如果一个人非常懂 AI,

懂技术。

懂政府。

也知道政策是怎么形成的。

那他当然会成为 AI 公司非常想要的人才。

问题是:

如果这个人前一天才在帮政府设计 AI 政策,下一站就进入全球最大 AI 公司之一,会发生什么事?

英国现在正在面对这个问题。

主角叫 Matt Clifford。

他不是一般企业顾问。

过去几年,他一直站在英国 AI 政策最内核的位置。

但 2026 年 9 月,他加入了 Anthropic。

更敏感的是,他原本还打算继续担任由英国纳税人支持的研究机构 ARIA 主席。

英国国会科技委员会直接说:

这两个角色形成了「明显的利益冲突」。

五天后,

Clifford 宣布将辞去 ARIA 主席。

表面看起来,事情似乎解决了。

但真正值得看的问题,才刚开始。

Matt Clifford 到底有多接近英国 AI 政策内核

先看他的履历。

2023 年,英国举办第一届 AI Safety Summit。

Clifford 担任英国首相代表,参与筹备这场全球 AI 安全峰会。

后来英国创建 AI Safety Institute,也就是现在的 AI Security Institute,他同样参与其中。

接着到了 2024 年,

英国政府又找他负责另一件重要工作:

设计 AI Opportunities Action Plan。

这不是一份普通产业报告。

它要回答的是:

英国要怎么发展 AI?

怎么让企业使用 AI?

需要什么数据、人才与基础设施?

政府自己又该怎么使用 AI?

2025 年 1 月,这份计划正式公布。

里面有 50 项建议。

英国政府最后宣布:

50 项全部接受。

Clifford 随后又被任命为首相的 AI Opportunities Adviser,直接向首相与科技部门提供 AI 政策建议。

简单说,

如果把英国 AI 政策想成一栋正在盖的大楼,

Clifford 不只是来参观的人。

他曾经参与画蓝图。

然后,他去了 Anthropic

2026 年 9 月初,消息公布:

Clifford 加入 Anthropic,担任 Managing Director of International Affairs。

Anthropic 就是 Claude 背后的 AI 公司。

而 Clifford 的新工作,也不是去写模型或研究算法。

他的工作正好与自己过去的经验高度重叠:

和各国政府打交道。

Anthropic 对外表示,公司需要真正了解政府如何运作的人,因为 AI 已经必须与世界各地政府、政策与社会制度合作。

这其实非常合理。

对 Anthropic 来说,

一个曾经参与国家 AI 政策、熟悉政府运作、知道官员在意什么,又拥有大量政策人脉的人,

当然非常有价值。

问题不是 Anthropic 为什么想聘他。

真正的问题是:

政府怎么处理这种人才流动?

争议真正爆发,是因为他原本还想继续当 ARIA 主席

如果 Clifford 完全离开政府相关职务,再加入 Anthropic,

争议可能不会这么大。

但他当时还有另一个身份:

ARIA 主席。

ARIA 全名是 Advanced Research and Invention Agency。

它是一个由英国政府支持、拿公共资金投入高风险、高潜力科研计划的机构。

它投资的很多研究,本身就可能与 AI 或 AI 驱动科技有关。

所以问题变成:

一边是代表纳税人决定前沿科技研究方向的公费机构。

另一边是全球最重要的 AI 公司之一。

而同一个人原本准备同时站在两边。

英国国会 Science, Innovation and Technology Committee 主席 Chi Onwurah 因此公开表示:

这构成「clear conflict of interest」。

当时的处理方式是设置隔离措施。

例如 Clifford 遇到与 Anthropic 有关的 ARIA 业务时必须回避。

Anthropic 也表示,他不会看到 ARIA 与 Anthropic 之间的商业讨论。

理论上,这可以把两个角色分开。

但政治上的问题没有因此消失。

因为利益冲突不只是在问「有没有真的作弊」

这里有一个很重要的观念。

利益冲突不一定代表:

某个人真的做了坏事。

也不代表 Clifford 已经替 Anthropic 改变了任何英国政策。

截至目前,没有证据显示他利用 ARIA 主席身份替 Anthropic 谋取利益。

真正的问题是另一件事:

一个合理的外部观察者,会不会怀疑你的公共决策可能受到私人利益影响?

这就是为什么很多公共机构处理利益冲突时,

不能只靠一句:

「我会公正。」

因为公共制度真正需要保护的,不只是决策本身。

还包括:

大家对决策的信任。

9 月 7 日,Clifford 决定辞职

争议出现几天后,

2026 年 9 月 7 日,Clifford 宣布将辞去 ARIA 主席。

他表示,自己不希望新的 Anthropic 工作成为 ARIA 工作的干扰。

不过他不会立刻离开。

应英国政府要求,他将暂时留任到 11 月 6 日,等待新主席接任,期间继续使用利益冲突防护措施。

国会科技委员会主席 Onwurah 欢迎这个决定。

但她也特别说:

问题还没有全部结束。

国会仍要求政府说明:

当初怎么会批准这样的安排?

做过哪些利益冲突评估?

有哪些制度可以避免未来再发生?

这才是整件事真正重要的地方。

因为未来政府会愈来愈需要「懂 AI 的人」

AI 有一个非常麻烦的政策问题。

如果政府完全不用产业人才,

政府可能永远追不上技术。

真正做模型的人知道能力到了哪里。

真正做 AI Agent 的人知道系统可能怎么出错。

真正做数据中心的人知道算力、能源和芯片遇到什么限制。

真正经营 AI 公司的人,也最了解产业需要什么。

所以政府当然需要这些人。

但另一边,

如果所有最懂 AI 的人都来自 AI 公司,

规则又可能变成:

被规范的人,同时也是最了解怎么设计规范的人。

这就是难题。

这就像请最懂金融的人制定银行规则

想像一下。

政府要制定银行监管政策。

它当然需要真正懂银行的人。

否则规则可能根本不切实际。

但如果今天帮政府设计银行政策的人,

明天直接加入一家大型银行,

负责和政府沟通监管问题,

社会一定会问:

他带走了什么?

只有专业知识吗?

还包括政府内部怎么想、谁负责什么、政策可能往哪里走、什么论点最能说服决策者?

这些东西很难放进一份「利益冲突声明」里。

但对企业来说,

它们全部都有价值。

AI 也是一样。

AI 公司现在抢的不只是工程师,而是「懂政府的人」

过去几年讲 AI 人才大战,

大家想到的通常是:

研究员。

模型工程师。

芯片人才。

产品经理。

现在又多了一种非常重要的人:

政策人才。

原因很简单。

AI 公司未来能不能推出某个模型、

能不能取得数据、

能不能进入政府市场、

需要负什么法律责任、

模型上市前需不需要评估、

甚至一个国家要不要限制某种 AI,

都愈来愈不是纯技术问题。

这代表「理解政府」本身,

正在成为 AI 公司非常重要的竞争能力。

Anthropic 目前甚至设有 Chief Global Affairs Officer,专门负责全球政策、国际交互与政府关系。

所以 Clifford 的加入不是孤立事件。

它反映的是:

AI 竞争已经从模型竞争,进入政策与制度竞争。

但也不要误解:从政府转去企业,本身并不是错

这件事不能简单变成:

「政府的人不准去科技公司。」

那也不合理。

政府需要产业经验。

产业也需要理解公共政策的人。

人才在两边流动,本身甚至可能有好处。

真正需要处理的是:

什么时候可以转?

哪些事情必须回避?

离职后多久不能参与原本负责的政策?

哪些政府内部信息不能使用?

哪些利益必须公开?

谁来判断冲突是否已经处理?

如果这些规则很模糊,

问题就不是某一个人做错什么。

而是制度开始跟不上 AI 产业的人才流动速度。

真正值得看的,是「谁在影响 AI 规则」

未来 AI 一定会有更多规则。

安全。

著作权。

数据。

就业。

医疗。

国防。

教育。

政府采购。

模型责任。

每一个领域背后都有巨大的商业利益。

所以我们不能只问:

AI 政策最后写了什么?

还要再多问一层:

是谁参与写的?

他们过去在哪里工作?

未来可能去哪里?

哪些产业有机会接触决策者?

哪些人没有?

这些问题听起来很无聊,

却可能比某一条 AI 法规本身还重要。

因为真正成熟的 AI 治理,

不能只靠找到几个最懂 AI 的人。

还必须创建一套制度,

让这些专业真的能替公共利益服务,

又不会让政府和企业之间的界线逐渐消失。

Clifford 最后选择辞去 ARIA 主席,

处理了眼前最明显的角色冲突。

但英国国会真正追问的问题,

其实也是每个正在制定 AI 政策的国家迟早都要回答的问题:

当最懂 AI 政策的人,同时也是 AI 公司最想抢的人,政府要怎么留住专业,又守住独立?

今天,和 AI 一起进步一点。

每天学会一个 AI 技巧。

每天节省一点时间。

每天提升一点能力。

SasaDaily,陪你一起成长。

推荐阅读

当 AI 上市前需要政府审查,代表它已经不只是科技产品

国会明明是拿证据来制定政策,为什么现在连正式调查都开始引用 AI 编出来的研究?

AI 开放给大家比较危险,还是只让少数公司控制更危险?