Michael Kratsios: Inside the White House's AI Strategy
Y Combinator · 2026-08-19
Michael Kratsios 透露：美国政府AI政策坚持开放源代码、全国统一标准，70%科研资金已由私营部门主导。
AI监管越严密，越利好巨头
Michael Kratsios 是白宫科学与技术政策办公室（OSTP）主任、总统科学技术首席顾问，也担任总统助理。他曾在特朗普首个任期担任美国首席技术官，离开政府后出任 Scale AI 首席运营官，再回到白宫。这个履历让他同时见过两种现实：一边是创业公司被许可、披露和州法卡住的日常；另一边是卫生、国防、能源等部门为同一项技术拉扯不休的政策流程。这场对谈真正关心的不是“AI 要不要监管”，而是规则怎样既能处理风险，又不把市场入口送给已有资源的大公司。
这期回答了 8 个问题：
- 为什么给 AI 画清晰红线，反而可能让规则在技术成熟前就过时？
- 什么叫“生来自由”与“生于囚笼”的技术，监管方式为何完全不同？
- 为什么各州各管各的 AI 法规，会变成大公司而非消费者的护城河？
- 创业者公开发声，究竟能在多大程度上改变白宫的 AI 政策？
- AI 会如何把科学研究从“申请经费”改造成“自主实验基础设施”？
- 白宫在科技政策中到底做什么：制定规则，还是协调部门冲突？
- AI 侵权问题中，哪些部分该立法，哪些部分应交给市场试错？
- 为什么一个创业者值得在职业生涯中进入政府？
被问到如何为每六个月就重塑一次的 AI 制定规则时，Kratsios 先举了欧盟《AI 法案》。这套规则经过多年讨论、通过并定稿时，ChatGPT 尚未出现，大语言模型也还不是今天这种明确的产业对象。结果是，后来涌现的一整代模型，仍要塞进一套为旧技术图景设计的框架里。美国也有类似教训：拜登政府曾以计算量设定硬阈值，模型训练或运行超过某个门槛，就必须向政府进行大量披露。
他的结论很直接："you don't want to set very firm red lines in the sand because they ultimately don't work."（你不该在沙地上画下过于明确的红线，因为它们最终行不通。） 一条线一旦写进政策，修改成本会陡增。技术迭代像河道改道，监管却像浇进混凝土的堤坝；原本想拦住风险，最后可能反而把正常技术路线堵住。
这意味着，AI 政策的竞争不只是“谁先列出禁止事项”，而是谁能做出跟随技术前沿调整的治理机制。静态合规会成为创新的滞后变量：企业为了满足旧定义而改变产品，监管也会把有限注意力花在已失去关键性的指标上。不过，不设硬阈值也有代价。企业需要知道什么能做、什么不能做，投资人也需要判断风险。Kratsios 提醒要谨慎划线，却没有给出一套可替代的清晰划线方法；灵活不应变成规则模糊。
被问到创业者怎样避免在公司成立前就被合规成本挡住时，Kratsios 没有把答案简化为“少监管”。他提出一个更实用的划分："there's technologies that are either born free or born in captivity."（有些技术是生来自由的，有些技术则是生于囚笼的。） 所谓“生来自由”，是像早期互联网那样，法律书上还没有专门针对它的限制。此时政策重点不是急着补规则，而是格外谨慎，别把原本可自由试验的空间提前封掉。
另一类是“生于囚笼”的技术。商业无人机就是典型：创业者可以在后院造出无人机，也可以写好连接商家和消费者的交易软件，但若拿不到美国联邦航空管理局（FAA）的豁免，就不能让无人机合法起飞，更谈不上完成配送交易。Boom Supersonic 的超音速飞机也一样。它能否飞行，不只取决于发动机和机身，而取决于美国规则是否能从“限速度”改成“限噪音”。
这意味着，监管改革不是一个“收紧—放松”的总开关。对自由诞生的技术，政府该做的是阻止不必要的新限制进入；对受许可束缚的技术，重点则是重写商业化出口，把速度、噪音、安全等规则改成真正对应风险的指标。边界也不会永远固定：同一套 AI 能力进入医疗、交通或国防后，可能立刻从“自由”进入高许可场景。分类的意义不是给技术贴永久标签，而是先找清它卡在哪道门上。
被问到怎样保护消费者、又不把合规护城河送给既有巨头时，Kratsios 把焦点放在美国州法的拼图效应上。假如加州有一套 AI 规则，马里兰州一套，得州又一套，企业面对的不是一份合规清单，而是不断增加的产品版本、隐私流程、法务意见和注册要求。对用户而言，这些规则听起来都像额外保护；对公司而言，成本却不会平均分摊。
Kratsios 的说法很直白：Google 能雇“一支律师大军”去处理这些复杂性，小型创业公司做不到。大公司可以按州拆分业务、持续追踪立法、与监管机构沟通，甚至派人参与规则讨论。两个人的 AI 团队则可能在写第一行产品代码前，就得决定要不要放弃某些州的用户。法律文本本身没有写“禁止小公司”，但复杂度会通过法务预算、时间和组织能力，把门槛抬高。
这意味着，合规复杂度不是中立成本，而是一种会随公司规模放大的成本。规则越碎，资本、法务和游说资源越丰富的公司越占便宜，消费者最终看到的也可能是更少的新产品和更少的竞争者。因此，白宫希望建立全国性的 AI 标准，让想创办 AI 公司的人面对同一套规则。反面也清楚：统一标准能减少跨州摩擦，却会压缩各州依照本地风险和选民偏好试验的空间。问题不只是“统一还是分权”，而是哪一层的规则能减少门槛，又不忽略真实风险。
被问到白宫会不会限制开放权重模型，以及创业社群联名反对是否影响政策时，Kratsios 给出的答案是：开放生态并非临时安抚。美国 AI 战略在去年 7 月发布，由他与 David Sacks、Secretary Rubio 共同撰写；第一章的第一项内容，就是支持开源生态。他的原则不是闭源模型和开放模型二选一，而是："we have to have a vibrant closed and open-source ecosystem and that's the only way they can all work together."（我们必须同时拥有充满活力的闭源和开源生态系统，只有这样，它们才能共同运转。）
这里的“开放”具体指开放权重，即开发者可以下载并部署模型参数，而不只是通过网页或 API 使用模型。对创业者来说，开放权重意味着能自己微调、部署和审计模型；对大公司来说，闭源模型也仍是投入巨额算力、数据和安全控制后的重要商业路径。Kratsios 的重点在于，政策制定者不能在华盛顿的信息真空里判断两者关系。
这意味着，创业社群公开表达立场，不是一次请愿式的“政府准不准”，而是在向政策系统提供输入。创业公司、大型科技公司和金融服务机构都把意见带到华盛顿，政策制定者才能把这些立场纳入判断，并校准下一步政策。沉默并不等于中立，往往意味着把规则解释权交给更有组织、更常驻的利益方。当然，他没有回答最尖锐的一题：当开放模型与国家安全顾虑正面冲突时，究竟由谁决定开放到哪一步、按什么标准收紧。这套反馈回路能让争论被听见，不能自动消除冲突。
被问到《Science: A New Golden Age》报告希望年轻创业者建设什么时，Kratsios 先讲了美国研发资金结构的倒转。大约在 1950 年，美国近 70%的研发由联邦政府资助，私人部门占比不到 30%；如今，私人部门加慈善资金约占 70%，政府约占 30%。但政府仍每年投入近 2000 亿美元资助研发，因此它无法只沿用过去“拨款给课题组、等待研究成果”的方式，必须重新考虑 AI 怎样改变科学发现。
他描绘的下一步，是自主云实验室：软件提出假设，机器人执行实验，系统读取结果，再自动生成下一轮假设，循环推进。用他的原话说，"The idea that you can have autonomous cloud labs running experiments on a loop without human intervention"（自主云实验室可以在无人干预下循环运行实验，这种设想已经进入视野。） 这不是让 AI 替科学家写一篇论文，而是把假设、实验、数据回传和下一步决策串成一条可运行的生产线。
这意味着，科研创业的重心可能从某一个单点发现，转向建设实验闭环的基础设施。谁能让机器人准确操作，让实验设备稳定回传数据，让软件据结果生成下一轮可测的假设，谁就可能改变材料、药物、化学等领域科学家的工作流。这里没有现成答案。Kratsios 同时承认，机器人能力还要完善，生成下一轮假设的软件生态也仍是前置瓶颈。实验不是聊天窗口里的文字推理，任何一个执行环节出错，自动循环就会把错误更快地放大。
被问到 OSTP 主任在白宫一天究竟做什么、政策如何形成时，Kratsios 先纠正了一个常见想象：联邦政府没有一个专门“负责技术”的单一部门。卫生问题在卫生机构，国防问题在国防机构，能源问题在能源部门，技术议题天然散落在不同系统里。白宫则有国家安全、国内政策、经济政策、科学与技术四类政策委员会，OSTP 负责最后一类，并协调 AI、量子、核能、生物技术、太空等议题。
他的空间团队大约只有 3 人，却要把 NASA 与拥有国家安全卫星的 Department of War 拉到同一张桌子上。这正是白宫的功能："there's only one building in the whole world that can get all these agencies to come together and have that conversation and bring some resolution and that's the White House."（全世界只有一栋楼，能把这些机构召集起来对话并促成解决方案，那就是白宫。） 以商业无人机为例，FAA 要考虑飞行规则，负责核武器设施的部门则会关心无人机不能飞越敏感地点；两边都不是“反技术”，但目标并不相同。
这意味着，科技政策的关键能力不只是某位官员是否懂 AI，而是能否让目标相冲突的机构进入同一决策流程。若下级机构谈不拢，争议会逐级上升，最后才交给总统决定。这样能避免总统被日常细节淹没，但也意味着大量实质性结果会在更低层级的协调中形成。对白宫而言，它更像跨部门冲突的清算层，不是替每项技术决定产品路线的经理人。
被问到如何处理 AI 的知识产权、姓名肖像和创作者权益时，Kratsios 给出了一条相对清楚、但只覆盖部分问题的边界：模型输出若直接是 Mickey Mouse，“不行”，因为 Walt Disney 应是唯一能输出它的一方。这是输出层的问题——用户获得的内容是否足够直接地替代、复制或冒充原权利人的作品与角色。对此，他认为应当通过立法把底线写得更明确。
但到了训练数据、授权和收益分配，Kratsios 的态度明显更缓。创作者可以将自己的个人 IP 授权给公司，双方探索收入分成；主持人举例，其旧公司 Yelp 已与 ChatGPT 达成合作，让部分评论用于输出。Kratsios 认为这类交易还处于早期阶段，因此说："you probably don't want to legislate too fast. So, you got to kind of let the let the market kind of sort itself out."（你可能不该立法太快，得让市场在一定程度上自己理顺。）
这意味着，未来的 IP 治理可能分成两层：对可直接识别、会替代原权利人的模型输出设法律底线；对训练、许可和分成，先由合同和市场去试出价格、授权范围与收益模式。Yelp 与 ChatGPT 的合作，就是内容方不只提出抗议，也尝试把数据变成一项可谈判资产。难点仍在中间地带：什么训练使用算合理，什么输出已经构成侵权，创作者如何证明损失，Kratsios 都没有给出可执行的法律分界。让市场先试，不等于权利问题已经解决。
在结束时被问到关心技术的年轻人是否应考虑进入政府，Kratsios 的个人路径本身就是一种回答。他大学时不是工程师，却一直痴迷技术；2010 年到 2017 年间，他在旧金山为 Peter Thiel 工作，接触投资组合中的公司。那段经历让他反复看到同一个问题：无论是 Lyft 面对州和地方层面的阻力，还是 SpaceX 面对发射许可，技术能否落地总有一个政府入口。之后他担任美国首席技术官，离开政府后又担任 Scale AI 首席运营官，随后再次回到白宫。
他没有把公共服务包装成轻松的使命感："I think it can be a slog. It can be bureaucratic. It can be painful."（我认为它可能是一场苦战，可能官僚、可能痛苦。） 这句话反而说明，他所说的影响力不是虚词。创业者在公司里能决定产品、招聘和融资；进入政府，则可能影响无人机能否起飞、超音速飞机按速度还是噪音监管、AI 公司是否要面对五十套州法。两种工作都在塑造技术，只是杠杆位置不同。
这意味着，有志于技术的人不必只在“自己创业”和“离开一线”之间二选一。公共部门提供的是改变市场进入条件、许可流程和竞争环境的另一种杠杆。代价也很具体：速度变慢，流程更官僚，个人对收入和自主性的让渡更大。政府工作并不适合所有人；但对那些关心某项技术为何总卡在规则门口的人来说，进政府不是退出创业生态，而是去改那扇门的铰链。
把“AI规则越早写死，越可能在技术落地前报废”和“州际碎片化合规不是中立成本，而是巨头的护城河”放在一起，Kratsios 的主线就很清楚：政策风险不只来自监管太少，也来自规则写得太早、太碎、太难改。前者会让技术被旧定义约束，后者会让有律师大军的公司把复杂性变成自己的护城河。
而“真正的创新政策不是少管，而是按技术的‘出生状态’分类施策”与“白宫的价值不在替技术拍板，而在让冲突部门坐到一张桌子上”，说的是同一件事的另一面。无人机、超音速飞行、医疗 AI 或开放权重模型，问题从来不是抽象地问“该不该放开”，而是要找出具体卡点：是 FAA 的许可、核设施的安全要求、州法冲突，还是模型输出对创作者的直接替代。
对读者而言，这套视角会改变看政策新闻的方式。看到一项新规时，别只问它“严不严”，而要问四件事：它针对的是已经成熟的风险，还是正在变化的技术？它的合规成本由谁承担？它是否给小公司留下了进入市场的路径？当规则出错时，谁能提出反馈、又有没有机制把它改回来？政策真正塑造的，往往不是某个功能能不能上线，而是谁有资格留在牌桌上。
