AI末日論吵翻美國，中國為何靜悄悄？

但在大洋另一邊，同樣的問題幾乎沒有形成如此劇烈的公開碰撞。區別於美國的公開論戰，中國對AI的治理只體現在一張張白紙黑字的“辦法”裏。

2026年4月，五部門發布《人工智能擬人化互動服務管理暫行辦法》，並於7月施行。身份混淆、情感依賴、行爲操縱和未成年人保護等風險，被寫成平臺責任與產品要求。7月，世界人工智能合作組織WAICO在上海成立，29個國家參與，中國也借此主動進入全球AI治理議程。

中國並非沒有討論安全，它的規則、備案、評估和技術標準正在快速增加。相對安靜的是企業端：少有Coxon式的離職爆料，也很少有技術團隊主動告訴公衆，自家模型可能造成哪些嚴重後果。

一個值得探討的問題是，同樣面對AI可能的失控，爲什麼美國把它變成了公共衝突，但中國卻把它放進了行政程序？

碰撞下的利益權衡

2026年9月15日，舊金山Dreamforce大會上演了一幅極具象徵性的畫面。

Salesforce CEO Marc Benioff將Anthropic CEO Dario Amodei、OpenAI CEO Sam Altman和英偉達CEO黃仁勳請到臺前。三個人都位於AI產業的權力中心，卻給出了三套截然不同的“剎車方案”。

Amodei的構想分爲三層：讓獨立第三方常駐前沿實驗室，持續評估模型；推動核心實驗室協調共同安全守則；進一步建立國際治理合作。Amodei的擔憂很明確，模型自主行動能力增長太快，人類的對齊和控制技術可能跟不上。

Altman卻在現場表示不認同“只有其他人減速、我們才減速”的觀點。他認爲，安全屬於每家公司的單方面責任，同行是否採取同樣措施，不能成爲企業降低標準的理由。

黃仁勳的立場更強硬。他將安全歸爲工程問題：做不好就繼續修改，達不到要求便不要發布，無需把工程難題抬升爲全行業的法律與道德假設。至於產業速度，他的態度接近“能跑多快，就跑多快”。

看似每個人都有自己的立場堅持，但三個人的分歧核心是資本帳——前沿模型公司（Anthropic與OpenAI）既可能受到安全規則約束，也可能利用高門檻阻擋後來者；算力供應商（英偉達）直接承受行業減速的代價；創業公司和開源開發者則擔心，一套由巨頭參與制定的標準會變成難以承擔的固定成本。

三人立場的交鋒，展示了美國AI治理的第一個特徵：風險定義權高度分散。

原中興匯金高級研究員、東方財富網前專家庫成員李勇認爲，美國公共議事機制給了科研羣體、科技企業、智庫、國會議員以表達空間，以致人工智能遠期潛在風險能夠放到輿論和國會聽證層面展開討論。

例如，國會議員可以提出緊急關閉機制，企業可以爭論發布前審查期，員工可以公開質疑管理層，NGO可以發布獨立報告，法院還能通過版權、產品責任和消費者保護案件介入。沒有任何單一主體能夠宣布“AI已經安全”，也沒人可以獨自踩下整個行業的剎車。

這與美國AI產業的資源分布直接相關。前沿模型主要由私人巨頭掌握，算力、模型權重、訓練數據、內部評測和能力變化集中在公司內部。政府可以立法、調查和採購，卻無法實時觀察實驗室裏發生的一切。

“最了解風險的人在企業裏，最懂商業的人也在企業裏。監管機構需要借助員工吹哨、媒體調查、第三方測試、國會質詢和法院取證補足信息。公開論證由此承擔了一項基礎功能——發現企業內部不願主動暴露的問題，”李勇說道：“多個主體持續博弈，很難快速形成一套統一穩定的長期立法，不少治理舉措，是在觀點拉扯的過程中陸續推出。”

一個事實是，美國聯邦層面至今沒有一部綜合性 AI 立法。國會自 2023 年以來提出的法案數以百計 —— 從《安全、可靠與可信賴人工智能法案》到《前沿模型透明法案》—— 但多數停留在委員會層面。

取而代之的是一系列軟性安排：白宮與主要實驗室達成的自願安全承諾、NIST 發布的 AI 風險管理框架、各部門依《行政程序法》頒布的指南、以及 FTC 援引既有的《聯邦貿易委員會法》第五條對 “欺騙性AI實踐” 發起的執法行動。

這種 “軟法先行” 有其代價。自願承諾不具備強制力，企業可以選擇性遵守；NIST 框架雖是技術標杆，卻不設合規底線；FTC 執法依賴事後追責，難以預防系統性風險。但它的優勢同樣明顯：在技術路線未定、風險認知仍在快速迭代時，行政部門和監管機構可以根據新證據快速調整口徑，而不必等待國會冗長的立法博弈。

平靜水面下，風險被送進一套治理系統

回看國內AI行業，沒有企業CEO之間濃烈的火藥味，員工裏也沒有出現所謂的“吹哨人”，對AI安全的討論聲量確實遠低於美國。

但如果把視線從社交平臺移向監管文件、技術標準和備案系統，會看到另一幅圖景：中國並沒有回避AI風險，它正在將風險逐項拆解，並送進一套越來越細密的行政與技術處理系統。

這套體系在2024年出現了明顯的制度化轉折。

2024年7月，《中共中央關於進一步全面深化改革、推進中國式現代化的決定》提出完善生成式人工智能發展和管理機制、建立人工智能安全監管制度。AI治理由針對具體產品的監管問題上升爲國家治理能力建設的一部分。

頂層目標隨後被轉換成更具體的技術要求。全國網絡安全標準化技術委員會發布《生成式人工智能服務安全基本要求》，將生成式AI安全拆解到訓練語料、標注質量、基礎模型來源、內容安全、服務透明度、投訴舉報等環節。

備案與登記體系也在同期規模化。按照公開資料，截至2025年底，已有748款生成式AI服務完成備案，累計435款應用/功能完成登記。雖然備案不直接等同於行政許可，但它已經承擔了三項重要功能：確認服務主體、形成上線約束、爲後續監管提供入口。

2025年，監管進一步進入產品和內容流通環節。《人工智能生成合成內容標識辦法》及配套強制性國家標準施行。規則要求生成的文本、圖片、音頻和視頻採用顯式與隱式標識，並將責任從模型提供者延伸到內容分發平臺和用戶聲明環節，由此形成“源頭標識—平臺核驗—傳播識別”的治理鏈條。

與標識規則同時推進的，是更廣泛的“人工智能+”行動。國務院2025年發布的相關意見，將AI放入科技、產業、消費、民生和治理等領域，並把模型、數據、算力、政策法規與安全能力列爲基礎支撐。

這透露出中國AI治理的第一個穩定特徵：“發展”和“安全”被放在同一套政策工程中。AI需要更快進入實體經濟和公共服務，風險控制則負責降低規模化部署帶來的外溢成本。“安全”承擔的角色更接近產業基礎設施，而非與發展相互獨立的剎車。

2026年，監管顆粒度繼續縮小。4月公布、7月施行的《人工智能擬人化互動服務管理暫行辦法》，將治理對象推進到具體的人機關系。身份提醒、防沉迷、安全評估和算法備案等要求，把抽象的“人類保持對AI的控制”轉化爲具體產品和運營的要求。

同年9月，《人工智能安全治理框架》繼續迭代至3.0版本，智能體系統開發安全、安全能力成熟度評估等標準也在推進。這意味着中國的治理對象正沿着一條明確路徑擴展：從生成內容走向持續互動，再走向擁有更高自主性的智能體。

虎嗅ESG組認爲，這套治理模式可以歸納爲三個動作：首先由國家確定發展與安全的整體邊界；隨後由多部門將風險分解爲主體責任和場景規則；最後通過技術標準、備案、評估和平臺整改推動執行。法律、部門辦法和標準並行推進，統一AI立法尚未完成，並未阻止具體規則持續落地。

其核心能力，在於把高度抽象的風險轉換爲可操作問題：誰是責任主體；哪些服務需要備案或登記；哪類內容必須標識；什麼場景需要安全評估；平臺發現風險後如何處置等。

由此看來，國內對AI安全的討論雖然安靜，但在治理層面並不安靜。監管端連續動作，標準治理體系持續擴張，國際治理端同樣主動——WAICO在上海成立並吸引29個創始成員國，進一步說明中國願意在全球規則和能力建設問題上提高聲量。

一個關鍵問題是，爲什麼國內治理體系優先盯住的是應用層？李勇認爲，核心原因是國內大模型產業大體處在追趕階段，產業重心偏向把 AI 技術和實體經濟場景結合，行業關注重點，更多落在當下能夠識別的現實風險，像生成內容合規、數據安全與知識產權保護這類問題，而不是遠期猜想層面的極端風險。

“從模型技術成熟度來講，國內通用大模型和海外頂尖水平還有差距，超強通用模型可能帶來的遠期極端風險，距離現實應用場景更遠，監管資源則優先投向當下可以預判、能夠處置的風險事項。”

兩套治理哲學，殊途同歸

李勇認爲，兩套系統各有各的運轉邏輯，也各有各的盲區。把視線從制度設計轉向代價，會發現美國模式的問題不在於 “太吵”，中國模式的問題也不在於 “太靜”—— 真正要緊的是，兩臺機器各自漏掉了什麼。

美國的盲區：在於說了很多安全，未必有人最終負責

美國治理靠多元主體持續博弈，但博弈本身有代價。

第一，安全監管可能反過來成爲巨頭築牆的工具。如果審計、第三方常駐、發布前評估等要求持續加碼，大公司有充足預算承擔合規成本和遊說開支，創業公司和開源項目卻可能被一次性固定成本擋在門外。

第二，披露可能淪爲安全表演。籤署自願承諾、加入行業聯盟，並不等於企業披露了全部事故；也不等於外部機構能復現其評估過程；更不等於安全部門在公司內部擁有否決上線的實權。

第三，多頭監管本身就在消耗治理能力。聯邦政策、法院判例和行政指南並行，同一產品可能面對多套標準；企業的合規團隊不得不把精力花在管轄權衝突上，而不是真正理解模型風險。

把三點合在一起，美國最大的問題不是 “太吵”，而是：每個主體都有權定義風險，卻未必有人能爲最終結果負責。

中國的盲區：規則很多，但企業端實踐成效難被驗證

中國模式的優勢在於治理框架完備性足，但弊端在於企業端難驗證。

監管仍然面對結構性的信息不對稱。模型的真實能力邊界、訓練數據的缺陷、內部事故和安全測試失敗等這些最關鍵的信息都掌握在企業手中。

由此可能滋生出的一種隱性邏輯是，既然產品完成了備案、通過了評估並獲準上線，就等於安全問題已經得到確認。但監管只能設置底線，它無法代替企業持續處理新版本產生的新能力、新場景引發的新風險，也無法代替安全團隊在公司內部與商業團隊博弈。

例如，虎嗅ESG組曾在一文中指出，國內部分仿生機器人產品並未按《人工智能擬人化互動服務管理暫行辦法》標準執行，未成年人模式、責任說明、交互數據管理等細項經不起核查——盈利的急迫性壓過了合規的必要性。

再比如將目光轉向國內大模型公司，一個行業共性是，中國大模型企業似乎更擅長證明自己是合規經營者，卻較少證明自己是具有持續風險識別和突發事故處置能力的組織。

在當下，智譜、Deepseek、StepFun、MiniMax等大模型公司中只有智譜公開披露設立了AI倫理委員會，而國家在今年3月頒布的《人工智能科技倫理審查與服務辦法（試行）》明確頭部大模型等高風險企業必須強制設立獨立的內部人工智能科技倫理委員會。

去年MiniMax就曾遭遇的版權訴訟，迪士尼、環球影業和華納兄弟探索在美國加州中區聯邦地區法院起訴MiniMax，指控Hailuo AI生成服務侵犯版權。三家制片廠認爲，該服務能夠生成與其受保護角色及作品高度相關的內容。

今年MiniMax曾申請駁回訴訟，但法院駁回其動議，認定有充分證據證明海螺AI向美國用戶提供服務，且原告方提交的侵權指控事實清晰、具備法律合理性，案件將繼續進入正式審理程序。

更多圍繞國內AI企業的爭議這裏不多細表，但種種事件都指向一個事實：中國現行生成式AI合規信息多，但治理信息少；傳統信息安全寫得多，模型特有風險寫得少；價值原則較完整，可審計指標仍然有限。

這種狀態與現行治理結構有關。企業進入市場前已經經歷備案、安全評估和標準約束，監管部門承擔了主要的安全判斷職能，企業向外部解釋的動力自然就弱化了。

李勇認爲，兩種治理路徑，只是各方對風險優先級作出不一樣的選擇，不存在簡單的優劣劃分。美國依靠多元公共討論，持續豐富社會對AI風險的認知，政策層面會伴隨一定波動。國內先行搭建規範化的制度框架，穩步落實分類管理，在守住安全底線的基礎上，推動產業務實創新。

“兩套模式並不是完全隔絕，雙方都在觀察對方模式的長處，慢慢互相借鑑。美國近些年也在推出行政層面的管控文件，嘗試劃定硬性安全邊界。國內行業討論當中，學界和企業界對於AI長期風險的探討，也在慢慢變多，”李勇說道：“未來的AI治理，大概率不會是兩條完全割裂的路線。對於國內企業來說，這種跨地域治理差異，也會直接影響出海業務的合規策略。”

寫在最後

Coxon的長文、Hubinger的聲援、Dreamforce 臺上的博弈，本質上都在做同一件事：把實驗室內部的擔憂，翻譯成社會能夠看見的語言。

美國選擇的介質是公開衝突——聽證、訴訟、離職聲明和 CEO 之間的針鋒相對；中國選擇的介質是行政程序——備案編號、技術標準、標識規則和一份份 “暫行辦法”。

介質決定了風險以什麼形態被看見，也決定了各自的盲點。公開衝突讓問題盡早浮出水面，卻可能在喧囂中稀釋責任；行政程序把風險快速拆解爲可執行的動作，卻可能讓市場失去驗證真實效果的機會。

沒有哪一種翻譯是無損的，區別只在於各自願意承擔哪一種代價。

AI安全治理真正的考驗還在後面。當智能體從對話走向自主行動，當模型開始嵌入電網、醫療和金融系統，風險的形態會產生流變。到那時美國必須回答，被反復討論的風險，究竟由誰在事後負責；中國也必須回答，那些沒有進入公共討論的問題，如何確保沒有被悄悄放過。

相關閱讀

• 車企集體“造人”2026-09-23
• 9.9萬買臺宇樹，貼個Logo到賬1億2026-09-23
• 原創 不再被“限高”的羅永浩，正面“硬剛”540萬粉大V2026-09-23
• 原創 7400億登頂亞洲，張一鳴這個首富真的與眾不同2026-09-23
• 原創 日賺2億的「寧王」，為何成為車圈「公敵」？2026-09-22