国外AI监管模式利弊对比测评

（来源：中国经济导报）

李浩东

人工智能正在从底层重塑国家经济治理的逻辑。过去十年间，算法已经悄无声息地渗透进信贷评分、税务核查、反垄断筛查、就业平台供需匹配这些关键环节。这些场景在十年前还带有科幻色彩，如今却成了经济监管的日常工具。

要说走得最远、争议也最大的，非欧盟莫属。欧盟推出的《人工智能法案》，是全球第一部全面规制AI系统的法律。它把AI系统按照对基本权利的潜在危害程度，划分成四个等级：不可接受风险、高风险、有限风险和最低风险。每一个等级对应不同的合规义务，条条框框非常具体。

比如，凡是涉及信贷评分、就业筛选、关键基础设施管理、市场准入评估这类经济治理的AI系统，都必须满足透明度义务、可解释性标准、数据质量要求，还得做强制性的“基本权利影响评估”。部署高风险AI的公共机构和企业，必须保证受影响的人有权要求人工复核，而且这种复核必须是实质性的，不是走走过场。欧盟《通用数据保护条例》第22条写得明白：当事人有权拒绝完全基于自动化处理、且对其产生法律效力或类似重大影响的决定。

欧盟的思路很清晰：算法不是中立工具，它背后嵌着设计者的价值判断。所以，重大决定不能完全交给算法，能对人负责的，必须是人。

不过，这套体系推行起来并不顺利。原本计划高风险AI系统从2026年8月起全面适用，但代表苹果、谷歌、Meta这些科技巨头的行业协会CCIA，联合45家欧洲企业组成的“欧盟AI冠军”联盟，一起向欧盟委员会施压，要求推迟16个月实施。结果提案拖到今年6月才达成临时协议。更值得警惕的是，少数数字科技巨头主导了政府AI系统指南核心内容的撰写。监管者在技术上高度依赖被监管者，这种局面会让监管框架失去主动权，相关风险可能被成倍放大。

和美国相比，欧盟的路径显得格外“重”。美国走的是“用现行法律管新技术”的路子，不另起炉灶。联邦贸易委员会的消费者保护职能、司法部的反垄断职能、各行业现有监管机构的裁量空间，都被拿来对AI进行事后监管。美国国家标准与技术研究院推出的《AI风险管理框架》，给政府和企业提供了一套识别AI系统风险的工具。拜登政府时期签署的行政命令，要求开发“最强大”AI系统的企业，在模型发布前必须向政府提交安全测试结果。

但整治风向一转，一切又变了。2025年，特朗普政府上任第一天就废除了那道行政命令，还给它扣上“阻碍创新的过度监管”的帽子。到了2025年12月，联邦政府的新行政令规定，要把宽带建设等联邦资金的申请资格，和各州是否服从联邦AI政策挂钩；同时建立司法部AI诉讼工作组，主动起诉那些“违规”的州级立法。

政策如此反复，导致美国联邦层面的AI监管几乎陷入真空。联邦和州之间争抢管辖权，给大公司制造了政策套利的空间——它们完全可以把业务搬到监管最宽松的州。可那些被算法决定侵害的经营主体呢？要跨州、跨境去申诉，障碍重重，权利根本得不到系统性的保护。

再看看英国。脱欧之后，英国摆脱了欧盟的统一规制，转而采取分行业灵活监管的策略，试图在美欧之间走出一条差异化竞争的路子。金融行为监管局管金融领域的AI，竞争与市场管理局管平台的算法竞争，信息专员办公室管数据和自动化决策中的权利保护。各司其职，分工明确。

其《AI机遇行动计划》更是明确定调：以AI驱动经济增长。医疗、教育、政府服务这些公共领域，都成了AI应用实验的试验场。“促创新、重应用、轻立法”的思路，让英国避免了欧盟式的烦琐规制，对AI创新企业来说确实很有吸引力。

但这套路线的代价也不小。分散监管导致规则碎片化，缺少一条横向统一的权利保护底线。一旦某个AI系统的应用超出了现有监管机构的职能边界，或者恰好落在不同机构的监管“夹缝”里，就可能出现监管真空。经营主体申诉无门，对经济监管制度的信心也会被消耗。此外，英国AI企业要想进入欧盟市场，还得满足欧盟的要求，“轻监管”的红利并不能直接转化成国际竞争优势。

说到底，算法可以比人更高效、更一致，但不能代替人来负责。无论选择哪种监管模式，底线都是一样的：在算法决定和经营主体之间，必须始终有一个可解释、能负责的机构或人。

（作者系中国国际经济交流中心副研究员）