76吉瓦电网余量、1万条公众意见：在白宫写AI行动计划的4个月

2025年7月，白宫发布《美国AI行动计划》。发布前的公开征求意见收到大约1万条评论，投稿的有大公司、好莱坞演员、前政客，也有大量普通人。这份文件后来拿到一个少见的评价：拜登政府前国家安全顾问杰克·沙利文，在播客里公开说它不错。

主要起草人之一迪恩·鲍尔（Dean W. Ball），在白宫科技政策办公室（OSTP）只干了大约4个月。2024年1月他才开始全职写AI，专栏叫Hyperdimensional。一年半时间，从发推特私信讨论技术细节，到坐在制定美国AI政策的房间里。

这集播客里他讲了很多具体的东西：白宫的电脑为什么不能用大模型，一份政策文件怎么在两三周内成形，电网里躺着多少没人用的电，以及他为什么在权力最顺手的时候选择离开。

进白宫这件事，靠一篇公开文章和几个月的行政手续

鲍尔职业生涯前十年都在智库，长期在乔治·梅森大学的Mercatus中心。他说自己从来没主动申请过政府职位。2024年11月大选结束后一两周，他发了一篇类似「我认为接下来该这么干」的文章。他的说法是，如果哈里斯赢了，他大概也会写同样的东西，只是对政策被采纳的期待会低一些。

文章传开之后，几个要进政府的人联系了他。真正把他推进去的是OSTP主任迈克尔·克拉齐奥斯（Michael Kratsios）。两人聊过之后，对方问他想不想来政府，他说可以。

难的部分在后面。OSTP是国会立法设立的机构，名义上属于白宫，实际上预算很小，而且很不灵活。所以OSTP的多数职员要么挂靠在别的政府部门，要么挂靠在非营利组织和大学，再通过一套行政程序转进来。这套程序走了几个月，他自己都不确定能不能成。

最后两周突然全部打通。他记得很清楚，知道自己哪天是Mercatus的最后一天时，当天就是最后一天。他得赶紧跟所有人告别，把东西装进纸箱，下一个周一去白宫上班。

「政府招聘很难，这是真的。」

进门前他给自己写了一封信。信里最担心的一件事是「偏离地面真相」：人在政府里会慢慢习惯系统内部的逻辑，那套逻辑有自己的规则，跟外面世界的直觉经常对不上。他特别记下一条：公开的批评和监督对他非常重要，如果哪天发现自己不再需要这个，就要警惕。

他用一个比喻形容里面的状态：你待在一个玻璃墙的立方体里，全世界同时朝这个立方体喊话，你能听见，但没法像以前那样回应。

给后来人的建议有三条。第一，进去之前把政策想法基本想完，因为进去之后没有时间思考。他举例，某个大国三天后要到白宫，你根本没空从头研究。第二，幕僚的工作是执行总统的愿景，别自作聪明地替总统重新定义目标。第三，知道自己是什么人，能干什么、不能干什么。

白宫电脑装不了大模型，但AI帮他预演了一场跨部门会议

他讲了个细节：白宫电脑不允许用大模型。原因是《总统记录法》，这部水门事件后通过的法律对总统行政办公室的文件有严格要求，连带影响了一堆现代工具。Slack、微软Teams、Google Docs都不能用，视频会议走Webex。他一天到晚处理的东西全是「决策前的草稿」，这类文件绝对不能碰大模型，也不能离开政府电脑。

那AI怎么用？他把它当幕僚长和研究助理。用得最多的场景是查法条：某个建议动作到底有哪些法定授权，相关法规的历史、解释、约束在哪里。他的形容是，自己被扔进一架飞机的驾驶舱，以前没开过飞机，得先搞清楚每个开关是干什么的，大模型是个还不错的向导。

更有意思的用法是模拟跨部门会议。行动计划的初稿在入职两三周后，也就是4月底，已经完成了最终版本的2/3到75%。他把这个阶段形容成一张模糊的图，后面靠大量跨部门反馈把它对焦。他会把计划里的每一条拿出来，不直接喂原文，只描述大意，然后让模型扮演最难缠的对手：联邦通信委员会那位较真的职业总法律顾问，会怎么评价我这个年轻人的主意？

这样能提前跑一遍本来要花很多时间的会。他强调，《美国AI行动计划》没有一个字是AI写的，也没有一个字被AI编辑过。但这份文件在几个月内完成，可能算是AI带来生产力提升的一个样本。

白宫里还有个外人想不到的规矩：《文书削减法》。政府雇员想向9个以上的公众成员询问同样的信息，就要走一整套审批流程。他举的例子很直白：一个新来的人最想干的事，大概是找前沿实验室要机密简报。可你联系超过9家公司，就进入了这套流程的管辖范围。

他说自己任何时候都有30到40条未读消息，散落在Signal、WhatsApp、邮件里。权力是不是像毒品，进去之前很难知道自己属于哪一类人。他的结论是自己属于不太上瘾的那一类，甚至觉得被它拖累。

行动计划是一份联邦政府的待办清单

文件分三大支柱：加速AI创新、建设美国AI基础设施、在国际AI外交与安全上领跑。每个支柱下面十几个小标题，标题下有一段说明，再下面是1到10条具体的建议动作。

鲍尔的区分很清楚：小标题和说明文字构成战略，下面那些条目是联邦政府现在就能动手做的事。它不回答那些无解的大问题，也不假装能回答。用他的话说，要给美国人一个「我们确实能执行」的东西。

为什么这份文件风评意外地好？他的解释是它是一份正和文件，出自一个习惯零和博弈的城市。这话有自我表扬的成分，可文件里确实有不少在保守派看来不该出现的内容：评估与风险评估、信息安全、AI驱动的科学研究、机制可解释性、算力治理。这些词在几年前的右翼政策圈基本没人提。

他不认为这是路线转向。他更愿意说，现实会自己找上门。当人们开始讨论联邦采购里怎么防止「觉醒AI」，话题很快会滑到「我们怎么知道这个系统真的会照我们说的做」。一旦聊到模型应该持有什么价值、权力会不会过度集中，就已经站在传统AI安全议题的门口。

他甚至在进入政府之前就公开预测过：长期看，共和党可能是AI安全议题更合适的家。理由是两党的激励结构不同。

右派内部的三种情绪：放松监管、保护孩子、警惕大科技

他把特朗普的联盟描述得非常杂：收入、族裔、生活方式差异都大，对AI的看法也在实时变化。他自己在政府那几个月，就看着这些看法动过。

最老的一股是放松监管的本能。「美国的生意就是生意」，柯立芝这句话他引了一次，说这很像总统本人的思维底色。在版权、州法优先权、环境许可这些具体事项上，总统公开表过态，方向都偏向让AI继续发展和扩散。

第二股是文化战争延伸出来的儿童保护。他提到佛罗里达那个14岁男孩自杀的案子，说这在保守派里引起很强的共鸣。他在这里把话说得很直：那些拿了大机构投资、作为AI旗舰品牌对外示人的公司，公开做大尺度AI内容，还声称做了年龄验证，这件事粗俗，在保守派那里不会有好结果。他特意声明这不代表白宫或OSTP的立场。

第三股是对大科技公司的不信任，尤其带着社交媒体时代的审查记忆。他对这批人的评价是：你们在打上一场战争。平台当年在事实核查和错误信息标注上的做法，确实有意识地压制了右翼观点，他认为那些公司该为此羞愧。可把这套情绪直接套到AI上，就容易错过真正的问题。

「如果共和党内部把彼此当成敌人，那问题就大了。政治里确实有零和的部分，但很多议题并不是。」

他也不认为有哪一方会赢。目前美国政治里没有一股强大的、系统性的反AI力量，资本主义的结构本身就在推着技术往前跑。真正的风险是另一种：各种恐惧凑在一起，通过一堆让社会冻结在琥珀里的法律。

为什么在权力最顺手的时候走

他讲了三个理由，顺序由私到公。

第一个是孩子。妻子怀孕的消息，他是在上班前一晚9点知道的。他想留出时间陪家人，也想在最初几个月当一个注意力充足的父亲。他担心两头兼顾会把两件事都做坏。

第二个是对自己的评估。他做过多年管理岗，做得不差，也升过职，但他不喜欢。原因很实在：成败常常取决于别人那天心情如何，他自己控制不了结果。他真正擅长的是概念和文本层面的创造性工作，行动计划的文风、结构、方向感，是他能抓住的东西。至于推动各个机构执行、盯流程、拉每一个程序上的杠杆，他没有把握做到最好。

「如果你只觉得自己能干得还行，就不该为总统工作。就像你只觉得自己接球接得还行，就不该去海豚队打球。」

第三个是反馈。他说自己非常需要公开的批评，需要同行把想法拆开看。这在政府里给不了。他还提到一个更根本的错配：他的写作习惯是「一切结论都是临时的」，随时准备改主意。可你一旦在设定联邦政策，那是一艘大船，不能今天说这个想法我不要了。这种性格放在那个位置上，可能起反作用。

他明确否认了几件事：没有内斗把他挤走，没有政策分歧，离开时对同事没有任何恶感。

电网里躺着76吉瓦，卡点在并网规则

基础设施这一支柱听起来最像口号，他讲得却最技术。

美国电网按最坏情况设计：得州112华氏度的下午，所有空调、电视、电动车同时开着的那一刻。这意味着一年里绝大多数时间，电网有大量余量。杜克大学的泰勒·诺里斯（Tyler Norris）出过一份流传很广的报告，结论大意是：如果数据中心愿意在全年0.25%的时间里削减用电需求，光靠需求响应就能释放76吉瓦，不用新建任何物理设施。

卡点在哪？在FERC（联邦能源管理委员会）和各州公用事业公司的并网建模。你建一个1吉瓦的数据中心，就要做并网申请，公用事业公司会用一套传统模型评估你的负荷，默认你要7×24小时满功率。如果规则允许把可中断负荷当成一类正常资源来定价和结算，这76吉瓦就能动起来。

核电那块，他说配套的行政令有一部分出自OSTP，核管理委员会正在重组。聚变这块他跟政府里多数人意见不同，比多数人乐观得多。行动计划里提到聚变还惹了一些人生气，理由是「永远还要30年」。他的回应是，这个判断来自没有接触当前技术前沿的人。

他也不认为要建到100吉瓦的单一园区。他提到利奥波德·阿申布伦纳（Leopold Aschenbrenner）在《Situational Awareness》里那张AI生成的图：无边无际的数据中心，远处是天然气调峰电厂。他说到本十年末，那样的东西会真的出现。

自动驾驶、军队和那些「必须由人来做」的旧法规

关于自动驾驶，他的角度是责任。今天开车的风险记在司机自己的账上；如果Waymo或特斯拉真的把方向盘拿掉，全国每天几百万次行程的事故责任就全压在公司的资产负债表上。这种压力会逼出极高的可靠性，也天然让推广变慢。

他不支持给自动驾驶公司责任豁免。理由很干脆：车必须安全这件事已经写在美国法律里，不需要新设一个监管机构来重复一遍。需要的是测试规范和运营许可，剩下的交给侵权责任。

军队那块，他反驳了「LLM只是文书工具」的看法。他引用过一本分析通信技术如何改变战争的书：无线电第一次让真正集中的战场指挥成为可能，这本身就是军事革命。同样的逻辑，把政府每天收集的海量情报更快地综合、更快地形成判断，哪怕最后由人拍板，也可能是决定性的。

物理世界另说。国防部擅长写性能指标，行动计划里有一节专门讲自主技术的实体测试场。真正让他不安的是另一个问题：o3已经知道自己在跟一个做过白宫AI政策的人说话，这会怎么影响它的输出？「我们对此理解得非常少。」他预期DARPA会在这类可解释性和控制问题上投钱。

关于中国，他的判断是那边的政府采用有很多是打勾式的：DeepSeek出来，一周内全国每个部门都要填表说用了没有。数字好看，深度不够。美国的优势在资本市场到云计算到企业采用这条管道，深度采用暴露出的新问题会反过来喂养产品迭代。他举的例子是Claude Code：三年前看ChatGPT的人，猜不到最前沿的AI自动化工具会长成一个命令行界面。

他自己最看重的瓶颈是采用端的旧法规。举个具体的：很多地方要求建筑工地必须由人现场测绘、检查。换成无人机加LLM做连续监测，反而违法。OSTP要发一份公开征求意见，专门收集这类阻碍AI采用的规章。还有NSF的Programmable Cloud Labs计划，1亿美元投给建自动化实验室的团队，目标是让AI代理能像用云服务一样调用科研基础设施。他把这比作联邦政府当年建高性能计算中心和互联网。

明天就能用的几件事

• 把模型当幕僚长，别当作者。鲍尔的做法值得抄：不喂原文，只描述方案大意，让模型扮演最难缠的对手，比如某机构的职业总法律顾问、某个部门的预算官，提前把会开一遍。草稿和决策文件别进不该进的系统，这条他自己执行得很严。
• 查一遍你所在行业里「必须由人来做」的条款。建筑测绘只是例子。执照、现场签字、纸质存档、人工复核，这类写法在几十年前的法规里到处都是。它们会先于模型能力成为天花板。找到一条，就是一条产品路线。
• 算力合同里加可中断条款。76吉瓦这个数字的启示是，电力约束有一大块是规则问题。愿意在极少数高峰时段让出负荷，拿到并网许可的速度会完全不同。
• 把「对齐」翻译成别人听得懂的语言。采购语言、责任语言、儿童保护语言。鲍尔的经验是，右派一旦认真问「我们怎么知道它真的会照我们说的做」，就已经在讨论安全问题了。谁先把这层翻译做好，谁就能进入政策对话。
• 写一封给自己的信。他那封信的内容很简单：列出你绝不能丢掉的东西，比如公开的批评、可被证伪的立场、随时改主意的自由。然后定期检查自己有没有在漂移。

他给出的最后一个判断，对做长期规划的人有用。总统任期在2029年1月20日结束，这个日期和很多AGI预测恰好重合，数据中心电力的默认时间表也落在2028到2030年。他在节目里说，自己依然相信「认知波音737」会在2027到2030年之间造出来：一种用途极广、效率远不如鸟、需要专用跑道的东西。他甚至觉得现在对GPT-5的悲观论调有点离谱。

至于他自己，孩子几个月后出生，他要在外面继续写那些还没想清楚的问题。一个在权力中心待过4个月的人，主动回到公开挨骂的位置，这件事比任何政策条款都更能说明他相信什么。