根据2026年9月24日披露的机密估算，美国国家安全局（NSA）正在支付数十亿美元以测试人工智能（AI）模型。这些未公开的内部评估指出，该机构为验证各类模型的性能与边界，已在相关测试与评估项目上投入数十亿美元资金，覆盖从基础能力到特定任务部署的广泛环节。

国家安全局今年正花费数十亿美元纳税人资金评估和测试先进人工智能模型，据两位熟悉机密情报评估的消息人士称。这一价格远高于此前所知，令立法者相信，一套更全面的AI监管系统每年可能让政府花费数百亿美元。

特朗普总统基本抵制加强联邦AI监管的呼声，拒绝了国会和前沿实验室提出的监管提案。但在一系列重大黑客与安全事故后，NSA的人工智能安全中心开始测试前沿模型，以识别潜在国家安全漏洞。这些工作的高昂成本，给政府审查全球最强公司设计的AI模型之角色辩论带来新紧迫性，也可能加剧让前沿实验室自担审查财务负担的呼声，尤其支出只会随技术精进而膨胀。

早先建立联邦AI监管监督的提案估算费用低得多。例如国会预算办公室估计，旨在设立AI风险中心的《AI安全与创新法案》每年约花2000万美元；另一项众议院法案拟建AI报告追踪系统，五年总计仅3600万美元。

一些科技领袖如马斯克建议，前沿实验室应在发布前互相审查模型，无需政府监督。据The Information报道，谷歌、OpenAI和Anthropic正联合制定计划，创建自己的AI安全“标准机构”。但部分安全专家反对，认为这等于企业自我监管。替代方案是政府向AI公司征税来运行安全操作，既保独立，又让监管负担不主要落纳税人身上。Anthropic和OpenAI已表示希望更多联邦监督，也可能愿意付费。

目前NSA的AI测试由联邦国家安全预算的机密部分资助，具体花费不明。五角大楼拒评NSA的AI开支，其发言人称“出于安全原因，国防部不讨论AI工具的技术架构或资源分配”。国防部年度预算近1万亿美元，部分已拨给军方的资金可转投AI相关支出，从而降低潜在价签。

一位消息人士称，NSA迄今最大AI相关成本是额外算力——运行和测试模型所需的芯片处理。全球算力购买因需求激增、芯片减产已极其昂贵。例如据The Information，Anthropic排定的算力交易可能高达5170亿美元。

另一大支出是人员聘用。一些顶尖AI工程师获数亿美元薪酬，远超政府所能匹配。NSA虽被广泛认为拥有政府内最强技术专家阵容，仍难比肩前沿实验室的天价待遇。

“拥有内部AI评估能力极重要且必要，但确实昂贵，”AI倡导组织Encode总法律顾问Nathan Calvin说，“你在和些最不差钱的用户竞价。”

部分专家敦促立法者迅速加强模型的第三方审计。AI验证与评估研究所美国政策主任Nat Purser说，人们常低估严格测试高级AI系统所需算力，但政府应做必要投资；若纳税人正掏巨资评估模型，AI公司可以买单。他说：“若想政府具备评估这些系统的能力，就得资助所需的算力和专长。我把这些测试视作公共物品，但纳税人是否该买单存疑。可要求对前沿开发者征税，助资这些独立审计，包括必要算力。”

围绕这条新闻，讨论区几乎没有分歧地认定「测试」只是对外措辞：NSA 不但早就用上了大模型，而且必然用在了攻击、监控和信息挖掘上。真正的分歧在于主线是哪一条——对外渗透、对内筛选异见者、还是借合同向特定关系方输送利益；另有一小部分人把注意力放在量子计算、零样本分类这类更长期的技术变量，以及「AI 安全」这个说法本身到底指什么。

认为「测试」只是委婉说法，实战早就开始了

• 若真有哪家情报机构至今没跑过一个模型实例，那才叫新闻；用引号包住「测试」本身就说明了一切，除非再出一个斯诺登，外界永远看不到明细清单（较多人）
• 既然别国都在做安全渗透、社工操纵乃至选举干预，他们不做才是失职；这批投入相对整体预算不过是沧海一粟（较多人）
• 合理推测是已经借助 AI 展开了一轮大规模入侵，趁漏洞被修补之前先把持久化后门部署到位（较多人） > 除非出现第二个斯诺登，否则不会有人给你逐项清单；我们能看到的只有「测试」和「数十亿」。（@rdtsc）

认为真正的主线是把海量数据交给 AI 去筛人

• 情报机构手里关于本国民众的数据量早就远超人力所能阅读，必须依赖系统把「危险人物」挑出来、顺手找到可用于打击目标的把柄，而 AI 会非常乐意、并且非常粗糙地完成这件事（较多人）
• 关键风险在于准确性没人把关：如果自动化的产出不经过人工复核，误判的代价可能等同于一次炸错目标的空袭；而大量持有个人数据的企业同样急于上马 AI 扩大优势，且大概率不会在准确率上多花钱（较多人）
• 情报机构不会是唯一这么做的，商业公司用 AI 榨取个人数据的动机同样强烈（少数人）

认为任何监管都管不住这类机构

• 就算通过 AI 监管立法，也很难真正约束 NSA——第四修正案在这个机构面前几乎不适用，此前大规模无授权监听先发生、后被事后合法化的先例摆在那里，两党都以国家安全为由背书；今天所谓的监控和「测试」，将来也会用同样的安全话术被轻描淡写带过（较多人）
• 这套运作方式一直如此，如同「我们始终在和东亚国交战」那样，敌对对象可以随时被重新定义（少数人）

认为合同本身就是利益输送，与 AI 泡沫捆绑

• 可以拿任何金额打赌，这些「测试」合同流向的公司背后有特朗普家族的投资（少数人）
• 用纳税人的钱吹大 AI 泡沫，这只是一小部分：既是直接捞钱的手段，也是拿捏科技行业乃至整个经济的杠杆；而民众虽然反感数据中心，一旦被灌输「AI 监管会搞垮经济」，投票行为就可能被牵着走（少数人）

认为纳税人在花钱买自己的被压迫

• 你交的每一块钱里都有一部分被用来剥夺你的权利，所以不应多交一分钱。顺带一提，NSA 在所有设备上特别爱盯的两个词是「Trump」和「Monero」（少数人）

质疑「AI 安全」这个说法本身

• 不太理解所谓 AI 安全到底指什么：需要防范的具体场景有哪些，又打算靠什么手段实现？这个问题在讨论里始终没人正面回答（少数人）
• 猜测美国政府（也就是特朗普本人）在 NSA 一线人员用最新模型处理各类任务时被吓到之前，不会真正承认 AI 风险（少数人）

有价值的补充

• LLM 一个被低估的能力是零样本分类，这在通信流的监控上格外好用，尤其是外语内容——不需要为每种语言、每个类别单独训练模型（@jawiggins）
• 大家的注意力都在 AI 上，但量子计算近期也有实质进展；真正的黑天鹅是 AES 被攻破的那一天，届时要面对的是如何解密二十年存量网络流量的问题，速度可能是每年处理若干年份的量级（@ck2）
• 讨论中有人追问三家字母机构每年／每月到底付给 OpenAI、Anthropic 这类公司多少钱，但没有任何人给出哪怕是量级上的数字。

干脆回去重看《疑犯追踪》

• 面对「机器大规模监控一切」的现实，最直接的反应是重温那部剧（少数人）