协同共治：筑牢智能时代伦理安全防线

▲作者：赵远坤

人工智能是新一轮科技革命和产业变革的核心驱动力，其快速迭代与全域渗透，在重塑产业格局、赋能经济社会发展的同时，也带来了算法偏见、数据安全、技术滥用等一系列新型风险。科技竞争越是向纵深推进，越需要筑牢安全底线、校准伦理航向。我国始终坚持发展与安全辩证统一的治理思路，以制度构建为核心、多元协同为路径，逐步构建起适配智能时代的科技伦理与安全治理体系，为人工智能高质量发展划定边界、保驾护航。

一、风险研判：智能时代的多重治理挑战

风险隐微，治理前置。人工智能的技术特性决定了其风险具有传导快、影响广、隐蔽性强的特点。从算法决策的公平性偏差，到数据生态的退化风险，再到技术滥用的系统性隐患，治理挑战贯穿技术研发、产品落地到社会应用的全链条，是全球共同面对的时代命题。

（一）算法偏见：公平性的隐性规模化风险

算法并非中立的技术工具，其训练数据承载着人类社会的历史偏见，而模型的统计归纳特性会进一步放大这类偏差，形成“输入偏差—输出强化—循环放大”的反馈回路。相较于人类个体的偏见，算法偏见的影响范围更广、隐蔽性更强，会在招聘、信贷、司法、医疗等高利害场景中造成系统性的不公平。现实中不少求职者投出百份简历石沉大海，背后可能藏着算法的隐性年龄与户籍筛选——这正是算法偏见带来的具象不公。

斯坦福大学针对主流AI招聘工具的大规模实证研究显示，在覆盖300余万求职者、400万份申请的样本中，26%的黑人申请者、15%的亚裔申请者会遭遇算法的系统性歧视，其获得推荐的比例显著低于白人申请者，不符合就业公平的“五分之四原则”。据国际主流AI伦理测评体系的跨模型评估，当前主流大语言模型在性别、种族、残障、年龄等多个维度均存在不同程度的刻板印象，其中殖民主义偏见、肤色偏见的表现尤为突出，部分模型相关维度的偏差得分超过95分（满分100分，分值越高偏见程度越深）。更值得关注的是，推理能力越强的模型，在特定场景下的偏见表现反而越显著——模型为提升决策效率形成的快速分类机制，恰恰会加剧刻板印象的固化与扩散。

国内研究同样印证了算法偏见的现实存在。中国社会科学院《中国数字就业发展报告（2025）》调研显示，部分平台招聘算法对35岁以上求职者、县域户籍求职者存在隐性筛选偏差，同类资质下获得面试邀约的概率较城市户籍青年低18%—22%；部分消费信贷模型对县域群体的授信阈值普遍偏高，一定程度上加剧了金融服务的区域差异。这些本土场景的偏差，恰恰是我国算法治理需要重点破解的现实命题。

（二）数据与内容：生态退化的深层隐患

训练数据是人工智能的基础养料，而数据质量与内容生态的退化，正成为行业长期发展的隐性风险。一方面，互联网新增内容中AI生成内容占比持续攀升，当模型产出反哺训练数据时，会引发“模型塌缩”风险：在纯递归训练的极端场景下，模型经过多代迭代后会出现信息失真、细节退化、多样性丧失，最终从对真实世界的精准描述退化为模糊、错误的输出。尽管产业实践中会持续补充真实人类数据，不会出现极端退化，但AI内容泛滥导致的语料噪声增加、信息重复度提升，会持续拉高高质量数据的获取成本，稀释训练数据的真实价值。

另一方面，数据安全与隐私保护压力持续加大。大模型训练对海量数据的需求，与个人信息保护、数据产权界定之间存在张力，训练数据的版权争议、隐私泄露风险始终存在；而生成式AI的内容创作能力，也让深度伪造、虚假信息传播的门槛大幅降低，对舆论生态、个人权益乃至社会稳定构成潜在威胁。

（三）系统性风险：技术应用的边界失控

随着人工智能向关键领域深度渗透，技术滥用与失控的系统性风险逐步凸显。在关键基础设施、金融、能源等领域，AI系统一旦出现决策失误或被恶意操控，可能引发连锁式的现实危害；深度伪造、AI诈骗等技术滥用行为，已呈现产业化、规模化趋势，对公众财产安全与社会信任造成冲击。

在医疗、工业控制、自动驾驶等高风险垂直领域，风险的连锁效应更为突出：医疗辅助诊断AI的样本偏差可能导致罕见病、基层群体误诊率上升；工业级AI控制系统若被恶意攻破，将直接威胁生产安全与能源稳定；自动驾驶系统的伦理决策偏差，可能引发不可挽回的人身伤害。这些领域的风险具有强外部性，是分类分级监管的核心聚焦对象。尤其在未成年人保护领域，算法推荐的信息茧房效应、生成内容的适配性风险、教育类AI的导向偏差等问题更易引发连锁影响，未成年人的认知塑造、身心健康与数字权益，是科技伦理治理必须优先考量的民生议题。

更深层的影响在于，算法主导的信息分发与决策模式，可能加剧社会分化。信息茧房效应会固化不同群体的认知差异，算法歧视会强化社会阶层的固化趋势。当越来越多的社会决策交由算法完成，若缺乏有效治理，技术不仅不会自动促进公平，反而可能让已有的社会不平等被技术外衣包装，变得更加隐蔽且难以纠正。

二、全球视野：治理规则的博弈与共识

范式分野，博弈共生。智能时代的治理挑战具有全球性，审视本土实践之前，先放眼全球格局，三大治理范式的分野，恰恰折射出不同经济体的发展逻辑与战略选择。当前全球已形成差异化的治理路径，围绕规则主导权的博弈持续深化，同时在核心风险防控上也逐步形成跨国共识。

（一）三大治理范式的路径分野

全球AI治理目前形成了三种典型模式，背后是各经济体基于自身产业禀赋与战略目标的差异化选择。

欧盟采取风险分级的强监管模式，以《人工智能法案》为核心，将AI系统按风险等级分为禁止类、高风险、有限风险、最小风险四级，对高风险应用设置严格的合规义务与最高罚则，试图通过高标准规则形成“布鲁塞尔效应”，将本土规范转化为全球准则。其优势是权利保护力度强、规则边界清晰，代价是一定程度上抬高了创新成本，本土AI产业发展相对滞后。

美国采取创新优先的分散式治理，联邦层面无统一综合立法，主要依靠行政指引、行业自律、事后司法诉讼形成约束，州级层面则在隐私、算法歧视等领域分头立法。这种模式给技术创新留出了最大空间，支撑了其大模型产业的快速迭代，但也存在监管碎片化、风险前置防控不足的问题。

中国则探索发展与安全并重的协同治理路径，以国家主导的合规前置为基础，兼顾制度刚性与创新弹性，既守住安全底线，也为产业升级预留空间。同时强调多元主体参与，推动政府、企业、学界、公众协同发力，形成治理合力。相较于欧盟“监管优先”的约束型路径与美国“创新优先”的放任型路径，中国协同共治范式的核心特质，在于坚持以人民为中心的发展思想，跳出西方“监管与产业对立”的二元逻辑，以制度引领统筹创新活力与风险防控，以多元协同覆盖政府、市场与社会诉求，以民生导向锚定技术向善的根本目标。这种治理模式既避免了强监管对创新活力的过度抑制，也弥补了分散式治理的风险防控短板，其包容性与普惠性更适配全球多数国家的发展需求。

（二）规则主导权的深层博弈

AI治理规则绝非单纯的技术规范，其本质是未来数字经济的运行规则，直接关系到产业话语权与国家竞争力。谁能主导全球AI治理的标准制定，谁就能在全球科技竞争中占据制度高地。治理规则的竞争，本质是发展主动权的竞争。

当前，全球治理规则尚未形成统一框架，三大范式之间既有共识也有分歧。在AI生成内容标识、算法审计基本框架、深度伪造治理等基础议题上，各国已形成普遍共识，成为全球企业合规的“最小公倍数”；但在数据跨境流动、技术出口管制、核心伦理标准等深层议题上，分歧依然显著。发达国家与发展中国家之间，也存在数字鸿沟加剧、治理话语权不对等的问题。

当前全球AI治理正从规则分歧走向底线共识与分层博弈并存的阶段，基础领域共识持续扩大，深层规则博弈不断加剧，中国协同共治的治理模式，正获得越来越多发展中国家的认同。

（三）中国的治理主张与国际担当

我国始终倡导多边共治的全球AI治理观，反对少数国家垄断规则制定权，主张各国平等参与、共商共建，构建普惠包容的全球治理体系。在治理目标上，坚持技术向善，推动人工智能造福全人类；在治理路径上，尊重各国发展差异，不搞“一刀切”的标准输出；在治理实践中，积极参与国际标准制定，分享中国治理经验，推动全球治理朝着更加公正合理的方向发展。

三、制度框架：中国特色的治理体系构建

规制有度，创新有界。立足全球治理的普遍规律与我国发展的现实需求，中国走出了一条本土化的协同治理之路。针对算法偏见强化公平性审查，针对数据生态完善合规体系，针对系统性风险筑牢底线防控，我国始终坚持“发展与安全并重、促进创新与依法治理相结合”的基本原则，逐步构建起顶层设计引领、法治保障托底、伦理规范前置的多层级治理体系，走出一条兼具创新活力与安全底线的本土化治理路径。

（一）顶层引领：发展与安全的动态平衡

我国人工智能治理的核心逻辑，是既不因为风险而束缚创新，也不因为发展而忽视安全，追求二者的动态平衡。2023年出台的《生成式人工智能服务管理暂行办法》，首次确立了生成式AI服务的监管框架，明确“包容审慎、分类分级监管”的总体原则，既为产业创新预留了空间，也划定了内容合规、数据安全、算法透明的基本底线。

2026年工信部等十部门联合印发的《人工智能科技伦理审查与服务办法（试行）》，进一步将伦理治理制度化、规范化。该办法明确了增进人类福祉、尊重生命权利、坚持公平公正、合理控制风险、保持公开透明、保护隐私安全、确保可控可信七项核心伦理原则，建立了覆盖一般程序、简易程序、专家复核、应急处置的全流程审查机制，同时从标准建设、服务体系、人才培养等维度出台支持举措，将“伦理即服务”的理念落到实处，推动治理从被动合规向主动赋能转变。

截至2026年，全国已完成千余款生成式AI服务合规备案，主流平台算法公平性专项排查覆盖招聘、信贷等重点领域，算法歧视类有效投诉同比下降超三成，治理成效逐步显现。完善的治理体系本身就是产业竞争力的重要组成部分，清晰的伦理规则与安全边界，能持续提升中国AI产品的全球信任度，为产业出海筑牢制度背书。

（二）伦理前置：治理端口的源头前移

传统治理模式多以事后监管、违规处罚为主，难以适配人工智能技术迭代快、风险传导快的特点。我国治理体系的重要特色，是推动伦理与安全要求嵌入技术研发全流程，实现治理端口前移，从末端整改转向源头防控。

按照制度要求，人工智能科技活动需将伦理审查贯穿需求设计、研发训练、产品上线、迭代升级全生命周期，高风险领域研发必须前置伦理评估。这种“伦理嵌入设计”的治理范式，要求企业在模型训练、算法设计阶段就纳入公平性、安全性、可控性考量，从技术底层降低风险发生概率，而非等到产品落地后再被动整改，既提升了治理效率，也降低了全社会的风险成本。好的治理，从来不是捆住创新的手脚，而是托住发展的底线。

（三）法治托底：多层级的规范体系

我国已形成上位法统领、部门规章细化、行业标准补充的完整治理法治链条。《网络安全法》《数据安全法》《个人信息保护法》构成数据与网络安全的三大法律基石，为人工智能治理提供了顶层法治依据；针对生成式AI、算法推荐、深度合成等细分领域，监管部门出台专项管理办法，明确具体合规要求；在行业层面，人工智能伦理标准、安全评估标准、算法审计规范等持续完善，针对医疗、工业、自动驾驶等高风险垂直领域，出台专项合规指引与评估标准，实现风险等级与监管强度的精准匹配，为企业落地合规提供可操作的指引。

这套体系既保持了制度的稳定性与权威性，也具备适配技术迭代的灵活性。通过分类分级监管，对通用大模型、行业应用、消费级产品设置差异化的合规要求，避免“一刀切”监管抑制创新，实现了安全底线与创新活力的有机统一。

四、协同路径：多元主体共建治理生态

多元协同，共筑防线。制度的生命力在于落地。科技伦理与安全治理是复杂的系统工程，无法仅靠政府监管完成，必须构建政府引导、企业主责、学界支撑、公众参与的协同共治格局，将治理要求贯穿风险全生命周期：事前伦理前置源头防控，事中动态监测过程监管，事后惩戒追责闭环整改，形成全链条、全社会的治理合力。

（一）政府：制度供给与监管赋能

政府是治理体系的核心构建者，核心职责是完善规则体系、搭建基础设施、引导行业方向。一方面，持续优化法律法规与标准体系，跟进技术迭代动态调整监管要求，保持制度的适配性；另一方面，建设智能化监管基础设施，推动算法备案、安全评估、风险监测等能力升级，用技术手段提增治理精度。同时，通过伦理审查基地、治理试点示范等方式，为行业提供合规服务与指引，实现监管与服务并重。

聚焦未成年人重点群体，对照《未成年人网络保护条例》要求，健全AI场景未成年人伦理保护机制，对教育类AI、少儿内容生成、未成年人算法推荐等场景设置更严格的伦理审查标准，强化内容过滤、时长管控、权益保障等举措，筑牢未成年人数字成长的安全屏障。以上海人工智能科技伦理审查与服务基地为代表的地方实践，正是这种治理思路的体现：依托高校与科研机构的专业能力，为企业提供伦理咨询、风险评估、合规培训等服务，将监管要求转化为可落地的行业服务，降低企业合规成本，推动治理从约束向赋能延伸。

（二）企业：主体责任与合规创新

企业是AI研发与应用的主体，也是治理的第一责任人。头部科技企业需建立健全内部伦理审查机制与安全管理体系，将伦理要求嵌入产品研发全流程，主动开展算法公平性评估、数据安全审计、风险应急演练。中小企业则可依托行业公共服务平台，提升自身合规能力。

负责任的创新不是被动满足监管要求，而是主动将伦理安全作为产品竞争力的组成部分。越来越多的企业开始在模型研发阶段引入红队测试、对抗性训练，主动排查偏见与安全漏洞；在产品上线时设置安全护栏、明确使用边界，用技术手段防范滥用风险，实现商业价值与社会责任的统一。

（三）学界：技术支撑与理论创新

学术界是治理体系的技术与理论支撑，承担着两大核心作用。一是用技术赋能治理，探索“以AI治理AI”的路径。例如复旦大学研发的“一鉴”伦理审查大模型，可自动匹配政策规则、高效完成项目伦理初审，大幅提升伦理审查效率；东南大学推出的“问道”伦理垂域大模型，融合中国文化与现行法规，可为政策制定、企业合规提供智能辅助，实现伦理治理的技术化、智能化。二是深化伦理理论与治理模式研究，结合中国文化与社会语境，构建本土化的AI伦理框架，为制度完善提供理论支撑。

（四）社会：公众参与与监督反馈

公众是人工智能技术的最终受众，也是治理生态不可或缺的一环。一方面，需加强AI科普与数字素养教育，提升公众对算法偏见、深度伪造等风险的识别能力，保障公众的知情权、选择权与监督权；另一方面，畅通公众反馈渠道，建立多元的投诉举报与意见征集机制，让社会监督成为治理体系的重要补充。

在县域、社区等基层场景，多元协商的治理模式已开展落地探索。例如浙江丽水2025年省级农业AI植保伦理试点中，建立了“村级伦理共建”机制：技术方案需经村民代表议事会知情审议，植保算法的用药剂量、作业时段需贴合当地农情与村民诉求，村民可随时通过村级服务站反馈算法偏差与应用问题，通过双向动态调整实现技术落地与社会接受度的平衡。针对中西部欠发达县域，采取“基础普及—能力提升—深度融合”三阶段梯度推进模式，先从基础科普、简易应用场景切入，配套县域伦理联络员、基层服务站等轻量化支撑，逐步提升基层治理能力，避免脱离实际的高标准要求。这种基层微治理模式，为AI技术下沉县域乡村提供了可复制的伦理实践样本。

五、组织保障：筑牢协同共治的长效支撑

固本强基，行稳致远。治理体系的长效运行，离不开坚实的组织支撑与制度约束。推动科技伦理治理行稳致远，必须把党的领导贯穿全过程，健全协同实施与惩戒约束机制，为治理落地筑牢根本保障。

（一）坚持党建引领，把牢治理航向

坚持和加强党对科技伦理治理工作的全面领导，把党的领导贯穿科技伦理治理全过程各环节，牢牢把握科技向善的正确方向。各级党委统筹本地区科技伦理治理工作，将科技伦理建设纳入科技创新整体部署，锚定责任边界，形成党委统一领导、政府分工负责、多方协同参与的工作格局。学校、科研机构、企业的党组织要发挥战斗堡垒作用，将伦理要求嵌入研发与应用全流程，守牢意识形态安全与价值导向关，确保技术发展始终服务于为党育人、为国育才、为民造福的根本目标。

（二）强化跨部门协同，凝聚执法合力

建立健全跨部门协同治理机制，打通网信、工信、公安、市场监管、教育、卫健等部门的监管壁垒，构建信息共享、线索移送、联合执法、联动处置的协同工作体系。针对AI诈骗、深度伪造、算法歧视等跨领域违法违规行为，开展联合专项治理，同频发力形成监管合力。完善跨层级治理联动机制，推动国家、省、市、县四级治理体系贯通，实现风险快速响应、问题协同处置，提升治理的整体性与实效性。

（三）健全惩戒机制，压实主体责任

完善科技伦理违规惩戒体系，明确不同场景、不同程度违规行为的处置标准，综合运用约谈整改、通报批评、暂停服务、行政处罚、失信联合惩戒等多种手段，形成分级分类的惩戒链条。对严重违反科技伦理、造成恶劣社会影响的主体，依法依规严肃追责，并纳入失信名单，实施行业禁入等约束措施。建立违规主体整改复查机制，确保整改落地见效，以刚性约束守住伦理安全底线，形成“合规有激励、违规有代价”的正向导向。

技术越向前，伦理越靠前；治理有温度，创新有底气。智能时代的科技伦理与安全治理，不是限制发展的枷锁，而是保障行稳致远的堤岸。在全球科技竞争的长周期博弈中，治理能力与技术能力同等重要，都是国家核心竞争力的组成部分。没有安全底线的发展不可持续，脱离发展的治理也失去意义。

坚持协同共治，凝聚政府、产业、学界与社会的合力，在发展中规范、在规范中发展，我们就能走出一条兼具创新活力与安全底线的中国特色AI治理之路。这套治理体系既是科技自立自强的安全屏障，也是支撑民族复兴的制度底气，终将为智能时代的人类文明贡献中国方案与中国智慧。