Category: 伦理与政策

7 月 8 日 Anthropic 更新的消费者隐私政策正式生效，允许公司基于“善意相信”主动向执法机构分享用户对话数据，无需法院命令，同时扩大身份验证和数据收集范围。这一调整正值全球 AI 监管加速之际，立即引发外界对用户信任与模型训练边界的讨论。 与 Google、Meta 等巨头此前类似政策相比，Anthropic 此举更为激进：前者多通过“用户同意”或“公开数据”灰色地带推进，而 Anthropic 直接将“内部判断”作为分享依据。同期欧盟 7 月 7 日发布的网络安全与人工智能行动计划，正强调对高风险 AI 系统的数据治理收紧，二者形成鲜明对比——欧洲侧重事前约束，美国实验室则依赖事后自证。 这一变化本质反映前沿实验室在算力与数据双重压力下的现实选择。模型性能迭代需要海量真实对话数据，订阅用户增长却放缓，隐私让步成为短期解法。然而，过去 OpenAI、Anthropic 均因数据争议面临用户流失与监管审查，此次政策或进一步放大信任裂痕。 未来六到十二个月，关键悬念在于：监管是否会要求所有前沿模型公开数据使用审计报告，还是实验室将通过差异化隐私工具抢夺企业用户？若后者胜出，消费者端信任可能持续流向开源或本地部署方案。 信源：https://www.medianama.com/2026/06/223-anthropic-widens-data-collection-id-verification-government-id-selfie-claude-users/ https://digital-strategy.ec.europa.eu/en/news/commission-presents-eu-action-plan-cybersecurity-and-artificial-intelligence https://techjacksolutions.com/ai-brief/anthropic-consumer-privacy-policy-takes-effect-july-8-what-t/ ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信

日本政府7月7日宣布成立新委员会，全面 overhaul 现行法律框架以应对人工智能发展。该委员会由前首相岸田文雄时期的数字行政财政改革委员会改组而成，重点审视AI开发、使用及责任归属等法规。 此举正值全球AI治理加速之际。美国、欧盟已分别推进自愿标准和AI Act执法，日本此前相对滞后。此次改革旨在平衡创新激励与风险管控，涵盖数据隐私、算法透明度及跨境数据流动等议题。日本内阁官房长官木原实强调，需与产业界、学术界及公民社会协作，确保法规与技术演进同步。 与中美“先发展后规范”路径不同，日本选择同步立法，类似欧盟但更侧重产业友好。分析人士指出，这可能吸引外资同时限制高风险应用落地速度。下一步值得关注的是委员会首份报告发布时间及具体修订清单。 信源：https://www.japantimes.co.jp/news/2026/07/07/japan/ai-new-council/ ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信

伊利诺伊州州长JB·普里茨克7月6日在芝加哥签署《人工智能安全措施法案》，要求前沿AI模型开发者公开安全实践、报告重大安全事件并建立内部合规程序。该法案将于2028年生效，被视为全美最具保护性的州级AI监管之一。 法案仿照加州和纽约模式，赋予州政府对最先进模型的审计权，并为员工提供举报渠道与保护。普里茨克表示，此举旨在“在AI重塑经济与社会前建立问责机制”。伊利诺伊州由此成为继加州、纽约之后第三个通过类似立法的州，标志州级监管正从碎片化走向系统化。 与联邦层面特朗普政府偏好“自愿标准”不同，州政府正通过具体合规要求填补空白。加州已率先要求模型安全测试，纽约侧重偏见审计，伊利诺伊则强调事件报告与 whistleblower 保护，三州形成互补。开发者若在这些州运营，将面临更高透明度门槛，可能加速行业合规成本上升。 此举凸显AI治理从“能力竞赛”转向“信任建设”。未来6-12个月，若更多州跟进，联邦层面或被迫协调，否则地方法规碎片化风险将迫使大模型公司调整部署策略。 信源：https://abc7chicago.com/post/illinois-governor-jb-pritzker-sign-ai-bill-law/19457902/ ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信

7月6日，Partnership on AI（PAI）在日内瓦宣布推出Global AI Progress Hub和《Global Responsible AI: Measures of Progress》报告，首次建立多利益相关方参与的公开记录机制，追踪AI治理实际进展。这与同期举行的联合国AI治理全球对话形成呼应，标志着治理讨论从原则宣示进入可量化阶段。[[1]](https://sg.finance.yahoo.com/news/partnership-ai-announces-global-initiatives-151700073.html) 这一动作发生在AI资本军备赛与监管碎片化并行的背景下。过去一年，OpenAI与Anthropic等实验室多次发布安全承诺，但外界缺乏独立验证渠道；欧盟AI Act强调合规，特朗普政府则偏好自愿标准。PAI新平台试图弥合这一鸿沟，通过独立报告和公开数据，让企业、政策制定者和公民社会共享同一套评估框架。 与公司自报数据相比，PAI的多方模式更具公信力，但也面临执行挑战。类似联合国框架的松散协调，容易陷入“承诺多、落地少”的困境。若Hub能吸引主流实验室定期提交可审计指标，或将推动行业从“能力竞赛”转向“信任竞赛”。 未来6-12个月，这一平台能否成为事实上的行业基准，仍取决于首批报告的透明度和采纳率。若数据缺口明显，治理或将重回区域性监管轨道。 信源： https://sg.finance.yahoo.com/news/partnership-ai-announces-global-initiatives-151700073.html https://partnershiponai.org/partner-forum-2026/ ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信

2026年7月6日，TechCrunch报道，谷歌近期调整隐私政策，允许其存储更多用户上传至搜索服务的数据，包括图像、文件、音频和视频记录，用于训练AI模型。除非用户主动选择退出，否则这些数据将被用于改进其AI系统。 这一变化意味着，任何通过谷歌搜索或相关服务上传的媒体内容，都可能成为AI训练素材。此前谷歌已就部分数据使用征求用户同意，但此次更新扩大了范围，引发隐私担忧。用户可通过谷歌账户设置中的“数据与隐私”或特定AI训练选项进行退出操作。 这一举措发生在AI数据需求激增的背景下。多家科技巨头正面临数据短缺压力，谷歌此举被视为应对算力与数据瓶颈的实际步骤。与此同时，英国金融行为监管局（FCA）官员同日表示，应考虑将ChatGPT、Claude等大型语言模型作为通用AI工具进行监管，以应对其对消费者金融决策的影响。 相比之下，美国部分州已加速AI监管落地，伊利诺伊州州长近日签署了全国最严格的前沿AI模型安全法案。这些动态显示，AI训练数据的获取与治理正成为全球焦点。 从行业格局看，谷歌此举可能加剧用户与平台之间的信任博弈，也为其他公司提供参考。未来6-12个月，类似隐私退出机制或成标配，但监管与企业数据策略的拉锯仍将持续。 信源：https://techcrunch.com/2026/07/06/if-you-use-google-youre-training-its-ai-heres-how-to-opt-out/ ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信

Anthropic近日公开呼吁领先AI实验室共同开发一套共享的“刹车踏板”，以协调放缓前沿模型开发节奏。该公司指出，AI已在加速自身迭代，当前发展速度已超出单一实验室可控范围，需要行业层面的集体机制来降低失控风险。[[1]](https://qz.com/anthropic-ai-pause-brake-pedal-coordination-labs-060526) 这一表态发生在AI资本与算力军备赛持续升温的背景下。此前多家实验室已通过自研芯片、限制访问或调整定价策略争夺优势，而Anthropic的提议直指开源与封闭路径的分化可能带来的系统性隐患。与此同时，微软、谷歌等巨头正通过大规模部署团队和基础设施投入加速落地，企业级AI应用正从演示走向真实运营。 相比OpenAI此前强调“限制不应成为常态”的表态，Anthropic更侧重跨实验室协调，反映出安全优先与速度优先两种路径的进一步分化。短期内，这一倡议能否获得其他实验室响应，将直接影响2026下半年模型发布节奏与监管预期。 下一步值得跟踪的是，Anthropic是否会牵头具体技术标准或与政府合作落地“刹车”框架，以及竞争对手的公开回应。 信源：https://qz.com/anthropic-ai-pause-brake-pedal-coordination-labs-060526 ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信

7 月 5 日，美国 CMS（医疗保险与补助服务中心）正式启动 ACCESS（Advancing Chronic Care with Effective, Scalable Solutions）模型，这是一个为期 10 年的自愿支付试点，首次将结果导向支付（Outcome-Aligned Payments）与 AI 支持的远程监测、风险分层和护理工作流深度绑定。首批参与机构包括 Attune AI、Slingshot AI 等多家科技驱动的护理组织，覆盖糖尿病、肥胖、慢性疼痛和抑郁等高发慢性病，目标是为数千万 Original Medicare 受益人提供技术赋能的连续护理。 这一动作标志着 AI 从“聊天框演示”向真实世界大规模运营的又一次跨越。过去几年，Palantir 在企业 ontology 上调度车队、Waymo 在多城部署无人车队，都已证明 AI 可接管数十万级物理或触点资产；ACCESS 则把同样逻辑带入医保支付体系，用 AI 实时风险预测和自动化护理协调替代传统按服务付费，预计将显著降低再入院率和总支出。 与此同时，微软 7 月初宣布以 25 亿美元成立 Frontier 公司专攻企业 AI 落地，Cisco 计划在 9 万名员工中全面 rollout AI 代理，二者均聚焦“部署效率”而非单纯模型性能。相比之下，ACCESS 的政府支付杠杆更直接——它直接重构医保这一万亿美元市场的激励机制，迫使传统医院和初创公司围绕 AI 工具重构流程。 未来 […]

7月6日至7日，联合国首次AI治理全球对话在瑞士日内瓦Palexpo会议中心举行，来自成员国、私营部门、学术界和民间社会的代表齐聚一堂，讨论全球AI治理框架。该对话与WSIS论坛及ITU AI for Good峰会同期举行，直播通过UN WebTV开放。[[1]](https://www.un.org/global-dialogue-ai-governance/en)[[2]](https://www.itu.int/en/mediacentre/Pages/MA-2026-06-02-UN-Dialogue.aspx) 对话背景是AI发展速度远超各国监管能力。2025年8月，联合国成员国已设立全球AI治理对话机制与独立国际AI科学小组，本次会议为首届正式会谈，重点包括高阶段落、专题讨论及边会，旨在建立多边合作平台。[[3]](https://www.youtube.com/watch?v=zALv9fAk_Fw) 与美国特朗普政府拟推自愿AI模型标准形成对比，此次对话强调“无一国能单独治理AI”，南方国家与欧洲主权AI诉求或成焦点。会议将产出初步共识，为后续国际规则奠基。 下一步值得跟踪：7月对话成果如何影响美欧中AI出口管制与数据流动规则，以及科学小组独立报告的落地节奏。 信源：https://www.un.org/global-dialogue-ai-governance/en https://www.itu.int/en/mediacentre/Pages/MA-2026-06-02-UN-Dialogue.aspx ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信

OpenAI CEO Sam Altman近日表示，行业此前“低估了我们能将人置于一切中心”的能力。Anthropic CEO Dario Amodei也从2025年警告AI可能淘汰一半入门级岗位，转而强调企业可“用相同资源做更多事”，而非单纯裁员。Meta CEO马克·扎克伯格则在采访中指出，若企业优先提升生产力速度而非自动化，“理论上未来就业会增加而非减少”。 这一表态转变发生在AI基建与应用加速落地的背景下。过去一年，AI被普遍视为劳动力市场的颠覆者，引发监管与社会焦虑。但随着推理成本快速下降、企业开始探索“人机协作”而非替代模式，巨头们开始调整叙事。相比之下，中国模型如Qwen等正以更低价格切入市场，迫使美企更注重实际生产力提升而非单纯规模扩张。 此轮转向或反映AI从“演示”走向“实操”阶段的现实压力。若生产力红利能被企业捕捉并转化为新岗位，AI就业冲击或被低估；反之，短期结构性失业风险仍高。接下来值得跟踪的是，2026下半年企业财报中“AI驱动新增岗位”数据能否印证这一乐观预期。 信源：https://www.wsj.com/tech/ai/ai-workers-tech-ceos-job-losses-afc71e15 ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信

7 月 4 日，《纽约时报》报道称，美国选民在投票前越来越多地向 AI 工具咨询“该投给谁”，这一现象已从边缘实验走向主流实践。部分选民直接将政策立场输入模型，获取个性化推荐，AI 正快速嵌入选举决策链条。 这一趋势背后是 AI 代理从消费场景向公共领域渗透。过去一年，ChatGPT、Claude 等工具的用户基数激增，模型对政策文本的理解能力提升，使其成为“低成本政治顾问”。对比传统民调或党派媒体，AI 推荐更个性化，却缺乏透明度和问责机制。OpenAI 与 Anthropic 此前已多次收紧模型访问以应对滥用，此次投票场景再次暴露治理滞后。 与欧洲主权 AI 强调监管不同，美国州级和联邦层面仍以自愿标准为主。特朗普政府此前推动的 AI 创新安全行政令强调“护栏越少越好”，这与选民对 AI 依赖形成张力。数据层面，Gallup 早前显示半数美国员工已在工作中使用 AI，政治领域只是自然延伸。 未来 6-12 个月，AI 投票顾问或将催生新监管：模型是否需披露训练数据中的政治偏见？平台是否应限制选举相关查询？若无干预，算法可能放大回音室效应，削弱公共辩论。关键悬念在于，2026 年中期选举前，主流模型提供商会否主动设置“政治防火墙”。 信源： https://www.nytimes.com/2026/07/04/us/ai-voting-advice.html https://x.com/haddadmedia/status/2073462814295908519 ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信