政策工具视角下的美国人工智能政策演进分析

当前，人工智能（Artificial Intelligence，AI）已成为新一轮科技革命与产业变革的核心驱动力，其发展水平直接关系到国家核心竞争力与战略安全，并深刻影响全球科技竞争与治理格局。主要国家和地区纷纷将AI纳入国家战略核心布局，通过政策支持与治理框架抢占发展主动权。作为全球科技创新的引领者与AI领域的先驱，美国联邦政府持续围绕AI发布战略规划、行政命令与法律法规，其政策演进不仅影响美国科技创新体系，也对全球AI治理与国际竞争格局产生重要影响。

自2017年以来，美国AI政策经历了明显的治理重心调整。特朗普政府首次执政期间，确立了以技术创新、产业竞争与国家安全为核心的战略导向。2021年拜登政府上台后，在延续国家竞争框架的基础上，推动构建以伦理规范、风险防范与国际协作为基础的“负责任AI”政策体系。2025年特朗普政府再度执政，强调“去监管化”与“加速创新”，撤销拜登时期的部分监管规则与行政命令，明确提出要赢得AI竞赛。总体来看，美国AI政策呈现出从“技术竞争”到“治理监管”再回归“强化竞争”的动态演化特征，反映了其战略重点的周期性调整，以及应对全球科技竞争与治理挑战时的治理理念变迁。

上述政策调整不仅体现在战略表述层面，更贯穿于政策工具的结构性配置中。为此，本文构建适用AI领域的政策工具分析框架，系统梳理并比较特朗普政府与拜登政府在AI政策工具配置上的特征，重点剖析在供给型、需求型与环境型政策工具运用方面的结构差异与组合逻辑。研究旨在回答以下核心问题：两届政府在AI政策工具的选择与组合上有何异同？这些差异背后反映了怎样的战略导向、治理理念与政策范式变迁？通过深入探讨上述问题，本文力图揭示美国AI政策的动态演进逻辑，阐释其政治与制度性动因，并为理解美国AI战略转向及其对全球AI治理体系的影响提供新的分析视角与实证支撑。

近年来，美国AI政策逐渐成为国际政治、公共治理与科技政策研究的重要议题。现有研究主要围绕以下两方面展开。一方面，基于政府政策治理，对美国AI政策的制度特征、驱动因素、议程形成与治理目标设定、治理工具的选择与应用逻辑进行分析，探讨政策体系的形成逻辑及运行机制。或者聚焦算法治理、AI监管政策等具体领域，对美国在AI政策相关议题上的政策安排和实践路径展开讨论。另一方面，基于国际关系与国际竞争视角，围绕美国AI战略发展趋势及政策演变、中国与美国AI政策对比、多国家间AI政策对比、美国对华政策展开，为中国把握美国AI战略走向及科技竞争态势提供判断依据。

从研究方法上看，现有研究可分为两类：一类侧重于对美国AI政策的整体阐释，通过文献分析、案例研究、历史比较等定性研究方法，对美国AI战略的政策特征、机制运作、演进逻辑进行系统梳理。例如，分析特朗普政府AI政策的分工机制，分析特朗普第二任期AI政策的制度特征、驱动因素与潜在后果，对美国AI战略进行跨政府比较研究，剖析美国国家AI战略的演化逻辑与发展趋势。另一类研究关注政策文本本身，借助文本挖掘、科学计量等技术对政策文本进行结构化分析。如利用动态主题模型挖掘美国AI战略的战略重点与演化路径，借助主题建模、二元语法分析等验证中美两国政策趋同分歧特征、采用Nvivo编码、政策建模一致性（Policy Modeling Consistency，PMC）指数模型等方法，对中美及多国AI政策文本进行比较分析。在政策工具研究方面，威廉·J·罗思韦（William J.Rothwell）的“供给型—需求型—环境型”政策工具分类标准被广泛应用于AI政策研究。部分研究基于该分类，对多个发达国家的AI政策结构布局与工具分配进行梳理；或对中美两国AI产业政策的差异性展开讨论。此外，也有研究在改进已有工具分类的基础上，设计新的工具类型，对中美AI政策在不同层级上的工具配置进行比较；或从安全取向出发，对美国AI政策的工具结构与应用领域进行评估。

总体而言，现有研究已从不同层面对美国AI政策展开了较为系统的讨论，但仍存在一定拓展空间：其一，已有研究多关注中美或多国横向比较，对美国国内政府更迭背景下政策工具配置的纵向演化关注不足，难以揭示政策调整的阶段性特征；其二，现有研究大多将政策工具视为技术性安排，对政策工具选择背后的政治逻辑与治理动因缺乏系统分析。基于此，本文通过考察不同政府时期政策工具配置的演变特征，旨在弥补现有研究在纵向比较与政治动因分析方面的不足，深化对美国AI政策演进机制的理解。

政策工具是政府实现特定政策目标、履行公共职责所采用的方法、手段与机制，是实现政策目标的重要路径。AI作为技术复杂性高、外部性显著的领域，政策工具的配置方式不仅反映政府对技术发展的干预路径，也在一定程度上体现其治理理念与战略取向。美国联邦AI政策旨在推动AI技术的安全、可靠、公平与高效发展，涵盖研发、应用、治理等多个方面，具有工具类型多样、政策组合复杂的特征。因此，从政策工具视角对其进行分析，有助于从结构层面系统刻画政策实践中不同政策措施的配置路径及作用逻辑。

在政策工具分类方法中，罗思韦提出的“供给型—需求型—环境型”分类框架能够从资源供给、市场牵引与制度保障三个维度刻画政府干预方式，被广泛应用于科技政策研究。这一分类方法不仅能够系统反映政府在技术发展过程中通过直接供给、市场牵引和制度保障三方面发挥的功能作用，有助于揭示不同类型政策工具在政策体系中的结构分布及组合特征，也更契合AI政策在研发支持、应用扩散与治理规范等方面并行推进的实践特征。基于此，本文选取罗思韦的政策工具分类框架作为分析美国联邦AI政策工具配置的基本分析维度。

鉴于AI政策涉及的政策措施类型较为丰富，本研究在保持供给型、需求型、环境型三类政策工具分类基础上，参考国内相关研究对政策工具的细化思路，并结合美国联邦AI政策文本的特征和实践表现，对三类政策工具进一步划分。工具划分遵循“政策功能指向明确、工具内涵相对稳定”的原则，对政策文本中反复出现且指向清晰的政策措施进行归纳整理，再经比对与修订，形成13类政策工具子项，如表1所示。

从功能定位来看，供给型、环境型与需求型分别对应政府干预AI技术发展的三种基本作用机制，即直接供给发展要素、塑造制度与治理环境，以及引导和扩大市场需求。在此框架下，供给型政策工具主要体现政府对AI技术发展的直接支持，侧重于通过公共资源配置强化技术研发与要素供给基础。环境型政策工具聚焦于构建支撑AI健康发展的制度性基础，其核心功能在于规范技术发展边界、降低潜在风险并提升政策实施的整体协调性。需求型政策工具强调政府通过市场机制和公共服务手段，引导AI技术向应用端扩散，扩大实际应用需求并促进技术成果转化。

为分析美国联邦AI政策工具的配置特征，本文将研究对象限定为美国联邦政府层面发布的、以AI为核心议题的正式政策文件。具体包括：白宫发布的总统文件、国会通过的联邦法律，以及白宫科技政策办公室（Office of Science and Technology Policy，OSTP）、国防部（Department of Defense，DOD）、国家标准与技术研究院（National Institute of Standards and Technology，NIST）、教育部（Department of Education，ED）和国家科学基金会（National Science Foundation，NSF）等联邦核心政策部门发布的AI政策文件。选取的文件需同时满足以下三项标准：第一，权威性与制度约束力。仅纳入由国会、总统或联邦行政部门正式发布的具有政策属性的文本，以保证研究对象的政策层级与约束力一致性。第二，议题聚焦性。文件必须以AI为核心议题，在政策目标、政策措施或治理安排中对AI做出明确部署；仅部分提及AI、未形成针对性政策安排的文件不予纳入，以避免研究对象的泛化。第三，可公开获取性。文件须具备正式公开版本，保证政策文本的规范性与可追溯性。

基于上述标准，本文系统收集了2017—2025年期间美国联邦层面发布的AI政策文件，并以政策文件发布时间为依据划分所属政府任期，以保证跨政府阶段比较的一致性。最终，共筛选出27份具有明确政策指向和规范意义的政策文件（如表2所示）。该样本在时间跨度、政策类型与核心发布主体方面具有较好的覆盖度，能够展示美国联邦政府AI政策的总体布局。

在政策工具视角下分析政策文本，需将AI发展的具体政策措施转化为结构化分析单元。为此，本研究对收集的27份美国联邦AI政策文件进行系统编码，以识别各类政策工具在政策文本中的具体体现。编码以具有明确政策含义的条款或表述为最小分析单元，依据前文构建的政策工具分类框架进行归类；若同一条款涉及多种政策工具，则采用多重编码。编码重点关注政策措施的直接作用对象及其作用机制，并结合具体语境进行判断，完成后对结果进行核查与修订。

为保证编码的系统性和可复核性，本文为每个分析单元设置唯一编码序号，采用“政策文本序号—段落位置—单元编号”的分层结构。借助Nvivo 12plus软件进行整理与编码统计，共识别出523个政策工具分析单元，编码结果示例如表3所示。

从政策工具的整体分布结构来看（如表4、表5所示），美国政府在AI政策领域表现出显著的结构特征：环境型政策工具占据绝对主导，供给型政策工具提供主要支撑，而需求型政策工具则长期处于辅助位置。这一结构表明，美国在AI治理上采取“安全优先、政府引导”的模式，即通过主导标准与规则构建，在推动技术创新的同时系统性管控风险，从而实现创新与安全之间的制度平衡。

在整体政策体系中，供给型政策工具保持了相对稳定的高比重，特朗普政府30.91%，拜登政府32.24%。这表明，尽管经历了执政党的更迭，美国在AI领域的国家战略呈现出显著的连续性，其核心是通过对技术研发和人才资本的持续投入，巩固并扩大其在全球AI竞争中的基础性优势。

第一，特朗普政府：第一任期以研发基建与人才储备构筑竞争优势。特朗普政府第一任期的供给型工具主要集中在“科技研发支持”（9.09%）和“人才建设”（9.35%），通过财政拨款、科研机构建设与教育培训项目，夯实AI创新基础，其政策重点在于强化研发与数据基础设施投入。例如，2021年NSF与农业部国家食品与农业研究所（United States Department of Agriculture，National Institute of Food and Agriculture，USDA-NIFA）共同投资2.2亿美元（约合人民币14亿元）建设“国家AI研究院”，截至2024年已设立27所。联邦政府对AI与量子技术的研发预算在2021财年增长约70%，总额达8.3亿美元（约合人民币56亿元）。相关举措直接回应了当时AI发展对算力、算法与高质量数据集的迫切需求。

进入第二任期后，其供给侧重点逐步转向国家统筹整合资源与构建高精尖人才体系。2025年发布的14227号行政命令将AI素养教育纳入K-12课程体系，并通过教育部与NSF推进教师培训与教育协同。《赢得AI竞争：美国AI行动计划》进一步整合了AI教育与劳动力战略，扩大学徒制度和职业培训规模，并由劳工部向地方拨款专项资金支持职业技能培训。11月启动“创世纪计划”，整合17个国家实验室超算资源、联邦科研数据等，在AI赋能核聚变、半导体等六大领域加速科研突破。12月发布“美国科技力量”（U.S.Tech Force），计划招募千名顶尖工程师与技术专家，采用两年聘任制，联合近30家科技企业填补政府技术缺口，服务于国家安全与政务升级。这套组合拳表明，其政策逻辑已从支持尖端研发，演变为同步构建支撑AI产业化的高精尖人才生态。

第二，拜登政府：供给型政策贯穿了“赋能”与“治理”并重的逻辑。通过基础设施与人力资本的协同投入，构建更具韧性与可持续性的国家AI创新体系。拜登政府供给型工具总体占比32.24%，与特朗普政府（30.91%）大体相当，但结构有所调整，“人才建设”（10.38%）与“基础设施建设”（9.02%）显著提升，标志着美国AI供给侧的战略转向：从聚焦尖端突破，转向构建一个普惠、安全且韧性的国家创新生态系统。

在基础设施建设方面，拜登政府在延续联邦在AI领域资金支持的同时，强化跨部门投资机制，以应对生成式AI爆发对算力民主化和产业链安全的双重挑战。《芯片与科学法案》为AI研究与高性能计算提供了约200亿美元（约合人民币1353亿元）资金，重点建设国家级实验设施与算力基础平台，旨在强化本土AI硬件供应链。“国家AI研究资源实施计划”（National Artificial Intelligence Research Resource，NAIRR）通过向学术界和初创主体开放算力与数据资源，降低前沿研究门槛，激发创新活力。在人才建设方面更侧重规模化与制度化供给。2022年《AI劳动力培训法案》通过联邦部门协作建立AI技能培训标准与再教育体系，将AI人才政策从精英科研群体拓展至产业与劳动力层面，缓解技术扩散过程中出现的结构性技能缺口。

环境型政策工具在两届政府中均占据主导地位（特朗普政府52.21%，拜登政府56.83%），说明美国AI政策从促进技术创新，转向构建与之匹配的规范、风险防范与治理体系，体现了美国AI治理范式的制度化与安全化。

第一，特朗普政府：以“战略引领”为核心，构建服务于国家竞争的宏观框架。特朗普政府的环境型工具集中于“风险防范”（14.55%）与“治理建设”（14.81%），具有明显的战略竞争导向。2019年发布的13859号行政命令《保持美国在AI领域的领先地位》在战略上奠定了国家AI政策框架，但相关政策缺乏具体的伦理、监管与安全约束机制，“风险防范”更多停留在“防止技术落后”的层面，主要指地缘技术竞争中的领先地位丧失风险，而非技术应用本身的社会伦理风险。其“治理建设”工具亦以设立协调机构与战略协调部署为主，而非法规监管体系建设。

第二，拜登政府：以“法规监管”为基石，推动治理从事后响应转向事前防范。拜登政府显著强化“法规监管”（16.39%）与“风险防范”（16.67%）的协同运用，其政策转向与生成式AI的快速突破与广泛扩散密切相关。

随着AI技术应用门槛降低，AI已成为广泛嵌入社会运行的通用技术，算法偏见、数据滥用与安全外溢风险由局部问题上升为跨领域治理议题，传统依赖行业自律和事后纠偏为主的治理方式难以有效应对。在此背景下，政府通过法律、标准与伦理框架构建AI治理框架。2023年第14110号行政命令要求联邦机构制定AI风险管理框架，并授权NIST发布《AI风险管理框架》规范AI系统的透明度、可追溯性与问责性。《AI权利法案蓝图》进一步将算法偏见、数据隐私与人类监督确立为联邦层面的治理原则，形成了以NIST、OSTP等多机构协作的制度化治理格局。由此，拜登政府实现了从“事后补救”到“事前防范”的范式转型，建立了一套以技术评估、模型审查与强制性信息披露为核心的预防性监管体系。

在国内治理体系逐步成型的基础上，拜登政府将环境型治理逻辑扩展至国际层面，通过多边机制塑造外部环境。与欧盟签署《AI技术标准与信任框架协议》，并在七国集团（Group of Seven，G7）框架下推动“广岛AI进程”，倡导建立全球范围内的AI安全标准与责任机制，以规则和责任规范重塑全球AI应用环境，进而强化美国在AI治理与标准制定中的主导地位。

需求型政策工具在两届政府中的总体占比为特朗普政府16.88%，拜登政府10.93%，其内部结构与功能定位呈现明显分化。这表明，随着AI由应用探索阶段迈向规模化发展与风险并存的新阶段，美国联邦政府对通过需求侧推动AI发展的政策路径发生了调整。

第一，特朗普政府：以试点示范与项目型合作推动AI技术快速落地。在AI应用模式和商业路径尚未成熟的阶段，特朗普第一任期更倾向于通过需求型工具直接拉动应用扩散。国防高级研究计划局（Defense Advanced Research Projects Agency，DARPA）于2018年实施的“AI NEXT”计划投入超过20亿美元（约合人民币135亿元），联合高校与企业推进AI在国防、制造等领域的应用示范。交通部（Department of Transportation，DOT）推出的自动驾驶技术试点则为企业提供了“沙盒式”测试环境，使AI算法在真实交通系统中得到验证与优化。这类政策通过“试点—反馈—推广”的机制降低技术不确定性，培育早期应用市场需求。

特朗普第二任期的公私合作并不限于具体研发项目，而是推出以关键基础设施为纽带的更深层协作。政府通过政策许可与制度保障提供应用条件，产业界则以资本投入和工程能力推进算力与数据中心等关键能力建设。如2025年提出星际之门计划（Stargate AI），由OpenAI、甲骨文（Ocarle）、软银集团（SoftBank）等企业共同推进，拟投资约5000亿美元（约合人民币3.3万亿元）建设全国性AI算力与数据中心网络。政府在其中发挥政策引导与条件保障作用，而私营部门则主导资本投入与技术实现，体现出需求型工具在推动AI产业化和基础设施建设中的牵引功能。

第二，拜登政府：以治理协同为重点，重塑需求环境与应用边界。拜登政府需求型政策工具的整体使用强度有所下降，内部同样集中于“公私合作”（7.10%），反映出在生成式AI广泛应用背景下，政府对需求侧工具功能定位的调整。在“公私合作”方面，拜登政府不再以推动技术快速落地为主要目标，而是将其更多用于AI治理与社会协同。2023年发布第14110号行政命令后，白宫推动多家大型科技企业签署《自愿AI安全承诺》，要求企业在模型测试、数据安全与透明度标准方面承担责任。这种合作模式通过引导企业参与治理规则的制定与执行，为AI应用设定制度前提和风险边界，体现出需求型工具由“市场拉动”向“治理共建”的功能转向。

政策工具的调整不仅反映政策内容的变化，更揭示出联邦政府在AI治理理念与战略取向上的阶段性演进。这种演进并非简单的政策更替，而是在技术发展阶段变化与外部竞争环境演化的共同作用下，美国对AI“应该如何被治理”这一认知不断调整的结果。

美国AI治理理念呈现出由“技术竞争”向“治理监管”，并再度回归“强化竞争”的动态演化。在AI技术尚处于快速突破与应用探索阶段时，特朗普政府的政策取向更强调通过减少制度约束、放大市场与产业动能来推动技术领先。政府将AI视为提升国家创新能力与战略竞争力的关键工具，而“法规监管”工具占比仅11.95%。随着AI等通用技术的系统规模化应用，其潜在风险和社会影响日益凸显，单纯依赖竞争逻辑已难以回应算法偏见、系统安全等复杂问题，拜登政府的治理理念逐步转向在确保安全、可信与可控前提下推进技术发展，并在此基础上重新服务于国家竞争力的长期塑造，“风险防范”（16.67%）与“法规监管”（16.39%）工具的使用上升至前两位。特朗普再度上台后，签署行政令废除拜登政府的一系列AI监管规则，为创新松绑，以此强化AI竞争硬实力。

联邦政府在AI治理中的角色定位，逐步由“促进创新的工具性角色”转向“以国家战略统筹创新体系协同的主体”。特朗普第一任期的AI政策更倾向于通过资源配置、应用拉动和市场机制加快技术落地，政府主要扮演创新促进者和条件提供者的角色，“基础设施建设”（8.05%）与“科技研发支持”（9.08%）工具使用较多。而随着AI系统复杂性和社会嵌入程度的提高，单一的促进性角色已不足以应对治理需求，拜登政府开始更多通过制度设计、标准制定与任务导向型政策安排，统筹算力、数据、人才与应用场景等核心要素的协同运作，“基础设施建设”（9.02%）与“公私合作”（7.10%）均有所上升。特朗普政府第二任期，以国家级战略工程集中资源，启动“创世纪计划”，整合资源聚焦AI攻坚，同步推进“美国科技力量”计划挖掘高精尖人才。这表明，美国AI治理已由分散式创新支持，演进为以国家战略为牵引、以制度和组织协调为手段的体系化推进模式，政府发挥着整合创新资源、引导技术路径与协调多元主体的作用。

美国AI战略取向逐渐由“侧重国内创新布局”，延伸到“以规则与标准体系塑造外部治理环境”。随着AI技术的跨国流动性和外溢性增强，国家内部的政策协调难以有效覆盖技术扩散带来的治理挑战，美国通过与欧盟、G7等盟友对接，推动治理原则、技术标准和合作机制的外部扩展，塑造有利于自身技术体系和价值取向的外部环境。这一取向表明，美国将AI创新、应用与治理纳入一个内外联动的体系化安排，从而在更大尺度上服务于其长期技术优势与战略主动权的塑造。

总体而言，美国AI治理理念的演变体现出在持续竞争压力与技术不确定性背景下，政府对创新效率、风险控制与制度塑造之间关系的动态调整。这种调整并非线性转向，而是在不同发展阶段对治理重点的重新排序，构成了美国AI政策演进的深层逻辑。

美国AI政策工具结构及其治理取向的演化，是在政治制度逻辑、经济结构调整与国际竞争环境等多重力量共同作用下形成的。这些结构性动因，推动美国AI治理逻辑不断调整。

政党执政理念差异构成了美国AI治理取向变化的重要政治基础。美国两党在政府职能定位与“市场—监管”关系上的长期分歧，使AI政策在不同执政周期中呈现出对创新促进与制度约束的不同侧重。一方面，共和党强调市场活力与技术竞争优势的执政理念，更倾向通过降低制度摩擦、强化政策动员来加快技术扩散。另一方面，民主党强调公共责任与制度合法性的治理理念，则更注重通过规则建构、风险防控与社会参与来约束技术应用。这种政党理念差异影响了不同政策优先级，塑造了AI政策工具配置的整体方向。

AI技术嵌入经济社会体系的程度变化，是推动其治理逻辑转向的内在经济动因。在AI处于产业化起步和应用扩展阶段时，其经济价值主要体现在提升生产效率和催生新兴产业，政策重点因此集中于研发支持与市场扩散。随着AI逐步嵌入能源、金融、公共服务和国家安全等关键领域，其技术外部性和系统性风险显著上升，算法偏见、隐私侵权和安全漏洞等问题对社会运行产生直接影响。在这一背景下，单纯依靠市场机制已难以维系技术发展的可持续性，要求政府通过制度设计和风险治理对AI技术生态进行重塑。

国际竞争格局的变化是推动美国AI政策演化最直接的外部动力。AI国际竞争已成为影响国家安全、产业优势和国际话语权的关键技术，各国围绕技术主导权和规则制定权的竞争不断加剧，促使美国将其视为维护全球领导地位的关键领域。通过在国际层面塑造治理框架和技术规范，美国试图在全球范围内影响AI的发展路径和应用边界，使AI成为服务国家战略目标的重要政策工具。

本文基于政策工具视角，对2017年以来美国联邦AI政策文本进行系统编码与比较分析，得出以下主要结论：第一，美国AI政策整体呈现出“环境型主导，供给型支撑、需求型补充”的非均衡结构。其中，环境型工具（如标准规范、监管框架、战略规划）占比最高，反映出美国政府倾向于通过制度规则设定来引导AI发展方向并管控风险；供给型工具（如研发投入、人才培养、基础设施建设）提供关键支撑；需求型工具（如政府采购、试点示范）长期处于辅助地位，作用相对有限。第二，特朗普政府与拜登政府在政策工具配置上存在显著差异。特朗普第一任期更侧重供给型与需求型工具，旨在通过直接支持技术创新与产业竞争来巩固美国AI领先地位；拜登政府则显著强化环境型工具的使用，突出伦理、风险防控与国际协作等治理导向。这一差异反映了“创新优先”与“负责任治理”两种不同的政策范式。第三，美国AI政策经历了从“技术竞争”到“治理监管”再到“强化竞争”的动态演化。特朗普政府再次上台后，撤销部分监管规则，回归以加速创新与赢得竞赛为核心的导向。这种摇摆式演进揭示了美国AI治理体系缺乏跨党派共识，政策连续性较弱，易受政治周期影响等问题。

上述结论对中国制定和优化AI政策有如下启示。第一，优化政策工具结构，补齐需求型政策短板。与美国类似，中国当前AI政策也以供给型（研发投入、平台建设、人才培养）和环境型（标准规范、数据安全法）工具为主，需求型工具较为薄弱。需求型政策工具是连接技术创新与市场应用的关键杠杆，能有效拉动技术迭代、降低企业市场风险、形成可持续的商业闭环。建议依托中国市场优势，积极运用政府采购、首台套政策、AI示范应用工程等需求侧工具，为本土AI企业创造早期市场空间，形成“研发—应用—迭代”的正向循环。第二，完善AI风险治理体系，推动环境型工具制度化发展。前述分析显示，拜登政府依赖环境型工具强化监管，而特朗普第二任期政府则以“去监管化”回应，反映出治理节奏失当易引发政策摇摆。中国应避免环境型工具的单边突进。建议针对生成式AI、数据要素、算法资源等关键领域实施分级分类监管，在高风险环节前置强制性安全评估与备案制度，在中低风险领域推行柔性指导与监管沙盒，实现治理刚性与创新弹性的动态平衡。第三，强化国际规则参与。美国通过环境型工具（如NIST的AI风险管理框架、芯片出口管制）主导国际标准与规则制定。中国应积极参与国际标准化组织（International Organization for Standardization，IOS）、电气电子工程师学会（Institute of Electrical and Electronics Engineers，IEEE）等国际标准组织，在AI伦理、数据跨境、算法互认等领域提出“中国方案”，同时依托“一带一路”和全球发展倡议，推动形成包容、均衡的全球AI治理体系。

作者：季洪帆^1,2，王建芳^1,2

1. 中国科学院科技战略咨询研究院，北京 100190；

2. 中国科学院大学公共政策与管理学院，北京 100049

来源：《全球科技经济瞭望》2026年4月第41卷第4期

文章观点不代表主办机构立场。