慢、难、缺、深，AI 治理的四道考题

作者／   IT 时报   潘少颖

编辑／   王昕 孙妍

今天的 AI 能流利描述 " 杯子掉在地上会碎 "，却未感受过一只杯子的真实重量；今天的 AI 能写代码、做 PPT，却没办法帮床上的老人翻身……技术若要真正造福人类，就不能只停留在虚拟世界的 " 纸上谈兵 "，必须真实回应每一个来自现实世界普通而真实的需求。

技术高速跃进的另一面，是人机边界、价值取舍、全球均衡发展等一系列时代拷问摆在全人类面前。当机器开始思考，人类如何与之相处？当算法参与决策，安全如何保障？当技术挑战伦理，治理如何跟上？当鸿沟不断拉大，普惠如何实现？这四重时代之问，成为 2026 世界人工智能大会（WAIC2026）探讨的核心命题之一。

正如上海人工智能实验室主任周伯文所说，AI 可以代表人行动，但不能代表人负责，每一次人类对 AI 的授权都应当可以 " 撤回 "；全球人工智能创新治理中心国际战略专家委员会联合主席、纽约科学院院长兼首席执行官 Nicholas B.Dirks 也发出警示，AI 变革波及各行各业，我们再也没有事后补救的监管缓冲期。

随着技术的脚步加快走向通用人工智能，安全风险与冲击随之而来，多国政府、组织和企业正在探求 AI 的技术监管与治理路径。

治理速度 " 慢 "

技术的 " 代际差 "

如今人工智能早已走出实验室，渗透产业、民生、科研乃至全球治理的每一处角落。工业和信息化部党组成员、副部长柯吉欣在 WAIC2026 上透露，我国人工智能核心产业规模突破 1.2 万亿元，相关企业超 6200 家，规模以上工业企业 AI 应用渗透率突破 30%。上海作为国内 AI 创新高地，人工智能产业规模突破 6400 亿元，多款开源大模型跻身全球第一梯队。

技术红利肉眼可见，但风险隐患同步加速暴露，当下 AI 治理最核心的矛盾，是技术迭代速度远远跑在了制度规则建设的前面。

图灵奖得主、中国科学院外籍院士霍普克罗夫特在主旨演讲中回顾了 AI 的两次关键转折：2012 年杰弗里 · 辛顿在 ImageNet 竞赛中的突破，将 AI 从小众学术领域推向主流；2015 年压缩互联网内容的探索，催生了 ChatGPT 并最终推动大语言模型的发展。他预言，未来 AI 还将经历更多变革，这要求各国的治理战略必须具备极强的 " 适应变化的韧性 "。

这种变革的速度，在 AI 智能体领域体现得尤为明显。人工智能正从辅助判断转向自主行动，AI 智能体自主规划、决策、执行，让传统委托代理问题迎来前所未有的复杂变体。人类社会代理人权责清晰、可追责，但 AI 智能体本质是算法黑箱，不具备承担责任的主体属性。

更值得警惕的是全球治理体系普遍存在滞后短板，Nicholas B.DIRKS 在演讲中复盘人类历次技术变革的监管逻辑，过往人类长期遵循 " 危机发生后再搭建监管制度 " 的补救模式，" 金融危机催生金融监管、重大污染事件推动环保立法，但人工智能的影响覆盖全行业、辐射所有国家，风险前置式治理已经刻不容缓。"

规则落地 " 难 "

" 一鉴 " 们来破题

当全球人工智能伦理原则已超过 200 份，当《可信人工智能伦理指南》《人工智能伦理问题建议书》《人工智能原则》等先后出台，为什么伦理风险、价值冲突依旧层出不穷？

在全球人工智能创新治理中心国际战略专家委员会副主席王国豫看来，这些原则和规范虽然具有重要意义，但一方面这些原则过于抽象，缺乏可操作性与实施机制，另一方面，AI 的复杂性、动态性和不可解释性使得这些原则无法发挥应有作用。" 人工智能时代，伦理不再是外部强加的‘合规负担’，而是内嵌于人工智能研发、部署与应用全过程的‘基因编码’。人工智能既是治理的对象，更是治理的工具。"

当抽象原则难以落地，无论是学术机构的智能体工具、企业的治理平台，还是国家层面的政策配套，各方都在寻找让伦理真正落地的方式。

在 WAIC2026 上，复旦大学发布 " 一鉴 " 伦理审查智能体系统 2.0，其核心思路是 " 用 AI 反哺 AI 的伦理治理 "，整套系统定位为伦理专家辅助工具，遵循 " 智能初审、人类终审 " 的协同模式，应对当下人工伦理审查人力不足、标准不统一的行业痛点。在继承上一代基础研究伦理审查能力的基础上，2.0 版本重点面向人工智能医学应用场景，扩充全球各国 AI、生物医药分层伦理知识库，新增医疗大模型、康复机器人专项风险研判功能，补齐价值冲突溯源、全流程留痕复核能力，缓解算法黑箱带来的审查盲区。

当前不少中小机构、海外南方国家科研团队缺少完整伦理审查配套能力，轻量化的智能审查工具能够降低合规门槛，缩小全球治理能力差距。

类似的工具化探索并非孤例，北京前瞻人工智能安全与治理研究院自主研发的 " 灵度 " 智能评估平台与 " 灵御 " 安全防御平台，致力于对人工智能产品进行全生命周期的自动化伦理风险评估和安全监测。

这些都印证了一个判断：伦理治理正在从原则讨论走向工具落地，让伦理审查从 " 凭经验判断 " 走向 " 有据可依 "，让抽象原则在技术流程中找到具体的落脚点。

生态账本 " 缺 "

AI 的 " 环境赤字 "

AI 治理远比想象中复杂，它关乎的不只是代码和算法，还有水、电、土地等。

" 一边 AI 可以助力发掘清洁能源、守护地球，一边它也能投入传统化石能源开采，一正一反两种用途，到底什么才算得上可持续发展的人工智能？" 全球人工智能创新治理中心副主任蒋昌建在论坛上抛出了这个问题。

在联合国环境规划署首席数字官 Golestan RADWAN 看来，可持续人工智能没有一刀切的统一标准答案，评判标尺需要锚定每一项技术落地的具体场景。" 不管 AI 用于哪类能源产业，都要完整核算项目全周期消耗的水电、矿产、硬件损耗等环境成本，再对比其创造的经济、生态综合价值，只有整体收益能够覆盖全部资源环境损耗，这项 AI 应用才具备可持续属性。"Golestan RADWAN 坦言，如今全球还缺少统一的资源测算标准，各类 AI 项目的环境账难以横向对比，联合国近 200 个成员国此前已达成相关决议，正共同完善量化体系，让绿色 AI 有清晰可落地的评判依据。

资源消耗的标准化量化，是构建可持续 AI 治理体系最基础的前置工作。联合国大学水、环境与健康研究所今年 6 月发布专项预测报告，给出了一组极具参考性的推演数据：按照当前算力扩张节奏估算，到 2030 年，支撑全球 AI 运转的数据中心年耗电量将达到 945 太瓦时，配套全链条用水量等同于 13 亿非洲民众一年基础生活所需，能源设施与机房综合占地将突破 14500 平方公里。

技术效率的提升并不自动等于总消耗的下降，更棘手的是，高效的 AI 和便宜的绿电，可能诱发更多的算力消费，整体生态足迹不降反升。

当一个行业的资源消耗跨越国界，碳减排与水资源保护可能相互冲突时，谁来设定统一的全球核算标准？谁来监管跨国算力企业的环境合规？如何确保能源转型的成本与收益在全球范围内公平分配？

过往各界大多聚焦算法偏见、数据隐私等人本议题，算力全链条的资源损耗很少纳入统一监管框架。而一套完整的全球人工智能治理框架，必须补齐多维度环境评估规则，让数字产业增长与全球生态承载能力长期平衡。

规则鸿沟 " 深 "

" 全球南方 " 们来补位

" 全球南方国家 " 是《IT 时报》记者在论坛上频繁听到的一个词语，这精准指向当下全球人工智能治理体系里失衡的发展格局。世界人工智能合作组织的成立被视为一次破局尝试，不是简单提供援助，而是搭建一个让发展中国家平等参与规则制定的平台，从 " 被动接受标准 " 转向 " 共同定义标准 "。

发达国家手握高端算力与顶尖人才，发展中国家却深陷算力短缺、本土语料匮乏的困境。一位来自柬埔寨的与会代表坦言，当下主流大模型训练素材集中于中英文，高棉语等小语种缺少标准化高质量训练数据集，全球南方国家极易沦为技术的被动接收方。

今年 7 月，由联合国推动筹建的全球人工智能能力发展网络在瑞士日内瓦世界贸易组织大楼正式成立，这一网络汇集了来自非洲、亚洲、欧洲、拉丁美洲和加勒比地区的前沿人工智能中心，与世界人工智能合作组织形成规则制定、能力建设的互补协同关系，旨在缩小全球人工智能鸿沟。

据了解，针对算力、数据、人才分配不均的现状，网络设立资源供给清单专项工作组，由肯尼亚专家牵头搭建自愿申报共享机制，各国机构自主填报自有算力、数据集、实验室等资源，依托清单完成跨区域精准供需匹配，遵循开放数据准则打通数据互通渠道，破解资源分散、重复建设难题。

与硬件层面的资源共享同步推进的，是治理思路从 " 补短板 " 向 " 建共识 " 的转向。

柬埔寨邮电部信息与通信技术总局总局长 H.E.SAM Sethserey 直言，真正能引领人工智能长远发展的，不是手握雄厚资本与前沿模型的国家，而是愿意搭建普惠公共智能体系、兼顾全体民众需求的一方。他提出，发展中国家应当坚持两条治理主线并行，对内普及全民 AI 素养教育，让大众明晰技术利弊、守住向善底线；对外推动各国共筑统一通用技术标准，依靠国际协作补齐算力、数据集短板，杜绝人工智能沦为少数群体独享的工具。

人工智能的浪潮无法阻挡，但人类可以决定浪潮的方向。

排版／   季嘉颖

图片／   AI 生成

来源／《IT 时报》公众号 vittimes

E   N   D

大家都在看

IT 时报

IT 时报的 AI 干货分享群

可以就 AI 学习中的困惑

AI 作品创作过程中的困难

来轻松交流

都是圈里的朋友

无话不聊，缓解些 AI 焦虑

扫码即可加入↓↓↓

请加「星标」不错过我们