今年 6 月，Anthropic 发布了两款迄今最具能力的 AI 模型。然而，出于国家安全考量，美国政府随即要求该公司切断美国以外所有用户的访问权限。
由于缺乏可靠的机制来核查用户登录地点，Anthropic 不得不暂时移除包括美国客户在内的所有用户对模型的访问权。两周半后，访问限制解除并恢复服务；又过了两周，其中一种模型仍仅向美国境内少数经批准的组织开放。
这一“暂停—恢复—部分限制”的过程值得深入审视。它揭示了一个事实：企业在使用 AI 工具时的运营连续性，可能受制于政府的时间表，而非企业自身的规划。
对于安全负责人而言，这是一种需要纳入战略规划的新现实。风险高度集中于少数供应商手中，而监管框架尚未完全跟上技术发展的步伐。
构建适应能力
该事件已成为关于“AI 主权”更广泛讨论的一个参照点。
但将其简单归结为某家供应商在六月的单周插曲是错误的。其背后的模式在事件发生前就已显现，且目前依然存在：关键的人工智能能力集中在少数提供商手中，他们的商业、政策或监管立场可能在极少预警的情况下发生变化。
与此同时，边境 AI 的出口管制制度仍在形成中，具体规则尚未确定。几个国家在过去几个月里加快了对人工智能的投资，而不是等待风险是否重演。
企业需要吸取的实际教训并非预测下一次颠覆何时发生，而是假设 AI 接入、功能及治理要求将持续变化——有时甚至是突然变化——并据此建立弹性。
在此背景下，“弹性”具有具体的含义：了解哪些流程和团队依赖哪些工具，并在情况发生变化之前准备好应急计划。
那些能在 6 月份迅速回答这些问题的组织，在实质上比那些直到新闻爆发时仍在试图理清状况的组织更具优势。
独立验证不可或缺
在取消出口管制后，Anthropic 与美国政府就未来如何标记和审查风险达成了协议。这是一个开端，但这本质上仍是一家公司与一个政府在闭门条件下解决彼此之间的问题。
OpenAI 对其自身安全事件的反应也遵循了类似的模式：公司暂停了最大规模的边界训练，并按照自己的时间表引入了新的内部保护措施。
这两家最大的行业参与者正在自行制定识别和处理 AI 风险的条款，企业只能选择相信这些条款是合适的。
像国际人工智能安全研究所网络这样的倡议存在是有充分理由的——没有任何一家供应商应该在自己的“家庭作业”上给自己的模型安全性或风险打分。这些机构目前仍由政府主导，因此加强其独立性应是首要任务。
这并不意味着企业应等待全球治理体系成熟。相反，通过建立自身的能力，去质疑供应商或监管机构所说的话才是当务之急。
始于可见性
最重要的是，你无法对看不见的东西进行保障、治理或建立弹性。这是一个实际的起点，也是大多数组织在应对 AI 风险时崩溃的地方。
如果要求企业对运营中使用的人工智能技术进行完整清点，许多企业给出的将是估计值而非确切答案。有时是正式部署，有时是非正式使用。数据流入流出缺乏中央记录位置，也没有控制谁可以访问的管理措施。
这一切并不罕见。简单来说，当采用速度超过监督速度时，这种情况就会发生。
修复方法并不复杂，尽管维持纪律需要付出努力。工作清单需要对每一个正在使用的 AI 工具回答四个问题：模型位于何处？它可以访问哪些数据？谁有权访问它？以及供应商政策、法规或出口管制的变化如何影响围绕它构建的流程？
六月的事件揭示了最后一点的重要性。目前，对于组织来说，关键的教训是了解他们保护的环境，明确他们防御的漏洞，并拥有经过充分测试的业务连续性计划。鉴于这种新局面仍然非常不可预测，这些基本面在未来几个月将比其他任何事物都更为重要。
这种可见性可以将一场危机转化为一个已知、可管理的问题：业务的哪些部分处于暴露状态，后备措施是什么样的，执行需要多长时间。这就是被动响应干扰与主动为之做好准备的区别。
政府和供应商将继续塑造 AI 接入的条件。当条件再次发生变化时，那些清楚自身依赖性的企业将是那些依然稳固的企业。
