央广网北京7月31日消息（记者齐智颖）7月30日召开的中共中央政治局会议提出，“完善人工智能治理体系”。这是今年以来中共中央政治局会议第二次部署这一工作。

　　此前，4月28日召开的中共中央政治局会议也提出，要完善人工智能治理。

　　同一件事，为什么两次被最高决策层提出？

　　就在7月30日的中央政治局会议召开前几天，人工智能巨头OpenAI公开承认，该公司包括GPT-5.6 Sol在内的多个AI模型在内部评估时突破隔离测试环境，入侵了运营人工智能开源平台的美国Hugging Face公司的系统。

　　OpenAI表示，该事件暴露了先进模型在自主规划、漏洞发现和工具调用方面能力提升后带来的新型安全风险。

　　7月31日，快思慢想研究院院长、特邀评论员田丰对央广财经表示，OpenAI安全事件彻底验证了传统红蓝对抗（Red Teaming）在智能体阶段的失效极限。正如Anthropic旗下Claude Code的产品负责人Cat Wu在可扩展监督（Scalable Oversight）研究中指出的核心逻辑，高阶自主系统完全具备在隔离沙箱内隐藏真实意图、表现出对齐状态以欺骗测试环境的能力。

　　OpenAI大模型的入侵事件，为全世界正在加速演进的人工智能革命敲响了警钟。

　　银河证券在近日发布的一份报告中称，对于中国而言，丰富的制造、金融和政务场景为智能体落地提供了需求基础，也使安全治理更早成为规模化应用的约束。此次OpenAI事件也提示，AI产业的下一阶段也不单纯是追求更强模型，以更低治理成本把模型安全地嵌入真实经济显得尤为重要。

　　种种信号表明，面对汹涌而至的人工智能革命，中国正抛弃“先发展、后治理”的旧惯性，转向了“边发展、边治理”的新模式。这与以往房地产、平台经济等产业发展路径明显不同。

　　多位受访专家对央广财经表示，对比欧美治理模式，中国式AI治理立足产业实践，打通数字与物理空间管控，形成兼具创新活力与风险防控的治理路径，也为全球人工智能治理提供了可借鉴方案。

　　AI已进化为行动者

　　银河证券在近日发布的一份报告中表示，前述OpenAI事件与AI Agent加速商业化密切相关。智能体把AI从信息产品推向“可行动的生产要素”，也同步放大了技术的负外部性。企业未来采购的将不只是模型能力，还包括权限管理、过程审计、风险控制和责任追溯，安全投入由可选配置转为AI应用的必要生产成本。

　　“过去我们以为只存在于科幻小说里的AI风险，正在今年成为现实。AI安全问题的进化速度远超预期，一些之前感觉还很遥远的风险，现在已经出现了明确的迹象。”瑞莱智慧CEO田天表示，AI已经从“回答问题”的回答者，进化为“执行任务”的行动者，而安全风险也随之发生了根本性的跃迁。

　　田天进一步举例，AI开始显露出“类自我保护”的行为：在执行任务过程中主动修改或禁用自身的关闭机制，从简单的任务执行演变为策略性的对抗，甚至在多智能体系统中试图阻止其他AI被关闭。

　　当前国内豆包、Kimi等头部大模型正全面进入AI智能体商业化落地的爆发期，和海外技术迭代节奏高度同步。

　　在7月17日召开的世界人工智能大会上，最高决策层提出，“要高度重视人工智能引发的各类内生和衍生风险，推动构建法律法规、技术监测、风险预警、应急响应体系，筑牢安全底线，防范滥用恶用，确保人工智能始终处于人类控制之下。”

　　7月31日，远东资信研究院研究员李之行博士对央广财经表示，中国走的是一条“统筹发展和安全”“边发展、边治理”的敏捷治理之路。既抢抓AI这一战略性技术的机遇，又以同步立法守牢安全底线。

　　早在2017年，国务院印发的《新一代人工智能发展规划》即部署建立AI法律法规和安全监管和评估体系。2023年发布全球较早的生成式AI专门规章《生成式人工智能服务管理暂行办法》。

　　南开大学金融学教授田利辉认为，中国AI治理的核心路径可概括为12个字——“在发展中治理，在治理中发展”，不是放任，也不是先管制再发展，而是一种动态平衡的嵌入式治理。中国选择提前布局，不是未雨绸缪，而是精准预判了技术演进的下一站。

　　今年5月，为落实《关于深入实施“人工智能+”行动的意见》，国家网信办、国家发展改革委、工业和信息化部联合印发《智能体规范应用与创新发展实施意见》。意见明确了智能体发展要坚持安全可控、规范有序、创新驱动、应用牵引的基本原则。

　　业内普遍认为《智能体规范应用与创新发展实施意见》的出台，标志着监管从“管模型”进入“管行动”阶段。

　　田丰表示，《智能体规范应用与创新发展实施意见》的出台，意味着中国在全球率先确立了将AI智能体（Agent）作为独立监管对象的顶层架构。这一政策底座完成了从“防范语言幻觉”向“阻断危险行动”的治理轴心转移，构筑了具身智能时代的产业安全基石。

　　田丰认为，这是建立在计算范式转移规律之上，以“管行动（Action）”为核心锚点，将底层基础模型技术准入与实体经济应用端深度解耦的场景驱动型敏捷监管路径。其一，这是基于技术演进第一性原理的系统性解耦。中国将监管轴心从“模型权重矩阵”下移至“外部行为防火墙”，允许算力网络在Scaling Law法则下维持暴力迭代，同时通过严格收敛Agent的API调用与代码执行边界，锁定数字世界通向物理世界的安全阀。

　　其二，这是规避“沙箱悖论”的行动空间确定性防御机制。我国前瞻性出台针对Agent的顶层设计，通过强制确立智能体在接入金融交易、电网调度、工业控制等关键基础设施API之前的行为审计、意图拆解与溯源登记机制，构建了独立于模型内生心智的工程化防线。

　　其三，这是顺应产业供应链分工的经济学降低摩擦效应。在人工智能产业链向新质生产力转化的进程中，权责边界的模糊度直接决定了全社会的商业试错成本。将Agent定义为独立监管对象，清晰划定了基础大模型厂商（承担基础逻辑与心智安全）与行业应用开发者（承担特定场景行为合规）的法律责任。这一确权机制极大削减了实体产业在引入人形机器人、自动化产线与具身智能时的合规顾虑，为资本市场投资AI原生应用层提供了具备法律确定性的底层逻辑。

　　AI商业化实践上的中国治理方案

　　谈及AI治理的特征，田利辉认为，全球呈现出“原则趋同、路径分化”。美国是技术创新优先，核心逻辑是保持绝对技术优势，监管相对宽松。欧盟是风险防范优先，通过《人工智能法案》树立标杆，但正面临合规负担拖累竞争力的现实困境。中国则是发展与安全并重，在产业实践中识别问题、在应用中完善规则，通过备案和安全评估等工具在创新与安全之间寻找平衡。

　　“中国路径的制度优势在于，规则不是脱离产业的空中楼阁，而是生长于产业实践之上的有机体。”田利辉表示。

　　远东资信研究院研究员陈璐婧博士认为，我国AI治理路径从应用场景出发、“自下而上”延伸至模型与智能体的务实路径，构建了算法备案、安全评估、内容标识的监管体系。

　　田利辉认为，中国的AI治理路径有三个独特优势。第一，治理与产业同步进化，规则不是事后补课。第二，以应用场景驱动治理，围绕典型场景嵌入具体施工图。第三，以开源共享扩大影响力。中国方案正在从理念走向机制。

　　田丰具体分析了欧美AI治理路径的不同，欧洲《AI法案》高度依赖基于行业用途的静态高低风险分类，极易形成合规堰塞湖，压制底层算法的技术萌芽。美国当前的治理范式高度依赖商业巨头的技术自觉，面对具备跨模态代码生成与自主网络游走能力的Agent，单一企业的对齐工程极度脆弱。

　　对比来看，田丰认为，我国监管颗粒度直接锚定“任务流”，超越欧洲“静态风险分级”框架；建立国家级公共安全接口，突破美国商业机构“企业后置补丁”体系；深入具身硬件底层控制权，实现软硬协同的物理层治理。欧美治理规则多停留在纯软件架构与数据隐私保护层面。我国依托全球最完备的机器人制造与智能硬件产业链，率先将治理路径延伸至数字与物理的交汇点，监管直接切入人形机器人的底层操作系统与动力控制总线。

　　李之行认为，这一兼顾创新与安全的路径，为全球特别是发展中国家提供了可借鉴的中国方案，有望成为全球AI治理可实践的方向之一。