猜猜看，立法者们？运行时才是监管者

2026年6月27日，迈克·海兰（Mike Hyland）发表文章指出，当立法者们还在起草法规和进行磋商时，真正的AI监管者早已上任——它运行在运行时中，以机器速度执行，并决定什么才是实际有效的。

AI政策圈中普遍存在一种假设，认为治理是书写下来的东西：起草法规、举行磋商、发布框架，然后数年过去，合规随之而来。这种模式在监管的系统缓慢、可读且外部可观察时是有效的，但当系统是自我重写、委托决策、调用工具并以机器速度运行的软件时，它便不再适用。

本月早些时候，这两个世界之间的差距变得不可忽视。6月13日，在Anthropic推出Claude Fable 5和Mythos 5三天后，美国政府下令暂停其访问权限。没有投票、没有法庭、没有长达数月的监管程序。华盛顿直接动用出口管制，API随之关闭。前沿模型不再像软件产品，而更像是需要许可才能访问的受监管资产。

但令人不安的现实是：AI已不能主要由法律来治理，它实际上由系统设计来治理。而且，越来越多执行治理的不是立法者，而是实施零信任基础设施的工程师。

监管控制的幻觉

Anthropic停用并非孤立事件。OpenAI对GPT-5.6 Sol的受控部署不仅是产品门控，更是与政府利益相关者协调的前沿能力部署的结构化访问控制。同样在这一周，监管杠杆不再是模型能做什么，而是谁能访问它们。直觉上的政策解读认为这是有效治理，但这实际上是局限性的信号。因为一旦监管从“模型做什么”转移到“谁能访问”，它就不再是治理智能，而是已经运营中的限速基础设施。

监管已向下移动栈

大多数AI治理辩论仍聚焦于熟悉的抽象概念：透明度要求、模型审计、训练数据披露、输出水印。这些假设监管发生在输出或模型行为层面。但前沿系统已不再作为孤立模型运行；它们作为代理在系统内运作：调用工具、执行工作流、检索记忆、链式决策、委派任务。在这个世界中，有意义的控制单位不再是模型，而是行动边界——谁能在什么身份下、使用哪些工具、在什么上下文中、经过何种授权做什么。这不是法律抽象，而是系统架构问题。它正通过工程师解决分布式信任问题的唯一方式来解决：零信任设计。

行业早已知道

AI中最重要的治理工作已不再是立法性的，而是基础设施性的。OpenAI的部署模拟工作揭示了一个基本事实：模型在生产环境中的行为与评估时不同。这打破了静态规则能治理动态系统的假设。Google DeepMind的AI控制路线图更进一步，将安全视为运行时通过监控、遏制和结构化控制流来强制实施，而非事后监督。与此同时，工程栈正在迅速收敛：身份绑定代理、每任务范围凭据、工具调用防火墙、策略即代码系统、运行时可观测性和审计日志、确定性授权层。《新栈》（The New Stack）关于代理工作负载身份认证和会话感知代理运行时的报道并非推测，而是反映了正在构建的系统。这不是抽象的“AI安全”，而是自主系统的零信任架构。

核心失败：无强制力的政策

当前监管方法存在结构性缺陷。政府产生意图，系统产生强制，两者日益脱节。在软件系统中，未强制执行的规则不会减慢行为，它们会被忽略。而无透明度的强制规则则成为没有民主监督的隐形治理层。因此我们处于一种混合状态：法律定义期望，系统定义现实，运行时约束决定结果。这不是治理，这是漂移。

零信任AI监管的案例

以下是不舒服但必要的结论：AI监管应停止假装纯粹是立法性的，而开始成为零信任基础设施。不是分散在各公司，不是嵌入为专有强制逻辑，而是开放地开发为共享系统：标准化的代理身份框架、可互操作的授权协议、可审计的策略引擎、运行时约束系统、透明的遥测和日志格式。监管应更像云安全架构，而不是议会流程。因为只有系统能以决策速度强制约束。

为什么单独立法无法跟上

法律本质上是缓慢的，这在稳定环境中是优势。但AI并不稳定：它是迭代的、可组合的，且越来越自主。等到监管定义什么是“代理”、如何记录以及什么构成有意义控制时，底层系统早已演化。监管者与所试图治理的事物运行在不同的时钟上。这不是政策能力的失败，而是时间分辨率的错配。你不能用批量更新来治理分布式系统。

治理正变成基础设施

Dean W. Ball在《应做什么》（What Should Be Done）中论证，治理必须具体、可强制且与真实技术风险一致，而非抽象原则。但行业已经在扩展这一逻辑。它没有等待治理框架成熟，而是直接将治理实施到运行时系统：不是作为监督，而是作为执行约束；不是作为审查，而是作为权限设置；不是事后再行动，而是行动之前。这就是零信任的本质：从不假设，始终验证，始终约束，始终记录，始终强制。

强制是真正的治理层

有一个令人安慰的故事：监管从上而下引导技术。但这个故事越来越被颠倒。在前沿AI系统中，治理不再是外部施加的，而是编译到系统本身中。这导致分歧：法律保持人类可读、缓慢且可解释，而系统治理变得机器强制、瞬时且绝对。只有后者决定AI代理实际能做什么。因此问题不再是AI是否会被监管——它已经被监管了。问题是这种监管是开放还是封闭、标准化还是碎片化、可审计还是不透明、可互操作还是专有。一条路径将权力集中在无人能检查的系统中；另一条则将治理转变为更接近云安全的东西：可观察、可强制且可共享。Dean Ball说得对，前沿AI需要新的治理机构。但这些机构已经在建设中——只不过不是在立法机构中，而是在运行时中。在分布式系统中，强制而非意图最终决定行为。