OpenClaw開源3個月，加州立法把"AI背鍋"這條路堵死了

2025年12月到2026年1月，生成式AI（Generative AI，通過算法生成內容的人工智能）的"嬰兒期"戛然而止。OpenClaw在GitHub上線，多家廠商推出無代碼工具——這個"技術嬰兒"突然從爬行切換成沖刺模式，而絕大多數企業的治理框架還停留在換尿布的階段。

Agentic AI（自主智能體，能獨立決策執行任務的AI系統）的爆發速度，把監管甩出了幾個身位。

此前的治理邏輯很簡單：人類在關鍵環節把關，模型輸出風險可控。貸款審批、招聘篩選，這些場景都有充足的人機來回。但自主智能體的設計初衷就是減少人類介入——讓機器以機器的速度運轉，把有明確規則和決策路徑的手工流程自動化。

目標很明確：機器干活，風險不能比人干的時候更高。CX Today的總結一針見血：「AI干活，人類背鍋。」加州AB 316法案2026年1月1日生效，直接把「AI干的，我沒批準」這條退路封死了。這跟 parenting 的邏輯一樣：孩子闖禍，監護人擔責。

從"聊天機器人速度"到"機器速度"，治理框架怎么跟？

過去的治理是靜態的，匹配聊天機器人的交互節奏。自主智能體卻要把人類從大量決策中抽離，這讓原有治理機制直接失效。

作者打了個讓人脊背發涼的比方：給一個三歲小孩一臺能遠程操控艾布拉姆斯坦克或武裝無人機的游戲機。概率系統在沒有實時護欄的情況下運轉，還能改動關鍵企業數據——這風險不是"可能出問題"，是"遲早出事"。

具體隱患已經浮現。能跨系統串聯操作的智能體，權限漂移是常態。單個員工不會有的訪問級別，智能體可能通過鏈式調用輕松突破。沒有嵌入代碼層的運營治理，沒有按風險等級和 liability 分層的實時管控，自主智能體的收益會被風險對沖得干干凈凈。

治理必須從"事后審查"轉向"實時自適應"。

技術債務 + 治理債務 = 復合型危機

企業面臨的麻煩是雙重的。一方面，技術債務（Technical Debt，為快速交付而犧牲代碼質量的累積成本）在AI時代加速堆積；另一方面，治理債務幾乎沒人認真核算過。

智能體的自主程度越高，治理的顆粒度就要越細。不是每個決策都要人批，但每個決策都要可追溯、可攔截、可回滾。代碼層需要嵌入風險對齊機制，讓智能體在權限邊界內運轉——而不是像脫韁的坦克遙控器。

加州法案的潛臺詞很清晰：企業不能把AI當免責金牌。智能體造成的損害，責任主體明確指向部署它的組織。這跟自動駕駛的事故責任認定走向一致——技術供應商、部署方、運營方，鏈條上的每一環都要被追問。

無代碼工具的悖論：門檻越低，風險越隱蔽

OpenClaw和同類工具的普及，讓非技術人員也能搭建智能體。這本是 democratization（技術民主化）的好事，但副作用是風險制造者的基數爆炸式增長。

一個不懂代碼的業務人員，用拖拽界面搭建的跨系統工作流，可能觸發怎樣的權限漂移？傳統的IT審計手段跟不上這種創建速度。治理工具必須嵌入到無代碼平臺本身，變成看不見的空氣，而不是事后補上的補丁。

作者強調，成功的遷移需要治理范式從"人類節奏"轉向"機器節奏"。不是讓人類更快審批，而是讓系統自帶分層護欄——低風險操作自動放行，高風險操作實時攔截，關鍵節點留痕備查。

這要求治理邏輯從"人看住機器"變成"機器管住機器，人看住治理系統"。

parenting 的類比在這里再次顯現： toddler 學會走路后，父母要做的不是跟著跑，而是把危險物品鎖進柜子、在樓梯口裝護欄、教會邊界意識。智能體的" toddler 階段"已經到來，企業的 childproofing（安全防護）方案準備好了嗎？

加州AB 316只是開始。當更多司法管轄區跟進，當第一起重大智能體事故進入訴訟程序，"我們還在制定政策"這種借口將毫無說服力。技術已經 sprint 出去，治理要么同步加速，要么等著被事故倒逼——而后者代價通常高得多。

最后一個細節：OpenClaw在GitHub上的star數增長曲線，和同期企業咨詢"智能體治理"的搜索量曲線，幾乎呈鏡像關系。開發者熱情高漲，企業焦慮同步攀升——這種張力會持續到哪一方先找到可持續的平衡模式？