AI是否应拥有法律人格:责任工具替代、自主性分级与救济优先

每当一种新技术开始致害，法律就必须回答两个很朴素的问题：谁来赔，谁来担。这两个问题与“机器是否有意识”无关，只与“损害发生后，受害者能否得到救济”有关。人工智能的难点在于，它把致害链拉长了：模型由一方训练、由另一方部署、由第三方在日常使用中调用，而决策过程又往往不可解释。传统的过错归责在这个结构里找不到清晰的落点。

随着模型能力提升，一种看似深刻的提问方式流行起来：是否应当赋予人工智能法律人格。这个提法有吸引力，因为它把一个繁琐的归责问题转化为一个概念问题——一旦承认机器是“主体”，责任似乎就自动落到机器身上。但这恰恰是问题所在：主体资格的功能从来不是承担道德，而是承担财产与责任。

历史提供了参照。法人拟制人格的设立，是为了让商业组织能够独立持有财产、签订契约、承担责任，从而降低交易成本；它是一个便利工具，不是道德地位的授予。若要把类似的地位给予人工智能，前提条件是它必须有独立财产与独立责任能力——否则“人格”只是一句空话，受害者依然拿不到赔偿。

更深一层的误判在于讨论对象的错配。公共讨论大量篇幅花在强人工智能的假设场景上，而现实中绝大多数致害事件是“弱人工智能加组织决策”：模型给出评分、建议或排序，人据此作出处分。这类案件的争点不在机器是否是主体，而在组织是否尽到注意义务、系统是否被合理监督。

把归责问题看清楚之所以困难，是因为三重困难同时成立，分别落在教义、适用与救济三个层面。

教义层面的困难在于主体资格的门槛。法律上的“人”需要具备权利能力与行为能力，能够独立享有权利、承担义务；而人工智能没有财产、没有意思表示能力、也无法被惩罚。绕过这一门槛的唯一办法是拟制，而拟制需要明确的政策理由与配套的财产安排。

适用层面的困难在于规则落地差异。以风险分级为思路的监管框架，把不同用途的系统划入不同义务等级，但同一部法律在不同法域的执法强度、解释口径与举证规则并不一致；企业在跨法域经营时，实际适用的责任标准往往取决于最严的那一域。

救济层面的困难在于举证结构。受害人通常既无法获取模型细节，也无法证明“如果系统设计不同，损害就不会发生”。若坚持传统的因果关系证明，救济在起点上就被挡住；若完全倒置举证责任，又会诱发滥诉与防御性设计。这个平衡点没有通用答案。

据此，本报告的主问题是：在可预见的弱人工智能阶段，是否应当赋予人工智能法律人格，以及致害责任应如何在开发者、部署者、使用者之间分配。该问题拆为三个可分别检验的子问题。教义层追问：人格的功能与要件是什么，拟制的代价是什么？适用层追问：现行风险分级与责任规则在真实案件中如何运作？救济层追问：受害人的举证与赔付通道如何打通？

回答上述问题需要四类方法。教义梳理厘清主体资格的功能与门槛；案例检验以公开裁判与监管处理为样本，观察法院实际如何归责；三维矩阵按自主性、可解释性与人类监督程度分配责任，替代一刀切；根因分层归因把表层偏差追到同一处论证结构。证据上，本项目以公开立法文本、公开判例与学术文献为主要来源，不作精确数字引用；达成度评分为项目自评量纲（D级），仅供内部排序。所有法律判断均以现行法与本地最新规定为准，不构成法律意见。

沿上述路径，本报告的核心判断是：弱人工智能阶段，赋予人工智能法律人格既无必要也不可欲；正确路径是改造产品责任与组织责任，配套强制保险、可审计日志与人工复核义务，把“能否救济”作为制度设计的首要标准。这一判断直接给出了立法优先级：先修救济通道，再谈主体地位。

以下六步依次展开：第1步重建目标体系并显性化其隐含假设；第2步量化达成度与三重偏差；第3步回溯过程并追问至根因；第4步提炼教训与改进措施；第5步给出核心判断与下一步议程；第6步自评复盘质量，并在附录中交代证据分级与口径边界。

一、第1步　项目目标回顾：目标体系的结构化重建

（一）总体目标与三层内涵

项目总体目标是：系统梳理人工智能能否、应否被赋予法律主体资格，并设计致害责任的分配方案。该目标包含三层由浅入深的内涵，必须在复盘时分别检验。

表1　总体目标的三层内涵与检验标准

三层之间并非并列，而是递进：教义层不清，讨论会陷在“机器是不是人”的伪问题里；适用层不检验，方案会停留在概念模型；救济层不打通，任何责任设计都只是纸面分配。本项目在教义层与适用层收获较厚，救济层提出了工具组合，但未完成成本测算。

（二）阶段性目标与目标拆解

阶段目标一：梳理主体资格的两条传统——法人拟制与法人实在，以及代理法与产品责任法在自动化场景下的适用空间。此目标的设计意图是说明一件事：法律早已有处理“非人行为”的工具，问题在于是否够用。

阶段目标二：检验现行监管与责任安排的实际运作，包括风险分级监管、产品责任、经营者义务与平台责任。要求以公开案例为锚，而非以法条推演为据。

阶段目标三：设计“责任阶梯”，按系统自主性高低分配责任。自主性越高、人类监督越弱，越应把责任前移到开发者与部署者。

三条阶段目标共同构成“工具盘点—案例检验—责任分配”的闭环设计。

（三）目标设定的隐含假设与约束前提

复盘必须显性化立项时被默认为真的假设，因为多数失败其实是假设失败。

假设一（人格可解决归责）：赋予主体资格就能让责任落地。实际执行中该假设基本失效，无财产则无赔偿能力，人格反而使真正应负责的主体隐身。假设二（现实案件与理论一致）：司法实践会按学说讨论的路径发展。实际执行中该假设不成立，公开案例显示法院更倾向于在既有框架内（产品责任、雇主责任、注意义务）解决，而非创设新主体。假设三（讨论对象是强AI）：公共讨论的焦点即立法焦点。实际执行中该假设完全失效，真正的案件几乎都发生在弱AI加组织决策的结构里。

约束条件：项目以公开立法文本与判例为证据来源，不同法域的裁判文书公开程度差异大；技术演进快，结论具有时效；本项目不构成法律意见，具体案件须由执业律师依现行法处理。

本阶段核心要点：项目目标的真正价值不在于回答“机器能否成为人”，而在于把问题重新表述为“损害如何被救济”；表述一变，可用的制度工具立刻丰富起来。

二、第2步　项目结果评估：目标达成度与偏差量化

（一）目标—结果对照矩阵

下表中的达成度评分为项目内部自评量纲（D级），用于内部排序与优先级决策，不代表外部事实。

表2　目标—结果对照矩阵

（二）逐项目标达成度判定

阶段目标一达成良好（88分）。教义结论清晰：拟制说把法人视为法律技术的产物，实在说强调其现实存在；两者的共同点是，主体资格都服务于“独立持有财产、独立承担责任”这一功能。由此可推出关键判断——不解决财产与责任能力，赋予人工智能人格毫无救济意义。扣分原因在于各法域对“意思表示”要件的最新解释未逐条比对。

阶段目标二基本达成（74分）。案例检验的结论具有一致性：在自动驾驶、医疗辅助诊断等已公开的案件中，法院普遍未把系统作为责任主体，而是在制造商、医疗机构、驾驶人之间分配责任；对未成年人化身的虚拟侵害案，法院论证的落点同样是现实被害人受到的恐惧与羞辱。扣分原因在于跨法域样本不均，部分法域的裁判文书未能获取。

阶段目标三仅部分达成（68分）。三维矩阵已建立：自主性高、可解释性低、人类监督弱的情形，责任向开发者与部署者前移；反之则更多由使用者承担。扣分原因在于矩阵未与真实事故逐案对应，其分配比例缺少实证校准。

（三）偏差量化：三重差距

数量差距：计划覆盖六类典型场景，实际完成自动驾驶、医疗辅助、生成内容、招聘筛选四类较完整的分析，金融自动化交易与公共部门评分仅作原则性说明，完成率约三分之二。

层级差距：从“责任如何分配”到“赔付如何实现”，是一个层级。前者是规范问题，后者涉及保险、基金与诉讼成本，项目只做了工具列举。

时间差距：制度效果的观察窗设计为五年以上，实际可引用的执法案例多在两三年内。首批执法案例尚不足以判断规则的实际强度。

（四）场景—致害链主体—归责路径—人格必要性对照

下表是本项目的分析骨架：人格必要性在几乎所有现实场景中都为负，缺口集中在举证与赔付环节。

表3　场景—归责路径—人格必要性—主要缺口对照

这张表给出的第一个结论是：在全部六类场景中，人格都不是必需项，因为每一类都能在既有框架内找到归责落点。第二个结论是：真正的缺口高度集中在“举证”与“说明理由”两处——这恰恰说明，需要修的是程序与证据规则，而不是主体制度。

（五）结果的优势面

优势一：把伪问题还原为真问题。项目拒绝在“AI是否是人”上消耗篇幅，转向“救济是否可达”。

优势二：以案例而非学说为准。结论建立在法院实际如何裁判，而不是学者如何设想。

优势三：责任阶梯可操作。三维矩阵给出了可讨论的分配原则，而不是笼统的“多方共担”。

优势四：明确了人格的功能边界。把法人拟制的历史动因讲清楚，避免了概念误用。

（六）结果的劣势面

劣势一：救济成本未测算。保险、基金与诉讼的经济可行性没有数字支撑。

劣势二：跨法域覆盖不均。部分法域的执法实践缺少可引用材料。

劣势三：矩阵未实证校准。分配比例的合理性只能论证，不能验证。

劣势四：刑事维度讨论不足。“过失”如何认定、法人刑事责任如何延伸，仅有提示。

本阶段核心要点：本项目在“教义还原”与“案例检验”两项上站稳了脚跟，在“救济成本”与“刑事维度”上明显失分；失分不是因为方法错误，而是因为这两项都需要跨法域的实证数据与保险精算支持。

三、第3步　过程回溯与因果分析：由事件链到根因

（一）项目过程的时间轴与关键里程碑

表4　关键里程碑及其对项目认知的影响

（二）阶段性结果回放

M3 阶段的结果是一次路径确认：法院在既有框架内即可完成归责，无须创设新主体。这一发现使项目放弃了“制度空白需新制度填补”的预设。

M4 阶段的结果是一次取向确认：立法机构在讨论后选择风险分级而非人格拟制，理由是拟人化会带来责任分散与道德混淆。项目据此把“必要性”与“可欲性”分开评估，结论一致为否。

M5 阶段的结果是一次原则印证：即便在虚拟场景，法律关心的是现实中的人受到何种影响。这一原则贯穿全部场景，成为矩阵设计的基准。

（三）关键事件及其机制解释

关键事件一：致害案件进入司法后，责任落在制造商与使用者身上。其机制在于，产品责任关注的是“投入流通时是否存在缺陷”，过错责任关注的是“是否尽到合理注意”；两者都不需要对系统的“意思”作出判断，只需要对设计与使用行为作出评价。其方法论含义是：把系统当作“物的危险源”处理，比把系统当作“行为人”处理，制度成本更低。

关键事件二：虚拟侵害案以现实被害人的恐惧与羞辱作为论证核心。其机制在于，法律保护的是人的利益，虚拟对象只是媒介；只要行为能现实地造成可识别的损害，就进入规制范围，无须承认虚拟对象的法律地位。其方法论含义是：规制的落点应始终是“人”，而不是“场景”或“物体”。

（四）成功归因

问题重述：把概念争论转换为救济问题，是本次复盘最关键的一步。

案例优先：以裁判实践校正学说推演，避免了“纸上制度”。

功能分析：从“人格用来干什么”入手，而不是从“人格是什么”入手。

分层设计：拒绝一刀切，按自主性与监督强度分配责任。

（五）不足归因：三层结构

教义层面：各法域对意思表示、权利能力的解释差异未逐条比对；刑事过失的认定标准缺少系统梳理。

适用层面：执法强度差异大，同一规则在不同地区的实际约束力不同；跨法域企业面临规则叠加。

救济层面：保险与赔偿基金的经济可行性未测算；受害人的举证协助机制（如日志开示）缺少程序设计。

（六）根因剖析：以拟人替归责

对三层原因追问后，项目识别出唯一的根因：以拟人替归责，即用“赋予机器主体地位”这一概念方案，替代“如何让受害人获得救济”这一制度问题。

其因果链为：致害链变长，归责变难（Why 1）→ 拟人化叙事直观、易传播，能一句解释复杂问题（Why 2）→ 讨论资源被吸引到主体资格上，证据与保险议题被边缘化（Why 3）→ 即便赋予人格，机器无财产、无人格利益，赔付仍无着落（Why 4）→ 救济失败后，公众对技术治理的信任下降（Why 5）。每一环都在追求解释的简洁，连起来则回避了真正的难题。

这一链条揭示的核心教训是：道德责任不应归于系统本身，而应归于围绕系统的人——设计、部署、监督、受益各方；公众讨论中“AI有没有罪”往往是修辞问题，真正需要解决的是“受害者能不能获得救济”。

本阶段核心要点：表层原因分布在教义、适用与救济三个层面，但所有表层原因最终汇流到同一处——以拟人替归责。人格是分配责任的容器，救济才是分配责任的目的。

四、第4步　总结经验教训与提出改进措施

（一）可迁移的经验教训

教训一：法律史上公司拟制人格是为了降低交易成本，而非赋予道德地位。若要让AI获得类似地位，必须先证明它有独立财产与责任能力。

教训二：道德责任不应归于系统本身，而应归于围绕系统的人。设计、部署、监督与受益四方，构成责任的实际落点。

教训三（由前两条派生）：公众讨论中“AI有没有罪”是修辞问题，真正需要解决的是“受害者能不能获得救济”；制度设计应以救济可达为第一判据。

（二）改进措施清单

表5　改进措施清单

关于G3的特别说明：日志是唯一能在事后重建决策过程的证据。没有日志，举证责任无论如何分配都无法落地。

关于G4的特别说明：保险的作用不是替代责任，而是把分散的赔付风险集中管理。它的前提是责任边界清晰，否则费率无法定价。

（三）改进措施的优先级排序

按收益／成本比排序：G1 ＞ G3 ＞ G2 ＞ G4。

G1：几乎无成本，直接纠正立法讨论的方向，应最先推动。

G3：投入中等，但它是所有救济机制的证据基础，越早越好。

G2：需要司法与监管协同，见效较慢，但决定责任边界的清晰度。

G4：涉及金融与财政安排，周期最长，但它是救济最终能否兑现的关键。

（四）改进措施的潜在风险与失败判据

G1 存在“概念争论反复回潮”的风险，其失败判据是立法文本再次以人格为核心议题。G3 存在“日志留存但不可用”的风险，其失败判据是开示申请中可用日志比例偏低。G2 存在“矩阵无法适用”的风险，其失败判据是指导性案例中法官绕开矩阵直接援引一般条款。G4 存在“保险拒保高风险场景”的风险，其失败判据是特定用途系统的承保覆盖率长期为零。

本阶段核心要点：四条措施覆盖“方向（G1）—证据（G3）—分配（G2）—赔付（G4）”四个层面，其中方向纠偏成本最低，证据留存是救济的前提；所有措施必须事先定义失败判据。

五、第5步　复盘结论与下一步议程

（一）核心判断

判断一：在可预见的弱人工智能阶段，赋予人工智能法律人格既无必要也不可欲。无财产则无赔偿能力，人格反而使真正应负责的主体隐身。

判断二：正确路径是改造产品责任与组织责任，配套强制保险、可审计日志与人工复核义务。工具已经存在，需要的是把它们组装成闭环。

判断三：制度设计的首要判据是“救济是否可达”，而非“主体是否清晰”。清晰的主体若不能赔付，只是纸面严谨。

（二）下一步议程

议程一：跟踪风险分级监管框架的实施细则与首批执法案例，观察“高风险”的界定在实践中的宽严。

议程二：研究自动驾驶与医疗辅助领域的侵权责任司法解释，比较不同法域对“系统缺陷”的认定标准。

议程三：建立跨学科的AI事故责任数据库，为未来立法提供实证基础——没有案例库，责任分配只能靠推演。

（三）给执行者的三句话

第一，先问受害人能不能拿到赔偿，再问机器算不算主体。第二，把责任落在围绕系统的人身上；设计、部署、监督、受益，一个都不能漏。第三，日志不是技术细节，而是救济的证据基础；没有它，一切归责都是空谈。

（四）结论的适用边界

本报告的判断建立在公开立法文本、公开判例与学术文献之上，不构成法律意见；不同法域的主体制度与责任规则差异显著，具体案件须依现行法与执业律师意见处理；所有达成度评分为自评量纲，不可作为外部事实引用。结论对弱人工智能阶段的民事责任设计适用，对假设性的强自主系统不适用——后者的前提条件本身尚未成立。

本阶段核心要点：本项目的结论不指向“AI该不该有法律地位”，而指向“损害如何被救济、责任如何被分配、证据如何被保存”；三条判断与三项议程构成下一步工作的取舍依据，其中日志与保险两项最紧迫。

六、第6步　复盘质量自评与附录

（一）复盘过程质量自评

表6　复盘过程质量自评

（二）关键术语说明

法律人格：能够独立享有权利、承担义务的资格，是责任归属的前提。

法人拟制：把组织视为法律上的“人”的技术安排，目的是便利交易与责任承担。

产品责任：因产品存在缺陷造成损害时，生产者、销售者应承担的责任。

注意义务：行为人在特定情形下应当具备的谨慎与预见要求。

责任阶梯：按系统自主性与人类监督强度分层配置责任的方法。

（三）证据边界与使用须知

本报告以公开立法文本、公开判例与学术文献为主要证据来源（B级），辅以公开报道（C级）与项目内部推演（D级）；未引用任何精确统计数字，“普遍”“多数”等描述均为方向性判断。报告中的达成度评分为项目自评量纲，用于内部排序，不得作为对外事实引用。本报告不构成法律意见，任何具体案件与合规安排均须以现行法和当地最新规定为准。

（四）附录：AI致害归责自检六问

为便于产品与法务团队在事故发生后自查，本报告附六问。第一问：致害环节在训练、部署还是使用？第二问：该环节是否有明确的责任主体与合同安排？第三问：是否存在可回溯的日志，能否还原当时的输入与输出？第四问：系统是否处于其所声明的适用范围内？第五问：是否存在人工复核环节，复核是否实质有效？第六问：受害人通过何种渠道获得赔付，保险是否覆盖？六问之中若有两问答不出，该产品的高风险场景应暂缓上线。

本阶段核心要点：本次复盘在教义还原与案例检验上达标，在救济成本与刑事维度方面存在明确短板；附录六问的价值不在于新增知识，而在于把“上线前必须回答什么”变成合规检查项。