AI立法元年选了＂促进型＂——一个公职律师的体制内观察

系列：AI立法分析 | 第一篇

────────────────────────────────────────

导读： 多个城市AI立法选了"促进型"，市场欢迎，但体制内人知道：促进型立法最大的风险不是"管太松"，而是"促进完没人接"。一个公职律师的体制内观察。

────────────────────────────────────────

坦率地说，体制内的人对"促进型"条例有一种复杂的感情：一方面，促进型立法松绑力度大、鼓励创新多，市场欢迎；另一方面，促进型立法的"软"是出了名的——条款里满是"鼓励""支持""引导"，但罚则少、约束弱，落地全靠后续配套。

这次AI立法元年，多个城市选择了"促进型"而非"管控型"。作为公职律师，我理解这个选择——AI产业正处于爆发期，过早过严的管制会扼杀创新。但我也清楚：促进型立法最大的风险不是"管太松"，而是"促进完没人接"——鼓励条款写了十条，但没有一条明确"谁来做、什么时候做、做不到怎么办"。这篇文章是我作为公职律师，对AI促进型立法的一点体制内观察。不是法条解读，是法条背后的制度逻辑。

2026年7月底，南京人大常委会首次审议了《人工智能产业发展和创新应用促进条例》。草案第一条开宗明义："为促进本市人工智能产业高质量发展，推动人工智能与经济社会各领域深度融合……制定本条例。"

关键词是"促进"。

这不是一个无意义的措辞选择。在AI立法领域，"促进"与"管控"代表了两种完全不同的立法哲学——前者预设产业是"要发展的"，后者预设产业是"要管住的"。选择哪种哲学，决定了整部条例的气质、结构、力度和实效。

────────────────────────────────────────

一、全国AI立法格局：四城四路

截至2026年上半年，全国已有四部地方性AI法规（含征求意见稿）进入立法程序：

四部法规都选择了"促进型"。这不是巧合，而是反映了地方AI立法的一个共识：在产业发展的初期阶段，立法的首要任务是"搭梯子"而非"设门槛"。

但"促进"之下，各城的立法深度和制度创新路径差异显著：

深圳——全国首部AI产业专项立法的先行者。《深圳经济特区人工智能产业促进条例》于2022年11月实施，比多数城市早了近四年。深圳的"早"源于产业紧迫感：华为、腾讯、大疆等硬科技公司密集，技术迭代极快，立法必须跑在产业前面。条例聚焦技术攻关、场景应用、治理体系三大主线，设立AI伦理委员会，率先探索分级分类监管和产品准入制度——允许低风险AI产品先行先试，高风险产品审慎评估。这种"分级准入"模式，用制度为创新"开道"。

上海——伦理先行与数据流通并重。《上海市促进人工智能产业发展条例》2022年9月通过，与深圳几乎同步。上海的差异化在于"软硬兼施"：设立AI伦理专家委员会，对涉及生命健康、公共安全等重点领域AI应用开展风险评估；同时推动公共数据分类分级有序开放，依托上海数据交易所促进AI数据流通交易。上海有阿里、腾讯、商汤等龙头企业，产业规模全国领先，"促进"的重点是让AI"善用"且"有据可循"。

南京——制度创新最激进的后来者。7章62条的条例集成了三大全国首创：OPC（"一人公司"）系统性支持制度，为"一个人+AI工具=一家公司"的新型创业模式开辟制度通道；智能体实训场，为大模型应用提供真实场景训练环境；链主企业引领机制，以大企业牵引上下游协同转型。北京虽未出台专门的地方AI产业条例，但以国务院《关于深入实施"人工智能+"行动的意见》为引领，在国家战略层面确立了AI治理框架。由此，北京（国家战略引领）、上海（伦理+数据双轮驱动）、深圳（分级准入先试先行）、南京（OPC+智能体实训场制度实验）形成"北上深宁"四城立法梯度——从产品准入到伦理治理，从数据流通到制度实验，四座城市在不同维度上探索"促进"的边界。

梯度背后是发展阶段的差异：深圳和上海在2022年率先破冰，南京在2026年跟进突破，江苏的征求意见稿仍在路上。时间差反映的不是立法能力的差距，而是产业成熟度和制度需求的节奏差。

数据立法：另一条赛道

AI立法之外，数据条例的竞逐同样激烈。数据是AI的"燃料"，数据立法的进度直接决定AI产业的上限。五地各有突破：

深圳率先破冰数据产权——数据属于谁、能做什么、怎么交易，这些基础问题在深圳条例中首次有了地方性回答。上海首创"数商"概念，为数据交易中介正名。广东的"数据经纪人"和浙江的"可用不可见"分别从交易中介和技术路径两个角度解决同一难题：怎么让数据"动起来"又不"跑冒滴漏"。南京的数据要素改革也在同步推进——条例明确发挥"东数西算"结对合作优势，鼓励跨域算力调度。数据立法与AI立法两条赛道并行，共同构筑地方数字经济的制度基础设施。

国际镜鉴：风险分级与促进优先

放眼全球，AI治理同样呈现路径分化：

欧盟——《人工智能法案》2024年8月正式生效，全球首部AI综合立法。核心框架是风险分级：不可接受风险（社会评分等）直接禁止，高风险（医疗、执法等）严格合规，有限风险（聊天机器人等）透明度义务，最低风险自由发展。欧盟选择了"管控型"底色，用合规门槛划定边界。

美国——2023年10月签署AI行政命令，以安全标准和隐私保护为核心，要求前沿模型开发者向政府报告安全测试结果。美国的路径是"行政主导+行业自律"，不搞专门立法，靠行政命令灵活应对。

三种路径对比鲜明：欧盟"管控优先"、美国"行政主导"、中国"促进优先"。选择哪种，取决于各自的发展阶段和制度传统——欧盟要保护权利，美国要维持霸权，中国要发展产业。没有唯一正确答案，但"促进型"最贴合产业初期的现实需求。

────────────────────────────────────────

二、"促进型"立法的底层逻辑

AI产业技术迭代极快——半年前的技术前沿，半年后可能已过时。在这种速度下，"管控型"立法面临两个结构性困境：一是规则滞后，AI新应用场景不断涌现，法规出台时约束对象可能已变；二是抑制创新，合规成本挤压创新投入，中小企业可能直接放弃创新。

"促进型"立法的逻辑反过来：不预设"什么是危险的"，而预设"什么是需要发展的"。法规提供的不是"红线"，而是"梯子"——算力怎么获取、数据怎么供给、场景怎么开放、企业怎么培育。企业最需要的不是"告诉我什么不能做"，而是"告诉我怎么做才能成"。

但"促进"不等于"不管"。四部法规都包含安全治理条款，南京条例第六章专门规定伦理安全、算法备案、数据安全等内容。区别在于逻辑："促进型"是"包容审慎"——先让产品在监管沙盒中试运行，发现问题再调整；"管控型"是"先审后用"。法规结构也体现了这一点：总则→创新→产业→应用→保障→安全治理→附则。安全殿后，角色从"前置门槛"变为"底线保障"——产业先跑，安全跟上。

────────────────────────────────────────

三、南京条例的三层定位

条例的三层定位递进清晰：第一层是国家战略的本地化——引用国务院"人工智能+"行动意见，定位"打造国家人工智能创新应用先导区升级版"，在既有国家战略框架下做制度深化。第二层是城市发展路径的制度化——五项原则中"数据驱动"和"应用赋能"是差异化选择，依托万亿级软件产业集群和先行的数据要素改革，以数据供给侧和场景牵引为切口——别的城市靠龙头企业驱动，南京靠数据底座和人才底座驱动。第三层是制度创新的实验性——条例多处使用"探索""试点""先行先试"，从监管沙盒、技术总师负责制到OPC系统性支持，法规不是给出最终答案，而是给出实验方向。

────────────────────────────────────────

四、"促进型"立法的实效挑战

促进型立法面临三重挑战。一是"宣示化"风险——"鼓励""应当纳入规划"等条款缺乏刚性约束，促进型法规的强制力来自资源配置而非惩罚，价值在于"帮你做"而非"逼你做"。二是资源配置需要真金白银——算力券补贴、揭榜挂帅奖励、首购首用支持都需要财政投入，南京条例明确了34个部门职责和考核评价机制，但最终实效取决于预算力度。三是安全底线如何守住——条例提供了"可以管"的法律依据，但"必须管"的刚性义务仍需配套细则填补。

────────────────────────────────────────

五、前瞻：从"促进型"到"实效型"

条例是"骨架"，配套制度是"血肉"——算力券发放细则、监管沙盒实施细则、公共数据授权运营办法、OPC企业登记细则、AI产业统计分类标准，这些配套制度的制定速度直接决定条例落地的距离。其中，考核机制是把"软法"变"硬"的关键——如果考核结果与预算分配、项目审批、干部评价挂钩，考核就变成"硬约束"；如果只是"统计通报"，就沦为"纸面成绩"。

地方立法的最大价值不只是解决本地问题，更是为国家立法探路。南京条例中的OPC企业、智能体实训场、链主企业引领等全国首创条款，能否落地、效果如何，都将成为国家AI立法的参考素材。地方立法先行→实践验证→国家立法跟进，这是中国立法的典型路径。

立法同步落地：多城产业生态加速成形

立法之外，各城产业生态同步加速。一场全国性的AI竞赛已经拉开。

南京——2026年6月软件大会集中发布多项成果：出台《加快平台型人工智能+软件产业发展行动计划》、发布十大智能软件工厂、揭牌数字员工产业园和开源OPC创新工场、成立鸿蒙生态产业联盟。软件业务收入2025年达1万亿元（同比增长16.7%），AI核心产业收入达260亿元（增速26%），集聚AI核心企业超500家。江苏省人工智能特色产业人才集聚区横跨两个城区、规划约38平方公里，汇集6900余家软件企业、600余家AI企业。

北京——2026年实施九大专项行动，涵盖技术创新策源、智算自主生态强基等领域，同步启动四大创新街区建设。北京的优势在于国家实验室和顶尖高校的源头创新策源能力，从基础研究到产业转化的全链条布局全国领先。

上海——"一东一西"空间格局成形：徐汇"模速空间"已集聚200余家企业，浦东张江规划约2平方公里的人工智能小镇，打造从大模型训练到应用落地的完整产业链。

深圳——深圳数据交易所"湾数通"平台已汇聚2800余家市场主体、5300余个数据产品，成为全国数据交易最活跃的平台之一。数据流通的规模效应，正在反哺AI产业的要素供给。

苏州——Momenta完成约97亿元AI融资，刷新国内AI领域单轮融资纪录。苏州以自动驾驶为切口，培育具有全球竞争力的AI应用企业。

这些数据说明：各地条例不是"空转"——产业在跑，立法在追，城市间的竞争与协同共同推动全国AI产业加速成形。

────────────────────────────────────────

"促进型"立法选择了"搭梯子"而非"设门槛"。这不是因为AI不需要管，而是因为在产业初期，梯子比门槛更重要。从深圳的分级准入、上海的伦理+数据双轮，到南京的OPC制度实验，"北上深宁"四城各展所长，共同丰富着中国AI立法的工具箱。

但"促进"的实效取决于三个硬条件：配套制度的制定速度、考核机制的刚性程度、财政预算的投入力度。条例提供了方向，落地需要真金白银和硬约束。

放眼全球，欧盟以风险分级"设门槛"，美国以行政命令"走钢丝"，中国以促进型立法"搭梯子"。路径不同，目标一致——在AI重塑世界秩序的窗口期，抢占产业制高点。AI立法元年选择"促进型"，是务实的选择。但从"促进型"到"实效型"，还有一整条路要走。

说到底，促进型立法的成败不在于法条写了多少"鼓励"，而在于这些"鼓励"能不能变成可执行的制度安排。作为体制内公职律师，我最深的一个感触是：好的法律不是写出来的，是执行出来的。促进型条例给了空间，但如果配套的实施细则、部门责任、考核机制跟不上，再好的促进也会停留在纸面。

AI立法的"温度"选对了——偏热、偏软、偏鼓励。但温度只是开始，能不能"煮熟"，还得看后面的火候。