1.85亿美元这个数字被反复引用，多数讨论把它当成一个整体，仿佛“AI产业”作为一个统一的行为体走进了中期选举。这笔钱最值得注意的地方不在总量，在流向。它没有汇入一套连贯的立法议程，大部分流进了一场行业内部的路线竞争。两个最头部的AI公司各自组织政治行动委员会，在同一个选举周期里支持立场相反的候选人。恰恰因为它暴露的是AI资本的政治分裂，而非政治团结。
浮出水面的是一个分裂的资金结构，它的支出首先服务于监管路线之争，其次才轮到党派偏好。这套在华盛顿运作的资金机器，在另外两个战场上几乎使不上力：选民获取政治信息的入口正在被AI产品重新排序，数据中心向地方社区转嫁的成本正在制造一种游说资金无法对冲的反弹。

中期选举中的AI故事，因此不宜简化成“谁买了选举”。它更像一次暴露：一个产业可以在最短时间内学会写超级PAC支票，却无法用同样的速度解决自身内部的路线分歧和它在地方层面制造的政治阻力。
Anthropic和OpenAI的游说支出增长提供了一个入口。Anthropic今年前三季度联邦游说支出560万美元，去年同期229万；OpenAI接近380万，较去年同期的210万增加约81%。两家公司同时加大在国会的投入，说明它们面对立法风险的时间表高度重合：AI安全规则、前沿模型责任、联邦与州监管权限的划分，都可能在中期选举后的国会进入实质讨论。
联邦选举委员会的文件把这种路线对垒呈现得更具体。主张加速发展和统一监管的“Think Big”花了31万美元支持佛罗里达州第25选区的民主党众议员候选人莫斯科维茨；主张加强安全监管和保留州级规管权的“Defending Our Values”投入159.7万美元支持共和党候选人辛格。党派标签在这里退居次要位置，监管立场才是资金流向的首要依据。用“AI企业支持共和党还是民主党”来概括这轮选举的AI资金，会遗漏最关键的分歧线。真正在发挥作用的分类方式是“放松监管”与“保留安全护栏”之间的对垒，而这条对垒线恰好穿过AI产业内部。
与OpenAI和Anthropic结盟的政治团体在2026年选举中已花费5570万美元，其中5260万美元集中在安全席位，即党派归属不太可能改变、但初选竞争往往激烈的选区。这笔钱的主要目标是在初选中塑造下一届国会的组成，而非在大选中争夺摇摆席位。

广告内容的选择同样说明问题。在《纽约时报》审阅的95条由四家AI超级PAC购买的广告中，没有一条提到数据中心，只有七条直接提到AI或AI公司。
这种操作方式指向一个容易被忽略的判断：AI资本在华盛顿的支出，目前主要是在购买进入下一届国会决策圈的通道，而非购买某个具体法案的通过。安全席位的初选是成本相对可控、杠杆效应相对明确的干预点。在初选中帮助一个友好的候选人跨过门槛，比在大选中扭转一个敌对选区要便宜得多，也隐蔽得多。
广告不提AI，是因为AI在选民中的形象并不有利。同年3月的一项民调显示，多数选民认为AI的风险超过收益。在这样一个舆论环境里，把候选人与“创新”“就业”“执法”这类安全议题绑定，比直接为AI辩护更有效率。这种绑定是否会在立法阶段转化为对特定监管框架的支持，取决于中期选举后国会控制权的归属和委员会构成的变动，而不取决于广告本身。
AI对选民信息环境的影响提供了另一层观察。皮尤研究中心10月的数据显示，8%的美国成年人曾使用AI聊天机器人获取2026年选举信息；在这部分人中，76%想了解候选人在议题上的立场，40%希望获得投票选择建议。另一项调查给出的比例更高：约20%的选民使用AI聊天机器人获取选情和投票信息，38%接触过AI搜索摘要中的竞选信息。
这些数字本身并不惊人，真正需要认真对待的是聊天机器人在被要求做出选择时表现出的系统性差异。Convovo对近500场众议院、参议院和州长选举的测试显示，当通过API强制模型推荐一名候选人时，Grok 4.7在92%的可评估情形中选择了共和党候选人，GPT-6.1 Sol在97%的情形中选择了民主党候选人，两者意见一致的概率不到10%。

信息源的分化同样明显。Grok大量引用基督教保守派选民指南、Turning Point Action网站和社交平台X的内容；GPT更多依赖维基百科、美联社和Reddit。议题关注点也随之分开，Grok更频繁地检索移民、税收、犯罪和能源，GPT更频繁地检索医疗和堕胎。
这些测试是在强制提示词下通过API完成的，普通用户的标准消费级界面会拒绝直接给出投票建议。强制性测试揭示的机制仍然有意义：模型在“选择推荐谁”之前，已经在搜索什么、引用什么、强调什么上做出了排序。康奈尔大学教授塔潘·帕里克团队的判断是，GPT的选择模式可能已经内嵌在模型权重中，而Grok在被强制二选一时，行为更多取决于搜索词和检索到的信息来源。这些发现不宜被读成“某个模型属于某个政党”，它们更准确地说明，AI产品在政治信息领域的默认输出存在可测量的不对称，而这种不对称发生在用户意识到过滤已经发生之前。
AI生成的政治广告把这一层问题推到了更可见的位置。卫斯理媒体项目的统计显示，截至10月下旬，至少220条政治广告部分或全部使用了AI工具，总支出超过1.37亿美元，而2024年同期这类支出不足5万美元；其中81%由共和党方面赞助，大部分没有标注AI生成。未标注的深度伪造广告已经出现，佐治亚州民主党参议员乔恩·奥索夫本人就是对象之一。73%的受访者认为政治竞选不应使用AI生成的图像或视频，95%认为用视频捏造竞选对手从未发表的言论不可接受。
纽约大学科技政策中心的判断提供了必要的克制：这类内容在动员投票和筹款上可能更有效，对“选择投给谁”的影响相对有限，低质AI内容的泛滥还可能加速选民的免疫。把这两组判断放在一起，AI对信息环境的影响更接近一种结构性条件的变化，而非某一刻投票决定的直接操纵。选民接触政治信息的入口被一层由模型排序、摘要和未标注合成内容构成的过滤层覆盖，而多数使用者并未充分意识到这层过滤的存在。AI资本不需要在每条广告里告诉选民投给谁，它只需要让过滤层持续运转，而过滤层的默认设置本身已经带有可测量的偏向。

中期选举中还有一个变量，把AI产业的成本问题直接摆到了地方选票上，其政治约束力比华盛顿的游说支出更为确定。宾夕法尼亚州获得了900亿美元的AI投资承诺，计划建设超过90座数据中心，其中超过四分之一的项目已经因为居民对水污染和电费上涨的担忧被叫停或推迟。反对数据中心建设的立场跨越了党派线，一位宾州反对组织成员的说法是：“这跟政党之争无关，这是整个政府和政客的问题。”
在更广泛的范围内，10个州的选民在选举日要对数据中心相关措施做出选择，涵盖暂停令、禁令以及要求居民在数据中心落地前投票等不同形式。联邦众议院以417票对3票通过了要求数据中心承担更多自身电力成本的立法，这个票数分布说明，在“谁为AI的电买单”这个问题上，两党选民的关切已经跑到了党派立场前面。Morning Consult的追踪数据可以解释这种票数分布：69%的选民认为AI数据中心对电价上涨负有责任，61%反对在自己所在地区新建数据中心，而在重度AI用户中反对比例也达到60%。“我自己用AI觉得方便”和“我不想让机房建在我家旁边”在同一个选民身上并不矛盾。
把华盛顿的游说支出、信息入口的模型偏向和数据中心的地方反弹放在同一个观察框架里，可以对1.85亿美元的政治含义做一个更准确的定位。这笔钱证明AI产业已经具备了在联邦选举中大规模配置资源的能力，也证明它愿意为影响监管环境支付溢价。它同时暴露了这种能力的三条边界。

第一条是路线边界：产业内部在监管尺度上的分歧使资金无法汇聚成一套可以立法的统一议程，超级PAC在安全席位初选中支持的候选人，进入国会后未必会在同一个法案文本上站在一起。
第二条是合法性边界：对选民信息入口的渗透越深，公众对AI产业的不信任越可能固化，而广告刻意回避AI议题的做法本身说明出资方已经意识到这种不信任的政治成本。
第三条是地方边界：数据中心成本向社区的转嫁制造了一种用华盛顿游说无法消解的反弹，它的载体是电费单、地方公投和417比3这样的国会投票，而不是K街的会议室。
中期选举之后，国会关于AI安全与联邦监管框架的讨论会继续，AI产业的游说支出也大概率会继续上升。决定AI扩张政治边界的，可能不是下一笔1.85亿美元何时出现，也不是哪个超级PAC在初选中又拿下了几个安全席位。更值得跟踪的指标在宾夕法尼亚和另外九个州的选票上，在数据中心门口的地方公投结果里，在那些因为电费上涨而改变投票意向的独立选民身上。
一个产业在华盛顿能够买到入场券，但买单的人最终在地方社区和配电账单上出现。1.85亿美元买得到国会山的对话资格，买不到一个房主在电费通知单面前的沉默。这条约束线，比任何一条超级PAC广告都更持久。