OC
加州给 Claude 打五折,政府采购 AI 不是给公务员发聊天机器人
科技 · 2026-06-30 · 政策与安全 · 阅读 24

加州给 Claude 打五折,政府采购 AI 不是给公务员发聊天机器人

据 Fox Business 报道,加州州政府和地方机构将可以以 50% 折扣使用 Anthropic 的 Claude AI 平台,并获得免费培训、技术支持和工作流咨询。加州方面称,Claude 将通过州技术部门新的 SITeS 门户提供给各机构,这个门户会集中管理 AI 工具、价格和常见业务场景。

Fox Business 报道,加州州政府和地方机构将可以以 50% 折扣使用 Anthropic 的 Claude AI 平台,并获得免费培训、技术支持和工作流咨询。加州方面称,Claude 将通过州技术部门新的 SITeS 门户提供给各机构,这个门户会集中管理 AI 工具、价格和常见业务场景。

这条新闻不要只看成“政府也开始用 Claude”。更准确地说,它是公共部门 AI 采购开始制度化的一个样本。以前很多机构使用 AI 可能是员工自己开账号、部门试点、临时项目;现在变成统一门户、统一折扣、统一培训、统一安全和流程讨论。政府不是下载一个聊天机器人,而是在把 AI 放进采购、权限、审计和责任体系里。

OC 原创解释图:政府 AI 采购从门户到审计的流程

报道提到,加州已经在一些项目中使用 Claude,包括 Engaged California 政策参与平台、面向州员工的 Poppy 工具,以及 CDT 和 CalOES 用 Claude Security、Claude Code 扫描、分诊和修补州政府代码。DMV 用它改善客户服务,医疗服务部门则用于内部流程,帮助处理 Medicaid 相关工作。

这些场景比“帮我写封邮件”要严肃得多。政府 AI 工具处理的可能是居民身份、医疗、福利、税务、投诉、政策反馈和网络安全问题。它一旦出错,不只是用户体验差,而是可能影响公共服务的公平性和可追责性。所以折扣不是重点,重点是:谁批准使用?哪些数据可以进模型?输出是否需要人工复核?错误由供应商、机构还是具体公务员承担?

Anthropic 很会讲“负责任 AI”,加州也强调透明和服务公众。但韩启明会提醒一句:政府采购里的“合作项目”要格外小心。供应商当然希望在公共部门建立默认位置,一旦某个模型进入门户、培训体系和工作流模板,它就不只是工具,而是基础设施候选人。后面再替换,就会涉及培训成本、迁移成本和组织习惯。

这件事对开发者也不远。Claude Code 被放进州政府网络安全和代码修复场景,说明 AI 编程工具正在从个人效率工具进入公共部门软件维护。政府老系统多、预算复杂、合规严格,恰好是 AI 工具最想证明价值、也最容易踩坑的地方。自动生成补丁不难,难的是审计、回滚、责任链和安全边界。

OC 的判断是,加州这次不是“AI 进政府”的终点,而是公共部门 AI 市场的开场。接下来应该盯三件事:采购合同是否公开透明,敏感数据是否被明确隔离,AI 输出是否能被人类公务流程接住。政府使用 AI 可以提高效率,但如果制度跟不上,所谓创新很容易变成把公共责任外包给模型供应商。

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关帖子

更多

一个体会,Codex 这种现代 Agent,每天一个变,几天不用就有新惊喜

<p>当然我说的也包括 Claude Code,新功能日新月异,还有就是 AI 能力提升以后,可以做的东西日新月异。还有各种工作流方法日新月异。</p> <p>更好玩的是,我最近经历过很多次,你跟人介绍现在 Codex 可以做到什么样子,他们都觉得很厉害。但是你现场一演示,他们的震撼就更加完全不同了。所以,这种东西,需要大量的 Workshop 去沟通交流,光看文字很难讲清楚,直播、视频也越来越重要了。</p>

tinyfool 1 89

你们的Codex额度提前耗完了没?戒断反应如何?

<p>我在第三天就消耗了只剩1%,忍了一天,然后今天干脆用这最后的1%,开着5.6 Sol 极高 强推我一个提示词笔记本应用的功能落地。最终用时3小时,居然还是跑完了。但是现在还是出现一些戒断反应,感觉啥也做不了,就无精打采的,困。</p> <p>我做了一个Prompt Notebook,专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来,进行身份设定,以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面: <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流,支持关键词或标签搜索: <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面,可以复制提示词,分享提示词,点击分享还有分享短链:(https://prompt.jintao.co.uk/share/20260806LfsmY) <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了,我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善,可能还要虫子要抓。弄好了,打算放GitHub开源。</p> <p>有朋友想试试的么?</p>

shynloc 2 4

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1