什么是人工智能主权？

　　过去几年，人工智能治理议题聚焦于伦理规范与监管问题。但随着生成式人工智能、智能编程、智能体和具身智能的快速演进，问题性质已经发生变化。四者并非彼此独立，而是同一底层模型持续外扩的不同阶段——从生成表达、生成代码、执行任务到产生物理效果。于是，人工智能开始从可被逐项规制的技术或产业，演变为一整套数字基础设施。一个更为高阶的问题变得紧迫起来：当人工智能成为社会运行的认知、工程与行动基础设施时，国家能否保有自主判断、独立治理及规则塑造的能力？

　　定义权本身即主权。它既是纳入权，也是分流权：定义人工智能，就是划定治理对象的范围；排除在外的，虽不脱离法律调整，却可免于特定义务。若将人工智能限定为内容生成工具，问题便收缩为语料、版权与认知风险；若界定为能生成代码、执行任务、影响物理世界的智能系统，治理就延伸至工程、组织与物理秩序。定义直接决定监管对象、义务主体、风险分级、行政许可、法律责任乃至域外适用范围。

　　当前全球主要存在三种定义策略，折射出不同的治理取向。三者的基础技术定义几乎都可追溯到经合组织（OECD）所谓“自主推断、影响环境之输出”的表述。真正的主权分野不在技术定义本身，而在以何种标准触发法律后果。

　　欧盟采取“风险-权利型”定义策略。欧盟《人工智能法》对“人工智能系统”的技术定义几乎照搬自OECD表述，覆盖范围极大。但真正的主权动作发生在随后的风险分级，即以是否影响健康、安全与基本权利为标准，划分出禁止、高风险和有限风险，从而决定合规义务的轻重。这一定义从宽、分级从严的组合，使欧盟得以在法律和伦理层面产生“布鲁塞尔效应”，以规则外溢弥补技术短板。

　　美国呈现“弱定义-强优势”模式。美国2020年《国家人工智能倡议法》已给出接近OECD表述的联邦定义，但并未附加强制性合规义务，而是让产业界与科学界先行探索，事实上采取“不定义”的策略，只是通过出口管制、投资审查、政府采购及标准体系在关键节点实施控制。这种弱约束近来正从消极默许转为主动维护。2025年12月特朗普行政令《确保人工智能国家政策框架》专门要求司法部设立人工智能诉讼工作组，起诉与联邦政策不符的州层面人工智能立法。而以加州部分人工智能立法为例，其定义已明显接近 OECD-欧盟式的功能性定义。“不定义”由此不再是放任，而成为主动维护的主权选择。

　　中国趋向于“能力切面-场景风险型”定义策略。人工智能不只是生成内容的模型，而是连接数据、算法、算力、接口、终端和应用场景的综合系统。法律后果并非由“是否属于人工智能”触发，而是取决于是否进入公共治理的关键区域：是否面向公众服务，是否处理重要数据，是否嵌入关键基础设施，是否进入金融、医疗、交通、司法辅助、工业控制等高风险场景，是否影响国家安全、公共利益和合法权益。

　　三者的差异不在于采用何种技术定义，而在于法律后果由何触发。欧盟由基本权利和安全风险触发，美国由国家竞争力、联邦统一和关键节点控制触发，中国则由能力切面、应用场景和安全影响共同触发。定义权的主权含义，正是在触发标准中显现出来。

　　

　　

　　拥有数据、算力与模型，并不自然意味着拥有人工智能主权。资源须转化为可训练、可部署、可迭代、可替代且可应急的实际能力，才可能成为主权能力。人工智能主权的构造过程，需要打通四个关口。

　　数据与语料。这不仅是量的积累，更是质的沉淀。美国模型率先获得全球影响力，原因之一在于占据高质量英文语料。这既是训练基础，也是部署后使用者多、反馈丰富、迭代迅速的循环优势。欧洲拥有丰富文化资源和多元语言传统，但语言和市场分散，较难形成统一、高密度、持续反馈的语料生态。此外，语料范畴也在扩展，生成式人工智能依赖文本与图像、音视频；智能编程依赖代码库、漏洞修复记录与测试用例；智能体依赖流程数据与工具调用日志；具身智能则依赖传感器数据、运动轨迹与物理反馈。只有当文明资源沉淀为多模态、结构化、可训练的语料时，才可能转化为主权的现实资源。

　　算力与基础设施。人工智能看似无形的智力，实则依赖有形的工业。前沿大模型训练动辄使用大规模高端GPU，伴随巨大电力、散热与集群成本。主权不仅取决于能否获得芯片等硬件，更取决于能否调度大规模电力、算力、数据中心和云平台，甚至在具身场景中下沉至终端、车辆、机器人与工厂。谁掌控基础设施节点，谁就掌握智能能力的生成速度与运行边界。

　　模型与平台。模型是资源转化为智能能力的组织形式。基础模型、行业模型、代码模型及机器人控制模型，分别承载不同层面的能力。拥有自主模型意味着在极端情境下仍能独立维持关键社会功能的运转，不因外部技术断供而丧失治理连续性。此外，模型能力往往通过开发平台、应用商店、云服务接口和行业解决方案进入社会运行；模型平台往往决定智能能力的分发、调用和更新节奏。

　　场景闭环。没有真实场景，资源无法转化为能力。数据从场景来，模型在场景中用，反馈从场景回流。生成式人工智能的场景是内容生产、知识服务和教育培训；智能编程则是软件工程全生命周期；智能体是政务、商业和科研中的业务流程与管理流程；具身智能则进入交通、制造、城市治理、国防安全和应急治理等领域。谁拥有真实场景，谁就拥有持续校正模型的反馈来源。

　　因此，人工智能主权不能用单一分数衡量，而更像一条能力向量。一国可能在内容模型上相对落后，却在制造场景中具有优势；也可能基础模型领先，却在物理终端上受制于人。中国在通用大模型上仍在追赶顶尖，但在智能制造、工业机器人、新能源汽车和应用场景规模方面具有明显积累。美国在人形机器人和具身智能上拥有模型与软件优势，但其规模化部署仍受硬件供应链制约。越靠近内容生成，语料与云端算力越重要；越靠近具身智能，物理器件、终端设备与真实场景越关键。

　　归根到底，构造主权不是锁住资源，而是打通资源向能力转化的闭环。否则，数据只是矿产，算力只是机器，模型只是外壳。

　　

　　模型规则天然携带价值预设。从训练数据的选择偏差到人类反馈强化学习中的对齐策略，从安全规则的设定边界到拒答机制的触发逻辑，价值排序与风险判断始终参与其中。谁制定模型规范，谁就在相当程度上定义知识的呈现方式、表达的合法边界和行动的可能空间。

　　例如，2022年美国人工智能公司Anthropic提出“Constitutional AI”，最初是让模型依据书面原则清单对输出进行自我批评和修正的训练方法。到2026年1月，它又公开发布新版 “Claude’s Constitution”，不仅列出若干“硬约束”，也通过大量一般性原则和情境化指引，说明Claude应如何在安全、伦理、诚实、有益、合规等要求之间作出判断。

　　由此可见，模型规则不是一次写定的工具设置，而是随企业认知、技术能力和社会压力不断调整的“运行中的规则”。随着海量用户的加入，头部模型企业内部规则会影响公众表达、知识获取和行动选择。由此，模型企业不再只是被监管对象，也或多或少成为具有公共影响的规则生产者。

　　模型规则已经从表达边界扩展到工程、行为和物理行动等边界。在生成式人工智能中，它主要控制回答与拒答、呈现与过滤；在智能编程中，控制高风险代码、不安全依赖和密钥处理；在智能体中，控制工具调用、数据库访问、邮件发送和文件修改；在具身智能中，控制移动、避障、操作和紧急停止。

　　当然，企业规则无法替代国家法律。恰恰相反，正因模型规则具有公共影响，才更需要将其纳入透明度核查、法律问责和权利救济机制。即便模型规则吸收了不少伦理、人权或公共利益语言，也并不因此自动等同于公共法律。其规则来源、制定程序、解释机制和救济安排，仍主要掌握在企业手中。因此，规范主权的核心不只是国家能否进行外部监管，而是能否对智能系统的回答、生成、调用、执行和停止形成最终审查与约束能力。否则，人工智能虽在本国运行，智能行为的边界却可能由外部企业、平台政策和技术架构预先设定。

　　

　　“整序”并非简单的控制，而是指国家通过法律规则、技术标准、行政监管、行业自律和责任机制，将人工智能纳入可授权、可审计、可纠偏、可熔断、可接管、可追责的社会运行秩序之中。人工智能越是从内容和代码走向决策和行动，就越成为参与重塑社会秩序的力量。

　　认知秩序。若一国的知识获取、政策研究、法律检索、信息分析乃至公共舆论越来越依赖外部模型，其独立形成判断的能力就可能出现外部依赖。新加坡推动SEA-LION等本土大模型项目，重要背景之一正是通用英文模型难以充分承载东南亚多语言、多文化的本地语境。由此可见，模型正在成为数字时代重要的知识编排者，影响哪些记忆被呈现、哪些叙事被强化。

　　工程秩序。智能编程影响代码结构、开发习惯、依赖生态与软件供应链。谷歌2026年4月披露的数据显示，其新代码已有75%由人工智能生成并经工程师批准。当代码生产越来越由模型参与完成，数字工程接口便被重写，主权问题从而延伸至软件底层的可控性。随着以自然语言提需求、由模型生成或修改代码的“氛围编程”(vibe coding)日益流行，软件工程的社会影响将进一步扩展。

　　组织秩序。当智能体开始替组织执行任务，介入政务、企业审批与科研流程，问题就不再只是模型如何回答，而是模型如何在授权范围内行动。这会改变责任链条与权力结构。随着智能体不断普及，变化将从办公效率问题转化为组织权责结构问题。

　　物理秩序。具身智能通过机器人、无人机、自动驾驶进入道路、工厂、社区、身体照护乃至国防安全等现实空间。人工智能由此不再只是连接信息和设备，而是开始进入现实空间并产生物理后果。在此场景中，主权问题不只是“谁说了算”，而是“谁能接管、熔断和追责”。

　　由此可见，主权运作逻辑发生了变化：有权监管不够，还要有能力理解、验证与约束；边界不再只沿着领土展开，还扩展至模型架构、接口权限与云服务；黑箱技术与国家安全理由叠加，可能形成难以审查与归责的新型例外状态。传统主权主要回答“谁有最后决定权”，智能时代还要回答“谁能提出问题、训练模型、构造系统、授权行动、控制终端、校正后果并承担责任”。人工智能主权的最高问题，就是国家还能否安排、校正秩序，并最终负责。若答案为否，主权就从法律上的最高权威，变成技术中的空洞名义。

　　

　　

　　如果人工智能主权是定义、构造、规范与整序的综合能力，传统防卫型主权便显得不够。防卫能守住边界，却不能自动生成能力；能阻止外部干涉，却不能自动建造模型、算力、终端与场景；能避免被动挨打，却不能保证在全球智能秩序中拥有定义、构造、规范与整序的能力。这四种能力，须在中国场景下找到相应的法律路径。

　　就定义权而言，一个绕不开的问题是，人工智能应综合立法，还是沿用能力切面型的分散治理？无论如何选择，主权能力建构都必须回应一个具体问题——现行网络、数据、算法、生成式人工智能等规则，对相关技术对象、行为类型和义务主体的界定较为分散，缺少能够贯通生成式人工智能、智能编程、智能体和具身智能的统一基础概念。要务不在于一次性穷尽全部技术形态，而在于形成跨部门统一适用的基础性法律定义，并通过国家标准和监管指引保持更新。进可作为综合立法的概念基础，退可作为分散规则的共同底座。

　　就构造权而言，要点在于防止公共算力、语料库、基础模型评测体系等关键资源被少数主体事实上封闭。对此，应首先通过财政资金项目管理、政府采购规则、公共数据开放规则和科技成果共享制度，明确公共财政支持形成的算力、数据集、测评工具和基础平台，在安全可控前提下向科研机构、中小企业和公共部门开放。对于市场经营主体控制的关键平台资源，如其已经具有市场支配地位，且相关资源符合不可替代、交易相对人高度依赖、开放不会造成不合理损害等条件，则可在个案中适用反垄断法关于拒绝交易和必需设施的规则。与此同时，算力层是构造主权中最易被外部制约的一层。先进制程芯片、半导体设备、EDA工具、云服务和模型部署链条，都应成为人工智能涉外法治风险预警和应对机制的重点。

　　就规范权而言，一些模型企业正通过发布模型规范、安全框架、对齐原则或高阶行为规则成为事实上的规则制定者。规范主权的法治任务，不是简单要求企业接受监管，而是借鉴行政法上说明理由制度，建立分层说明机制：对于拒答逻辑、内容过滤标准、智能体操作权限边界等涉及公共利益的高阶行为规则，模型提供者应向监管机关承担较完整的说明义务，并向用户承担适度、可理解的公开说明义务。该义务不要求披露商业秘密或危及系统安全的技术细节，但应使外部主体能够追问“为什么这样设定”，而不只是“有没有设定”。

　　就整序权而言，中国在工业机器人、无人机、智能制造、自动驾驶等具身智能相关场景中已形成大规模部署基础，但可熔断、可接管、可追责的程序性基础设施仍需同步完善。对于高风险具身智能，值得借鉴的并非网络平台治理经验，而是民航适航审定和核安全监管的逻辑。二者面对的都是一旦失控可能造成重大、不可逆物理风险的系统，因此形成了事前许可、持续监测、运行记录、应急处置和必要时停运或接管的制度。整序主权的法治路径，应根据风险等级将此逻辑引入自动驾驶、无人机、工业机器人、医疗机器人等高风险场景，而不是简单套用平台治理中以事后问责为主的逻辑。

　　追问人工智能主权的真正含义，意味着不把技术企业、流行舆论或外部法域给出的定义直接当作世界本身。但概念澄清终究要接受实践检验：当算力被切断、模型服务中断、终端系统失控时，法律能否在第一时间指明谁来接管、谁来处置、谁来担责。人工智能主权首先表现为定义能力，但最终检验标准不是定义有多精致，而是在危机出现的时刻，制度能否启动，责任能否落位。

　　（作者系清华大学法学院教授）

　　● 责任编辑：张怡静