首页| 论坛| 搜索| 消息
主题:DeepSeek到底怎么得罪了美国?这篇文章给出重要提示
爱我中华发表于 2026-10-25 20:01
与被评估系统无利益牵连的专业机构承担。[23]我国2026年发布的《人工智能科技伦理审查与服务办法(试行)》,已要求伦理审查服务中心不得对同一活动同时提供审查和复核服务,隐约指向了这个方向。同时,法律必须为个体保留对算法决策说“不”的制度通道,在信贷、招聘、保险等有重大影响的场景中,受影响者应享有告知、解释、申诉和人工复核的程序性权利。[24]规范制定权的归属,与智能能力的分配,是同一个问题的两面。
▍有序创新与能力社会化
诊断、抵抗、立规,三个战场勾勒出智能封建化的完整面貌,也表明智能的封建化不是技术事实,而是一组有待政治决断的制度安排。面对智能的封建化趋势,中国给出的不是一套话语,而是一组制度事实。在治理节奏上,中国没有等待一部综合性大法,而是在发展过程中不断出台场景化规则,从出台大模型备案、算法与深度合成规范,到2023年《生成式人工智能服务管理暂行办法》确立了服务提供者的过程性义务,再到2026年的伦理审查办法又补上了伦理服务制度化的一环。在创新结构上,中国头部模型选择了几乎完全开源的路线,多个东南亚、中亚国家的“主权人工智能”,正建立在中国开源模型之上。在应用方向上,在美国,人工智能大量用于商业和消费端;在中国,依托完整的制造业体系,人工智能被广泛部署进工厂,华为、商汤等公司专门开发工业模型。这同样带来了一些问题,如机器人大量使用减少了传统制造业岗位,但与美国制造业空心化之后的问题性质不同。在制度约束上,《劳动合同法》对以技术改进为名的大规模裁员设有程序门槛,“用数字孪生替代真人,然后解雇真人”的模式在美国可以畅行,在中国会撞上法律边界。在社会对平台的反向塑造上,以美团围绕配送算法组织学者、媒体和公众参与的公开审议为例,在中国发生的,与其说是“平台封建化社会”,不如说是社会在“社会化”平台。
这些事实背后是一以贯之的治理哲学,可称为“有序创新”:立法不为未完成的技术封顶,而以过程性、场景化的规则保持演化余地。它与欧盟的预防原则有别,预防原则容易以抽象风险窒息具体创新;也与美国的放任有别,美国模式是国家为资本提供保障,同时放弃对资本的控制。但“有序创新”只是答案的一半,另一半,也是更具标识性的部分,是“能力的社会化”。
发展经济学对此早有分析资源:格申克龙指出,后发国家的工业化总是以不同于先发国家的制度工具完成;[25]发展型国家的比较研究则表明,官僚体系既嵌入社会又保持自主的“嵌入性自主”,是后发赶超的关键变量[26]。中国的独特性在于,国家既没有代替市场,也没有为资本兜底然后放弃控制,而是试图成为开放能力的担保人,保障公共算力、公共数据、测评基准、镜像归档这些单一企业不会充分供给的基础设施;同时退后一步,不把每一次下载、研究和修改都变成行政许可,不指定唯一的技术路线。波兰尼的教益在此依然有效:市场从来不是自生自发的自然秩序,而是被制度创设和维系的。[27]问题只在于,创设市场的制度服务于谁。
需要进一步追问:有序创新所“序”的是什么?人工智能是极端资本密集的技术,它的方向从一开始就被“钱从哪里来、为何而来”塑造。私人资本的短期逻辑,天然地偏爱快速变现、巩固垄断地位的“替代型”应用,如自动内容生成、智能客服、仓储物流自动化,它们的卖点是“降本增效”,直接后果是加速岗位替代。社会效益显著、回报周期长的“赋能型”应用,如辅助教师育人的工具、提升基层医生诊疗水平的系统,则因讲不出“万亿市场”的资本故事而投资不足。于是,人工智能带来的就业冲击呈现极化结构,高技能岗位旺盛,低技能岗位暂时留存,庞大的中等技能白领岗位被快速掏空。这不是技术能力的自然结果,而是资本选择的政治后果。
生产率层面的证据,同样指向政治经济结构。迄今最严格的随机对照试验显示,2025年初最先进的编程工具让资深开发者的任务完成时间平均增速19%,而开发者本人事前预测会提速24%。[28]但在写作、客服和制造业质检等结构化场景中,正效应同样真实。国内智能制造试点示范项目改造后,生产效率平均提升近四成。[29]经济学把这种状况称为“锯齿前沿”:人工智能在能力边界之内提升绩效,在边界之外却会恶化绩效。这个技术事实的含义是政治经济学的:资本流向决定社会拿到的是边界之内的赋能,还是边界之外的动荡;技术冲击如何分布,将取决于有没有制度力量把人工智能引向“赋能型”而非“替代型”应用。
同样需要警惕的,是发展路径的金融化。美国已经提供了前车之鉴:今天的人工智能投资热,与历史上的铁路狂热、无线电泡沫和电信光纤泡沫共享同一个结构——商业模式的不确定性、纯概念股、新手投资者的涌入,加上一套把所有怀疑挡在门外的必然性叙事。经济学研究表明,泡沫与遗产可以并存,暂时的高估值若能在叙事退潮之前完成足够的资本积累,留下的基础设施就是永久遗产;若叙事先退潮,繁荣就会以纯粹浪费收场。[30]美国路径的风险集中在这里:估值可能会骤然崩塌,英伟达、微软、OpenAI之间的循环交易把收入与支出互为前提,一旦为算力扩张融资的私人信贷连锁违约,就将迎来一场标准的“明斯基时刻”。
中国路径的风险形态不同。中国管理资产泡沫的工具箱——高储蓄、资本管制、国家对金融体系的控制,能够把出清过程拉长放缓,以行政方式消化过剩产能。[31]但同一套机制也可能带来补贴驱动的低效进入、看政策背书而非看风险回报的信贷等问题,以资源配置扭曲和隐性债务的形式缓慢积累风险。应对之道不是打补丁,而是把监管与产业政策深度绑定,将获得公共投资、政府采购的资格,与实质性的伦理影响评估和算法审计挂钩,使补贴锚定可验证的生产率改善,而非进入数量。与此同时,国家的角色应当再推进一步,不仅是开放能力的担保人,更是公共算力、公共数据池、测评基准、覆盖全民的终身技能重塑体系等关键基础设施的建设者。再技能化本身,就是最大的人工智能应用场景之一。
这一进一退之间,是“统筹发展和安全”的可操作化。发展不是安全的例外,因为缺乏自主模型、工具和人才本身就是最大的不安全;安全也不是发展的外部限制,因为稳定的责任预期能够降低创新成本。《新一代人工智能发展规划》以阶段性目标统筹技术、产业与治理,2025年“人工智能+”行动意见进一步要求培育开源生态与应用能力,上海、深圳的地方立法则以公共算力和容错机制支持创新。这些制度体现的不是放任,而是把安全建立在本国能够研发、部署和修复技术的能力之上。
这一路径还有国际维度。联合国《全球数字契约》要求推进开放、可互操作的数字公共基础设施。在出口管制与制裁频仍的世界里,可信赖的开放基础设施本身就是稀缺供给。中国开源模型对于其他国家的重要意义就在于此,东南亚、中亚国家基于中国开源模型建设自己的“主权人工智能”,正是能力社会化的跨国延伸。当然,若开放只是扩大市场份额的修辞,其说服力终将耗尽;开放的分量,要靠公共投入去支撑。对“开源公司终究要对股东负责”的质疑,回答也是一样:正因为单靠市场不能保证开放能力的持续供给,国家作为担保人的角色才不可或缺——这些韧性建设无法靠命令在一夜之间建成,只能靠公共投资长期维持。
▍结语
回到马克思的区分。人工智能作为“机器”,是人类集体知识的结晶,是这个时代社会化生产的最高形式。人工智能被谁占有、以何种方式应用,则是一个政治经济学问题,一个制度选择问题。智能的封建化并非技术的宿命,而是一种可以被抵
下一页上一页  (3/5)
回帖(9):
9 # srwam
10-28 20:18
看后续
8 # srwam
10-28 20:18
了解一下
7 # srwam
10-28 20:18
来看看
6 # 任逍遥
10-26 09:08
不错,了解了
5 # 任逍遥
10-26 09:08
也就看看
4 # 任逍遥
10-26 09:07
来看一下
3 # huwg
10-26 05:58
谢谢分享
2 # huwg
10-26 05:58
了解一下
1 # huwg
10-26 05:58
来看看

全部回帖(9)»
最新回帖
收藏本帖
发新帖