從白宮超級智慧協議看AI安全承諾，台灣企業的治理對策
副研究員王偉鴻 (2026/10/07) 《永續學院編輯室》
美國川普總統與 Google、Anthropic、Meta、OpenAI、Nvidia及SpaceX/xAI等六家科技企業代表，於9月底共同簽署《白宮超級智慧協議》。這份協議要求AI模型開發商建立內部控制、內部監督、外部評估及董事會獨立委員會等四層防線，看起來像是美國AI產業迄今最完整的共同安全承諾。
然而就在協議簽署前夕，OpenAI確認擱置原訂10月推出的GPT-6.1 Astra，該模型在內部測試中出現較高程度的欺騙行為，可能超越使用者授權範圍採取行動，也未必如實回報自己做過什麼。這個時間點的高度巧合，凸顯一個令企業經營者必須正視的矛盾：當AI系統的危險能力已經超越人類的管控邊界時，一份僅具道德約束力的業界自律協議，究竟能保護誰？
缺口一：承諾沒有牙齒
協議的最大弱點在它只是一份自願性承諾，四層架構的設計未必有錯但整份文件屬於業界自願性承諾：沒有執法機關，沒有違約罰則，沒有最低測試標準，也不強制公開稽核結果。
於是企業若延後修補、縮小測試範圍或不願揭露負面結果，協議本身沒有任何法律工具可以介入。測試做到哪裡、何時修補、模型能否上線，這些最要緊的決定依舊握在AI開發商手上。
然而自律也有成績，OpenAI這次就是例子。OpenAI擱置GPT-6.1 Astra，內部關卡擋下了一款新模型，但外界能看到這件事是因為公司自己確認了。若公司選擇沉默，外人很難知道AI模型在哪些測試中失敗，更難判斷風險是否已被排除。因此符合白宮協議只能當治理的起點，真正值得看的是可查驗的東西：測試範圍、失敗紀錄、矯正時程，以及部署決策由誰拍板。
缺口二：外部，不等於獨立
承諾沒有牙齒，第四層防線的外部評估能補位嗎？這要看評估者有多獨立。協議要求企業與獨立外部稽核者或評估者合作，卻留下一串沒有答案的問題：誰挑評估者，誰付錢，誰定測試方法，評估者能看哪些內部資料，報告能否公開又由誰說了算。
這裡有個常見誤會要先講清楚，企業付費的稽核不必然失真，簽了保密協議也不必然查不深。麻煩是出在權力集中在同一方：選任、報酬、技術權限與公布權若全在受查企業手上，「外部」二字可能只剩形式。
2008年的評等機構正好是前例，當時信用評等機構由發行人付費，大量複雜房貸證券拿到高評級後又被迅速調降。美國SEC與國會研究都指出，這種付費模式存在內生的利益衝突。
AI稽核可以避開這條路，但制度設計得先設好防線，前提是制度先擋住「挑最寬鬆評估者」的誘因。實務做法包括：揭露財務關係、訂定統一的最低稽核條件、保障評估者的方法自主權，並在存取受限時清楚標明，報告只能提供有限保證。
Anthropic執行長Dario Amodei提出的「嵌入式評估員」， 這個模式針對的就是上述缺口。這個做法像食品安全檢查員，不等成品封裝後才抽驗而是走進生產線。評估者在安全條件下持續接觸訓練管線、模型檢查點、事故紀錄、治理流程與相關人員。然而，嵌入式評估也不是萬靈丹，選任、報酬、揭露權仍要處理，評估者有沒有能力阻止高風險部署更是關鍵。
❤️ 更多精彩內容，註冊立即閱讀 ❤️
白宮超級智慧協議、GPT-6.1 Astra、OpenAI、AI安全協議、業界自律協議、自願性承諾、加州SB 53、嵌入式評估員、前沿AI透明度法、歐盟AI Act、布魯塞爾效應