[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-us-ai-law-2026-compliance-overview-zh":3,"article-related-us-ai-law-2026-compliance-overview-zh":30,"series-industry-bc30f927-a6c9-4cdd-b734-6e8cd0b8265a":75},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"bc30f927-a6c9-4cdd-b734-6e8cd0b8265a","us-ai-law-2026-compliance-overview-zh","2026 美國 AI 法規控管地圖","\u003Cp data-speakable=\"summary\">以前大家只要交一份美國 AI 政策就夠，現在得先做一張可追溯的控管地圖。\u003C\u002Fp>\u003Cp>我追 AI 法規這件事，真的有點像盯 production incident。不是因為我愛看法條，是因為它老是卡進實際上線流程。你以為產品只要過一次法務就能全美開跑，結果州法先跳出來；你以為聯邦會先定調，結果又是行政命令、機關指引、州議會提案一起亂舞。整個局面很像大家都在寫規則，但沒人願意先把責任講清楚。\u003C\u002Fp>\u003Cp>我最近一直回頭看 \u003Ca href=\"https:\u002F\u002Fwww.softwareimprovementgroup.com\u002Fblog\u002Fus-ai-legislation-overview\u002F\">Software Improvement Group 的 2026 US AI legislation overview\u003C\u002Fa>，因為它很直接地點出一件事：現在要交的不是一套漂亮說法，而是證據。你有沒有系統清單、誰負責、在哪裡跑、適用哪些州、測過什麼，這些才是會被問的東西。\u003C\u002Fp>\u003Ch2>先承認一件事：美國 AI 規則就是碎的\u003C\u002Fh2>\u003Cblockquote>“The complexity of federalism still makes a unified AI policy difficult.”\u003C\u002Fblockquote>\u003Cp>翻譯一下就是，美國沒辦法靠一份全國統一的 AI 政策直接收工。只要你的系統碰到多州使用者，你就不能假設一份內部政策能蓋住全部情境。這不是理論問題，是你 release 時會不會踩到州法的問題。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783843397232-2oow.png\" alt=\"2026 美國 AI 法規控管地圖\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>SIG 提到，到 \u003Ca href=\"\u002Fnews\u002Fwebx-2026-agenda-stablecoins-ai-zh\">2026\u003C\u002Fa> 年 3 月，45 個州已經提出 1,561 件 AI 相關法案，而且這個數字已經超過 2024 年全年總量。這個數字我看了只想翻白眼，因為它代表的不是熱鬧，是維運成本。州級追蹤現在已經是 release planning 的一部分，跟隱私、無障礙、資安一樣，不能再當成法務桌上的附錄。\u003C\u002Fp>\u003Cp>我之前幫一個產品團隊看美國推薦系統上線，他們原本的想法很單純：法務簽一次，全美上。結果一拉使用者地理分布、資料流向、產品用途，風險就分裂了。某些州會在告知、選擇退出、影響評估或人工審查上要求不同東西。單一政策直接失效。\u003C\u002Fp>\u003Cp>實操寫法很簡單：先做一張 jurisdiction matrix。每個 AI 系統至少記四件事：公司在哪、服務在哪跑、使用者在哪、可能適用哪些州法。這張表不要寫得漂亮，寫得準就好。只要這四格答不出來，你就還沒準備好做合規審查。\u003C\u002Fp>\u003Cul>\u003Cli>系統名稱\u003C\u002Fli>\u003Cli>部署地區\u003C\u002Fli>\u003Cli>使用者地理分布\u003C\u002Fli>\u003Cli>可能適用的州法\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>別再把 AI 當旁支，先把系統盤點做出來\u003C\u002Fh2>\u003Cp>SIG 這篇我最認同的地方，是它一直強調 evidence of control。白話就是，你要能拿出一份真的有用的 AI inventory。不是簡報，不是願景圖，是每個模型、每個供應商、每個 owner、每個資料來源都列得出來的清單。\u003C\u002Fp>\u003Cp>也就是說，團隊現在要做的不是先寫一份很厚的 AI governance policy，而是先知道自己到底有多少 AI。很多公司嘴上說沒有大規模導入，實際上 prototype、外掛、SaaS、browser plugin、workflow automation 全都在偷偷用。等到出事才找，通常都找不乾淨。\u003C\u002Fp>\u003Cp>我看過最常見的破口，就是 shadow AI。某個產品經理拿 hosted model 做 demo，客服團隊裝了摘要工具，營運同仁把 \u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa> 接進表單流程。半年後大家才發現公司裡早就不是「有沒有 AI」的問題，而是「誰在管這堆 AI」的問題。\u003C\u002Fp>\u003Cp>實操寫法是先做 AI register，欄位不要少。至少要有：系統名稱、用途、業務 owner、技術 owner、供應商、模型類型、資料來源、部署地區、使用者族群、人工監督、法律狀態。欄位不知道就寫 unknown，不要硬裝完成。假裝完整只會讓後面的人更痛苦。\u003C\u002Fp>\u003Cul>\u003Cli>業務 owner\u003C\u002Fli>\u003Cli>技術 owner\u003C\u002Fli>\u003Cli>供應商或模型提供者\u003C\u002Fli>\u003Cli>部署環境\u003C\u002Fli>\u003Cli>決策影響程度\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>聯邦政策還在動，別拿行政命令當終局\u003C\u002Fh2>\u003Cp>SIG 提到 Executive Order 14365，簽於 2025 年 12 月 11 日，內容是要求聯邦機關推動一個「minimally burdensome」的國家 AI 架構，還設了 AI Litigation Task Force 去挑戰被認為和聯邦政策不一致的州法。這不是完整答案，這只是白宮想先把方向拉住。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783843394368-jfvk.png\" alt=\"2026 美國 AI 法規控管地圖\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>翻譯一下就是，聯邦層級現在想往一個方向推，但州政府還是照自己的節奏寫可執行的規則。國會之前也不是沒試著把州法壓掉，像那個 10 年 freeze 的提案就被參議院 99 比 1 拿掉了。這種局面下，指望聯邦直接把州法清空，基本上是在賭政治，不是在做法遵。\u003C\u002Fp>\u003Cp>我很常看到工程或產品團隊把 executive order 當成「那應該就定了吧」。沒有這種事。行政命令會影響機關行為、採購與執法方向，但它不等於一部完整的 AI statute。你如果把 compliance roadmap 建在未來某個 preemption 勝利上，那你是在拿 release schedule 當籌碼。\u003C\u002Fp>\u003Cp>實操寫法：你的合規計畫要分兩條線。第一條管現在已經生效的州級義務，第二條追聯邦動向，像是採購規範、機關 rulemaking、訴訟進度。聯邦真的變了，就更新第二條；第一條不要亂刪。\u003C\u002Fp>\u003Cp>我會固定看這些來源：\u003Ca href=\"https:\u002F\u002Fwww.whitehouse.gov\u002Fpresidential-actions\u002F2025\u002F01\u002Fremoving-barriers-to-american-leadership-in-artificial-intelligence\u002F\">白宮 2025 年 1 月的 AI 相關行政命令\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.whitehouse.gov\u002Fai-action-plan\u002F\">White House AI Action Plan\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.ncsl.org\u002Ftechnology-and-communication\u002Fartificial-intelligence-legislation-database\">NCSL AI Legislation Database\u003C\u002Fa>，還有 \u003Ca href=\"https:\u002F\u002Fwww.multistate.ai\u002F\">MultiState\u003C\u002Fa>。這幾個至少比靠印象可靠。\u003C\u002Fp>\u003Ch2>高風險模型的管制會從側門回來\u003C\u002Fh2>\u003Cp>SIG 說美國政府正在考慮對 frontier AI model 加上 pre-release evaluation 要求，理由是國安風險。它還提到 CAISI，也就是重新命名後的 US \u003Ca href=\"\u002Ftag\u002Fai-safety\">AI Safety\u003C\u002Fa> Institute，已經跟 \u003Ca href=\"\u002Ftag\u002Fgoogle\">Google\u003C\u002Fa>、\u003Ca href=\"\u002Ftag\u002Fmicrosoft\">Microsoft\u003C\u002Fa>、xAI 做 evaluation 合作。這個訊號其實很清楚：你不能把「放鬆」解讀成「沒人管」。\u003C\u002Fp>\u003Cp>也就是說，越接近 frontier capability 的系統，越可能被要求先測、先審、先留紀錄再上線。名詞可能變，控制樣式不太會變：你要證明自己有看過、有測過、有留痕，才准放出去。\u003C\u002Fp>\u003Cp>我做過幾輪資安審查後，對這套流程很有感。最順的團隊，通常不是模型最強的那批，而是早就把 evaluation logs、red-team notes、model card、incident response path、release approval 都準備好的人。最慘的永遠是那種說「先上線，之後補文件」的團隊。那種文件通常永遠補不完。\u003C\u002Fp>\u003Cp>實操寫法：只要你的系統接近 frontier 級別，就先定一份 pre-release checklist。至少包含安全評估、誤用測試、隱私審查、資安審查、rollback 條件。若你用第三方模型，就直接跟供應商要同樣證據。拿不出來，不是小缺口，是採購問題。\u003C\u002Fp>\u003Cp>這裡我會順手看 \u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002F\">Anthropic\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002F\">Microsoft\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fblog.google\u002Ftechnology\u002Fai\u002F\">Google 的 AI blog\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fx.ai\u002F\">xAI\u003C\u002Fa> 的公開資訊，因為 SIG 提到的合作對象就是這些。\u003C\u002Fp>\u003Ch2>州法會各走各的，所以控制項要能拆開\u003C\u002Fh2>\u003Cp>SIG 最實用的一點，是它把州法講得很直接：州級規則已經在生效，而且可執行。這代表你的控制設計不能是一整坨全國通用的文字。你需要的是可以依地區、用途、產品面拆開的控制模組。\u003C\u002Fp>\u003Cp>翻譯一下就是，同一個模型在不同場景可能要過不同關卡。招募工具、消費者 chatbot、詐欺偵測，不能因為都叫 \u003Ca href=\"\u002Ftag\u002Fmachine-learning\">machine learning\u003C\u002Fa> 就放在同一個桶子裡。你如果把 policy 寫得太泛，法務看不懂，工程也不知道怎麼做。\u003C\u002Fp>\u003Cp>我以前看過一家公司把所有東西都叫「AI governance」，聽起來很完整，實際上完全沒法用。有人問這份 policy 有沒有管 employment decision，有沒有管 biometric data，有沒有管 consumer disclosure，結果大家翻三份文件加一個沒人信的 SharePoint folder，最後還是沒答案。\u003C\u002Fp>\u003Cp>實操寫法：把控制拆成可重用模組。像是 inventory、human oversight、model evaluation、vendor review、incident handling、jurisdiction mapping 這幾塊分開做。之後每個 AI 系統依風險和地理位置掛上對應模組。這樣 legal、security、product 才有共同語言，不會每次都重新吵一輪。\u003C\u002Fp>\u003Cul>\u003Cli>盤點模組\u003C\u002Fli>\u003Cli>風險模組\u003C\u002Fli>\u003Cli>供應商模組\u003C\u002Fli>\u003Cli>法域模組\u003C\u002Fli>\u003Cli>上線核准模組\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>我會怎麼跟團隊說：先證明你有控管\u003C\u002Fh2>\u003Cp>如果要我把 SIG 這篇壓成一句話，我會說：\u003Ca href=\"\u002Fnews\u002Fllm-benchmarks-not-enough-2026-zh\">別再\u003C\u002Fa>問 AI 有沒有被管，先問你能不能證明自己有控管。這篇一直在繞同一件事打轉，只是角度不同而已。美國沒有一部乾淨俐落的聯邦 AI 法。州法在動。聯邦 preemption 還在吵。高風險模型可能會更嚴。那代表內部證據比想像重要得多。\u003C\u002Fp>\u003Cp>也就是說，今年能活得比較穩的團隊，不是最會講 AI 故事的那批，而是能快速回答基本題的人：有哪些系統、誰負責、在哪裡跑、用了什麼資料、適用哪些法域、上線前測了什麼。這些都不性感，但就是\u003Ca href=\"\u002Fnews\u002Fgpt-56-full-suite-work-entry-openai-zh\">工作\u003C\u002Fa>。\u003C\u002Fp>\u003Cp>我自己的建議很直白：把 AI governance 當 release engineering 做，不要把它當 policy memo。只要你沒辦法從 idea 追到 deployment，再追到 oversight，你就一定會被 surprise。這種 surprise 通常不是小插曲，是延期。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># AI System Compliance Register\n\n## 1) System details\n- System name:\n- Business purpose:\n- Product or workflow:\n- Business owner:\n- Technical owner:\n- Vendor \u002F model provider:\n- Model type:\n- Deployment date:\n\n## 2) Where it runs\n- Hosting region:\n- Cloud \u002F on-prem \u002F hybrid:\n- User geographies:\n- Data residency constraints:\n\n## 3) What it touches\n- Input data types:\n- Personal data used? (yes\u002Fno):\n- Sensitive data used? (yes\u002Fno):\n- Automated decision-making? (yes\u002Fno):\n- Human-in-the-loop? (yes\u002Fno):\n\n## 4) Jurisdiction check\n- Federal obligations:\n- State obligations:\n- Sector-specific obligations:\n- Pending legislation watched:\n- Legal reviewer:\n\n## 5) Controls and evidence\n- Risk assessment completed? (yes\u002Fno)\n- Safety \u002F misuse testing completed? (yes\u002Fno):\n- Security review completed? (yes\u002Fno):\n- Privacy review completed? (yes\u002Fno):\n- Vendor due diligence completed? (yes\u002Fno):\n- Release approval recorded? (yes\u002Fno):\n- Monitoring plan defined? (yes\u002Fno):\n- Incident response path defined? (yes\u002Fno):\n\n## 6) Ownership and review\n- Review cadence:\n- Next review date:\n- Change trigger events:\n- Escalation contact:\n\n## 7) Evidence links\n- Policy link:\n- Test report link:\n- Approval record link:\n- Monitoring dashboard link:\n- Vendor contract \u002F DPA link:\n\n## 8) Decision\n- Approved \u002F conditionally approved \u002F rejected:\n- Conditions:\n- Notes:\n\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>這份模板就是我把 SIG 那篇話翻成工程可用版本：先盤點，再看法域，再留證據。你只要能把每個 AI 系統都填成這樣，基本上就已經比多數團隊多走好幾步。\u003C\u002Fp>\u003Cp>原始來源是 \u003Ca href=\"https:\u002F\u002Fwww.softwareimprovementgroup.com\u002Fblog\u002Fus-ai-legislation-overview\u002F\">Software Improvement Group 的 “AI legislation in the US: A 2026 overview”\u003C\u002Fa>。我這篇是把它拆成實務版 checklist，裡面有些判斷與模板是我自己整理出來的，但法律脈絡和來源引用都來自 SIG。\u003C\u002Fp>","我把 2026 美國 AI 法規拆成一張能落地的控管地圖，讓團隊直接整理州別差異、聯邦動向與證據清單。","www.softwareimprovementgroup.com","https:\u002F\u002Fwww.softwareimprovementgroup.com\u002Fblog\u002Fus-ai-legislation-overview\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783843397232-2oow.png","industry","zh","ce6a6c1a-7b80-49c6-9f50-57303c322335",[17,18,19,20,21],"AI compliance","US state law","federal preemption","AI governance","frontier model oversight",[23,24,25],"美國 AI 法規是州法先動、聯邦還在拉扯，團隊要先做法域矩陣。","真正該交的是 AI inventory 與控制證據，不是漂亮的治理口號。","高風險模型與第三方供應商都要預先準備測試、審查與回滾證據。",0,"2026-07-12T08:02:50.480302+00:00","2026-07-12T08:02:50.465+00:00","59932c86-5027-4e66-a2d1-f06ae0adff0e",{"tags":31,"relatedLang":34,"relatedPosts":38},[32],{"name":20,"slug":33},"ai-governance",{"id":15,"slug":35,"title":36,"language":37},"us-ai-law-2026-compliance-overview-en","US AI law in 2026: what teams must track","en",[39,45,51,57,63,69],{"id":40,"slug":41,"title":42,"cover_image":43,"image_url":43,"created_at":44,"category":13},"d1753385-8c03-4dec-b939-e5ca8bae9030","opensearch-vector-search-benchmark-5-parts-zh","OpenSearch 向量搜尋基準的 5 種跑法","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783850566022-b79s.png","2026-07-12T10:02:22.269045+00:00",{"id":46,"slug":47,"title":48,"cover_image":49,"image_url":49,"created_at":50,"category":13},"6e790897-c9af-402c-a928-f2b0cc02f4e6","vector-databases-work-in-production-zh","4 種能上線的向量資料庫選擇","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783846963245-35py.png","2026-07-12T09:02:23.058273+00:00",{"id":52,"slug":53,"title":54,"cover_image":55,"image_url":55,"created_at":56,"category":13},"e5ae86b4-4434-48d4-86b4-146f609ce0a2","eu-ai-act-hits-business-systems-aug-2-2026-zh","歐盟 AI 法案上路前，企業先看這 5 件事","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783845168794-qyhi.png","2026-07-12T08:32:24.43396+00:00",{"id":58,"slug":59,"title":60,"cover_image":61,"image_url":61,"created_at":62,"category":13},"4d5e43ec-56bf-4ddf-aca0-e3b31065f132","webx-2026-agenda-stablecoins-ai-zh","WebX 2026 將穩定幣與 AI 推上主舞台","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783841563555-spp1.png","2026-07-12T07:32:24.035669+00:00",{"id":64,"slug":65,"title":66,"cover_image":67,"image_url":67,"created_at":68,"category":13},"4647fcd1-fee7-4819-958a-73a92587227a","gpt-56-full-suite-work-entry-openai-zh","GPT-5.6 全家桶不是炫技，是 OpenAI 的工作入口","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783837980636-jmwn.png","2026-07-12T06:32:32.520158+00:00",{"id":70,"slug":71,"title":72,"cover_image":73,"image_url":73,"created_at":74,"category":13},"8ffc6905-3e5a-4236-a031-bda41472e78d","half-price-ai-real-frontier-smarter-models-zh","半價 AI 才是主戰場，不是更聰明的模型","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783801974628-606c.png","2026-07-11T20:32:23.661553+00:00",[76,81,86,91,96,101,106,111,116,121],{"id":77,"slug":78,"title":79,"created_at":80},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":82,"slug":83,"title":84,"created_at":85},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":87,"slug":88,"title":89,"created_at":90},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":92,"slug":93,"title":94,"created_at":95},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":97,"slug":98,"title":99,"created_at":100},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":102,"slug":103,"title":104,"created_at":105},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":107,"slug":108,"title":109,"created_at":110},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":112,"slug":113,"title":114,"created_at":115},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":117,"slug":118,"title":119,"created_at":120},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":122,"slug":123,"title":124,"created_at":125},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]