引言：从技术应用到制度重塑

2026年《政府工作报告》首次提出“打造智能经济新形态”，标志着我国人工智能发展进入“形态塑造”新阶段。这一表述的深意在于，人工智能已不再仅仅是技术迭代的问题，而是触及了生产关系系统性重构的核心命题。作为长期从事政策改进的研究者，我深切地意识到，当人工智能开始普遍而深度地应用于社会各个领域，我们面对的不仅是工具层面的升级，更是政治体制与经济体制的基础性变革。

当前关于人工智能治理的讨论，往往陷入一种“类比陷阱”：将AI比作软件、基础设施或通用技术，试图用既有的监管框架来套用。这种做法虽然在短期内具有操作上的便利性，但长期来看，却可能遮蔽一个根本性的转变——某些先进的人工智能系统已经不再是纯粹的工具，而正在成为事实上的社会行动者，它们塑造信息、协调行为、结构化社会经济现实的能力，已经超出了传统治理框架的承载能力。

《未来国策》的核心思想正在于此：我们必须正视人工智能作为“第四行动者”的崛起，在政治体制上构建“人机共治”的新型决策结构，在经济体制上建立“智能经济”的新型生产关系，并通过系统化的治理框架，确保这一变革始终处于人类的有效控制之下。这不是对未来社会的预言，而是对政策改进现实任务的回应。

第一章：政治体制的演进——从“人工智能君主制”到“人机共治”

一、“人工智能君主制”的歧路警示

在政治智能化的讨论中，有一种极端的设想颇为引人注目，即“人工智能君主制”——由AI全面接管人类的治理权，将人工智能系统置于国家治理的最高位置，就像传统君主制中的君主一样主导决策。

从表面上看，这种设想有其吸引力：AI决策具有高效率、高精准度，能够处理复杂问题。然而，深入分析便会发现，这是一条政治智能化的歧路。首先，AI决策的基础是算法和数据，如果数据存在偏差或算法设计存在缺陷，所谓的“最优决策”很可能偏离公平正义。其次，AI缺乏情感和伦理意识，难以做出符合人类社会道德标准和价值观念的决策。更为关键的是，权力高度集中于AI，将催生一种用数学符号与复杂模型构建的“技术神权”，消解人类的主体性和政治参与的价值。

这一警示对我国政治体制改革具有重要的参考意义。在推进治理能力现代化的过程中，我们必须坚守一个基本原则：人工智能始终是辅助工具，而非决策主体。但这并不意味着排斥AI的应用，而是要探索一条“人机共治”的新路。

二、“第四行动者”框架的理论基础

哈佛肯尼迪学院的研究者近期提出了一个更具建设性的分析框架：将AI视为社会中的“第四行动者”——与人民、国家、企业并列的四种社会行动者之一。这一框架的核心洞见在于：AI系统并非仅仅是工具，它们具有决策权力、大规模协调能力，以及结构化社会结果的能力。在这一框架下，治理的任务不再是简单地“控制技术风险”，而是要在四种行动者之间建立动态的权力制衡。

这一理论对我国政治体制改革的启发在于：我们需要设计一套制度，让AI系统在辅助决策的同时，接受来自人民、政府和企业三方的监督与制衡。这既避免了AI权力过度集中，又能充分发挥其技术优势。

三、人机共治的制度设计

基于上述分析，《未来国策》提出政治体制改革的三个核心方向：

第一，构建分级分类的智能治理体系。借鉴《人工智能安全治理框架》2.0版的思路，根据不同AI系统的自主性水平和决策影响力，建立差异化的治理机制。对于辅助信息处理、文书工作的低风险AI，可以相对放开应用；对于参与公共资源配置、政策方案生成的中风险AI，必须引入人类审核环节；对于涉及重大公共利益的高风险AI，则需严格限制其应用场景，并建立专门的监督委员会。

第二，设立算法问责机构。参考国际经验，可在各级政府设立“算法问责办公室”或“AI伦理监督委员会”，负责对政府使用的AI系统进行独立审计。这一机构的核心职能包括：审查AI系统的训练数据是否存在偏差，评估算法决策的可解释性，接受公众对AI决策的申诉，并有权暂停或纠正存在问题的AI应用。

第三，建立参与式治理机制。AI治理不能只是技术专家和官僚的事情，必须让公众参与进来。可利用AI技术本身来“规模化的公众咨询”——AI可以将复杂的政策草案翻译成通俗语言，收集公众反馈并进行主题聚类，最终形成供决策者参考的民意摘要。这种机制既提升了公众参与的可及性，也让AI的应用本身接受公众的监督。

四、防止失控的底线思维

《人工智能安全治理框架》2.0版新增的“可信应用、防范失控”原则，应成为政治体制改革的底线要求。我们必须确保AI系统“始终处于人类控制之下”，严防可能威胁人类生存发展的失控风险。这意味着，在关键决策环节必须保留人类的最终否决权，AI系统的设计必须嵌入“紧急停止”机制，并且要建立跨部门、跨领域的协同治理体系，形成可操作、可审查、可干预的治理闭环。

第二章：经济体制的变革——智能经济新形态的制度基础

一、从数字经济到智能经济的范式跃迁

2026年《政府工作报告》首次提出“打造智能经济新形态”，这一表述本身就意味着政策逻辑的跃升。如果说数字经济的核心是“连接”——连接人与信息、人与商品、人与服务，那么智能经济的核心则是“替代与增强”——AI系统开始替代部分人类劳动，同时增强人类的决策能力。

这一转变对经济体制提出了全新挑战。正如学者所指出的，智能经济的本质是“生产关系的系统性重构”——人机协同重塑劳动形态，数据要素重构分配机制，跨界融合再造产业边界。传统经济体制建立在“人-人”关系的基础上，而智能经济则引入了“人-机”关系这一新维度。劳动法、产权制度、税收政策、收入分配机制，都需要据此作出调整。

二、数据要素的市场化配置难题

当前智能经济发展的主要矛盾，已经从“算力不足”转向了“数据要素焦虑”。数据是智能经济的基础资源和关键要素，但数据的流通、定价、确权、入表等问题，至今尚未形成成熟的制度安排。

《未来国策》主张，要构建“高效合规的流通体系”，这需要破解几个核心难题：一是数据所有权与使用权的分离，个人数据被企业采集加工后产生的价值增值，如何分配？二是公共数据的开放与授权运营，政府掌握的海量数据如何在保障安全的前提下释放价值？三是数据流通中的隐私保护问题，如何在数据可用性和个人隐私之间取得平衡？

解决这些问题，不能简单套用传统产权的思路。数据具有非竞争性和非排他性，更适合作为“公地资源”来治理。诺贝尔奖得主埃莉诺·奥斯特罗姆的研究证明，社群有能力设计规则来管理共享资源，避免“公地悲剧”。将这一思路应用于数据治理，意味着要建立“数据信托”或“数据合作社”等新型组织形式，让数据生产者——也就是广大用户——参与数据收益的分享。

三、人机协作的新型劳动关系

当AI从辅助工具演变为协作伙伴，传统的劳动关系面临根本性挑战。平台经济已经催生了零工经济，而智能经济将进一步模糊“劳动者”的边界。如果一家企业的大部分“工作”是由AI系统完成的，那么这些AI系统在法律上处于什么地位？它们创造的利润如何分配？

《未来国策》提出几个改革方向：

一是建立“人机协作的任务分配体系”。这意味着要重新设计工作岗位，让人与AI各展所长——AI处理重复性、计算性的任务，人类从事创造性、情感性、判断性的工作。

二是探索“基于贡献的成果共享机制”。当AI辅助劳动者提升效率时，劳动者应当分享效率提升带来的收益；当AI替代了部分岗位时，社会需要建立相应的再分配机制。这不仅是公平问题，也是社会稳定的需要。

三是推动“职业分类的动态调整”。现有的职业分类体系无法涵盖智能经济催生的新岗位——提示工程师、AI训练师、算法审计师等。必须建立常态化的职业分类更新机制，让劳动者能够在新经济形态中找到位置。

四、跨界融合的产业生态

智能经济的生命力在于“解构传统壁垒、重构产业生态”。在智能经济时代，产业边界变得模糊——制造业与服务业融合，生产者与消费者融合，线上与线下融合。这一趋势要求产业政策做出相应调整。

传统的产业政策是“纵向”的——针对特定行业制定扶持或监管措施。但在智能经济条件下，政策思维必须转向“横向”——关注AI在不同场景应用带来的共性问题，如算法透明度、数据安全、竞争秩序等。同时，要支持建设“面向重点产业的智能平台”，推动产业链上下游的数据共享和协同创新，最终形成以数据和算法高效流动为基础的新型产业协作网络。

第三章：人工智能治理的核心原则与制度框架

一、从被动应对到主动引领

《人工智能安全治理框架》2.0版的发布，标志着我国AI治理思路的重要转变——从“积极应对”到“主动引领”。这一转变的意义在于，治理不再被视为技术发展的阻碍，而是技术健康发展的保障。《未来国策》继承这一思路，强调制度创新与技术创新要协同推进。

治理框架的设计，需要回应三重风险：技术内生风险（如算法缺陷、数据质量问题）、技术应用风险（如滥用、误用），以及应用衍生风险（如冲击劳动就业结构、挑战现行社会秩序）。其中，衍生风险的治理最为复杂，因为它涉及的不是技术本身，而是技术与社会互动的结果。这就要求治理框架具备“前瞻性”——在风险尚未大规模显现之前，就预先设计应对措施。

二、伦理先行的价值红线

《人工智能安全治理框架》2.0版明确提出“构建人工智能科技伦理准则”，将“伦理先行”确立为治理工作的核心导向。这意味着，AI治理不能等到问题出现后再补救，而要在技术研发和应用的全生命周期中嵌入伦理考量。

对于政策制定者而言，伦理先行不是抽象的口号，而是可操作的要求。具体包括：在公共采购中，将伦理合规性作为选择AI供应商的硬性指标；在项目审批中，要求提交伦理影响评估报告；在绩效评价中，将社会效益和伦理表现纳入考核范围。通过这些机制，让“生命健康、人格尊严、社会公平、生态环境”等价值真正成为技术发展的“红线”。

三、分级分类的精准治理

AI系统千差万别，一套统一的规则无法适用于所有场景。《未来国策》主张建立“分级分类”的治理框架。

在风险分级上，可以参考自动驾驶的分级思路，将AI系统的自主性水平分为L1到L5五个等级。L1为纯粹工具型，L5为完全自主型。对于不同等级，设置不同的监管要求——等级越高，审查越严，应用限制越多。

在风险分类上，要区分通用AI和专用AI、消费级AI和工业级AI、数字空间AI和物理世界AI。不同类别的AI，面临的风险类型不同，治理重点也不同。例如，应用于医疗诊断的AI，重点在于准确性和可解释性；应用于内容推荐的AI，重点在于防止信息茧房和偏见放大。

四、透明可信的问责机制

透明度是AI治理的核心难题。当前的大语言模型往往是“黑箱”——即使是开发者也无法完全解释模型是如何得出特定结论的。这给问责带来了巨大挑战：当AI系统做出错误决策造成损害时，谁来负责？开发者？部署者？使用者？还是AI本身？

《未来国策》主张，要建立“全链条的问责机制”。首先，AI系统的开发者必须提供技术文档，说明模型训练数据、算法逻辑、已知局限性。其次，AI系统的部署者必须建立监控机制，及时发现和纠正问题。再次，使用者必须接受培训，了解AI的适用范围和潜在风险。最后，对于无法解释但又不得不使用的高风险AI系统，必须设置“人工 override”机制，确保在出现争议时有人类承担责任。

第四章：制度创新与未来展望

一、智能时代的制度竞争

学者指出，“中国智能经济的国际竞争，归根结底还是制度软实力的竞争”。这一判断极为深刻。当前，美国走的是“算力堆砌”模式，依靠巨头企业的资本投入和技术积累；欧洲走的是“权利保护”模式，通过严格立法确立个人数据保护的高标准；中国要走出差异化路径，必须在制度创新上取得突破。

《未来国策》提出的制度创新方向包括：在数据领域，探索数据要素市场化配置的中国方案；在劳动领域，构建人机协作的新型劳动关系；在产业领域，推动跨界融合的创新网络建设；在治理领域，建立分级分类的AI监管框架。这些制度创新的目标，不是简单地复制其他国家的经验，而是在立足国情的基础上，形成具有中国特色的智能经济治理体系。

二、数字公地的治理探索

将AI视为“公地资源”，是一种值得深入探索的思路。当前AI发展的一个突出问题是，少数巨头企业垄断了核心技术和数据资源，广大用户虽然贡献了数据，却无法分享AI创造的价值。这种“收益私有化、成本社会化”的模式，在道义上难以持久，在政治上可能引发反弹。

“数字公地”的思路主张，将关键数据资源和算法架构视为公共产品，建立多方参与的治理机制。具体可以探索：一是建立公共数据池，将政府数据和经过脱敏处理的公共事业数据向符合条件的开发者开放；二是支持开源AI社区，鼓励产学研合作开发可信任的开源模型；三是探索AI合作社模式，让数据提供者和使用者共同拥有AI系统的所有权。这些探索虽然刚刚起步，但代表了AI治理的一个新方向。

三、结语：在变革中坚守以人为本

人工智能的深度应用，正在重塑政治体制和经济体制的基础。这一变革的深度和广度，可能超过工业革命以来的任何一次技术浪潮。作为政策研究者，我们既要看到变革的必然性，积极拥抱智能时代的新机遇；也要守住变革的底线，确保技术进步始终服务于人的全面发展。

《未来国策》的核心主张可以概括为三点：在政治体制上，拒绝“人工智能君主制”的歧路，探索“人机共治”的正道，让AI成为辅助决策的智能工具而非替代人类的决策主体；在经济体制上，正视智能经济带来的生产关系变革，构建适应人机协作的数据治理、劳动关系和产业生态；在治理框架上，坚持以人为本、智能向善的基本原则，建立分级分类、透明可信、伦理先行的制度体系。

最后，借用《人工智能安全治理框架》2.0版的一句话作为结语：“确保人工智能始终处于人类控制之下。”这不是对技术发展的限制，而是对技术发展的保障。只有在这一前提下，人工智能才能真正成为推动社会进步的力量，而非颠覆社会的基础。未来已来，关键在于我们如何治理。