人工智能、數字經濟與新質生產力

人工智能治理規則
聚焦經濟學的視角和標準

江小涓^[1]

人工智能治理是全社會關注的問題，幾乎所有學科都在研究和發聲，經濟學家也不例外。不過，當前經濟學科在該領域的研究特點不突出，聚集點與社會熱點相似，看不出學科特性的映射，也缺乏學科邏輯的合理支撐。本文從經濟學的角度討論這個問題，一是回答什么是理想狀態，二是回答如何推動人工智能治理規則可操作和能落地。

一、經濟學視角的“好技術”：提高資源配置效率和分配相對公平

1.關于人工智能倫理與規則的討論

較長時期以來，各方面對人工智能技術規則相關問題的討論，相當集中于道德層面、理念層面和意愿層面。對數字技術發展方向的討論中，技術向善、以人為本、普惠共享等是高頻詞語，對人工智能倫理與規則問題的討論中，尊重人、服務于人、透明、責任、向善、開放、包容等是主流表達。例如，2017年1月生命未來研究所（FLI）發布的《阿西洛馬人工智能原則》（Asilomar AI Principles），提出安全性、故障透明性、司法透明性、責任、價值歸屬、人類價值觀、個人隱私、自由與隱私、共享利益、共同繁榮、人類控制、非顛覆性等原則。再如2019年6月，聯合國數字合作高級別小組發布的《數字相互依存的時代》提出了以下核心原則：包容性、多方利益相關者合作、以人為本、開發數字公共品、可持續性與社會責任、促進國際合作與政策協調。2019年，電氣電子工程師學會（IEEE）發布《合倫理設計》，提出的倫理原則包括保護人類利益、問責、透明、人工智能系統或智能機器的教育與意識、有效性等。新近的案例是2025年2月巴黎人工智能峰會發布的《關于發展包容、可持續的人工智能造福人類與地球的聲明》，從標題就可以看出對此前共識的繼承性。峰會提出6條優先事項，包括促進人工智能的可及性以減少數字鴻溝，確保人工智能開放、包容、透明、合乎道德、安全、可靠并值得信賴，考慮為了所有人的國際框架等。

2.可操作和能落地：經濟學角度的思考

幾乎所有人都認為，這些原則性表達無疑是正當、有共識和令人向往的，業界和社會認同度較高。然而，多年來這些原則雖然被反復陳述、討論并獲得共識，但落地實踐推進緩慢。這些規則缺乏可計算、可測度和可比較的維度或指標，因而在相當程度上無法判斷各種技術和應用是否匹配上述理念，無法測度優劣或差異，無法進行選擇和優化，更無法權衡相互沖突的因素和提出明確具體的治理路線和治理手段。導致這種狀況的一個重要原因，是社會科學各個領域和學科未能將這個問題與本學科的理論邏輯相結合，并將其置于學術體系框架中進行討論和深化，從而無法步入以理論推進共識、以共識推動實踐的落地進路中。

本文希望在上述理念和原則的指引下，將問題引入社會科學特別是經濟學和社會學體系中，尋求定義更加明確具體的核心評價維度。經濟學研究全社會的資源配置效率問題及相應的收入分配問題，因此，從經濟學角度看，對一種技術進步及其影響的評估，根本在于其是否有利于提高資源配置效率帶來經濟增長，以及是否能夠相對公平地分享發展成果帶來社會和諧。由此出發，本文從經濟學的角度，將“提高資源配置效率和分配相對公平”作為經濟學評估人工智能治理規則的標準，向這個維度趨近和收斂的人工智能應用，就是好的人工智能。

二、人工智能帶來的機遇和挑戰：資源配置和分配公平的視角

人工智能技術帶來資源配置效率提升和產業與經濟發展的多方面機遇。一是提升生產效率，人工智能可實現生產流程自動化與智能化控制，如“黑燈工廠”通過應用人工智能技術，能在少人或無人干預的條件下持續生產，在提高生產效率的同時降低人力成本。二是提升交易效率，如通過大數據分析和人工智能模型預測，企業可實現精準營銷、個性化推薦等，從而提升用戶體驗，提高交易環節的效率。三是提升研發效率。人工智能在基礎研究領域提升科學發現和發明效率，在應用科學和工程領域推動原創性、顛覆性技術創新成果涌現，為產業升級提供技術基礎。人類對自然界和自身的認識水平得到極大擴展。四是催生新興產業。人工智能催生了如自動駕駛、人形機器人、生成式人工智能等新興產業，帶動相關產業規模增長，創造新的經濟增長點，促進產業融合及產業升級。五是促進產業融合。人工智能強大的連接與整合能力，能促進跨產業、跨領域協同耦合。如智能交通系統融合多個產業，催生了智慧物流等新業態。上述種種以及更多人工智能帶來的效率提升和增長動能，人們對此已有共識，本文不再贅述。

我們重點分析人工智能帶來的沖擊和挑戰。按照我們的分析框架，可將其分為兩類，一是對資源配置效率的沖擊和挑戰，二是對分配相對公平的沖擊和挑戰。

1.對資源配置效率的沖擊和挑戰

就資源配置而言，人工智能大模型的挑戰主要來自對市場競爭的現實和潛在威脅。大企業的市場優勢地位會產生壟斷問題，但在實體產業中，當企業規模超過一個臨界點時，就會出現邊際報酬遞減現象，同時公共部門也可視情況進行反壟斷監管，因此，在傳統經濟中，壟斷不是一個突出和普遍的問題。人工智能時代的大企業對市場競爭帶來更大挑戰。人工智能的能力源自數據、算力、算法等多重能力，賦予大型企業和大型組織更大的競爭能力和市場權力，作為產業鏈中的頭部或樞紐，其市場支配地位更加突出，而中小企業、中小投資者的地位更加被動和弱化。挑戰還不僅于此，人工智能時代的規模經濟還有全新形態。借用深度學習領域的一個重要概念“Scaling Law”（規模定律），這個概念描述了模型性能與模型規模（如參數數量、數據規模和計算資源）之間的關系，隨著模型規模的增加，模型性能也會以更高比例提高。當規模超過一個閾值后，就會涌現后來者無法企及的全新能力，這些是小模型完全沒有的，已經不是我多你少我先你后，而是我有你無的碾壓式能力。^[2]但同時，社會高度認同模型規模與創新能力直接相關，這就使得壟斷監管有些不知所措：是壟斷監管優先還是促進創新優先？

迄今為止，大模型尚未碰到由于壟斷或其他問題而被監管的情況，它們在不受約束的情況下日新月異地發展。雖然業內人士、社會名人甚至國際組織和論壇等曾多次呼吁暫停或暫緩大模型的發展，但未見效果。2023年3月，埃隆·馬斯克、圖靈獎得主約書亞·本吉奧（Yoshua Bengio）等1 000多名學者聯名簽署公開信，要求暫停訓練比GPT-4更強大的人工智能系統至少6個月，理由是這類技術可能對社會和人類構成潛在風險。聯名信由生命未來研究所發起，呼吁建立人工智能安全開發協議，并強調需在技術失控前加強監管。盡管聯名信引發廣泛關注，但OpenAI等機構并未暫停對GPT-4的訓練，反而持續推進技術迭代。當這種大者愈大強者愈強的現象波及整個產業時，壟斷必然會減損競爭效率。

2.對就業產生的沖擊和挑戰

人工智能對就業產生了明顯沖擊。技術進步對勞動者的沖擊時日已久，計算機革命在一定程度上造成中等收入崗位的空洞化（Frey and Osborne，2017）。當下人工智能技術的發展對就業的影響更加突出，主要表現為兩點。第一，替代的崗位類型更多。各種人工智能不僅能夠從事重復性、預測性的知識性工作，大模型更具智慧性和自主性，能夠執行重復任務，這將對需要較高技能的職業產生較大程度的替代，對更多就業崗位產生沖擊。第二，由于原先的分工關系被打亂，許多“對子”或“搭子”中的一方在新的分工鏈條中失去位置，而且很可能再也無法尋找到與自己技術相匹配的合作方。目前還看不到人工智能技術新創就業超過替代崗位的趨勢。如此下去，技術進步帶來的經濟租金無法在技術資本持有者與勞動者之間共享，導致經濟發展的包容性較差，影響對技術進步價值形成社會共識。這種沖擊并不是平均分布在社會的各個方面，而是有多有少，有贏家有輸家。以往較長時期，市場競爭和社會博弈會帶來多輪資源再配置和財富再分配過程，分流贏家所得和輸家所失，弱化由此產生的經濟社會風險。在人工智能時代，技術對規則的持續沖擊在廣度和深度上遠超以往，失序程度和規則重構更加復雜和充滿不確定性。

三、如何治理：弱規則還是強規則

在任何時代，經濟有效運轉都需要規則。規則規定個體之間、組織之間以及個體和組織、政府和社會之間穩定、可預期的交易方式，包括道德規范、默認規則、法律條文和行政命令等。規則之所以重要，是因為事關“交易”和“預期”。對即時交易者而言，需要有規則來防止和處置各種不履約和欺詐行為，對長期投資者而言，需要有規則來保護產權、執行遠期合同和跨期交易。否則，分工與交易中的各種避險行為會降低社會資源配置的總體效率。

規則分為兩類。一類是弱規則（自發規則），內生于市場，沒有公權力賦予的強制力。諸如自愿交易、討價還價、履行合同、誠實守諾等都是市場內生的規則，是解決經濟社會秩序的基礎（布坎南，1988）。^[3]各方博弈后的共識、社會公序良俗的約束、個人和組織對自身信譽的珍視、人類內心“向善”引發的自我約束等，都能推動自發秩序的形成。只要相關各方有共識、能選擇、可預知和能遵守，就能保障市場有序運轉。另一類是強規則（制度規則），外生于公權力因而具有強制力，主要包括監管規則與法制規則，主要約束破壞市場公平競爭的力量和少數市場競爭不能為的行為，防止劣幣驅逐良幣。弱規則和強規則都涉及社會福利的可能損益，每個時代都是幾種規則不同權重的組合。^[4]

在人工智能時代，弱規則和強規則仍將共同存在。由于技術的快速演進及其帶來的沖擊很可能超出了監管能力的適應和提升速度，使得制度性強規則難以快速全面形成，市場與社會中多種形態的弱規則持續存在并不斷迭代，將發揮重要作用。同時，強規則必須發揮重要作用，并引導弱規則較快較好地向合理合意的方向演進。

1.弱規則將長期發揮重要作用并迭代演進

在數智時代，技術發展及其對經濟社會的影響變化太快，強規則難以及時成為經濟社會規則的主要部分，弱規則將發揮更加廣泛而重要的作用。弱規則的范圍可大可小，在不同場景下有不同形態，能靈活有效地平衡各方利益，能及時調整方向和重點，因此適應性很強。弱規則不會很完備和理想，也不可能是各方都滿意的規則，但有望在波動中不斷迭代，維護經濟大致有效運轉。

（1）內部外部競爭壓力推動數智平臺構建商業生態弱規則

人工智能在各類平臺廣泛應用，無疑能提高供需匹配效率和生產交易各個環節的效率。從各方利益平衡和公平性看，平臺是一個局部市場，必須提供交易規則來規范相關主體的行為。平臺從自身利益出發制定的規則必須最大限度關注相關各方的訴求，兼顧各方利益，力爭讓最多商戶和消費者都接受，平臺才能有效運轉和持續發展。因此，平臺會努力使其規則兼顧各方利益。同時，平臺之間存在競爭，即使是最大的平臺，仍然處于可競爭的市場環境中，潛在競爭者始終存在（Baumol et al.，1982）。^[5]而且平臺在線運營是全球性的，這種可競爭性不僅限于本地，而是擴展到網絡所有可以觸達之處。同時，消費者轉換平臺的沉沒成本幾乎為零，只需手指點擊幾下即可轉到另一個平臺；平臺上的商戶也是多棲性的，可以隨時比較不同平臺的優劣。因此，平臺要力爭使自己的管理規則最有競爭力，并不能因為自身體量與平臺上各個主體體量懸殊而一味欺客。由此種種，平臺必須提供使各方都能有效配置資源（進入平臺能夠增加收益）的規則，使平臺規則在多方博弈中趨向合理。不過，大平臺的確存在制造準入障礙、壟斷客戶與消費者數據、隱性優待關聯企業等不公平競爭行為，尤其在與平臺商業生態之外的中小企業競爭中處于強勢。

（2）軟件、網絡和模型開源開放構成技術社區弱規則

數智時代有一些特有的或特別重要的自發規則（弱規則），包括軟件開源社區、開放式產業互聯網以及開源大模型，各類開源社區依賴于社區成員的自愿貢獻和合作，而非嚴格的合同或規則。開源技術源于軟件，指的是向社會大眾開放源代碼的軟件技術。軟件開源社區能夠獲得海量數據、軟件資源、項目開發軌跡和實時交互的場景反饋。隨著互聯網的發展，基于網絡的更多軟硬件開放社區快速發展，產業互聯網便是其中的一種類型。以平臺企業為頭部的產業互聯網能夠廣泛連接眾多創新主體，構建以其為樞紐的創新生態系統。小米發布的四足仿生機器人CyberDog 2開放了圖形化編程界面，向開發者提供豐富的接口和資源，極大降低了編程的技術門檻，加快產品創新迭代。早期的人工智能大模型領先者采用閉源模式較多，如微軟的Turing-NLG和OpenAI的GPT-4等，但近期有更多大模型采用開源模式。^[6]2025年1月，DeepSeek發布了最新版本，在性能和成本之外，其開源模式同樣引人注目。該模型采用MIT（麻省理工學院）許可證開源模型權重，產品協議明確支持模型蒸餾，允許任何人自由地使用、修改、分發和商業化該模型。開源加速了分布式協作創新模式的構建，推動了技術社區內部的充分交流與創新協作，促進了社會共創共享文化的繁榮。顯然，開源是一種能夠提高資源配置效率的合理模式，同時開源社區具有共同的行為規則，只有認同這些規則才會分享與合作，因此這必然是志同道合者共建的一個弱規則空間。

數字時代的“弱規則”與以往的“弱規則”有一個顯著區別，以往的弱規則多數是普適性的規則，但數智時代的弱規則有很強的社群屬性和局部控制者，原因是數智技術發展較快，應用方式和經濟社會影響極為復雜，形成普適性的共識比較困難，因此往往從有共識的群體開始起步。與普適的自發規則無具體控制者相比，社群規則的約束力更強，多數存在局部“控制者”或“管理者”，而不僅僅是競爭和博弈中各方平衡的自發產物。

（3）技術或消費者社群構建局部弱規則

除了開源社區這個共識者社群外，還有更多類型的共識者社群形成和執行弱規則。第一類是技術社團，為全國甚至全球范圍內的技術同行制定規則，例如電氣電子工程師學會構建的算法安全印章、算法標識和算法倫理認證制度，推動了技術社團共同遵守規則的實施（張欣，2025）。

第二類是數據共享社群（數據共享空間），因為數據共享和復用會帶來極大價值。然而有許多難題，一是不敢共享，數據中含有大量個人信息、商業機密以及國家安全相關的信息，擔心數據可能被濫用、泄露和篡改；二是不愿共享，權屬與利益分配不明確，擔心正當權益無法被保障；三是不能共享，數據定義和模型接口不統一，無法接通和交互。由于數據類型和特征極為多樣，由政府出臺數據治理的“強規則”只能針對少數關鍵數據和重要問題。大部分數據如何流通、分享和使用，只能由相關各方共同探索開拓。當前，諸多數據空間的發展構成重要的數據治理弱規則。所謂數據空間，是指基于各方認可的規則，連接多方身份和資質確認后的主體，通過定義開放標準和治理框架，解決專有、不透明、不可互操作等技術限制，建立安全透明的數據共享生態系統，推動跨組織的數據交換與共享。

數據空間的類型有許多。一是由政府倡導并與企業合作組建的數據空間，例如Gaia-X是一個由歐洲多個國家和公司共同發起的數字基礎設施項目，旨在為歐洲創建一項聯合數據基礎設施，以促進數據交換與共享。二是由行業組織牽頭的數據空間。Catena-X是為促進汽車價值鏈整體的數據協作而設立的數據空間，旨在為不同汽車廠商之間溝通數據制定標準，提供統一的數據共享平臺，提高效率、透明度和可持續性。目前Catena-X已有成員122家，目標用戶1 000個。三是企業或民間組織搭建的數據空間。2023年5月，長虹與中國信息通信研究院、深圳數據交易所、華為、數鑫等單位共同發起成立了可信數據空間創新實驗室，該實驗室開發了一款名為“虹雁”的可信數據空間產品，旨在實現數據在可信、可控、可追溯的環境中的規模化流通利用，打造了制造訂單數據與客戶安全共享交換的典型應用場景。顯然，數據空間具備能夠提高數據資源配置效率的弱規則，只有認為這些規則合意的主體才會分享與合作。^[7]

第三類是消費者社群，通常，消費者對自身隱私有保護訴求，但有些消費者群體基于各種原因愿意在社群內共享個人數據。例如PatientsLikeMe是一個在線健康數據共享平臺，有同類病患的用戶在平臺上共享并持續更新真實數據（包括治療史、副作用、癥狀、各類體征、情緒、生活質量等），通過社區分享、交流、病例數據分析，該平臺為世界各地的患者提供相似病例搜索和相關服務。這些數據資源不僅能夠更好地為用戶提供健康咨詢服務，也可以和制藥公司合作，幫助相關機構深入理解疾病，確認新型治療方案，改進藥物產品性能，特別是幫助他們利用人工智能重塑疾病的個性化治療。

（4）多種承諾與指南構建跨國治理弱規則

當人工智能治理涉及跨國合作時，各種非政府機構、國際組織和政府間會議通過的聲明、決議、宣言、指南等非條約式成果，也是一類弱規則。這些弱規則具有靈活、快速、程序簡便、不受國內立法機構授權約束、談判成本低等諸多優勢。因此，政府間的治理合作主要通過建議、指南、行為準則、最佳實踐等方式推進，這些弱規則雖然不具有強制約束力，卻能夠將各利益相關方認同的最大公約數顯示出來，這些弱規則向國際社會發出政府或國際組織對人工智能治理規則的期望，甚至是可能的治理方向，雖無強制性，卻有很廣泛的影響力和導向作用。

2.強規則必須在場，筑牢合理合意底線并為弱規則保駕護航

制度性強規則的在場必不可少。一方面，弱規則時常會受到各種干擾，導致其不能有效運轉；另一方面，有些重要問題，如大平臺大模型引發的壟斷可能、技術強勢下的基本公平保障等，都不能完全交由市場競爭和博弈過程來解決。由此產生了對公權力強規則的訴求，重點是向下面幾類問題發力。

（1）負面清單管控

要強制性地規定“必須做”和“不能做”的行為，使某些行為和決策嚴格受到法律、規章制度和規范的約束。目前看主要有兩類，一類是約束數字化智能化大平臺的壟斷行為，包括允許第三方在特定情況下與大平臺提供的服務進行互操作，要允許用戶訪問他們在平臺上運營業務產生的數據，不得優待平臺自身或關聯企業提供的服務和產品；不得阻止用戶卸載任何預安裝的軟件或應用程序等。另一類是強制性要求數據強勢企業公開數據，為更多創新提供可能。2024年10月22日，美國消費者金融保護局（CFPB）確定，將使消費者對其個人財務數據擁有更多權利、隱私和安全。該規則要求金融機構在消費者要求下解鎖個人財務數據，并將其免費轉移給另一家提供商，鼓勵更多的金融創新，以解決因數據壟斷造成的金融市場集中度過高的問題。

（2）透明度要求

由于只有開發者真正知道算法如何運行，即使運行不當也有可能許久不被社會知曉，政府監管人員要理解技術架構也并非易事，需要動員和依靠社會各方面的力量，因此公開透明是弱秩序和強監管的基本條件，公眾知情和表達意愿才能形成弱監管。例如要求電子商務平臺向社會說明平臺產品推薦機制的公正性，該類說明要足夠具體，使監管者、技術專家和社會各方面都能理解。透明度的另一個重要性是讓公眾了解技術發展的后果并有發言權。現在人工智能的發展從解決已知問題轉向探索未知領域，尋求自然界和人類演進中并不存在的狀況，不少探索意在改變人類的“自然狀態”和“社會狀態”，包括我們的生理、認知和繁衍，以及人類社會的信息和權力結構等。此時在科技發展方向上，要防止由少數責任感不足和預見能力不足的科技專家倉促做出影響深遠的不當“創新”，公民對這類科技問題應該有平等的知情權和發言權。

（3）保護數字弱勢群體權益，維護公平底線

要保護弱規則重構中利益受損一方的基本權益，維護社會基本公平正義。當前要高度重視失業沖擊，對此處理不善可能帶來較大的社會問題，現在技術帶來的失業問題與以往不同，過去多輪技術革命新創造的崗位比替代的崗位多。但目前看上去似乎難以認為歷史會重現，尤其在人工智能時代，信息廣泛傳播使全社會都能更多地了解正在發生的事態及其影響，支撐社會共識形成與理性決策的“無知之幕”不復存在，以零和博弈或者正加總效應來論證技術發展的“利弊”更不易被接受。當社會認為贏家的“利”不能完全抵消輸家的“弊”時，這個問題更需要得到及時有效地處理。當下的全民基本收入（Universal Basic Income, UBI）計劃作為一項可能的制度性安排引起了廣泛關注。這項政策旨在為所有公民提供定期、無條件的基本收入，確保每個人都能滿足基本生活需求，減少貧困和不平等，有效應對數智技術帶來的就業和收入挑戰（Standing, 2017）。^[8]這種安排有其內在邏輯，所有的人工智能創新包括私人部門的創新，都建立在全社會大量積累的基礎上，僅從創新使用了海量數據這個角度就能理解這個判斷。全社會都在為人工智能發展所需要的知識進行付出，因此理應分享創新產生的收益。

最后要提出的是，經濟學的標準很重要，但人工智能不僅影響產業和經濟，而且影響社會與人類。每個學科都需要有本學科的標準和規則。人工智能技術帶來的沖擊全面、深刻而長遠，對人類自身和經濟社會帶來廣泛深刻甚至不可逆的影響，不能由一種倫理和規則主導應對過程，技術邏輯不能，經濟邏輯也不能。人文社會科學界要共同承擔起責任，走到秩序變遷的前端，以人文社會科學深厚的學理積淀，點亮人文社會科學理性之光，與科技專家、產業界、公共部門以及全社會攜手努力，推動人工智能時代的技術變遷以促進人類社會總體福利水平的提升和社會公平正義。

參考文獻

江小涓，宮建霞，李秋甫 .數據、數據關系與數字時代的創新范式［J］.中國社會科學，2024(9)：185-203 .

江小涓，黃穎軒 .數字時代的市場秩序、市場監管與平臺治理［J］.經濟研究，2021(12)：20-41 .

布坎南 .自由、市場和國家［M］.北京：北京經濟學院出版社，1988 .

張欣 .人工智能治理的全球變革與中國路徑［J］.華東政法大學學報，2025(1)：18-32 .

Baumol，W .J.，Panzar，J .C .and Willig，R .D.，1982，Contestable Markets and the Theory of Industry Structure，New York：Harcourt Brace Jovanovich .

Frey，C .B .and Osborne，M .A.，2017，“The Future of Employment：How Susceptible Are Jobs to Computerisation?”，Technological Forecasting and Social Change，vol .114，pp .254～280 .

Standing，G.，2017，Basic Income：A Guide for the Open-Minded，New Haven：Yale University Press .

[1] 江小涓，中國社會科學院大學教授。

[2] 有關規模定律的更多分析，可以參考（江小涓、宮建霞、李秋甫，2024）。

[3] 參見布坎南（1988），強調自發秩序的重要性，將其描述為經濟學的唯一原則。

[4] 弱規則與強規則也被稱為自發規則與制度規則，參見江小涓、黃穎軒（2021）。

[5] 經濟學中的可競爭性是指一種市場特征，即使市場上僅有少數企業（甚至壟斷企業），只要潛在競爭者能夠自由進入和退出市場且無須承擔不可回收的沉沒成本，現有企業就會面臨競爭壓力，從而無法維持壟斷高價或低效率行為。

[6] 斯坦福大學依據不同的訪問方式，將基礎模型劃分為三類。第一類是無訪問模型，以谷歌的PaLM-E為例，這類模型僅供開發者訪問。第二類是有限訪問模型，例如OpenAI的GPT-4，通常通過公共API提供對模型的有限訪問權限。第三類是開源（開放）模型，像DeepSeek和Meta的LIama3，這類模型完全公開了模型的權重，用戶可以對模型進行修改并自由使用。近年來，基礎模型數量急劇上升，自2019年以來增長了近38倍。在2023年發布的149款基礎模型中，65.8%為開放模型，18.8%無訪問權限，15.4%設有限訪問權限。從2021年開始，開源（開放）模型的比例大幅提升。參見斯坦福大學《2024年人工智能指數報告》（AI Index Report 2024）, https: // aiindex. stanford. edu/ report/。

[7] 我國政府高度重視可信數據空間建設。2024年11月，國家數據局印發《可信數據空間發展行動計劃（2024—2028年）》，明確支持在全國建設100個以上包括企業、行業、城市、跨境以及個人的五類數據空間。

[8] 全民基本收入是一個熱門話題。近些年，一些國家和地區進行過試點，包括芬蘭、加拿大、荷蘭、美國和肯尼亞，有關情況可以從在線資源Basic Income Earth Network（BIEN）（https: // basicincome.org）網站上獲得。對全民基本收入的質疑主要來自以下幾點：低收入人群較大規模退出勞動力市場，在資金量給定的前提下，人皆享有會將資金從最貧窮人群中轉移出去，非實物型的全民基本收入替代實物安全網，會使部分資金未被用來保障基本生活，而是用于各種不當揮霍。