不敢等，欧盟人工智能法案一拖再拖到2028年，美国急着输出规则

人工智能竞赛的下一战场：制度响应速度，在全球范围内，华盛顿正致力于推广其人工智能技术栈，另一方则在建立治理合作联盟，欧洲则忙于调整其实施时间表。那些能在新一代模型问世前，将新证据迅速转化为具有正当性的规则的国家，将在战略上获得优势。

在短短48小时内，人工智能竞赛中暴露出两项尚未解决的规则问题。9月8日，华盛顿指责六家开发商通过“蒸馏”方式从美国模型中提取能力；对此予以否认，称这是为了压制竞争。9月9日，开放人工智能公司表示，随着系统能力的增强，自愿承诺已不够，呼吁制定基于能力的强制性国家规则，涵盖测试、独立评估、网络安全和事件报告等方面。

一场争议在于模型如何从竞争对手那里学习，另一场则涉及政府如何从模型中学习。两者共同揭示了一个战略约束：开发者可以根据产品发布周期调整模型，而公共机构仍按立法周期作出反应。

业界提出的方案值得关注，因为现有企业可能会利用规则来维护自身利益。然而，这种时间错配难以否认：即便一个国家在芯片、模型和数据中心领域占据领先地位，如果无法在新一代系统到来前，将新能力和新故障转化为可信的规则，仍可能丧失战略主动权。

华盛顿已将人工智能视为一场地缘政治竞争。美国的人工智能战略指出，拥有最大生态系统的国家将制定全球标准，并从中获得经济和安全收益。白宫的一项行政命令推动美国全栈人工智能出口，将硬件、云服务、数据系统、模型、网络安全和应用程序打包提供给盟友和伙伴，并明确推动美国标准和治理模式在全球的采用。

另一方则在开辟另一条扩大影响力的路径。今年7月，来自100多个国家和国际组织的与会者齐聚一场世界人工智能大会，支持“敏捷治理”、更快修订标准及标准互认。会议期间签署了一项协议，决定成立世界人工智能合作组织，明确支持全球南方的发展与治理能力建设。

欧洲则提供了第三种模式，以法律义务和市场准入为核心。欧盟《人工智能法案》现已生效，但许多高风险应用的规则被推迟至2027年12月实施；嵌入受监管产品的系统，其相关义务则延后至2028年8月，以便完成标准及其他实施工具的制定。

欧盟委员会目前的时间表具有合理性，但也说明了治理一个不断变化目标的战略代价：一部法律可以十分全面，却可能在其针对的系统已经变化后才真正落地。

人们通常从监管角度比较这些路径：美国较为宽松，欧洲规则优先，另一些国家则由国家主导。但这种比较忽略了一个更为严峻的地缘政治问题：治理正在成为技术栈本身的一部分。

当一国政府、银行、医院或军队引入人工智能平台时，也会同时接受一系列隐含设定：何种情况构成事件，应保留哪些日志，谁有权检查系统，模型更新应如何披露，以及何时可以暂停服务。这些选择会嵌入采购合同、专业工作流程和数据架构之中。硬件有时可以较快更换，但制度化的工作流程并不容易重建。

对于欧亚、中东、非洲和东南亚国家而言，这一选择不仅是供应商之间的竞争。它们实际上是在选择由谁掌握更新权：谁来决定一项新发现的能力需要不同的安全措施？谁的证据能够被接受？本地监管机构能否暂停系统，还是必须等待外国供应商行动？一个国家发生的事件，是否会触发其他国家的审查？

地缘政治竞争将在一定程度上取决于哪种治理模式能够跨境传播。如果美国本土缺乏一套可信的故障调查机制，它便难以输出信任。即使最先进的硬件并不占优势，其他国家仍可借助标准合作扩大影响力。欧洲若不断调整合规日期，或实际操作指引滞后于法律雄心，其监管吸引力也会减弱。

两个时间表展现了这一问题。一家领先开发商公开的模型行为规则手册，在2025年2月至2026年8月间多次修订，因为系统部署带来了新的经验教训。同期，欧洲高风险系统的实施时间表发生调整，原因是执行法律所需的标准尚未完成。

这一比较并非谴责欧洲，也不是为企业自我监管背书，而是在衡量两种不同责任。技术学习周期较短：部署、观察、纠正、发布。制度学习周期则更长，因为它必须调查事实、听取受影响方意见、确立能够被他人接受的事实、划定权力边界，并保留申诉渠道。

这些步骤并非官僚装饰，而是规则获得约束力的必要条件，使其能够约束那些并未参与制定规则的人。问题出在要求同一层机制同时承担正当性和快速纠错功能。届时，法律描述的可能已是不存在的系统；企业成为唯一掌握最新信息的主体；而由于公共机构无法及时更新规则，私人技术规范便会成为实际上的运行规则。

正如白宫立法框架所主张，全国统一框架可以减少碎片化。但如果框架内部没有快速学习机制，统一只不过是用一个缓慢循环取代多个缓慢循环。

航空业提供的是一种有益的制度架构，而非将人工智能模型等同于飞机。其学习体系结合了多种节奏。美国国家航空航天局的航空安全报告系统收集受保护的自愿报告，并据此发现系统缺陷。美国国家运输安全委员会依据制度独立的授权开展调查。美国联邦航空管理局则可发布具有法律约束力的适航指令，纠正具体的不安全状况，必要时还可启动紧急程序。

慢速层面负责赋予权力、保障权利和界定管辖权。快速层面则在这些边界内收集证据，并作出范围有限的纠正。两者都不应被要求承担对方的职责。

人工智能治理同样需要这种分工。立法机构应确立持久的红线、报告权力、正当程序和司法审查。监管机构与技术机构则应能够针对明确的能力和失效模式，采取以证据为基础、可申诉且设定失效期限的临时措施。目标不是建立永久性的紧急规则，而是在较慢的程序完成衔接前，为从新事实到临时保障措施提供一条合法路径。

首先，应建立共同的事件分类框架。报告门槛应依据后果设定，例如未经授权的系统访问、规避控制措施、实质性欺骗、身体伤害或失去人工控制权，而不应依据可能很快消失的产品名称设定。受保护的渠道应鼓励尽早披露，匿名化的调查发现则应跨境流通。

其次，应整合独立评估能力。并非每个国家都能、也不必建设前沿实验室。盟友和区域组织可以共享技术团队，互认彼此的评估结果，并维护共同测试环境。这样，中等强国就能获得可信证据，而不必依赖供应商对自身故障的说法。

第三，应授权发布范围有限的临时指令。当明确风险得到证明时，监管机构应能够要求加强监测、限制工具连接、暂停某项能力或要求回滚。每项措施都应说明所依据的证据、适用范围和失效日期。日落条款将迫使相关机构进行复审，避免昨天的紧急措施变成明天已经过时的规则。

第四，应将治理与技术一同出口。全栈方案应包括共享的事件报告格式、审计访问权、对重大模型变更的披露、回滚程序和联合危机演练。接受方国家应保留检查和暂停敏感行业系统的实际能力。只输出能力而没有纠错循环的方案会制造依赖；同时输出两者，则可能形成持久的协同关系。

最后，应使修订成为常态。高风险规则和标准应注明日期、进行版本管理，并与审查触发条件挂钩，例如出现新的工具使用方式、更高程度的自主性，或部署于关键基础设施。对重大变更建立公开档案，可使监管机构和研究人员比较系统曾被允许做什么，以及它后来实际做了什么。

中等强国应像对待数据本地化、融资和算力获取一样，严肃谈判这些制度条件。采购协议可以要求互惠的事件通报、本地审计权、连续性计划以及参与共享测试。区域组织则可运营事件信息中心，在不照搬美国、其他主要经济体或欧洲完整监管模式的情况下互认证据。

作者：布拉克·奥克滕