问题——技术快速演进与风险外溢并行，治理需求更紧迫。 当前，人工智能迭代速度显著加快，新模型、新应用持续涌现并迅速扩散至大众场景。一方面，智能问答、内容生成、辅助决策等工具提升效率、降低成本；另一方面，数据泄露、算法偏见、深度伪造、认知操纵等问题频频引发社会关注。更值得警惕的是，风险已由“工具性”安全向“社会性”安全外溢：教育、医疗、司法、金融、养老等关键领域，技术嵌入越深，潜在影响越广，治理难度随之上升。近期《人工智能安全治理框架》2.0首次将“人工智能应用衍生安全风险”作为独立类别提出，涵盖就业结构冲击、资源供需扰动、社会偏见加剧、教育体系冲击与社会秩序挑战等内容，反映出治理视野正从单点风险扩展到系统风险。 原因——从“实验室技术”转向“基础设施”，风险跨界叠加。 人工智能正加速成为新型基础设施，显示出三上特征：一是应用门槛降低，模型能力以平台化方式外溢至各行业，普通用户也能低成本使用；二是链条更长，数据采集、模型训练、内容生成、分发传播、商业变现等环节相互耦合，任何一环出现漏洞都可能放大后果；三是影响更深，算法一定程度上参与信息分配与决策辅助，涉及公众知情权、公平权与隐私权。以教育场景为例，学生依赖工具获取答案、教师识别生成内容的成本上升，背后牵动的是学习方式、评价机制与人才培养体系的调整。类似逻辑同样适用于医疗诊疗建议、司法辅助判断、金融风控模型等领域：一旦出现偏差，影响的不仅是效率，更可能触及公平、伦理与秩序。 影响——从个体权利到社会运行，治理目标需由“控风险”拓展为“促向善”。 风险外溢带来的影响具有多层次性：对个体而言，隐私泄露与画像滥用可能侵害人格权益；对行业而言，黑箱算法与数据偏差可能引发歧视性结果，削弱公共服务公信力；对社会而言，深度伪造与信息操纵可能扰乱舆论生态，影响社会信任基础。同时，技术进步也带来生产率提升与新职业、新业态的成长空间。如何在发展与安全之间把握尺度，决定了人工智能能否长期稳定释放红利。实践表明，若片面追求“零风险”，可能造成创新受阻与机会成本上升；若放任无序发展，又可能累积结构性风险，形成难以逆转的社会代价。 对策——坚持统筹发展和安全，推进系统治理与动态监管。 业内人士认为，人工智能治理必须突破单一技术治理思路，形成跨部门协同、跨领域对话的治理格局，关键在“四个结合”。 一是底线约束与创新激励相结合。治理不应止步于“管住”，更要通过规则供给提升确定性，推动合规创新。例如自动驾驶领域，多地以道路测试、示范应用等方式在动态监管中积累数据、完善标准，说明了“在开放中治理、在治理中迭代”的路径。 二是技术治理与法治保障相结合。围绕数据安全、个人信息保护、算法透明、内容标识与责任追溯等环节，完善可操作的制度与执行机制，推动形成权责清晰、可审计可问责的闭环。 三是行业自律与社会监督相结合。平台企业、研发机构和应用单位应强化安全评估、模型对齐、权限管理与内容审核，建立应急处置与风险通报机制；同时引入第三方评测、公众参与和媒体监督，提高治理透明度与公众信任。 四是国内治理与国际合作相结合。人工智能的供应链与传播链跨境特征明显，应在标准互认、风险信息共享、跨境数据合规、深度伪造治理诸上加强对话合作，提升治理合力。 前景——以“人工智能+”深化拓展为牵引，让治理成为高质量发展的保障。 今年政府工作报告提出深化拓展“人工智能+”，意味着人工智能将更深度赋能制造、交通、医疗、政务等领域。面向未来，治理成效既要看风险管控是否到位，也要看是否形成促进创新与普惠应用的制度环境。可以预期，随着治理框架完善、监管工具持续升级、行业标准逐步细化，人工智能将从“能用”走向“好用、可用、可信”。同时，教育改革、就业转型与公共服务能力建设将成为重要配套议题，需要通过技能培训、岗位再设计与公共资源投入，缓冲技术冲击，释放技术红利。
当人工智能从工具演变为社会基础设施，治理的智慧将左右技术文明的发展方向。正如专家所说，真正的治理不是束缚技术创新，而是为高质量发展铺好轨道。在保护公民权益和释放技术潜力之间寻找动态平衡，既是对治理能力的考验，也是对人类文明韧性的检验。未来已经到来，只有坚持更开放、更包容、更具前瞻性的治理理念，才能让人工智能真正成为推动社会进步的可靠力量。