Category: 伦理与政策

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

7月4日，康涅狄格州州长Ned Lamont宣布，该州正式加入RAISE US全国性非营利组织发起的AI劳动力倡议，成为阿肯色、马里兰、犹他等首批伙伴州之一。该计划已获得亚马逊、Anthropic、微软、OpenAI基金会等机构超过5亿美元承诺，目标是帮助工人、雇主和教育机构应对AI对就业的冲击。 这一动作并非孤例。过去一年，美国多州已从单纯监管转向主动布局再培训：俄亥俄州AI政策强制截止日前后，多地推出类似技能升级项目；与此同时，AI驱动的效率提升正加速劳动力分化——印度IT行业招聘逆势增长16%，但传统岗位流失压力同步放大。中国企业则更侧重“内部消化”，阿里全面禁用Claude、腾讯升级暑期未保AI双引擎，反映出不同市场对AI落地节奏的判断差异。 根本驱动力在于资本与技术的双重挤压。AI token价格下滑叠加算力军备赛，使企业更倾向用自动化替代而非增聘；与此同时，州级政府意识到，若不提前重塑技能供给，AI红利将集中于少数高技能群体，放大社会裂痕。RAISE US模式强调公私合作、行业-led课程，与单纯政府补贴或企业内部培训形成对比，前者更注重跨州规模效应。 未来6-12个月，更多州或将跟进，关键悬念在于：这些计划能否真正将再培训转化为高薪AI相关岗位，还是仅停留在“技能证书”层面。就业数据的持续跟踪，将决定AI叙事是否从“效率革命”转向“包容性转型”。 信源：https://bristoledition.org/blog/2026/07/04/connecticut-joins-national-ai-workforce-initiative/ https://portal.ct.gov/governor/news/press-releases/2026/06-2026/governor-lamont-announces-connecticut-partnering-in-raise-us https://www.edtechinnovationhub.com/news/raise-us-launches-with-500-million-plus-secured-for-ai-workforce-programs ✕ 📱 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

特朗普政府近日签署行政令，要求AI公司自愿在最强大模型公开发布前，向联邦政府提供30天预览窗口。这一条款旨在平衡国家安全与创新速度，标志着美国AI政策从“事后监管”转向“事前嵌入”。[[1]](https://www.facebook.com/quartznews/posts/icymi-trump-wants-the-government-to-have-early-access-to-powerful-ai-models-the-/1380384563957358/) 此举发生在AI算力军备赛白热化、模型迭代加速的背景下。OpenAI与Anthropic此前已因安全审查多次调整发布节奏，而特朗普此前的行政令更侧重“护栏越少越好”，本次则明确要求政府优先接入，反映出地缘博弈下对技术控制权的争夺。相比欧盟AI Act的合规重压，美国选择“政府优先”路径，既避免全面禁令，又通过早期审查降低风险。 与Meta、谷歌等“开源或半开源”策略对比，闭源前沿实验室如Anthropic和OpenAI将面临更大合规成本——30天窗口可能延缓商业化，但换取监管确定性。对中国模型而言，这或许是窗口期：审查收紧美系出口的同时，本土加速出海或填补新兴市场空白。 悬念在于执行细节：自愿标准是否会演变为事实强制？若多家实验室同步延后发布，2026下半年模型竞赛节奏或将整体放缓，垂直应用落地反而成为新焦点。 信源： https://www.facebook.com/quartznews/posts/icymi-trump-wants-the-government-to-have-early-access-to-powerful-ai-models-the-/1380384563957358/ https://www.reuters.com/technology/artificial-intelligence/ ✕ 📱 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 3 日，记者 Karen Hao 在 Democracy Now 节目中讨论其新书《Empire of AI》，直指 OpenAI 等公司将 AI 发展包装成“准宗教式”使命，却实质上制造了新的殖民式权力结构，威胁民主与全球公平。这一表态迅速引发行业关注，成为过去 48 小时内最实质性的公共话语事件。 Hao 的核心论点并非新意，而是将 OpenAI 的高速扩张置于更广阔的地缘与社会语境：数据中心能耗激增、南方国家被边缘化、监管滞后下的资本集中。她引用实际案例指出，AI 基础设施的全球布局正复制历史殖民模式——算力与数据流向少数中心，而成本由边缘地区承担。这与 Meta、Anthropic 等公司近期在企业落地与安全审查上的收缩形成对比，后者更注重合规避险，而 OpenAI 的“加速主义”叙事则放大公众疑虑。 与此同时，Alphabet 完成 847.5 亿美元股权融资押注算力基建、英伟达推出基建分成模式等动作，显示资本仍在狂飙。但 Hao 的观察揭示根本驱动：当 AI 从 demo 走向真实世界运营，效率红利之外的外部性（能源、隐私、就业）正被强制定价。过去 OpenAI 以“造福人类”凝聚人才与投资，如今准宗教叙事遇冷，类似 Anthropic 收紧访问或 Meta 承认代理进展慢于预期的务实转向，可能成为新常态。 未来 6-12 个月，AI 公司将面临更激烈的叙事战：是继续高举使命，还是转向透明治理？若公众信任持续流失，政策收紧与资本再分配将加速分化，OpenAI 等头部玩家的估值逻辑或迎来实质性重估。 信源： https://www.democracynow.org/shows/2026/07/03 https://www.buildfastwithai.com/blogs/ai-news-today-july-4-2026 ✕ 📱 分享到微信 📤 […]

7月3日发布的AI立法更新显示，加州州长纽森6月30日签署AB 2148法案，明确要求公立中小学员工及承包商必须为自然人；新泽西州两院通过A 4015“儿童代码法案”，对社交媒体平台新增隐私、安全及家长控制要求。宾州议员则在7月4日前休会，待下周继续推进AI相关立法。 这一波州级动作凸显美国AI治理正从联邦层面转向碎片化州监管。加州目前仍有30余项AI法案待二读，涵盖从聊天机器人安全、版权溯源到劳动力影响评估等多领域；新泽西法案则直接针对儿童接触AI生成内容的风险。相比之下，特朗普政府更强调“护栏越少越好”的创新优先，联邦层面尚未形成统一框架。 与欧盟AI Act的集中式分级监管、中国的模型备案与安全审查相比，美国州级立法成本更高却更灵活。企业需同时满足加州“人机分离”教育规则与新泽西平台责任，可能推高合规支出，尤其对教育科技和社交产品影响显著。Alphabet、Meta等大厂已在多州面临类似压力，而初创公司则更易因规则差异被迫调整产品路线。 这一趋势短期内或加剧监管套利，但长期可能倒逼行业形成事实上的全国标准。未来6-12个月，关键看宾州及加州剩余法案落地后，是否引发更多州跟进或联邦被迫统一协调。 信源：https://www.transparencycoalition.ai/news/ai-legislative-update-july3-2026 (2026-07-03) https://www.marketingprofs.com/opinions/2026/55197/ai-update-july-3-2026-ai-news-and-views-from-the-past-week (2026-07-03) ✕ 📱 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