人工智能时代数字贸易安全的内生困境与中国应对（上）

范式之变：人工智能时代数字贸易安全的内涵重构、特征演变和治理逻辑

(一) 人工智能时代数字贸易安全的内涵重构

数字贸易安全的内涵伴随着贸易形态和技术基础的演进而不断变化。在数字贸易概念获得权威界定之前，早期的安全关切主要体现为朴素的“技术安全观”，主要聚焦于电子数据的传输完整性、交易系统的防攻击能力以及支付环节的金融安全。这种关切本质上是传统贸易安全在电子化场景下的自然延伸。随着数字贸易的蓬勃发展，经济合作与发展组织、世界贸易组织等国际机构联合编制的《数字贸易测度手册》(HandbookonMeasuringDigitalTrade) 将数字贸易界定为“通过数字方式订购或数字方式交付的国际交易”。学术界和政策界据此将数字贸易安全界定为保障这一数字化交易全过程免受风险侵扰的各类技术和制度安排。既往研究主要围绕这一内涵展开，关注数据跨境流动的安全性和合规性、主权国家在数字贸易中的权益维护、网络和数据安全、隐私保护、知识产权保护等议题。这种安全观是一种以国家为边界、以静态合规为目标、围绕数据和基础设施展开的“静态防御”和“边界防御”范式。随着人工智能深刻嵌入数字贸易各环节，数字贸易安全的内涵已从单一的技术安全重构为涵盖技术底层、数据流通、算法应用的三维复合概念。

技术底层安全主要反映数字贸易的基础设施韧性和技术主权。人工智能时代的数字贸易高度依赖高端芯片、基础算法、人工智能开发框架等核心技术要素。对这些底层技术的过度依赖构成数字贸易安全的前提性风险：一旦关键技术供给受到地缘政治博弈或供应链中断的冲击，整个数字贸易体系将面临瘫痪。以半导体为例，先进制程芯片的断供不仅影响硬件出口，还将直接阻滞依赖算力支撑的人工智能模型训练和跨境服务交付。这一层面的安全关乎数字贸易供应链安全韧性和技术的自主性。

数据流通安全主要聚焦于数据主权与流动效率的动态平衡。人工智能驱动的数字贸易，推动数据跨境流动规模和复杂性呈指数级上升。一方面，个人数据、商业数据和其他重要数据的跨境需求与各国数据本地化要求之间的冲突日益加剧；另一方面，数据的聚合和流动本身就意味着泄露风险的进一步放大。局部数据泄露可能经由人工智能训练过程被放大，进而在跨境交易中快速传导为系统性危机，形成“风险乘数效应”。这一层面的安全考验着人工智能时代下数字贸易中数据主权与流动效率的动态平衡。

算法应用安全重点关注的是决策过程的透明性和可问责性。算法应用是人工智能时代数字贸易安全最核心的演变维度，传统安全关切聚焦于数据在传输中是否被窃取、在存储中是否被篡改，而人工智能时代还必须追问算法在处理数据时是否公平公正、透明可靠。算法歧视可能引发跨境定价的系统性偏差，导致不同国别的消费者遭遇差异化待遇；算法黑箱使贸易纠纷中的责任追溯陷入困境——当人工智能驱动的定价出现偏差时，是算法设计缺陷、训练数据偏差还是模型自主演化所致，往往难以溯源；算法合谋则可在不需要人工干预的情况下扭曲市场竞争秩序，进而破坏全球数字贸易的公平性。

(二) 人工智能时代数字贸易安全的特征演变

当数字贸易安全从静态边界防护拓展为技术底层、数据流通和算法治理的三维概念时，其风险形态和安全属性亦呈现三重转变。

一是风险对象从“信息安全”向“算法安全”拓展。传统安全聚焦于数据跨境流动中的隐私保护和网络防护，风险源于外部攻击或传输漏洞，其本质是“外生性”风险。人工智能的深度嵌入使算法本身成为风险策源地，风险形态由此演变为“内生性”风险。这种内生性风险根植于算法的设计逻辑、训练数据的选择偏差以及模型自主演化的不确定性，意味着数字贸易安全治理必须从保障数据要素的安全性，延伸至确保算法系统的透明性、公平性和可问责性。

二是治理范式从“静态合规”向“动态韧性”转型。传统安全以“一次性达标”的合规审查为核心，通过技术隔离构筑固定防线。人工智能的自主学习特性使得风险呈现显著的演化性和级联效应：随着模型持续迭代优化，攻击手段在对抗中不断升级，局部算法偏差可能经数据训练放大为系统性危机。世界经济论坛发布的《全球风险报告 2025》显示，94% 的受访者将人工智能视为网络安全最大变革驱动因素。人工智能时代下数字贸易安全治理体系必须具备在动态风险中快速响应、恢复功能并持续学习的能力，即“动态韧性”治理能力。

三是冲突维度从“技术安全”向“制度安全”升级。人工智能放大了数字贸易中的“制度非对称”风险，不同国家基于各自价值取向形成差异化的治理范式，数字贸易安全监管规则的碎片化正演变为新型贸易壁垒。其典型表现为：一国合规的人工智能产品可能在另一国遭遇准入障碍。这一转变意味着数字贸易安全已超越单纯的技术防护，上升为规则制定权和治理话语权的战略博弈。

(三) 人工智能时代数字贸易安全的治理逻辑

人工智能的深度嵌入倒逼治理逻辑转向，根本在于数字贸易安全治理内涵的“三维重构”及其特征的“三重转变”颠覆了传统治理依赖的“识别—追责一规制”闭环。无论是数据本地化要求，还是网络安全审查，其有效性均以国家主权边界内的可控性为前提。然而，人工智能的介入使这一前提发生动摇：算法的自主演化意味着风险可能源于模型自身迭代而非外部攻击，供应链的全球分布则使单一环节的漏洞可能通过技术嵌套传导至整个系统。当治理对象本身不再遵循传统的地理边界和线性逻辑时，数字贸易安全的治理逻辑由此发生转向。

首先，传统治理试图通过划定内外边界来阻断风险，而人工智能时代的安全风险往往内生于贸易活动本身。治理逻辑因而需要从“阻断外部威胁”转向“识别内生风险”，在风险发生前进行预判、在风险发生时进行管控、在风险发生后进行溯源。其次，人工智能驱动的数字贸易将生产、交付、消费各环节联结为跨国链条，单一主权国家难以对全链条实施有效管辖。治理逻辑因而需要从“属地管辖”转向“链条追责”，通过国际规则协调和跨国执法合作，使责任认定和风险控制能够穿透主权边界。最后，人工智能的技术迭代速度远超规则制定周期，预先设定的刚性规则往往难以覆盖所有潜在的风险范畴。治理逻辑因而需要从“明确禁止什么”转向“确立共同遵循的原则”，如透明度原则、可问责原则、非歧视原则，各国依据自身国情在本国法律框架内落实，并通过国际对话形成规则共识。这些转向共同指向一个基本判断：人工智能时代的数字贸易安全治理，不再是主权国家对风险的单向管控，而是多元主体在复杂系统中寻求动态平衡的持续过程。

悖论之源：人工智能嵌入下全球数字贸易安全的内生困境

(一) 同源悖论：效率增进与风险衍生的内在关联

伴随人工智能在数字贸易领域的广泛嵌入，其效率提升与风险相伴而生，且二者源于同一技术特征。从效率维度出发，人工智能对数字贸易的重塑主要体现在三个方面。一是数据聚合能力。机器学习算法通过对海量跨境数据的聚合分析，实现需求预测精度跃升和供应链实时优化，推动企业从被动响应转向前瞻性资源配置。二是算法自主性。深度学习模型能够自主发现人类难以识别的复杂关联模式，驱动智能客服、动态定价、信用评估等的自动化和智能化，有效压缩制度性交易成本。三是决策执行自动化。智能代理系统能够在毫秒级时间内完成交易甄别、风险控制和跨境支付结算，有力保障数字贸易的高效运行。然而，这些构成效率优势的技术禀赋，也可能引发系统性风险。数据聚合在提升效率的同时，也意味着风险敞口的集中和放大。数据的集中化存储和高频跨境流动，使得局部数据泄露可能经由人工智能训练过程被放大，进而在跨境交易中快速传导为系统性危机，形成“风险乘数效应”。正如世界贸易组织发布的《世界贸易报告 2024》所指出的，人工智能驱动的效率革命正在重塑全球贸易权力结构，但缺乏国际协同治理的技术扩散，易导致数字贸易体系陷入“效率陷阱”。

这一“同源悖论”的内在机理，可归结为三个逻辑链条。其一，人工智能系统的性能遵循规模报酬递增规律，对海量数据的访问是其效率优势形成的前提，但这种集中化和流动性本身意味着隐私泄露风险的放大、主权边界的模糊以及监控资本主义的潜在扩张。换言之，贸易效率所依赖的数据聚合能力，同时也是数据安全脆弱性的来源。其二，深度学习模型能够发现人类难以识别的关联模式能力，这主要源于其“黑箱”式的运算结构和自主性的特征参数调整，但这种不透明性恰恰导致算法决策难以被追溯、解释和问责。当算法在跨境交易中产生歧视性定价、不当拒付或欺诈误判时，传统的责任归属框架便陷入失灵。其三，执行自动化既是效率引擎，又是风险通道。智能代理降低交易成本的前提是获得独立决策和行动授权，但这种自主权一旦被滥用，譬如人工智能驱动的恶意机器人发起批量欺诈交易，便会将效率工具逆向转化为破坏贸易信任的手段。由此可见，人工智能所带来的效率红利和安全风险共同植根于其技术禀赋，二者在功能上相互依存、在演化中彼此强化。这意味着任何试图在效率与安全之间作出简单取舍的数字贸易治理方案，都将因无视二者同源共生的内在关联而失效。因此，如何在制度设计与技术演进之间形成动态制衡，使效率增进和风险控制从对立走向共生，是当前数字贸易安全治理面临的重要命题。

(二) 制度失配：规制碎片化和贸易全球化的结构性冲突

人工智能技术的代际跃迁正深刻重塑数字贸易安全的形态和边界，然而全球人工智能治理架构的碎片化与数字贸易内生的全球化逻辑形成日益尖锐的外部冲突。这一冲突首先体现在生成式人工智能的法律定性困境。作为数字贸易的核心标的，生成式人工智能及其输出内容究竟应归类为《关税与贸易总协定》项下的“货物”，还是《服务贸易总协定》项下的“服务”，在世界贸易组织多边框架内仍悬而未决。例如，在 2024 年世界贸易组织电子商务谈判中，各方围绕此类问题的立场仍存在显著分歧。这种基础定性的缺失，使得成员国得以依据国内监管偏好自由裁量，催生出规制套利空间和贸易争端的法律真空。

当前全球数字贸易安全治理规则深层分化现象日趋加剧，换言之，基于数字主权的全球治理规则碎片化趋势日益凸显。例如，欧盟以人权保障为底色构建风险分级体系，对高风险人工智能系统的数据来源和算法透明度提出严格要求;美国依托市场逻辑形成各州分散立法的合规拼图，企业需应对联邦标准和州级规则的双重约束；中国则在产业安全和技术创新间寻求动态平衡，以数据出境评估、算法备案等制度构筑市场准入框架。三套治理逻辑并行于全球市场，直接后果是制度性交易成本显著上升，对全球数字贸易发展形成抑制作用。与此同时，主要经济体围绕人工智能治理展开的制度竞争正在加速全球数字市场的地缘割裂。例如，2022 年，美国通过《芯片与科学法案》，将高端 AI 芯片、先进算力纳入对华出口管制清单，试图从技术源头构筑竞争优势。欧盟依托“布鲁塞尔效应”向外输出监管标准，以“充分性保护认定”为工具构建数字同盟，要求第三国数据保护水平达到其认可标准方可实现数据自由流动。这种由人工智能治理引发的“规则墙”现象，与数字贸易赖以生存的全球互联本质形成根本性冲突：当人工智能成为驱动跨境数据流动、数字服务交付和知识产权交易的核心引擎时，规制主权下的各自为政却在不断切割原本统一的全球数字市场。有学者将这一困境概括为“治理空窗”——现行国际贸易规则体系诞生于前人工智能时代，无论是《服务贸易总协定》关于“技术中立”的原始设定，还是区域贸易协定中零散的数字条款，均难以回应大模型训练数据的跨境合规、算法输出的责任归属、人工智能生成内容的知识产权保护等新型治理命题。规制碎片化与贸易全球化之间的结构性冲突，正在将数字贸易治理推向后布雷顿森林体系时代的深层重构之中。

(三) 信任赤字：技术黑箱和治理透明的价值鸿沟

人工智能在数字贸易领域的广泛应用正引发深层的信任危机，其根源在于技术系统的“黑箱”属性和治理机制所要求的透明度之间存在日益扩大的价值鸿沟。从技术层面看，以深度学习为代表的人工智能模型普遍存在决策过程不透明、逻辑链条难以追溯等问题。大语言模型的复杂推理逻辑往往无法被有效还原，其输出结果在跨境信用评级、智能合约执行等可解释性要求较高的场景中难以获得充分验证。这种技术不确定性直接导致市场层面的信任基础松动——交易相对方既无法判断人工智能决策的公正性，又难以在出现争议时追溯责任主体。以跨境信用评级为例，某出海企业向海外银行申请贷款，银行使用的人工智能评分模型给出低分但拒绝提供具体理由。企业无法判断是自身财务数据的问题还是模型存在地区偏见，也难以通过申诉渠道修正错误。学术界将此定义为典型的信息不对称市场失灵：技术开发者凭借信息优势，可能在缺乏有效约束的情况下谋求自身利益最大化。更值得关注的是，技术黑箱正被商业利益所利用。在智能推荐等领域，模型可能基于商家佣金差异而非用户真实需求进行决策，且推荐逻辑高度依赖易受干扰的低质信源，形成新型信息操纵现象，进一步侵蚀用户对数字贸易平台的信任。

从治理层面审视，信任赤字因贸易规制体系的碎片化而加剧，又因认证机制的缺失而持续固化。为应对技术黑箱问题，各主要经济体相继出台人工智能透明度规则。例如，欧盟制定的《人工智能法案》要求高风险人工智能系统提供详尽技术文档和透明度信息；中国出台的《生成式人工智能服务管理暂行办法》规定服务提供者须对模型进行安全评估并留存训练数据来源；美国国家标准与技术研究院发布的《人工智能风险管理框架》倡导企业建立内部可解释性机制。然而，此类要求标准各异、指向不一，使得企业在跨境经营场景下面临相互冲突的披露义务，难以建立起跨境实质性技术互信。算法透明与商业秘密保护之间的张力，被视为人工智能治理的核心难题。有学者主张通过风险分级寻求平衡——高风险应用承担更高透明度义务，低风险应用则允许更大程度保护。但当前多数方案仍停留于原则性倡导，缺乏可操作的实施架构和互认机制。与此同时，数字主权壁垒的强化将进一步固化信任赤字。例如，一国监管部门难以确认源自他国的人工智能系统是否存在算法偏见或数据窃取功能，一国企业也难以向他国合作伙伴证明自身系统的安全性和中立性。这种相互认证机制的缺失，使得数字贸易中的信任难以像传统贸易那般通过长期商业惯例或双边互认逐步积累，最终导致“信任赤字”和“治理壁垒”相互强化、彼此固化的恶性循环。