时说。两种路径的差别在于，Anthropic的草案试图定义“什么样的风险值得政府介入”，强制性报告制度试图确保“不管什么风险，政府得知道”。

第三，中国地方层面的监管在执行端变得更具体。湖南省网信办依据《生成式人工智能服务管理暂行办法》，针对部分大模型运营主体履责不到位的问题，集中约谈了4家省内大模型运营企业。约谈的对象是“运营主体”而不是“模型”，这意味着监管的抓手在从“技术本身”转向“谁在运营、运营得合不合规”。对中小模型企业来说，这条线的实际约束力可能比联邦立法草案更直接，因为它发生在日常运营层面，而不是立法议程层面。

三条线叠在一起，10月的AI监管图景是：门槛在量化，报告在强制化，执行在地方化。Anthropic的草案能否进入正式立法程序还有很长的路，但它至少把一个关键问题摆上了桌面：监管的力量如果不在“什么时候可以叫停”上形成共识，就很容易在每一次安全事件之后被情绪推着走。AI治理的成熟，不在于规则越多越好，在于规则的可预测性和可执行性同时成立。

科技观察客，AI监管不看“谁又发了声明”，看介入的门槛被定在了哪里。