文章总结： 本文系统分析全球人工智能治理中四类关键行为体（国际组织、国家主体、科技企业、公众）的角色演变与互动机制，提出制度规则、资源协作和公共空间三条互动主线形成的规则-能力-认知闭环。研究发现治理权力正从刚性控制转向软性重构，治理目标从稳定控制转向韧性调节，多元主体通过标准制定、能力组织与社会反馈推动单边规制向协商共治演进。 综合评分： 85 文章分类： 政策法规,AI安全,解决方案,安全建设,其他

专题 • 特别策划｜全球人工智能治理：多元主体结构与互动机制

原创

Cismag Cismag

信息安全与通信保密杂志社

2026年4月2日 17:43 四川

编者荐语

文章不仅揭示了制度规则、资源协作与公共空间三条主线如何共同塑造治理格局，更敏锐捕捉到治理权力正从“刚性控制”向“软性重构”转变，治理目标从稳定控制转向韧性调节。

引用本文

姚旭 , 朱政宇 . 全球人工智能治理：多元主体结构与互动机制[J]. 信息安全与通信保密 ,2025(11):2-13.

文章摘要

在人工智能技术快速发展并深度嵌入社会结构的背景下，全球人工智能治理呈现出多主体参与、跨层级协作的新格局。以国际组织、国家主体、科技企业与公众4类关键治理行为体为分析主线，梳理其在人工智能治理中的角色演变与互动机制。通过对制度规则互动、资源协作互动与公共空间互动 3 种主要关系类型的系统归纳，形成“规则—能力—认知”闭环，揭示多元主体在标准制定、能力组织与社会反馈等治理环节中的协同路径与结构特征。不同主体在互动过程中不断推动人工智能治理从单边规制向协商共治演进，逐步形成一个具备网络特征与适应能力的多元参与治理体系。这有助于深化对全球人工智能治理中行为体关系结构与互动逻辑的理解，为构建更具包容性和有效性的治理架构提供基础性支撑。

0 引  言

近年来，随着人工智能（artificial intelligence, AI）快速演进，全球AI治理正呈现主体多元化、议题复杂化和工具体系重构的趋势。现有研究多聚焦于单一国家或单一制度工具，尚不足以解释国际组织、国家主体、科技企业与公众在同一治理场域中的结构关系及其互动逻辑。为回应这一不足，本文将以“国际组织—国家主体—科技企业—公众”4类关键行为体为分析起点，从制度规则、资源协作与公共空间3条主线入手，系统刻画全球AI治理的多元主体格局与互动机制，构建“规则—能力—认知”的分析框架。在此基础上，本文将通过对典型国家政策实践、国际机制安排和企业治理范式的比较分析，揭示治理权力由刚性控制走向软性重构的内在机理，并阐明治理目标如何由追求稳定控制转向注重韧性调节。通过上述研究，本文将力图为理解当前全球 AI 治理的范式演进提供新的分析视角。

1AI治理体系中的多元主体格局

全球 AI治理正朝着多元化与协同化方向发展，涵盖国际组织、国家主体、科技企业与公众等多个关键维度。这4类主体在功能上并非彼此割裂：国际组织提供规则一致性与互认边界，国家主体负责规制转译与资源统筹，科技企业将技术能力与合规机制嵌入产品与生态，公众与社会组织通过问责与反馈闭环提升治理的透明度与可理解性。四者的协同程度，直接决定后续互动机制的有效性。

1.1 国际组织推动规则共识与标准互认，构建全球协调治理体系

全球各国 AI治理水平差异较大，普遍在“规则碎片”中探索从“软法”到“硬法”的过渡和衔接。这一衔接过程不仅需要各国既有规则的有效对接及对自身现有规制的转译与互认，更需要能力建设的持续投入，迅速降低发展中经济体的制度与实施门槛。基于上述需要，以联合国框架内相关机制为代表的国际组织成为全球 AI治理的重要支点之一。

2021年设立的秘书长技术特使办公室（Office of the Secretary-general’s Envoy on Technology, OSET）已于2025年1月1日正式更名为数字和新兴技术办公室（Office for Digital and Emerging Technologies, ODET），联合国秘书长数字和新兴技术特使需要领导秘书长在技术领域的战略举措，统筹协调联合国系统的内部工作，并与全球范围内的各种利益攸关方和合作伙伴对接，强调以 AI能力建设弥合南北技术鸿沟。经济合作与发展组织（Organisation for Economic Co-operation and Development, OECD）提出 AI五大核心原则（可信、安全、透明等），并设立 AI事件通报框架推动各国风险管理措施趋同。国际标准化组织（International Organization for Standardization, ISO）/国际电工委员会（International Electrotechnical Commission, IEC）与电气和电子工程师协会（Institute of Electrical and Electronics Engineers, IEEE）作为标准化机构，通过 ISO/IEC42001管理体系、IEEE7000伦理系列等推动企业采纳透明、公正的 AI治理工具，已有上千家组织参与认证。这些国际组织通过制定技术规范、开展伦理评估和强化能力建设等举措，为 AI全球治理提供基础性制度框架，在凝聚国际共识的基础上推进“软法”框架，提升全球协同治理的系统性与可操作性。

1.2 国家主体形成多元治理格局，发达与发展中国家路径各异

各国 AI治理通常关注前置合规、动态试点、事后监管这几个方面，其中前置合规有利于降低高风险场景的不确定性，但可能抬高创新门槛、降低研发落地速度；动态试点鼓励先行先试、有利于促进产业发展，但可能会引起伦理争议和安全事件；事后监管在操作性上需要精细化考量，对规则完整度和更新速度有更高要求。理想状态下，AI治理应该形成的是一种全流程监管的动态协同机制，但现实中各国家往往基于自身国情选择差异化的治理优先级。

发达国家正发挥制度与资源优势强化 AI治理体系。美国联邦层面持续加大 AI领域投入，2025财年（FY2025），“网络与信息技术研究与发展计划”（networking and information technology research and development program, NITRD）的预算规模达112亿美元，其中33.16亿美元专用于“人工智能研究与开发”（artificial intelligence research and development, AI R&D）；美国国家标准与技术研究院（National Institute of Standards and Technology, NIST）获近4770万美元，用于建设美国人工智能安全研究院（U.S. AI Safety Institute），推动 AI评测基准体系建设。美国总统唐纳德·特朗普（Donald Trump）政府意图推动 AI技术的快速发展，要求 AI系统规避意识形态偏见，同时推动美国 AI技术向盟国输出，进一步巩固全球市场的领导地位。这些政策与拜登政府侧重 AI安全性和强监管的治理框架形成鲜明对比。欧盟则通过《人工智能法案》（AI Act）确立风险分级和事前审查体系，对高风险应用实行强监管，同时意图通过2000亿欧元的大规模投资计划支持 AI基础设施，兼顾监管与产业竞争力。

全球南方国家正加速融入全球 AI治理体系的构建进程。在此背景下，金砖国家作为其中核心力量之一，致力于推进技术体系自主化建设，并持续深化产学研协同创新机制。金砖国家在 AI治理上已经形成一些共性特征，其特点是以国家顶层战略为引导，以关键领域立法和全球议程参与为支柱，并普遍将数据治理与伦理规范置于核心。这一路径的动因，既源于利用 AI促进产业升级的内在发展需求，也包含了在全球规则博弈中提升话语权、摆脱发达国家技术依赖和规则垄断的安全诉求。但该治理进程面临严峻的内外制约。内部挑战在于成员国之间数字基础与技术能力的显著差异；外部挑战则表现为，作为一个集体，其全球影响力相对有限，同时还需要应对部分发达国家在技术与规则层面施加的外部压力[8]。具体而言，各国的实践路径反映了其独特的国情与战略侧重。例如，印度2024年启动的“印度 AI使命”（India AI Mission）计划投入12亿美元，用于采购 AI芯片和培养十万专业人才，该计划尤为注重本土化应用与多语言环境适配，旨在推动 AI与社会具体需求的深度融合；巴西参议院于2024年12月通过了《人工智能法案》，从政策层面将治理重点聚焦于农业、医疗等本土需求迫切的领域，同时试点推行 AI应用的公平性与可解释性评估机制。

1.3 科技企业主导技术演进与生态构建，成为全球 AI治理的重要塑形者

在治理塑形方面，企业关注标准与评测共建、生态构建与政策反馈。其中，标准与评测共建旨在提高规则的技术可行性，增强企业自身技术的影响力与外部信任；生态构建推动资源协作和优势扩展；政策反馈则通过直接或间接的方式影响政府决策，从而促成对企业自身发展有利的监管和支持政策。

美国企业凭借深厚的技术积累和强大的资本优势，在引领 AI核心技术突破的同时，正积极将影响力从技术标准延伸至国家政策层面。OpenAI是这一路径的典型代表。OpenAI通过“红队网络”（red teaming network）推动 AI安全标准的建立，邀请外部专家进行对抗性测试，主动识别并修复漏洞与偏见。这一措施增强了模型的稳健性，并为行业设立了负责任 AI开发的基准。同时，OpenAI整合 GPT系列与多模态模型 Sora，构建强大的多模态应用生态系统，推动 AI技术产业化。此外，OpenAI积极参与美国 AI政策制定，发布《美国 AI经济蓝图》（AI in America: OpenAI’s Economic Blueprint），推动形成联邦层面的 AI监管框架，并倡导“出口民主 AI”战略，确保美国在全球 AI竞争中的领导地位。

我国企业展现了强大的系统工程能力，通过技术创新与资本投入的结合，构建了从基础大模型研发到垂直产业深度应用的完整链条。以阿里巴巴的“通义千问”（Qwen）系列为代表，其通过开源策略在中文大模型领域实现技术领先，在全球主要模型社区的下载量已经突破4亿次，衍生模型数量超14万个，成为当前最具影响力的开源模型之一。该策略在降低 AI技术应用门槛的同时，为大量开发者进入生态系统创造了条件，从而推动了开发者社区的逐步形成与活跃。同时，阿里巴巴还成功将基础模型转化为商业应用，在消费电子、办公协同和文创等多个行业实现规模化落地，展现了其推动 AI技术普及与产业化的核心竞争力。欧洲企业在 AI发展中呈现出鲜明的“规制内创新”（innovation within regulation）特征，注重将技术发展与社会价值、法律合规及透明度紧密结合。以法国初创公司 Mistral AI为代表，其自创立之初就坚定地推行开源战略，致力于为市场提供一种可替代科技巨头专有模型的开放、透明解决方案。该公司在参与欧盟《人工智能法案》制定过程中，积极对接欧盟通用 AI实践准则（GPAI code of practice），并联合其他欧洲科技企业向欧盟委员会提出建议，推动法案落地实施并优化过渡期安排。同时，Mistral AI还积极拥抱国际标准，通过获得 ISO/IEC27001（信息安全管理）和 ISO/IEC27701（隐私信息管理）等认证，提高其产品的合规性与可信度，并与欧盟 AI监管沙盒（AI regulatory sandbox）理念契合，验证其技术在监管环境中的透明度和合规性。

全球 AI企业的创新路径正呈现出以开源贡献、标准共建和产业化落地为核心的“三重驱动”特征，进而构建起复杂的跨国协作与竞争网络。这一发展格局表明，AI技术创新已不再局限于单一路径，而是通过开源与专有技术并行推进，实现了技术普及与市场应用的双重目标。在这一过程中，开源与专有技术的互补性成为推动全球 AI生态系统发展的关键动力。通过标准化和合规性要求的共建，企业不仅推动了技术的创新与迭代，也加速了全球治理框架的形成。这种双轮驱动的创新模式为全球 AI技术的发展提供了更加协调和可持续的路径。

1.4 公众逐步成为 AI治理共建力量，推动技术与社会价值融合

公众参与 AI治理从“事件驱动”走向“流程嵌入”的关键在于公众信任的积累和决策方的反馈，从而确保治理工具的可持续性。当前，公众与社会组织正逐渐从技术的使用者转变为 AI治理的积极参与者。公众的意见与反馈日益影响政策制定与企业策略调整，其诉求正在被制度化，在合规、隐私、问责等治理维度提供现实依据，公众参与已成为推动 AI治理体系不断完善的关键动力。

皮尤研究中心（Pew Research Center）调查显示，美国近一半的公众担心 AI侵犯隐私或造成失业，78%的公众认为 AI会干预选举[15]。同时，包括 Algorithmic Justice League 与 Center for Humane Technology 在内的多家社会组织，持续推动算法透明和公众监督议题进入公共议程，并通过倡导、研究和政策游说，对美国 AI立法的方向与节奏产生了实际影响。欧洲“AlgorithmWatch”等组织借助监测工具，参与欧盟政策制定[16]。随着 AI技术普及加速，大众对劳动替代、算法推荐、安全监管等议题的关切，对相关行业政策产生了重要影响。例如，萝卜快跑的规模化运营引发了公众对自动驾驶技术加速网约车司机劳动替代的担忧，催生了关于就业保障与职业转型的广泛讨论。同样，小米自动驾驶车辆发生交通事故后，事件迅速在网络上发酵，推动了监管部门出台针对自动驾驶车辆宣传与营销的专项规定，要求企业在广告中如实披露适用条件与安全风险。这些案例显示，公众舆论对 AI治理规则的作用已从被动接受转向主动塑造。

2AI治理体系中多元主体的互动逻辑

AI治理各主体的互动逻辑可以被分类为制度规则、资源协作和公共空间互动。其中，制度规则互动关注合法性与一致性，资源协作互动强调可接入与效率，公共空间互动的目的是强化理解与信任。三者共同形成“规则—能力—认知”的闭环。

2.1 制度规则互动

评估制度规则互动的质量，可从4个维度观察：一是合规要求是否清晰且可操作；二是执法是否一致且具有可预期性；三是跨境互认与衔接机制是否到位；四是规则更新是否能与技术周期同步。

在全球 AI治理体系重构的背景下，制度规则的形成日益呈现多主体参与、跨层级协调与协同博弈的特征。国际组织、国家主体、科技企业与公众等关键行为体，正摆脱彼此孤立的治理角色，通过动态互动与机制嵌套，共同推动 AI治理从传统的单边规制范式向更具包容性和响应性的多边协同模式转型。

国家主体与国际组织之间的互动构成制度规则共建的关键轴线。在 AI这一典型具有跨境外部性的技术议题上，单一国家的规制能力往往难以覆盖其国际影响。随着技术产业日益前置，国家与企业之间的制度互动亦呈现制度化与结构性双重特征。科技企业凭借在模型设计、数据调度与算力基础设施等方面的技术主导优势，成为政策制定的重要参与方。在国际层面，具有国际权威性的标准化机构与跨国企业之间的互动加速了 AI治理的技术标准化与伦理制度化进程。例如，IEEE、ISO以及 OECD等国际机构，广泛吸纳企业代表进入标准制定工作组，确保治理框架既具操作性又具产业适配性。公众、学术界、非政府组织与媒体等社会主体，在制度规则的互动过程中，已不再仅仅是被规制的对象，而开始通过各种渠道介入治理过程，形成了制度性“下向反馈机制”。在政府和国际组织层面，公众意见通过征求稿意见、专家咨询委员会与参与式听证会等机制，直接影响治理框架与伦理条款的修订过程。

AI治理中制度规则的生成逻辑，正从传统“自上而下”的单边规制范式，转向由国际组织、国家主体、科技企业与公众共同参与的协商共治机制。国家主体在制度规则中仍处于主导地位，但其合法性日益依赖于国际规范对接与社会反馈机制的嵌入；国际组织凭借其标准整合与协商协调能力，在全球治理中提供一致性保障；科技企业则以实践知识与技术能力参与制度建构，在效率与规范之间寻求平衡路径；公众则通过表达机制、参与渠道与监督网络，嵌入制度循环，为治理提供伦理张力与社会基础。

2.2 资源协作互动

资源协作的治理价值在于以平台化方式降低创新门槛，但也需关注接入公平与成本分担。在 AI治理从规范建构迈向体系深化的进程中，资源协作从配套机制上升为治理结构的核心支撑。相较于制度互动主要着眼于合法性建构与规制路径设定，资源协作的本质在于能力组织与平台联结，通过项目共建、场域共享与机制协同，为多元主体提供参与渠道与行动空间。

资源协作更加关注“治理如何得以实现”。在全球范围内，国家、国际组织与企业之间的协作越来越倾向于围绕技术供给、平台建设与能力扩展展开。与制度互动中以文本、原则和法理为主的规则结构不同，资源协作互动呈现更为复杂的项目机制导向与平台嵌套式结构。国家通过设立项目制基金、政府采购机制或政策激励工具，与企业、高校及社会组织形成多点连接。

资源协作的另一显著特征是促成了治理主体之间角色结构的重新定义。在传统制度互动中，公众往往被视为合规对象或意见提供者，而在资源互动逻辑下，其身份转向知识贡献者、数据提供者与合作共建者。资源协作互动依赖于具体的物理与数字场域，其协作结构以实验室、开源社区、挑战平台、数据与算力资源池等为载体，体现出空间化与功能化的双重转向。企业通过开放应用程序编程接口（application programming interface, API）、设立算力共享机制或搭建协作研发平台，打破技术壁垒、拓宽接入通道；国家和国际组织则通过设立联合实验基地、开放科研项目申报与全球沙盒机制，为中小机构与公众团体提供技术接入点。资源协作互动在目标功能上区别于制度规则互动，更在结构组织、角色逻辑与技术嵌入方面呈现多维异质性。它以项目为单元、以平台为中介、以能力为目的，重塑了 AI治理中的行动逻辑与制度形态。

2.3 公共空间互动

随着 AI治理议题的持续扩展，治理实践不再仅依赖于正式制度框架或资源配置机制的驱动，公众意见表达、社会共识构建与认知协调正日益成为治理体系的重要组成部分。特别是在数字化传播环境复杂、社会对技术透明性和可解释性要求提升的背景下，不同主体围绕 AI治理在“公共空间”中展开的多向互动，正形成一套结构清晰、反馈高效、影响深远的非正式协同机制。

相较于制度规则互动以规范建构为核心目标，公共空间互动更关注的是不同主体在理解框架、价值取向与风险感知上的认知对接与调和。国家和国际组织通过公开研讨会、线上论坛、简化政策解读等形式，向社会公众解释治理逻辑、释放政策意图；科技企业则借助媒体发声、社区交流或平台评论，主动回应公众关切，说明模型原理与更新路径。

公共空间的互动形态并不依赖于正式组织架构或明确的权责划分，而是以网络空间为媒介、以议题为纽带形成的多边协商机制。国家与国际组织不再以单一主体身份发布静态政策，而是在动态对话中回应质询、修正表述、吸纳反馈。公共空间互动重塑了各类治理主体在 AI治理中的参与逻辑与认知位置。公众不再仅是规则接受者或信息消费者，而是在开源项目、政策协商与产品反馈过程中日益成为重要的知识贡献者、价值表达者与合法监督者。

如果说制度互动确立了治理的法律边界，资源协作保证了治理的能力基础，那么公共空间互动则在很大程度上决定了治理能否获得持续性的公众认同与社会信任。在 AI技术日益复杂、应用风险快速演化的背景下，政策能否被理解、技术能否被信赖、治理能否被认可，愈发依赖于治理体系是否具备开放回应、语言清晰与积极协商的意愿与能力。公共空间互动作为一种不同于制度规则与资源协作层面的第三种治理协同路径，已在 AI治理中发挥着越来越关键的作用。它不仅拓展了治理参与的社会基础，也促成了治理过程的透明化、互动化与可持续化。

3多元主体互动下的 AI治理新范式

在全球 AI治理演进的过程中，多元主体之间的互动模式并非仅停留于操作层面的制度安排或运作流程设计，更构成了治理理念、认知范式与权力逻辑的重塑过程。制度规则、资源协作与公共空间三类互动逻辑，作为治理体系的基本支柱，其背后实质上映射出对 AI发展与监管关系的根本理解路径。

3.1 治理共识的生产机制正由程序协调走向生态协同

在多元治理体系中，制度、资源与认知并非自然达成共识，而需通过持续互动生成可被广泛接受的知识框架与价值正当性。传统 AI治理强调程序正义与利益调节，着重解决“谁参与”“如何参与”以及“以何种方式参与”的程序性问题，强调的是规则的制定与流程的设计。但这种治理模式的局限在于，它往往忽视了各方在定义“公平”“可信”和“有效”治理等核心概念时的认知差异。因此，治理体系的深层机制不仅仅是对文本的共同书写，更是对治理理念的持续建构。

制度规则互动的实质是共同书写治理文本，但更深层次的作用在于对“应然之治”认知框架的共建——即各方共同认定的治理目标和标准。资源协作互动不仅是能力的调配，也是在实践中共同界定“有效之治”实施机制的过程。通过共同开发标准、制定监管框架和实施工具，治理主体在实践中定义了有效治理。公共空间互动则超越了舆情响应，它为治理规则的文化合法性提供了基础，是“可信之治”实现的关键环节。治理的可持续性不仅依赖于技术是否可控或规则是否完备，更在于能否通过互动实践生成具有跨文化、跨制度与跨技术边界的治理共识。

因此，未来 AI治理的核心挑战不再是设计一个封闭且完备的“治理机器”，而是转向培育一个开放且自适应的“治理生态系统”。这一生态系统的生命力不在于规则的刚性，而在于其互动机制的持续更新和创新，能够生成和维护关于“有效”与“可信”的治理共识。治理设计者应从传统意义上的“规则制定者”转变为“互动促进者”，其核心任务在于创造和维护有助于多方参与的对话与合作机制，确保 AI治理能够适应未来不断变化的技术、伦理与社会需求。

3.2 多元主体的治理权力正在互动中“软化”

从表面上看，AI治理中各主体的互动机制体现出合作性与互补性，制度规则互动提供行为约束，资源协作互动保障行动能力，公共空间互动则发挥监督作用。然而，三者之间存在的结构性张力更值得关注。这表明，AI治理中的互动机制不仅是“合作工具”，更是治理权力在新语境下的再分配路径，国际组织、国家主体、科技企业及公众等关键主体的作用和权力在这一过程中不断演变：国际组织通过主导技术标准与伦理规范的制定，掌握了塑造全球 AI发展轨道的“框架设定权”。这种权力超越了传统的政治协商，通过将普适性规则内嵌于技术底层，直接影响全球产业的技术路径与合规基线，从而在全球范围内统一治理预期。国家政府则在传统主权之上，构建起一种“数字与技术主权”。它通过制定数据安全法规、投资关键基础设施及引导产业战略，不仅在国境内行使监管权，更在全球技术竞争中划定势力范围，力图掌控 AI发展的战略自主性。科技企业凭借对基础模型、算力平台和海量数据近乎垄断的控制，形成了一种强大的“基础设施权力”。这使得该平台不仅是市场的一部分，更在某种程度上成为“准治理者”。其平台规则、算法设计和数据使用策略，深刻影响着数亿用户的数字生活和经济活动，具有与公共政策相似的影响力。公众与公民社会通过舆论监督、社会运动和伦理倡导，掌握了日益增强的“议程设置权”与“合法性否决权”。这些举措能够将算法偏见、数据隐私等议题推向公共议程的中心，通过施加社会与道德压力，迫使政府和企业调整其行为，从而为 AI治理注入来自社会层面的制衡力量。由此来看，权力不再仅体现为政治约束力或法律制裁力，而渗透于标准制定、平台构建与语义建构等“软治理”过程中。

3.3 治理机制从适配性修补转向体系性重构

当前，面对 AI技术带来的伦理、法律与社会挑战，许多国家与国际组织普遍采取“补丁式”治理策略，即在现有法律框架中嵌入技术条款，或依赖行业自律来填补制度空白。这种做法虽然具备可操作性，但其根本性不足日益显现。当前，各国的现行法律体系通常基于人类中心主义的假设构建，许多基本法律概念，如“责任主体”和“因果关系”，在 AI系统的复杂决策机制面前显现出适用性不足的特征[17]。这是因为 AI决策过程涉及多个变量，包括算法、数据输入、环境因素等，而这些因素难以与传统法律框架中的明确行为主体和可追溯的因果关系对接，从而对现有法律概念的适用性构成挑战，传统法律框架难以界定其责任归属。此外，法律的修订通常滞后于技术进展，AI技术遵循指数级增长的模式，而法律体系更新往往以年为单位，这导致“补丁式”治理无法跟上技术发展的步伐，造成治理体系的快速失效。不得忽视的是，AI的“黑箱”特性使得传统法律所依赖的透明度和可审查性原则受到了挑战。企业往往只能提供事后的解释，无法有效预防风险，也缺乏对技术决策过程的深刻理解。

这种“补丁式”治理虽然在短期内能够迅速反应，但忽视了 AI技术治理中的复杂性与多层次需求，难以应对伦理争议、技术风险及全球异质性带来的挑战。在此背景下，全球治理体系正从“规则适配”走向“范式重构”，这一转向不仅推动着 AI视域下的法律制度、伦理框架与国际合作机制的更新，更是成为重塑治理模式和策略的关键议题，呼吁政府、企业、国际组织和公众等多方协同合作，构建真正具有跨技术周期适应性与全球协同性的 AI治理体系。

3.4 治理目标正从稳定控制转向韧性调节，重塑制度想象力

AI的核心风险之一，在于其不可预测性所带来的系统性扰动，治理对象呈现复杂性、开放性与演化性特征。当前，传统的 AI治理模式多注重“稳定性”，其核心理念是通过固定的法律框架和预设规则来控制技术风险。但这种稳定导向的治理模式难以应对 AI技术带来的复杂性与不可预测性。在此情境下，以稳定为导向的治理逻辑显露不足，而以“韧性”为核心的新型治理理念日益凸显。

韧性治理的核心理念在于承认“不可知性”。我们无法完全预测 AI技术的发展路径及其带来的社会后果，因此，治理的目标不再是消除所有风险以保持静态稳定，而是提升技术系统在面对未知扰动时的适应能力。这种转变要求在原有的治理框架中，增强 AI系统的吸收、适应与转化能力。在此背景下，韧性治理在三大互动层面中被具象化。

在制度规则层面，我们需要从传统的“硬法之治”转向“适应性治理”，具体表现为法律框架不再依赖于僵化的规则集，而是转向更加灵活、模块化的工具箱。这要求治理机制能够根据技术进展和社会需求不断调整。在这一过程中，应引入“动态合规”和“场景弹性”等概念，以避免单一和僵化的规制体系导致的治理滞后。采用“监管沙盒”和“政策实验室”等创新机制，能够在受控环境中对新兴技术进行测试和实验，从而有效应对技术快速变化带来的治理挑战。

在资源协作层面，应关注基础能力与接入机会的动态平衡，防止被技术能力的寡头垄断。目前，AI技术的核心资源——尤其是计算能力与数据——集中在少数科技巨头手中，这使得整个技术生态系统变得脆弱，任何单点故障（如技术漏洞、数据泄露或商业决策失误）都可能引发系统性崩溃。因此，为增强系统的韧性，亟须推动 AI生态系统的多元化发展。政府应采取积极措施，资助开源项目，推动公共算力基础设施的建设，并支持数据合作社等新型机制的构建，促进技术资源的去中心化。这不仅有助于打破市场的寡头垄断，还能在技术遭遇挑战时，提供可行的替代方案，确保系统在面对风险时仍能持续稳定运行。

在公共空间层面，应建立快速响应机制与认知协调平台，提升社会信任的生产能力。在 AI技术引发的危机中，技术本身并非最为严重的威胁，社会信任的崩溃与共识的瓦解才是最具有破坏性的因素。为有效应对这一挑战，应建立由政府、媒体、平台和社区等多方参与的跨界协作网络，快速传递权威信息，并确保信息的透明性与公正性。此外，提升公众的“算法素养”和批判性思维能力，帮助其更深入地理解并适应 AI技术带来的变革，是增强社会韧性的核心要素。

因此，韧性治理的建构，需要制度工具与政策框架的更新，更需要制度想象力的跃迁——即能否设计出适应技术演化与社会期望的协同制度生态。这一跃迁不仅是对现有框架的调整，更是对未来不确定性的深刻洞察。随着技术的不断演进，社会需求和期望也在不断变化，因此，治理体系必须具备应对这种变动的能力。制度想象力的跃迁，意味着在制定政策时，不仅要考虑当前的技术状态和社会需求，还要预见未来可能出现的挑战，设计出具有高度适应性和灵活性的治理结构。这种结构应当能够跨越不同技术周期、社会文化背景和价值体系，在复杂的全球环境中保持动态平衡。

4 结  语

本文立足“国际组织—国家主体—科技企业—公众”4类关键行为体，围绕“制度规则互动、资源协作互动与公共空间互动”3条主线，提出“规则—能力—认知”的分析框架，对全球 AI治理的结构逻辑与运行机制进行了系统梳理。总体来看，全球 AI治理正由单边规制走向多边协商共治，由静态合规走向动态、情境化与可验证的韧性治理，其制度基础从单一主导转向多元博弈下的网络化协同。

事实上，制度规则互动为治理确立合法性，国际组织通过标准与软法实现跨域衔接，国家完成规则转译与本土化落地，企业以技术可行性与评测体系塑形可操作性，公众经由程序性参与提供下向反馈与伦理张力。资源协作互动提供治理的能力底座，以算力、数据与平台为核心的项目化与平台化协作，降低了接入门槛，扩大了参与外延。公共空间互动提升治理的社会可理解性与信任生成能力，其中跨主体的观点陈述、风险通报与认知协调机制，使有效的治理从文本转向社会可感知、可验证。

在此过程中权力结构发生显著重组，国际组织强化“框架设定权”，国家构建“数字与技术主权”，平台型企业凭借基础设施与数据形成“平台性权力”，公众与公民社会通过议程设置与合法性否决形成持续约束。相应地，治理目标需由“稳定控制”转向“韧性调节”，在不确定性与异质性中提升系统的吸收、适应与转化能力，实现安全、创新与公平之间的动态均衡。

总体而言，全球 AI治理已进入以范式协同与韧性调节为导向的新阶段。真正的挑战不在于寻求单一最优规制，而在于塑造一个可学习、可迭代、可分担风险的治理生态，使规则、能力与认知形成持续耦合，在技术快速演化的不确定性中实现安全、创新与公平的动态平衡。

本文省去了参考文献，以方便排版

作者简介

姚   旭（1989—），男，博士，副研究员，主要研究方向为人工智能、科技产业和数据治理；

朱政宇（2003—），男，学士，主要研究方向为人工智能和数字科技。

★

★ ★ ★

★

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：信息安全与通信保密杂志社 Cismag Cismag《专题 • 特别策划｜全球人工智能治理：多元主体结构与互动机制》