A. 需要田野才能从 C 级升到 A/B 级的核心判断

A1. OpenAI 内部面向联邦团队的完整名册（关联第 1, 3, 4 章）

  • 现有证据等级：B（逾一打招募人员来自 The Intercept 与 Revolving Door Project（Jacobin / The Lever）综合，但总数很可能不完整）
  • 田野能提供什么：OpenAI 全体面向联邦团队的 LinkedIn 完整快照 + ZoomInfo + The Org 工具 + OpenAI 内部名录（如果可访问） + 前员工访谈
  • 预计成本：低（公开 LinkedIn）到中（多个数据来源综合）
  • 伦理风险：低（公开就业信息）

A2. CISA / NSA / CIA 2025 减员的具体人员（关联第 2 章）

  • 现有证据等级：C（公开的是总量数字，具体单位、级别、个人身份全部属于机密（classified））
  • 田野能提供什么：前 CISA / NSA / CIA 员工的匿名访谈 + OPM 的信息公开申请（FOIA） + Federal Times 多次跟进报道
  • 预计成本：高（联邦雇员访谈难，FOIA 需数月流程，权限受限）
  • 伦理风险：中-高（保护匿名 + 避免触犯仍然有效的安全保密规定）

A3. 各前沿 AI 实验室（frontier AI lab）持密人才库（cleared workforce）的总规模（关联第 3, 12 章）

  • 现有证据等级：D（根据公开的个人计数推断每家实验室 50-100 人）
  • 田野能提供什么：按公司筛选抓取 ClearanceJobs + LinkedIn 持密人才筛选 + 前实验室员工访谈 + 公司公告分析
  • 预计成本：中（多次抓取 + 多名信息源）
  • 伦理风险：低-中（不曝光个人，做总量层面分析）

A4. 联邦情报界（IC）旧部 → 私营部门去向的完整映射（关联第 4, 7 章）

  • 现有证据等级：B（公开的 50-100 名顶层人员），D（未公开声明 IC 背景的中层 / 工程层）
  • 田野能提供什么：DEF CON / BlackHat 演讲者历史 + LinkedIn 持密人才筛选 + 按旧部身份筛选 ClearanceJobs
  • 预计成本：中（多个数据来源综合）
  • 伦理风险：低（不曝光未公开声明 IC 背景的个人）

A5. SCSP / NSCAI / DIU 的关键资金来源与预算明细（关联第 10 章）

  • 现有证据等级：C（公开的非营利机构 IRS 990 表 + 政府预算文件）
  • 田野能提供什么：IRS 990 多年度详细分析 + 各联邦机构预算文件 + 机构内部财务报告（部分公开）+ 多个资金来源识别
  • 预计成本：低-中（公开的 IRS 990 文件 + 预算研究）
  • 伦理风险：低

A6. Anthropic NSAC 完整成员名单（关联第 1, 3 章）

  • 现有证据等级：B（公开成员包括 Luber 与 Shanahan）
  • 田野能提供什么：Anthropic 公告的详细分析 + 从 Axios 报道推断前参议员与前核武主管 + LinkedIn 核查 + 前 Anthropic 政策团队访谈
  • 预计成本：低
  • 伦理风险：低

A7. xAI 与 Trump-DOGE 利益冲突的详细映射（关联第 3 章）

  • 现有证据等级：C（Sen Warren 公开信指控，存在 FOIA / DOJ 调查的可能）
  • 田野能提供什么：针对 DOGE 内部的 FOIA + Sen Warren 信件续追 + xAI 内部文件 + 前 DOGE 员工访谈
  • 预计成本：高（FOIA 流程 + 进入 DOGE 内部的权限极难）
  • 伦理风险：中（涉及进行中的政治调查）

B. 值得访谈的人（按“可达性 × 重要性”排序）

不点名具体个人，按角色 / 位置描述：

B1. 进入前沿 AI 实验室的前 IC 资深官员“第一批人”

  • 类型 1：已公开身份 + 离开联邦已有几年 + 活跃于公开评论（中等可达性）
  • 类型 2：刚离开联邦 + 正在过渡 + 尚未完全在私营部门安顿（价值高但意愿有限）
  • 类型 3：身处前沿 AI 实验室内部但未公开声明 IC 背景（极难接触，伦理敏感）

访谈问题优先级：个人的使命对齐（mission alignment）表述 + 与新同事的文化摩擦 + 联邦任职时期对私营部门关系的内部观察 + 退休前对未来规划的对话。

B2. CISA / NSA / CIA 2025 减员的受影响官员

  • 类型 1：被裁员（RIF）+ 已公开承认（如多名受影响的 SED）
  • 类型 2：接受延迟辞职计划（DRP）+ 正在过渡
  • 类型 3：未来的裁员对象

访谈问题优先级：延迟辞职决定的过程 + 上级管理者的传话 + 离开联邦后的计划 + 与前沿 AI 实验室的接触历史。

B3. 前沿 AI 实验室“联邦合作”团队前员工

  • 类型 1：OpenAI Federal Affairs / 联邦合作团队旧部
  • 类型 2：Anthropic Global Affairs / NSAC 项目旧部
  • 类型 3：Microsoft / Google / Anduril 联邦合作旧部

访谈问题优先级：与 IC 旧部同事的日常互动 + 联邦客户的期望 + 公司内部关于联邦方向的决策。

B4. 精品咨询（boutique）公司（Paladin / BGS / Chertoff / WestExec）的合伙人与前员工

  • 类型 1：在职合伙人（经由公开 LinkedIn 可中等程度接触）
  • 类型 2：前员工（已离开但可能更坦率）
  • 类型 3：精品咨询内部分析师（层级较低但仍有价值）

访谈问题优先级：与前沿 AI 顾问业务相关的具体交易流 + 与 IC 旧部客户的互动 + 精品咨询内部的策略。

B5. SCSP / DIU / NSCAI 旧部与现职员工

  • 类型 1：SCSP 现任 / 前任研究员
  • 类型 2：DIU 资深旧部
  • 类型 3：NSCAI 委员 / 幕僚

访谈问题优先级：议程形成的过程 + 资金来源 + 跨机构的人员流动 + Schmidt 个人参与的细节。

C. 值得进入的场域（按“可观察密度 × 信息独占性”排序）

C1. Aspen Security Forum（年度）

  • 可观察密度：高（多名 IC 资深人士 + 硅谷 + Pentagon + 媒体同时在场）
  • 信息独占性：中（论坛讨论大多公开；会场边角与走廊互动价值高）

C2. RSAC + BlackHat + DEF CON

  • 可观察密度：高（网络安全行业全员）
  • 信息独占性：中（演讲者历史 + 后续 LinkedIn + 赞助商名单都公开，但非正式的走廊互动价值高）

C3. Vanderbilt Institute of National Security 的活动

  • 可观察密度：中-高（Nakasone 主持 + 多名 IC 资深人士参与）
  • 信息独占性：中（项目公开，但具体课程与顾问名单部分属内部）

C4. SCSP International Strategy Forum 的活动

  • 可观察密度：中（每年 80 名研究员）
  • 信息独占性：中（研究员身份公开，但内部讨论非公开）

C5. 国防与 AI 产业会议（Politico Defense Forum 等）

  • 可观察密度：中
  • 信息独占性：高（联邦客户与私营供应商的详细互动）

C6. ClearanceJobs 与同行业的行业刊物读者群

  • 可观察密度：低（总量层面）
  • 信息独占性：低-中（行业趋势 + 普通读者就是持密人才库）

D. 需要通过田野渠道获得的数据集

D1. NSA / CIA / CISA 2025 减员的详细单位级明细

  • 公开渠道为何不可得：属于机密 + 内部人力资源数据
  • 田野可能从何处获得：匿名前员工 + OPM 的 FOIA + Senate Intelligence Committee 听证记录
  • 可替代的二手数据：媒体报道中的总量数字

D2. 前沿 AI 实验室持密人才库的总数与明细

  • 公开渠道为何不可得：公司不披露
  • 田野可能从何处获得：抓取 ClearanceJobs + LinkedIn 持密人才筛选 + 内部权限
  • 可替代的二手数据：个人招募公告的汇总

D3. 联邦网络安全官员退休后的去向数据

  • 公开渠道为何不可得：个人隐私 + 无系统性追踪
  • 田野可能从何处获得：校友 / 旧部网络 + Federal Senior Executives Association + 退役资深官员自主披露
  • 可替代的二手数据：LinkedIn 总量 + 媒体报道

D4. 前沿 AI 实验室服务的具体联邦合同定价

  • 公开渠道为何不可得：定价属机密 + 商业敏感性
  • 田野可能从何处获得：针对 DoD 合同的 FOIA + GAO 审计 + 内部举报人
  • 可替代的二手数据：公开的合同上限

D5. IC 旧部精品咨询的详细收费结构与营收明细

  • 公开渠道为何不可得：私营公司
  • 田野可能从何处获得：BGS / Paladin / Chertoff 的合伙人 / 前员工 + 任何法律纠纷的诉讼文件
  • 可替代的二手数据：行业平均估计

E. 需要私域观察才能解码的“内部话语”

E1. “使命对齐”表述在 IC 旧部私下对话中的具体形态

  • 公开材料只显示：公开声明的“继续公共服务”表述
  • 需要田野解码：个体决策对话中的具体措辞 + 与商业现实之间的张力

E2. 前沿 AI 实验室内部“安全委员会”与“联邦客户”之间的张力

  • 公开材料只显示：实验室关于安全与联邦的公开声明
  • 需要田野解码：具体决策中安全与商业张力的亲历经验

E3. Trump 2.0 行政令工具的寒蝉效应在 IC 旧部实际决定中的具体影响

  • 公开材料只显示：对招募的总量影响（如 Krebs 离开 SentinelOne）
  • 需要田野解码：单个 IC 资深官员退休决定中具体考量了哪些政治风险 + 它如何塑造去向选择

E4. Schmidt 三角内部战略议程的具体形成过程

  • 公开材料只显示：NSCAI / SCSP 报告的最终成果
  • 需要田野解码：议程形成中的内部讨论 + 不同声音的分量 + Schmidt 个人的具体角色相对于 Bajraktari / Work / Flournoy 等人

E5. DOGE 时代联邦网络安全工作者留任对话的具体内容

  • 公开材料只显示：总量层面的离职率 + 公司的公开声明
  • 需要田野解码：上级与员工之间关于去留的实际对话 + 真实的使命对齐动态

F. 已知边界与诚实声明

本研究的边界：

1. 仅限公开材料：所有结论建立在案头研究之上，即网络检索、官方文件、媒体报道、SEC 文件、智库报告、学术资源。任何依赖机密材料或个人私下对话的论断都使用“可能”/“据公开材料推断”等留有余地的表述。

2. 仅做总量层面分析：涉及具体个人时只采用公开声明过 IC 背景的人。未公开声明 IC 背景者不点名。

3. 量化数据精度有限：多数量化论断都是估算（联邦网络安全人才约 60,000-200,000 人，前沿 AI 实验室持密人才库约每家 50-100 人等）。公开数据集本身残缺。

4. 审慎区分因果与相关：本系列谨慎区分吸纳现象与具体的因果论断。“Nakasone 进入 OpenAI”并不构成“OpenAI 雇用 Nakasone 是为了某个目的”的证据，它只是事件本身。

5. 政治中立：本系列试图覆盖横跨 Obama / Trump 1.0 / Biden / Trump 2.0 各届政府，不专门做党派归咎。Trump 2.0 的加速并非对 Trump 的个人批评，而是结构性观察。

6. 时间冻结：本系列写作截止时间为 2026 年 5 月。2026 年之后的未来发展仍在展开，本系列不做预测。

7. 完整图景的局限：要真正充分理解该现象，可能需要未来研究者综合案头、田野与内部人士陈述。本系列只是基于案头研究做映射的首次系统性尝试。

8. 中国 / 俄罗斯 / Iran 是否存在类似的吸纳现象：本系列只关注美国。其他民族国家是否存在类似的 IC → 前沿 AI 实验室吸纳，是一个重要的比较性问题，但超出本系列范围。

结尾

本附录是本系列前 12 章案头研究工作的诚实边界声明，也是给后续研究者的系统性路线图。

未来研究者若做以上田野调查，具体即 A1-A7 的数据收集、B1-B5 的访谈、C1-C6 的会议观察，能大幅强化本系列的量化与质化分析。但本系列前 12 章已经提供了框架、生态地图、关键行动者与结构性动态的完整图景，足以给未来研究者一个起点。

特别说明：本系列并不要求作者本人去做田野调查。本系列建立在案头研究之上，已经能够独立成立。田野调查建议只是可选的增益。

最终：本系列的论点是成立的，即美国国家安全网络能力的物理位置正在从联邦设施部分迁移到前沿 AI 实验室、硅谷国防科技与 IC 旧部的精品咨询。这一论点由公开材料充分支撑。田野调查可以补充细节、层次与具体性，但论点本身已经建立在公开材料之上。