美国联邦AI监管架构持续失稳：核心机构三度易主，职能边缘化加剧

人事动荡频发，AI标准领导层陷入真空 美国人工智能标准与创新中心（CAISI）主任Chris Fall近日宣布辞职，距其上任仅三个月。此次离职是特朗普政府年内第三次更换AI监管领域关键负责人，标志着联邦层面AI治理架构正经历显著的人事断层与战略摇摆。 任职周期不断压缩，机构连续性严重受损 CAISI隶属美国国家标准与技术研究院（NIST），法定职责涵盖AI模型技术标准制定、测试方法开发及网络安全风险评估。但过去数月，该机构领导层更迭异常频繁：Chris Fall前任Collin Burns任期不足一周即离任；再前任David Sacks以白宫AI与加密货币事务协调人身份主导该职能，亦于3月退出。三人平均任职时长不足两个月，机构专业积累与政策延续性受到实质性削弱。 关键行动缺位，监管职能持续弱化 在多项重大AI监管事件中，CAISI均未承担预期中的技术评估或协调角色。今年6月，商务部以出口管制为由要求Anthropic下架Mythos与Fable模型，最终由商务部长直接审定安全方案后解除禁令，CAISI未参与技术验证或风险裁定过程。本月发布的“Gold Eagle”AI安全监督行政命令，明确将商务部、国土安全部等纳入执行体系，却未赋予CAISI任何正式职能定位。 行业转向自主规制，官方标准机制面临替代压力 监管缺位正在加速行业自发构建替代路径。Anthropic模型风波平息后，Google DeepMind首席执行官Demis Hassabis公开提出，应参照金融业监管局（FINRA）模式，设立由产业界主导、具备强制性标准制定权的独立AI监管机构。这一主张直指当前CAISI在权威性、执行力与资源保障上的结构性短板，也反映出科技企业对联邦监管能力日益增长的不信任。 深层症结在于权责错配与机制脱节 CAISI虽具技术专长，但缺乏跨部门协调权限、预算自主权及政策落地接口。其标准成果难以转化为监管要求，评估结论无法影响行政决策，导致机构实质沦为咨询角色。当AI风险呈现跨域性、实时性与高复杂度特征时，现有架构已难以支撑系统性治理需求。人员频繁更替并非孤立现象，而是权责不清、定位模糊、资源匮乏等制度性问题的外在表现。