ARTICLE · 987441
AI一窝蜂乱象:道法术器四层告急,狂奔的技术谁来踩刹车?
感慨当下 AI 行业的状态，如同雨后春笋般遍地开花，却也险象环生。不少团队学艺未精，就急于自立门户、急于变现赚钱。大家没有长远规划、缺少统一标准，忙着抢地盘、分行业蛋糕。专业、学科、产业成果转化混为一谈，小样、中试等关键环节都想一笔带过。AI 快速走进课堂，可不少老师自己还没弄清楚 AI 到底是什么、能解决什么问题。除专业从业者之外，普通老百姓对 AI 认知模糊，甚至一头雾水。
网上看到一篇报道，说谷歌 DeepMind 研究员乔希・恩格尔斯离开通用人工智能安全团队，加入独立 AI 评估机构 METR。他提出警示，未来五年内 AI 系统造成巨大危害的概率，“高得吓人”。他直言，几乎所有 AI 企业，都在全力冲刺打造超级智能。他重点担忧递归自我提升（RSI）：AI 可以迭代生成能力更强的下一代模型。一旦对齐技术跟不上模型能力的增长，这条自我增强的循环，就会埋下巨大隐患。由此不由得思考：AI 高速发展，谁拥有权威来规范它有序前行？是否需要对 AI 进行分类分级开发管控，区分工业、民用、军事场景？谁负责规划、谁研发、谁使用，使用边界在哪里，发展节奏如何把握？如何避免资源浪费，同时守住安全和伦理底线，防范潜在危害？高校争相开设 AI 专业、院系；工业界 AI 产品尚未成熟，就急于投产推广。我们，真的把这一切想清楚了吗？
本文借用源自道家思想的道、法、术、器四层框架，系统梳理这场 AI 热潮。
一、道：AI 发展的 “北极星”，正在被资本狂热冲淡
道，回答的是：为什么要发展 AI，什么事情绝对不能做。恩格尔斯离职时留下一句震撼行业的感慨：“There are no adults in the room，屋中已无成年人坐镇。”资本和竞争裹挟所有人向前冲，大家都在比拼模型能力，却很少停下来思考底线。他重点警示递归自我提升的风险：AI 自主迭代变强，一旦目标对齐失败，后果难以预估。同期从 Anthropic 离职加入 METR 的乔・本顿也提醒：企业竞相打造超越人类智慧的机器，人类未必能承受代价。
联合国人工智能独立科学小组，在 2026 年 6 月发布警示。人工智能有可能自主或者被恶意使用者利用，带来灾难性危害。AI 迭代的速度，已经超过人类科学界理解能力与各国政府的适应速度。
道的失守，正是一窝蜂乱象的根源。当所有人只关心“技术能做到什么”，而忽略 “我们应该做什么”，技术就容易脱缰。老子在《道德经》有言：知止不殆，可以长久。懂得止步，才不会陷入危险，方能长久。放到 AI 领域，就是技术再强大，也要守住人类安全与伦理的底线。
二、法：治理规则，永远追赶着技术迭代的脚步
法，解决的是，用什么样的制度、规范、法律，约束 AI 的开发与使用。当前全球 AI 治理，普遍面临一个困境：立法速度跟不上技术更新速度。
国内层面，相关法规与国家标准在持续落地。
2026年9月14日，全国网络安全标准化技术委员会最新发布了《人工智能安全治理框架3.0》指导文件，旨在应对AI技术从"回答问题"向"执行任务"演进带来的新风险。2026 年 4 月，工信部等十部门印发《人工智能科技伦理审查与服务办法（试行）》。用来应对算法歧视、深度伪造等 AI 衍生的各类伦理风险。国标 GB/T 47863-2026《生成式人工智能技术应用社会影响 服务提供者合规管理指南》，将于 2026 年 11 月 1 日实施。国家网信办等五部门《人工智能拟人化互动服务管理暂行办法》已于 2026 年 7 月 15 日起施行。
欧盟采用风险分级监管思路，《欧盟人工智能法案》将 AI 划为四类风险等级。分为不可接受风险、高风险、有限风险、低风险，分级设定管控力度。高风险场景的核心监管义务，推迟至 2027 年 12 月正式落地执行。
美国监管呈现碎片化特征，联邦缺少统一完整立法，各州各自出台规则。2025 年 12 月行政令，开启联邦对各州 AI 法规的联合审查，试图建立统一标准。
国际层面，联合国呼吁构建全球治理框架，但跨国条约约束力有限。2026 年 7 月，首届联合国人工智能治理全球对话在日内瓦举办。联合国秘书长古特雷斯强调一句话：机器可以提供信息，但人类必须做出决定并承担责任。联合国与红十字国际委员会持续呼吁，针对致命自主武器，尽快达成有法律约束力的协议。
AI 模型迭代以月为单位，而立法、修订法规往往以年为单位。规则只能事后追赶，很难提前引领技术发展方向，这是全球共同的难题。
三、术：教育、产业、资本，普遍陷入抢跑式浮躁
术，回答的是：怎么落地、怎么执行，教育如何开展，产业如何转化。当下 AI 领域的 “术”，充斥着急功近利的抢跑心态。
教育领域，AI 通识课进课堂，师资准备却严重滞后。一份覆盖全国 3653 份问卷的调研显示，中小学 AI 课程政策推动力度很大。但是教材多元、缺乏统一评价标准，师资缺口问题尤为突出。很多 AI 研学机构打着科创、天才培养的噱头招生，从业者只是短期速成培训上岗。正如很多人观察到的现实：授课老师自己，还没有吃透 AI 的边界与能力。
产业端，百模大战带来同质化竞争，大量社会资源被无效消耗。《经济日报》2026 年 9 月评论文章提醒，粗放扶持 AI 的苗头值得警惕。部分地方补贴缺少差异化设计，项目跟风上马，陷入“别人上我也上” 的内卷。大量低水平重复建设，造成资金闲置、资源错配，成果转化环节被简化跳过。不少项目把快速落地当成政绩标尺，看重短期宣传效果，缺少长远布局。
术的浮躁，本质上是“道” 缺失之后，在执行层面的直接投射。如果没有想清楚 AI 到底要解决哪些真实社会需求，所有技术动作，都容易变成盲目内卷、资源空转。
四、器：工具先行，谁在用、用来做什么，尚无清晰答案
器，就是 AI 大模型、智能体、算力平台，是实现技术方案的有形工具。AI 本身就是这个时代威力巨大的 “器”，但工具的边界至今模糊。
商业场景里，AI 工具上线速度远超安全评估、风险测试的节奏。国外曾出现用户部署智能体后，后台持续扣费，产生高额欠费的案例。部分企业内部，甚至出现员工空跑 AI，单纯消耗算力 Token 的无效行为。当工具脱离规则约束，算力、模型本身，也会变成无端消耗资源的东西。
在军事领域，AI 工具的扩散已经触碰伦理红线。联合国秘书长古特雷斯与红十字国际委员会，多次呼吁加强管控致命自主武器。有报道提到，全自主 AI 引导无人机，已经在部分战场投入试用。深度伪造同样风险突出，相关统计显示，绝大多数深度伪造不良内容，以女性与青少年为侵害目标。
器本身没有善恶，风险来自使用者，以及使用的目标与边界。至今，“谁有权开发、谁有权使用、使用的红线在哪里”，全球范围内还没有形成统一权威答案。
五、多方主体各尽其责：谁来做这个“成年人”？
1. 国际层面
联合国持续推动全球 AI 治理对话，搭建跨国沟通平台。古特雷斯提出多项优先方向：保障安全、保护人权、缩小数字鸿沟。同时倡议 2030 年前，AI 数据中心全面切换可再生能源。但这些共识落地，离不开世界各国实质性的协同配合。
2. 政府层面
国内已经出台一系列法规、伦理审查办法与国家标准，搭建制度框架。从“有法可依” 走向 “有法必依”，中间还有漫长的落地、监督、完善过程。核心思路就是分级分类管理，区分工业、民用、国防军事场景，差异化管控。高风险 AI 系统，强制前置安全评估；低风险民用 AI，鼓励创新同时守住底线。
3. 研究机构
METR 这类独立第三方评估机构，正在填补行业安全评估空白。METR 和 OpenAI、Anthropic、谷歌、Meta 合作开展红队安全测试。可以直接访问头部模型，独立评估模型能力、识别隐藏风险。恩格尔斯加入 METR，目标就是研究 AI 对齐失效根源，检验风险缓解方案是否有效。
4. 学校（大中小学）
AI 教育的正确顺序，先培训老师，再进课堂。海南日报评论指出，AI 课程变形走样，师资不足是核心短板。不少人大代表提议，把数字素养纳入中小学课程体系，前提必须完成师资先行培养。中小学通识课，重点是认识 AI、学会辨别 AI 内容，而不是急于上手做模型开发。高校开设 AI 院系专业，不能跟风上马，要匹配实验室、导师、产业转化通道。
5. 企业层面
AI 企业必须建立前置伦理审查机制，从 “能做” 转向思考 “该不该做”。每一款新模型、新产品上线前，完成安全测试、风险评估，不能不成熟就推向市场。产业转化要尊重客观规律，不能跳过小样、中试环节，幻想一步落地产业化。
6. 普通老百姓
普通人不必成为 AI 算法专家，但需要基础数字素养。至少要知道 AI 能做什么，不能做什么，潜在风险在哪里，如何保护自身权益。学会辨别深度伪造内容，不盲目相信 AI 生成的信息，理性看待各类 AI 产品宣传。
六、写在最后
回到最初的追问：我们想清楚 AI 发展的全部问题了吗？答案是：还没有。当下，我们在用“器” 的狂奔速度，去走 “道” 层面的漫长道路。器日新月异，法步履蹒跚，术急功近利，道无人深思。
恩格尔斯那句“屋中已无成年人坐镇” 值得所有人回味。但理性的“成年人” 不会凭空出现，必须依靠制度、规范、责任共同塑造。
道以明向，法以立本，术以立策，器以成事，四层不可偏废。AI 健康发展，不需要更多抢跑者，而更多愿意思考底线的决策者。
热度可贵，精度更重。告别粗放比拼，走精准赋能、协同共进之路，AI 才能真正造福人类。不盲目求快、不盲目抢蛋糕，守住安全与伦理，技术创新才走得稳、走得远。