OpenAI 表示支持加州 SB 1119。这项法案的核心方向，是为青少年，尤其是青少年用户，推进更强且符合年龄阶段的 AI 安全防护，同时保留他们学习、创作和探索新工具的机会。
安全措施不能只有“一刀切”
青少年使用 AI 的场景并不单一：他们可能用 AI 辅助理解数学题、练习写作、探索编程，也可能遇到不适合其年龄的内容，或者在长时间互动中形成过度依赖。
因此，年龄适配的安全策略需要同时考虑三件事：
- 用户所处的年龄阶段，而不是只判断“成年人”或“未成年人”；
- 请求内容的风险等级，例如普通学习问题与高风险自伤、违法或性内容应采用不同处理方式；
- 用户仍然需要合理的学习、创作和探索空间，安全系统不能把所有开放式问题都拒之门外。
SB 1119 所代表的方向，重点不只是限制模型输出，也包括建立更适合青少年使用场景的产品保护机制。具体落地时，年龄判断、内容分类、升级人工审核和家长或监护人控制都可能成为产品设计的一部分。
可以怎样设计年龄适配策略
下面是一个可运行的 Python 最小示例。它不是 SB 1119 的法律实现，也不代表任何具体合规标准，而是展示一种可以改造的工程思路：先根据年龄段和风险等级选择处理策略，再决定是正常回答、降低风险、拒答，还是交给人工审核。
运行环境只需要 Python 3.9 及以上：
from enum import Enum
class AgeBand(str, Enum):
UNDER_13 = "under_13"
TEEN = "teen"
ADULT = "adult"
class Risk(str, Enum):
LOW = "low"
MEDIUM = "medium"
HIGH = "high"
def age_band(age: int) -> AgeBand:
if age < 13:
return AgeBand.UNDER_13
if age < 18:
return AgeBand.TEEN
return AgeBand.ADULT
def decide(age: int, risk: Risk) -> str:
band = age_band(age)
if risk == Risk.HIGH:
return "拒绝生成，并展示适合年龄的安全引导"
if band == AgeBand.UNDER_13 and risk == Risk.MEDIUM:
return "提供经过简化和过滤的回答，必要时提示联系可信任的成年人"
if band == AgeBand.TEEN and risk == Risk.MEDIUM:
return "提供教育性回答，删除不必要的细节，并增加风险提示"
return "正常回答，但继续执行内容安全过滤"
if __name__ == "__main__":
cases = [
(12, Risk.LOW),
(15, Risk.MEDIUM),
(16, Risk.HIGH),
(24, Risk.MEDIUM),
]
for age, risk in cases:
print(f"age={age}, risk={risk.value}: {decide(age, risk)}")
在真实系统中，还需要补上几个关键环节：
- 不要把用户自报年龄当作唯一依据，应根据产品风险选择合理的年龄确认机制；
- 尽量减少年龄数据的收集、保存和访问范围，避免为了安全控制制造新的隐私风险；
- 对中风险请求保留上下文和申诉路径，避免分类器误判后直接阻断正常学习内容；
- 对高风险场景设计明确的升级流程，而不是只返回一条笼统的“无法回答”；
- 使用离线评测集持续测试不同年龄段、语言和表达方式下的误拒答与漏放行。
产品团队需要同时衡量两类结果
青少年 AI 安全不能只用“拦截了多少请求”来衡量。过度拦截会伤害正常学习和创作，拦截不足则可能让用户接触不适合其年龄的内容。
更有价值的指标包括：高风险内容的漏放行率、正常教育请求的误拒答率、不同年龄段的响应一致性、用户遇到风险时获得有效帮助的比例，以及年龄验证机制对隐私和使用体验的影响。
模型策略也应与产品交互配套。例如，对于普通学习问题，可以保留解释、追问和创作能力；对于敏感主题，可以使用更克制的语言、减少可操作细节，并提供求助资源；对于明显高风险请求，则应停止危险内容生成并进入适当的安全引导流程。
采用前的检查清单
支持青少年安全防护，并不意味着放弃 AI 的教育和创造价值。较稳妥的落地方式是把安全控制做成分层系统：年龄适配负责确定保护边界，风险分类负责识别请求类型，模型和产品交互负责提供合适的响应，监控与评测负责发现长期偏差。
在部署类似方案前，可以检查：
- 是否明确区分了不同年龄阶段，而不是统一套用一套规则；
- 是否为学习、创作和探索保留了低风险使用路径；
- 是否对高风险内容定义了拒答、引导和升级流程；
- 是否控制了年龄与对话数据的收集和保留；
- 是否通过真实测试持续检查误拒答和漏放行；
- 是否能在规则变化或新风险出现时快速更新策略。
SB 1119 所体现的政策方向提醒 AI 开发者：青少年安全不是单个模型过滤器的任务，而是年龄设计、内容策略、隐私保护和产品体验共同承担的工程问题。