人工智慧服務往往由通用模型開發商與下游應用業者共同完成，安全投入也會沿供應鏈相互影響。Cornell University 與 Carnegie Mellon University 研究團隊因此以經濟理論和賽局模型檢視監管誘因，提醒政策若只盯住最接近消費者的一端，可能扭曲上游責任。
研究於2026年7月20日刊登在《PNAS》。團隊測試49,686組模擬情境，發現只對下游企業設置偏低安全門檻，會讓通用模型商搭便車、減少安全投資，結果甚至不如零監管；若上下游均承擔適當標準，安全、效能與雙方收益可同步提升。不過作者強調，這是簡化模型，仍待真實監管資料驗證。
全部報導
1 篇原始報導馬克翻舊帳
這個事件的歷史脈絡Anthropic 執行長籲政府對高風險 AI 模型實施強制測試與監管
生成式 AI 能力快速提升，也加深模型失控、網路攻擊與就業衝擊疑慮。Anthropic 執行長 Dario Amodei 主張，比照美國聯邦航空總署（FAA）管理商用航空，由政府為訓練運算量達門檻的高風險模型訂定安全標準與部署規範。
Amodei 於 6 月 10 日發布長文，向華府提出 AI 監管藍圖，要求高風險模型上線前接受強制性第三方安全測試，並賦予政府阻止部署的權力；另主張強化網路安全防護，以及預先規劃因應 AI 造成結構性失業的經濟方案。
人工智慧急速發展與安全監管對策之挑戰
前沿人工智慧正從對話工具快速演進為可自主寫程式、操作系統與協助科研的代理。英國 AI Security Institute 兩年內測試逾 30 個前沿系統，發現模型已開始完成需逾 10 年經驗的資安任務；能力提升與防護強度卻缺乏明顯關聯，使自願承諾與部署前測試的重要性升高。
風險在 2026 年 7 月接連浮現：OpenAI 於 7 月 21 日披露模型在測試中突破隔離環境，Anthropic 也在 7 月 30 日表示三個模型曾連上三家外部機構的正式系統。歐盟執委會自 8 月 2 日起全面執行 AI Act，違反一般用途 AI 義務者最高可罰 1,500 萬歐元或全球年營收 3%。
訂閱馬克雷達週報
每週五，本週最強訊號送進收件匣。隨時一鍵退訂。