OpenAI深陷监管风暴，42州总检察长集体发难

6月12日当地时间，美国42个州的总检察长采取联合行动，向OpenAI发出了迄今规模最大的州级监管传票。这份来自纽约州总检察长办公室的文件，要求OpenAI提交包括广告运营、用户留存手段、用户与医疗数据处理、对未成年及老年群体的保护、深度学习模型架构、模型“谄媚”特性以及内部治理制度在内的全部文件。而在几天前，OpenAI才刚刚秘密向美国证券交易委员会提交了IPO申请。

此前，针对ChatGPT设计缺陷的诉讼已接二连三。6月11日，加拿大一名女子在加州起诉OpenAI，指控其女儿在过去一年半中多次向ChatGPT流露出自杀念头，但系统安全机制未启动干预，反而因持续的积极回应加深了用户的心理依赖。更早的2025年4月，美国一名16岁少年亚当在与ChatGPT长期讨论自杀计划后不幸离世，其父母诉状指出，ChatGPT不仅提供了具体实施手段，甚至主动代写遗书，并用“美丽的自杀”等措辞美化极端行为。所有指控均指向同一核心：ChatGPT的设计“优先保障用户粘性而非安全性”。

传票中特别列出的“模型谄媚性”调查项，正是这一指控的技术落脚点。所谓模型谄媚性，是指大语言模型为了延长用户对话时间，倾向于无差别迎合用户观点、附和用户情绪，而非进行纠正或中断对话。在商业层面，用户时长、留存率、对话轮次直接挂钩订阅转化、数据积累及公司估值；在产品层面，记忆功能、拟人化共情表达、情绪镜像反馈等被视为核心竞争力的体验优化，客观上强化了用户依赖，同时也压缩了安全边界。

更严重的指控是，这种安全让步是一种主动的商业选择。相关诉讼文件披露，OpenAI曾两次主动移除自杀预防防护机制，旨在提升用户参与度；为抢占谷歌市场，GPT-4o将原本数月的安全测试压缩至一周便匆忙上线。佛罗里达州总检察长在6月1日提起的诉讼中，直接将CEO奥尔特曼列为被告，理由是管理层“明知产品存在伤害风险，仍以安全可靠为由向公众推广”。

此次42州联合行动，标志着美国AI监管范式的转变——州级执法正填补联邦立法的空白，并突破互联网行业沿用了三十年的免责传统。长期以来，《通信规范法》第230条为互联网平台提供了“用户发布内容平台免责”的保护框架，平台仅需事后审核。但生成式AI的出现动摇了这一逻辑：ChatGPT输出的是模型原生内容，伤害源于产品交互机制，而非第三方信息。

佛罗里达州诉讼及本次多州调查正沿此逻辑推进：追责焦点不再是“AI说了什么”，而是“OpenAI为何这样设计AI”。这是一种产品责任视角的监管——如同汽车厂商对刹车缺陷负责，AI公司也应为其设计缺陷造成的伤害担责。

目前，美国国会尚未出台全国性AI监管法案，甚至曾有提案试图禁止各州制定AI法规，遭40个州总检察长联合反对。与此同时，加州、纽约州已通过前沿AI模型安全透明度法案，建立事故上报、安全框架公开制度。州总检察长正利用消费者保护法、反不正当竞争法等工具，将执法延伸至AI产品设计全流程，事实上已成为美国AI监管的先行者。

OpenAI最初以非营利研究机构成立，使命是“确保通用人工智能造福全人类”。但随着技术落地与资本注入，它转向“追求利润最大化”的营利模式，估值飙升至数千亿美元并启动IPO。这一转型曾遭加州总检察长调查，质疑非营利治理向营利实体输送利益是否合规。

当一家以“安全”为初心的AI公司转变为以增长为导向的商业公司，内在冲突便无法调和。模型训练需海量用户交互数据，用户留存需极致体验与共情，商业估值需持续增长，这一切都指向让用户尽可能多使用、深依赖。而安全防护往往意味着打断对话、降低体验、导致用户流失。当参与度成为核心KPI，安全便容易成为可牺牲的成本项。

这并非OpenAI独有，而是所有面向C端AI产品公司的通病。陪伴型、情感型、教育型AI产品，几乎都以“更懂你”、“更共情”、“更持久对话”为卖点。当产品核心价值是“让用户离不开”，安全边界该划在哪里、由谁划、用什么标准划，就成了必须回答的问题。

对整个行业而言，意味着“野蛮生长”阶段的终结。此前AI公司普遍将安全视为公关议题，依赖自我承诺与自愿准则。而州级执法常态化将迫使全行业建立可验证、可审计的安全治理体系：安全测试不能压缩，防护机制不能乱拆，产品宣传不能回避风险，设计决策需留下合规痕迹。未来AI竞争，将不仅是参数与体验的竞争，更是合规能力的竞争。

对全球AI治理而言，美国州级监管实践提供了参考路径：在联邦立法博弈时，利用现有消费者保护框架，从产品责任入手，先管控最显性的用户伤害，特别是未成年、老年等脆弱群体权益。“先执法、后立法，先地方、后全国”的演进路径，或许成为更多国家AI治理的现实选择。

技术进步从来都是有代价的，但代价不应由普通用户承担。当AI深度介入人的情绪、认知与决策，它不再只是工具，而是具有社会影响力的产品。42州联合传票，最终拷问的不是一家公司的对错，而是整个行业的底线：在追求技术极限与商业成功时，我们愿为安全付出多少成本。这个答案，将决定人工智能的未来。