Private Governance

Hadfield的核心主张，是把AI监管变成一个结果市场：政府决定可接受的风险，获批的专业机构展开竞争，负责发现、实施和验证技术控制措施。 与其让立法者把今天的红队测试、数据或流程要求冻结进法律，不如让监管服务提供商随着技术变化持续调整。前提是政府保留有力监督，因为市场更擅长“处理信息和发现信息”。

California的SB 813将通过赋予独立认证以实质性证据效力，启动这一市场。 目前的设计是可反驳的推定，而非全面豁免：受害方仍可起诉并提交过失证据。对于面临代理型AI责任边界未定风险的开发者而言，这会把侵权法中的“潜能”转化为购买可信监督的即时动力。

真正具备投资价值的瓶颈，不是AI安全服务的需求，而是围绕谁来认证、如何衡量表现、谁能撤销批准所建立的制度可信度。 认证机构必须证明，纳入监管的车辆事故更少、聊天机器人造成的伤害更少，或其他明确结果得到改善，而不只是证明表格已经填完。Hadfield坚持的底线是，政府必须有能力“撤掉你的牌照”。

逐底竞争仍是这一方案执行层面的核心风险，因为开发者可能会选择最便宜、最宽松的认证机构。 因此，Hadfield倾向于设立专家委员会、审查认证机构的资金来源，并证明每家机构即使拒绝认证也能在财务上存活；如果一家审计机构必须在5个客户中批准4个才能活下去，它在结构上就已经失去独立性。当某个政府“把目光从球上移开”时，跨州或国际批准可以提供冗余。

设计良好的认证制度，可能减少而不是加剧大科技公司的集中，因为它能为初创企业提供一条与其规模相称的制度信任路径。 为受限应用服务的10人开发团队，应当适用不同于进入10,000辆汽车的软件项目；而FLOPs等静态门槛会迅速过时。Freedman认为，没有可信验证，只有 incumbents 才负担得起向银行和其他企业证明其系统安全。

保险和扩大责任范围，都无法消除建立底层监管智能的必要性。 没有损失历史、义务、标准以及关于哪些控制措施有效的证据，保险公司就无法理性定价新型AI风险；针对险些发生事故的责任制度，则可能打击报告和红队测试。认证机构补上缺失的风险结构后，保险可以成为强有力的配套激励，但不应由保险公司决定社会可接受的生物武器风险或系统性金融风险。

这一模式并不声称能够解决灾难性外部性，因为事后赔偿在这类情形下可能毫无意义。 生物武器、市场崩溃，或严重到让人觉得“遵守了一些规则又有什么用”的伤害，可能需要单独的事前限制和明确豁免。Hadfield最后的呼吁很务实：社会需要“新监管路径的MVP”，因为静态规则制定仍然“在起跑线上系着鞋带”。

🔗 原始收听与视频来源： 私人治理：在AI监管中创建市场——与Gillian Hadfield博士和Andrew Freedman对谈