加州州長紐森在2026年8月31日議會休會後，於9月30日期限前完成多項AI與隱私法案的簽署或否決。政策焦點涵蓋兒童線上安全、AI透明度、廣告揭露、資料經紀人、個資刪除權，以及AI模型稽核與驗證。
SB 947「2026年禁止機器老闆法」正式上路，雇主不得僅依賴自動決策系統進行懲戒、解僱或員工行為分析，必須在不利處分前進行人工審查。加州也透過AB 1405與SB 813建立AI稽核員登記及獨立驗證機構制度，成為繼康乃狄克州與維吉尼亞州後，第三個建立州級AI獨立稽核架構的州。
兒童保護方面，AB 226、AB 1709與SB 1119分別規範兒童友善設計、演算法推薦、自動播放等易成癮功能，以及陪伴型聊天機器人的安全責任。資料治理方面，AB 883將資料經紀人處理刪除要求的頻率由每45天一次提高為每30天一次；SB 923則把刪除權延伸至直接蒐集以外、與消費者有關的個人資訊。
加州此次立法表面上是隱私與AI安全政策升級，深層則反映美國聯邦政府與州政府對AI治理路徑的分歧。聯邦層級偏好產業自律、加州則要求事前揭露、第三方稽核與明確責任，形成「聯邦鬆、州級嚴」的監管落差。
這種落差帶來三組主要利益角力：
紐森同時否決AB 1542、AB 2575與SB 903，顯示其並非單純追求監管強度，而是在消費者保護、產業可行性、行政執行能力與2026年預算之間取捨。AB 1542涉及全面禁止敏感個人資訊的出售或分享，被認為成本與後果過大；SB 903雖支持心理治療安全目標，但可能限制臨床專業人員使用現有工具。加州形成的不是單一規範，而是以風險分級、專業審查與分階段落實為核心的混合治理模式。
加州這波立法可能成為美國其他州的參考樣本，但不太可能形成完全一致的全國制度。美國過去在個人資料、兒童安全與演算法問責上的州法分化，已證明各州會依產業與政治條件形成不同規則；本次新增的AI稽核與驗證制度，則可能在聯邦政策轉向產業自律後，成為州級規範的替代方案。
整體而言，加州政策把AI治理從「模型是否安全」推向「誰能驗證、誰能追責、誰能刪除資料」的全供應鏈管理。未來的AI競爭，監管合規將與算力、資料品質及產品體驗同等重要。
01 起因觸發：加州議會集中通過多項AI、隱私及兒童安全法案
02 一階傳導：平台、AI供應商、雇主與資料經紀人須調整產品及營運流程
03 二階擴散：AI稽核、模型驗證、資料治理及法遵服務市場快速形成
04 宏觀終局：美國州級監管差異擴大，AI競爭由模型能力轉向可信度與責任韌性
領域延伸情報推薦 相關延伸研讀
依主題領域自動關聯之高參考價值外電情報
