人民日报讲AI治理
来源：学习理想国（微信公众号） 作者：学习理想国
发布时间：2026-06-11
10｜人民日报讲AI治理：既给创新空间，也守伦理底线很多同学写 AI 治理，容易写成两种样子。
一种是“发展式”写法：
• 推动人工智能赋能千行百业。
• 加快大模型、算力、数据要素发展。
• 培育新质生产力。
• 促进产业智能化升级。
另一种是“监管式”写法：
• 加强算法治理。
• 防范数据泄露。
• 完善伦理审查。
• 强化平台责任。
这两种写法都没错，但都容易少一层关系。
因为 AI 治理不是把“发展”和“监管”拼在一起，也不是先夸技术多先进、再补一句“同时加强规范”。
人民日报这组文章真正给出的启发是：
AI治理的高分写法，是让创新在清晰边界内奔跑，让风险在责任链条内闭环。
这句话背后有一条完整逻辑：
• 先写发展端：AI 已经进入产业、教育、科研、能源等真实场景，不能一谈治理就只剩限制。
• 再写风险端：AI 风险不是抽象词，而会落到内容信任、模型安全、劳动权益、能源消耗和人的尊严上。
• 最后写治理端：治理不是简单“管住”，而是用标准、审查、沙盒、责任、预警和协同，让创新可预期、风险可识别、责任可追溯。
没有创新空间，AI治理会变成保守防守；没有伦理底线，AI创新会消耗社会信任。
所以，这个题真正要写的不是“要不要发展 AI”，也不是“要不要监管 AI”，而是：
怎样让 AI 在服务发展中保持向善，在释放效率中守住公平，在技术突破中不丢掉人的价值。
一、先承认发展空间：AI不是“要不要发展”，而是“怎样健康发展”写 AI 治理，第一步不能急着写风险，为什么？
因为 AI 不是一个可以放在实验室里慢慢观察的技术，它已经进入生产生活，正在改变产业组织方式、科研方式、教育方式、能源系统和公共服务。
如果只写“加强监管、防范风险”，文章就会像是在给新技术踩刹车；但如果只写“加快发展、赋能产业”，又会忽略技术扩散之后的责任问题。
人民日报 3 月 11 日《牢牢掌握人工智能发展和治理主动权》提供了一个总背景。文章说：
人工智能是引领新一轮科技革命和产业变革的战略性技术。我国在数据资源、产业体系、应用场景和市场空间等方面具有综合优势。
这些优势不是空话，可以拆成很具体的支撑：
• 算法模型有生态：以 DeepSeek、阿里等为代表的企业走开源路线，降低中小企业和个人开发 AI 工具的门槛。
• 算力设施有基础：2025 年，我国智能算力规模超过 1590 EFLOPS，正在通过全国一体化算力网和“东数西算”优化算力、电力资源配置。
• 数据网络有规模：2025 年我国互联网用户总数达 11.25 亿人，2024 年数据生产量达 41.06 泽字节。
• 产业应用有场景：截至 2025 年底，我国已累计建成 4.3 万余家智能工厂；截至 2025 年 6 月底，我国大模型数量达到 1509 个，约占全球总量 40%。
这些材料告诉我们，AI 不是一个抽象概念，而是一套由算法、算力、数据、场景、人才和产业共同支撑的能力体系。
所以，在申论里写 AI，不能只写“人工智能赋能”。更好的写法是：
把 AI 写成真实技术、真实要素和真实场景的结合。
比如，产业端可以写智能工厂、工业供应链协同和设备智能化改造；教育科研端可以写教育、科技、人才一体化推进，写产学研用协同创新；能源端则可以写 AI 与能源的双向赋能。
给 AI 创新空间，不是把风险暂时放到一边，而是承认它已经成为产业升级、科研创新、能源转型和社会治理的一部分。
这就引出第二层：正因为 AI 已经进入真实社会，风险也不会停留在技术内部。
二、再看见具体风险：AI的底线不是抽象伦理，而是具体的人和系统很多文章写 AI 风险，只会写四个字：防范风险。
但问题是，风险在哪里？
是内容真假？是算法偏见？是隐私泄露？是劳动权益？是能源消耗？还是全球规则失衡？
如果说不清这些，所谓“加强治理”就会变成空话。
人民日报 4 月 3 日《善用善治 促进人工智能内容规范发展》提供了第一个风险入口：内容信任。
文章中有一句话很有冲击力：
当技术被滥用，看见不再为凭，听见不足为信。
深度伪造会侵蚀信任基石。现实中，有商家未经授权，用 AI 合成明星、主持人、专业人士的肖像和声音，冒充其推荐产品。这不仅侵害个人权益，也涉嫌商业欺诈。
更深一层，AI 大模型高度依赖训练数据。如果训练数据中存在偏见、误差，就可能通过连续输出影响受众认知。AI 技术降低内容生产门槛，也可能带来同质化、低质化信息爆发，加剧信息茧房。
所以，内容风险不是“网上有假消息”这么简单。
它会影响：
• 公共信任：人们越来越难判断内容真假。
• 个人权利：肖像、声音、隐私和名誉可能被侵害。
• 平台生态：低质内容和虚假流量可能挤压真实表达。
• 社会认知：偏见和误导可能被算法连续放大。
第二个风险入口，是伦理和法治。
5 月 7 日《为人工智能创新划清底线》讲得很清楚：生成式人工智能能抬升效率上限，但也可能在人的尊严、公共秩序、生命健康、生态环境、可持续发展等方面带来科技伦理风险挑战。
文章提到，一家短视频平台为应对 AI 魔改影视、仿冒名人、换脸直播等侵权问题，2026 年以来已累计下架人工智能侵权视频超 53.8 万条，处罚违规账号 4000 余个。
这组数据说明，AI 侵权不是想象中的风险，而是已经发生的治理压力。
这里有一个特别适合申论的判断：
真正需要治理的，不是技术本身，而是技术被滥用之后造成的权利失衡、责任失焦和信任流失。
第三个风险入口，是劳动权益。
5 月 21 日《AI时代，更需保障劳动权益》讲了一个案例：企业以“工作可被 AI 替代”为由，对劳动者调岗降薪、随后解雇。法院二审认定企业行为违法，判令支付劳动者赔偿金 26 万余元。
这个案例非常适合把 AI 题从“科技题”写成“民生题”。
企业利用 AI 降本增效，在商业逻辑上可以理解；但追求效率不能突破法律底线。技术迭代不能自动变成侵害劳动权益的理由。
如果只靠事后救济，劳动者维权成本太高；如果只让个人“提升技能”，又容易把技术转型的成本全部压到劳动者身上。
因此，AI 时代的劳动治理要往前移：
• 前置评估：关注 AI 大规模部署对岗位结构的影响。
• 过程监测：建立就业影响监测预警应对体系。
• 协商调岗：不能以技术转型名义单方面降薪、解雇。
• 培训转岗：帮助劳动者进入人机协同的新角色。
• 依法救济：用法治红线敦促用人单位承担责任。
第四个风险入口，是能源和可持续发展。
算力设施用电激增，说明 AI 的风险不只在屏幕上，也在能源系统里。AI 要发展，需要安全可靠的能源供给；能源要转型，也需要 AI 提升预测、调度和协同能力。
这就提醒我们，AI 治理不能只盯算法，也要看资源约束和绿色低碳。
AI 风险不是一个单点问题，而是一张风险网络：内容影响信任，模型影响判断，应用影响权利，算力影响能源，治理影响全球秩序。
把风险写具体，才能进入第三层：怎样治理。
三、治理不能“一管了之”：要把边界嵌进全过程很多同学写治理，容易写成一句话：加强监管。
这太粗了。
AI 技术迭代快、应用场景多、风险外溢强，如果只写“加强监管”，既说不清谁来管，也说不清怎么管，更说不清如何兼顾创新和安全。
人民日报这组材料给出的治理方法，是全过程治理。
第一，把内容生成纳入可识别、可追溯的规则。
《善用善治 促进人工智能内容规范发展》提到，《人工智能生成合成内容标识办法》和配套强制性国家标准于 2025 年 9 月 1 日起正式施行。
这一套组合拳构建的是：
源头标识、分发审核、传播核验、用户声明。
这句话非常适合转化。
它说明内容治理不是等谣言扩散后再删帖，而是把治理嵌入生成、传播和使用全流程。
• 源头要标识，让 AI 生成内容有身份。
• 分发要审核，让平台不能只追流量。
• 传播要核验，让虚假内容不能一路裸奔。
• 用户要声明，让使用者也进入责任链条。
第二，把伦理要求前置到研发和应用环节。
5 月 10 日《人工智能科技伦理审查与服务先导计划启动》提供了一个很实的制度动作。
工业和信息化部启动人工智能科技伦理审查与服务先导计划，依托国家人工智能产业创新应用先导区所在省份，探索人工智能科技伦理审查与服务的落地路径。
重点任务包括：
• 细化省级人工智能科技伦理审查制度规范。
• 指导建设人工智能科技伦理委员会。
• 探索建设人工智能科技伦理审查与服务中心。
• 开展人工智能科技伦理审查实践。
• 将审查实践经验转化为技术标准。
• 健全审查情况通报机制。
• 建设全国人工智能科技伦理风险监测服务网络。
这比一句“加强伦理审查”具体得多。
伦理治理不是写在文件里的原则，而要变成机构、流程、标准、监测和服务。
第三，用沙盒监管处理创新和风险的张力。
4 月 30 日《“沙盒监管”护航人工智能健康有序发展》是这组材料里最适合做治理工具的文章。
沙盒监管不是放任不管，而是在划定范围内，为企业提供相对包容的试验环境，同时由监管部门实施全过程监管，在可控范围内容错纠错，防止问题和矛盾扩散。
这就把“既给空间，也守底线”讲清楚了。
沙盒监管可以拆成三个动作：
• 进入之前要准入：违法违规和高风险事项不能进入沙盒。
• 运行之中要监测：监管部门实时跟进，发现偏差及时纠正、果断叫停。
• 试验之后要退出：成熟项目推广，风险不可控项目依法终止并移出沙盒。
这比“一刀切监管”更高明，也比“先发展再说”更稳妥。
沙盒监管的本质，是把试错放进规则里，把创新放进可控边界内。
第四，把责任归属和风险预警写清楚。
4 月 9 日《以有效治理保障人工智能健康有序发展》提出，人工智能治理要覆盖数据、模型、应用、伦理和全球治理。
其中，模型治理特别关键。
因为大模型的可靠性、安全性和价值观，直接影响后续应用的品质与安全。文章提出要加强人工智能测试验证平台建设，支持第三方审计、评估、认证机构发展，推动企业定期报送风险阶段性评估报告，建立内部监测与预警机制。
这说明，AI 治理不能只盯最终产品，还要管住模型、数据和应用链条。
在关键决策节点上，还要明确人机协作的权责边界，确保人类始终掌握最终的价值判断权与控制权。
治理不是把 AI 锁起来，而是让每一次研发、部署、调用和决策都能找到边界、责任和反馈。
四、最后总结：AI治理是一套创新、风险和责任的闭环现在再回到开头。
为什么说 AI 治理要既给创新空间，也守伦理底线？
因为 AI 的特殊之处在于，它既是发展工具，也是治理对象；既能提高效率，也会重塑权利关系；既能赋能产业，也可能冲击劳动、内容、能源和全球秩序。
所以，AI 题不能只写成“技术发展题”，也不能只写成“监管规范题”。
它更像一道综合治理题。
这道题至少要写清三件事：
• 发展端：AI 支撑什么真实场景，如何进入产业升级、教育科研、能源转型和社会治理。
• 风险端：AI 风险落在哪里，如何影响内容信任、数据模型、劳动权益、能源安全和人的尊严。
• 治理端：谁来划边界，谁来负责任，如何通过标准、审查、沙盒、预警、法治和国际协同接住问题。
还要再往外看一层：AI 治理不是一国一域的事。
4 月 27 日《推动完善人工智能全球治理》提醒我们，全球 AI 治理面临大国博弈、“小院高墙”、规则碎片化、智能鸿沟等挑战。AI 的算力、算法、数据和模型具有跨国流动性，单个国家很难独自完成治理。
因此，全球治理也要进入表达：
• 在联合国框架内加强规则治理。
• 围绕军事 AI、医疗健康 AI、灾害应对 AI 等重要议题开展合作。
• 支持全球南方国家加强 AI 能力建设。
• 防止 AI 成为少数国家、少数企业和少数群体的游戏。
这能把文章格局拉起来。
最后，遇到 AI 治理、科技伦理、平台责任、数字经济、新质生产力等题，可以这样表达：
推进人工智能治理，要坚持发展和安全并重、创新和规范并举。既要支持人工智能在产业升级、教育科研、能源转型和社会治理等场景中释放新动能，也要围绕生成内容、数据模型、劳动权益、能源消耗和科技伦理建立风险识别机制；还要通过标准规则、伦理审查、沙盒监管、责任归属、监测预警和国际协同，把创新活动纳入可预期、可评估、可追责的治理轨道，让 AI 更好服务人的发展和社会进步。
一句话收束：
AI治理不是给创新设墙，而是给创新铺轨；不是让技术停下来，而是让技术朝着有益、安全、公平的方向走下去。
参考文章1. 苗圩：《牢牢掌握人工智能发展和治理主动权（深入学习贯彻习近平新时代中国特色社会主义思想）》，《人民日报》2026 年 3 月 11 日第 18 版。
2. 武少民、陆凡冰：《善用善治 促进人工智能内容规范发展》，《人民日报》2026 年 4 月 3 日第 11 版。
3. 余晓晖：《以有效治理保障人工智能健康有序发展（人民要论）》，《人民日报》2026 年 4 月 9 日第 09 版。
4. 本报编辑吴浩：《推动完善人工智能全球治理（深入学习贯彻习近平新时代中国特色社会主义思想·访谈录）》，《人民日报》2026 年 4 月 27 日第 09 版。
5. 李合亮：《“沙盒监管”护航人工智能健康有序发展（专题深思）》，《人民日报》2026 年 4 月 30 日第 09 版。
6. 陈哲立：《为人工智能创新划清底线（金台随笔）》，《人民日报》2026 年 5 月 7 日第 05 版。
7. 新华社记者周圆：《人工智能科技伦理审查与服务先导计划启动》，《人民日报》2026 年 5 月 10 日第 02 版。
8. 王云杉、薛子怡：《促进人工智能与能源双向赋能》，《人民日报》2026 年 5 月 10 日第 02 版。
9. 李铁林：《AI时代，更需保障劳动权益（暖闻热评）》，《人民日报》2026 年 5 月 21 日第 08 版。
金句集合1. AI治理的高分写法，是让创新在清晰边界内奔跑，让风险在责任链条内闭环。
2. 没有创新空间，AI治理会变成保守防守；没有伦理底线，AI创新会消耗社会信任。
3. AI治理真正要写的，不是“要不要发展AI”，也不是“要不要监管AI”，而是怎样让AI在服务发展中保持向善。
4. 把AI写成真实技术、真实要素和真实场景的结合，文章才不会停在概念层面。
5. 给AI创新空间，不是把风险暂时放到一边，而是承认它已经成为产业升级、科研创新、能源转型和社会治理的一部分。
6. AI的底线不是抽象伦理，而是具体的人、具体的权利和具体的系统安全。
7. 真正需要治理的，不是技术本身，而是技术被滥用之后造成的权利失衡、责任失焦和信任流失。
8. AI时代的劳动治理不能只靠事后救济，要把评估、监测、协商、培训和救济往前移。
9. AI风险不是一个单点问题，而是一张风险网络：内容影响信任，模型影响判断，应用影响权利，算力影响能源，治理影响全球秩序。
10. 内容治理不是等谣言扩散后再删帖，而是把治理嵌入生成、传播和使用全流程。
11. 伦理治理不是写在文件里的原则，而要变成机构、流程、标准、监测和服务。
12. 沙盒监管的本质，是把试错放进规则里，把创新放进可控边界内。
13. 治理不是把AI锁起来，而是让每一次研发、部署、调用和决策都能找到边界、责任和反馈。
14. AI治理不是一国一域的事，算力、算法、数据和模型的跨国流动，需要全球规则和共同责任。
15. AI治理不是给创新设墙，而是给创新铺轨；不是让技术停下来，而是让技术朝着有益、安全、公平的方向走下去。
16. 写AI治理，要同时回答三件事：发展空间在哪里，风险落点在哪里，责任链条在哪里。
