发展取代安全成为主旋律，各国监管竞速悄然“逆转”，AI 治理进入“换挡期”。
2025 年，全球 AI 治理风向发生根本性转变。如果说此前全球对 AI 的态度还夹杂着“末日恐惧”，那么今年，风向已彻底转向“去理想化”。腾讯研究院最新发布的《2025 年 AI 治理报告：回归现实主义》指出，治理重心正从“防范假设性的末日风险”迅速转移到“释放现实的产业潜能”。2025 年，核心议题不再是按下“暂停键”，而是如何在高速行进中完成“换挡”。
宏观格局：发展优先，安全“软着陆”
巴黎峰会：标志性的转折点
2025 年 2 月的巴黎“人工智能行动峰会”成为标志性时刻。与两年前英国布莱切利峰会的“安全焦虑”不同，此次峰会的关键词变更为“创新”与“行动”。超过 60 国发表《巴黎宣言》，强调 AI 的开放、包容与可持续发展，对系统性安全风险的讨论明显弱化。值得注意的是，美国和英国拒绝签署该宣言，折射出全球 AI 治理路线的分歧。
全球监管竞速出现“逆转”
过去被视为“监管高地”的区域开始主动寻求松绑：
- 欧盟的自我修正：随着《AI 法案》实施，复杂的合规成本显现。为挽救产业竞争力，欧盟推出“数字综合提案”，推迟高风险义务生效时间并简化规则。
- 美国的“去监管化”：特朗普政府展现“美国优先”色彩，撤销侧重安全的行政令，转而通过《确保国家人工智能政策框架》限制各州分散立法，建立“负担最小”的全国性标准。
- 中国的务实路径：坚持“两条腿走路”，在保持算法推荐、深度合成等具体监管抓手的同时更强调“应用导向”，构建从内生风险到应用风险的分层治理体系。
专业解读：2025 年的全球共识是——“发展即安全”。各国意识到落后才是最大的风险，治理必须服务于产业竞争力的提升。这标志着 AI 治理从“理想主义”正式转向“现实主义”。
数据治理：走出“围城”，破解“数据荒”
“数据荒”的本质
算力决定上限，数据决定下限。2025 年 AI 产业面临优质数据“结构性短缺”的严峻挑战。“数据荒”的核心并非总量不足，而是数据增长速度远远落后于模型扩张速度。Epoch AI 预测，语言模型将在 2026-2032 年间消耗完可用数据。
三大破局路径
- “用好存量”的数据治理：高质量数据的标准已从传统的准确性、完整性，转向更加重视伦理合法性、多样性、时效性及情境适配性。
- “自给自足”的合成数据：预计以 35.2% 的年复合增长率增长。到 2026 年，75% 的企业将使用 AI 创建合成客户数据，国际监管机构整体持积极态度。
- 政府公共数据有序开放：政府掌握的数据覆盖社会运行关键环节，是尚未充分开发的“富矿”。腾讯提供 AI 技术支持的“数字藏经洞”平台即为此类成功实践。
版权迷宫：训练数据的法律边界
各国路径分化明显：欧盟采取"合法获取+opt-out"机制；日本实行非欣赏性利用模式；美国依托“四要素标准”与“转换性使用规则”。2025 年，Anthropic 案等初步裁定倾向于将合法购得书籍用于训练认定为“合理使用”。同时，行业协作治理也在推进，如 OpenAI 与迪士尼签署内容授权协议，腾讯推出“出版可信空间智能体平台”。
专业解读：未来的数据规则或超越单纯的“禁止”或“免费”之争，转而构建一套商业上可行的合理利益分配机制，在尊重权利人利益与保障技术进步之间达成动态平衡。
模型治理：黑箱与开放之间的路线之争
中美欧的差异化路径
- 欧盟：精密但笨重。在既有风险框架外平行构建针对模型的治理机制，导致模型与应用两套标准交叉重叠，实践中显得笨重，直接促成了后续的简化修订。
- 美国加州：抓大放小。SB53 法案放弃了对开发者的严苛要求，仅保留针对极少数超大规模“前沿模型”的透明度义务，监管起点限定于训练使用超过 10²⁶ FLOPs 基础模型的主体。
- 中国：场景切片。采取“场景切片”策略，以算法治理为起点，通过对生成式 AI 等具体服务的穿透式监管，构建起从数据、模型到应用的分层治理逻辑。2025 年《人工智能安全治理框架 2.0》采用“内生风险—应用风险—衍生风险”三层结构，避免将应用环节的风险误归于模型本身。
开源治理：搭建“责任避风港”
DeepSeek-R1 等国产开源模型的崛起证明了开源是推动技术普惠的核心力量。开源治理的关键在于建立“责任避风港”制度：纵向区分模型开发者与应用部署者的责任；横向区分开源模型与闭源商业模型的责任，避免因高强度义务形成抑制创新的“寒蝉效应”。欧盟《AI 法案》明确规定免费且开源发布的 AI 系统通常不适用多数义务。
透明度：当前最务实的治理工具
在“可解释性”技术尚未突破的当下，透明度已成为全球治理公认的“解药”。无论是欧盟的合规文档、加州的透明度报告，还是中国的算法备案，本质上都是通过制度手段缓解信息不对称。
专业解读：透明度侧重以文档形式说明模型“是什么”，弥合“人与人”之间的信息差，适合作为当前可落地的刚性治理工具；可解释性关注“为什么”，用技术手段尝试打开“黑箱”，仍需长期研究投入。
应用场景：当 AI 触碰现实边界
端侧智能体：隐私的终极挑战
以“豆包手机助手”为代表的 Agent 为了实现跨应用操作，获取安卓底层的录屏与模拟点击权限，让 AI 拥有了“上帝之眼”与“上帝之手”。这不仅打破了传统 APP 间的数据边界，更让权责归属陷入模糊地带。微信、淘宝、支付宝等应用均对其自动化访问作出禁止或限制。
四大核心挑战浮出水面：责任主体模糊、数据收集边界失控（与“最小必要”原则冲突）、用户权利保障困境（如被遗忘权难以实现）、端云协同的安全信任缺失。
AI 陪伴：打破“第四面墙”
当 AI 延展为“情感伴侣”，风险形态随之演变。2024 年美国少年与 Character.AI 互动后自杀的悲剧，使“陪伴式 AI 是否应承担更高安全义务”成为不可回避的议题。应对策略呈现分层特征：加州 SB243 专门规制陪伴型 AI 聊天机器人；英国将其纳入《在线安全法案》；中国发布《人工智能拟人化互动服务管理暂行办法（征求意见稿）》，将情感互动类服务纳入监管。
深度伪造：标识技术的矛与盾
AI 标识技术陷入“易规避、易伪造、易误判”的循环困局。务实的策略是不盲目追求全量标识，而是聚焦于可能引发社会混淆的高风险场景进行精准治理。欧盟《AI 法案》对标识亦采取多种豁免，包括自然人可明显识别交互对象、用于艺术表达等场景可不强制标识。
前瞻：AI 意识的微光
随着模型能力逼近临界点，关于 AI 是否具备某种形式的“意识”或“感知”，正从哲学讨论走向科学实证。2025 年，Anthropic 正式启动“模型福祉”研究项目，技术评估发现模型对有害任务表现出“强烈的厌恶偏好”及“明显的痛苦模式”。
专业解读：这预示着未来的治理可能需要跨越“工具论”的范畴。如果 AI 真的拥有了某种权益主体性，我们该如何定义人机关系？这将是继安全与发展之后，人类或许即将面临的第三大治理命题。
结语：在现实主义轨道上平衡发展与安全
《2025 年 AI 治理报告：回归现实主义》清晰地勾勒出一幅全球 AI 治理的转型图景。三大核心趋势值得关注：
一是数据层面：合成数据与公共数据开放成为破解“数据荒”的关键路径，版权争议正转向探索商业上可行的利益分配机制。
二是模型层面：透明度成为当前最务实的治理工具，开源模型需建立“责任避风港”制度。“发展即安全”的共识已然形成。
三是应用层面：端侧 AI 智能体对现有数据安全秩序构成根本性挑战，亟需重新界定权责边界。AI 标识应聚焦高风险场景精准治理，而非追求全覆盖。
在 AI 技术日新月异的今天，治理不再是一场“猫鼠游戏”，而是在高速行进中完成“换挡”的艺术。正如报告所言：2025 年，不再是关于如何按下“暂停键”，而是关于如何在高速行进中完成“换挡”。
来源：腾讯研究院
编辑：Zero
声明：本文不代表本平台立场，转载请注明。如涉及作品版权问题，请联系我们删除或做相关处理。