导语
2026年10月，超级智能科学院在旧金山成立。这家由全球多国科学主管部门联合倡议发起的非营利性、跨学科非政府学术组织，不隶属于任何单一国家政府或商业企业，由全球科学家共同治理。成立初期，它汇聚了来自全球顶尖学府和科技企业的科研力量，包括数千位院士及数十万会员，其中涵盖诺贝尔奖得主及多国国家级院士。
一个月后，全球公布了它的第一份区域性合作网络：中国。100家机构，分布在国家级科研机构与实验室、重点高校、人工智能与科技企业、学会与产业园区四个板块。
一、为什么第一个区域网络落在中国
超级智能不是一个国家能单独建成的东西，也不是一个国家能单独防住的东西。模型能力、算力供给、数据分布、应用场景、治理意见——这五样东西如果只集中在少数几个地区，由此产生的技术路径会是单一的，风险判断也会是单一的。
中国在这五个维度上都有实质性的分量：全球最完整的制造业门类，最大规模的互联网用户群体，最密集的智能终端与工业设备部署，以及在过去十年里快速成型的人工智能研究体系与产业配套。更重要的是，中国在人工智能治理上已经形成了一套自己的政策语言和监管实践，这套经验对任何想要做全球治理设计的机构来说都无法绕开。
二、科学院是什么，以及刻意不做什么
先把边界说清楚，比先说要做什么更有价值。
它是：一个非营利的、跨学科的、由科学家共同治理的学术组织。工作围绕五个板块展开——前沿探索、安全与治理、人才培养、产业协作、国际合作。它不设股东，不分红，治理结构里没有单一政府或单一企业的否决权。
它不做：不开发面向消费市场的产品，不做算力供应商，不代替任何国家的监管机构做出行政决定，不承接附带排他条件的资助，不参与任何一方的军事应用。这五条是章程层面的限制，不因合作对象的体量而调整。
三、五个板块，五种可交付物
抽象的战略很难被检验，所以每个板块都绑定一种可交付物。
前沿探索：以联合课题为载体，PI 对 PI 直接对接，周期12至24个月。成果默认采用开放许可，涉及安全评估的部分允许最多6个月的延迟披露窗口——这是为了给下游防护留出时间，而不是为了隐藏结论。
安全与治理：以评测与红队为核心。联合开展前沿模型的危险能力评测，评测方法开源，结果分级披露：方法全公开，具体模型的得分向监管机构与合作伙伴定向披露，个案的攻击细节不公开。
人才培养：以人员流动为核心，不是发证书。访问学者、联合培养、短期驻留工作坊三种形式，规模按年度计划公布，人员名单由派出机构决定而非科学院指派。
产业协作：以场景验证为核心。企业提供真实场景与数据沙箱，科学院提供评测方法与第三方评估，验证结论双向披露——包括验证失败的部分。这一条是最容易被忽略、也最能建立信誉的部分。
国际合作：以双边与多边对话为核心，输出的是"可供参考的选项清单"而非单一政策建议。不同法域的制度差异是事实，科学院的工作是把差异翻译成彼此能听懂的语言，而不是抹平它。
四、四类合作接口
100家机构不可能签100份同样厚的协议。科学院把合作拆成四个层级，机构可以只进入其中一层，也可以逐级深入。
第一层｜战略协作 机构层面签署三年框架协议，设立联合指导委员会，每年发布一份公开的年度进展报告。这一层不涉及具体课题，解决的是"谁对谁负责"的问题。名额严格控制，因为战略层的稀释会直接摧毁它的信号价值。
第二层｜联合课题 研究者层面的实质合作。一个课题、一位主责 PI、一份明确的数据与知识产权条款、一个可验收的中间成果。科学院承担部分经费与协调成本，机构承担人员与场景。课题清单每年公开。
第三层｜场景验证 面向产业界的主要接口。企业在自己的真实业务环境中开放验证场景，科学院组织独立评估，双方共同署名发布验证报告。关键在于"失败也要写进去"——只发布成功案例的验证体系，本质上是一种营销。
第四层｜标准共建 与标准化机构、学会、产业联盟合作，输出评测基准、术语体系与测试规程，并向国际标准组织提交提案。这一层周期最长、见效最慢，但它是唯一能让合作成果在协议到期后继续存在的形式。
四层之间是流动的：一个场景验证做到第三年，通常会自然长成联合课题；一个联合课题产出稳定，会被推向标准共建。反过来，连续两年没有实质产出的合作不续约——科学院不设"名誉合作"席位。
五、100家的结构：这不是一份名单，是一条链
四个板块不是并列的四堆机构，各自承担不同功能。
国家级科研机构与实验室（24家）——锚。负责基础理论、评测方法学与安全底线的界定。这批机构的价值不在于产能，而在于它们的判断会被其他三方引用。它们定的是"什么叫达标"。
重点高校（30家）——人。长周期研究、博士生培养、跨学科的方法论输入。超级智能的很多问题不在计算机系里，在数学、认知科学、伦理学、复杂系统里。高校提供的是十年尺度的人力供给。
人工智能与科技企业（35家）——场景与工程化。真实数据、真实负载、真实故障模式，以及把评测方法变成可运行工程的能力。没有这一层，前两层产出的标准只是纸面文本。
学会、联盟与产业园区（11家）——扩散。学术共同体的共识形成、中小企业的技术触达、区域产业集群的试点落地。超级智能的治理如果只覆盖头部企业，那它防不住长尾风险。
一条链的逻辑很清楚：实验室定标准，高校出人，企业验场景，学会与园区做扩散。断掉任何一环，其余三环都会退化成各自的内部事务。
六、安全与治理：中国参与的具体位置
治理合作最容易变成清谈。科学院把它压缩成四件可执行的事。
一是联合评测。 建立跨机构的前沿模型危险能力评测，覆盖网络攻击辅助、生物风险、失控行为、欺骗性对齐等维度。方法开源，题库分级，评测过程留痕。这是唯一能让不同国家在"能力到了哪一步"这个问题上取得共同事实基础的方式。
二是治理路径比较研究。 系统梳理不同法域的监管工具——许可制、备案制、算力门槛、责任分配、事故报告义务——输出一份选项清单及其适用条件与副作用。不推荐单一方案，因为制度移植的失败案例已经足够多。
三是事故与近失事件的信息共享。 参照航空安全报告系统，建立受限的、去标识化的事件通报机制。参与方在通报中获得的豁免仅限于信息共享范畴，不涉及法律责任。没有这个机制，整个行业会重复犯同样的错误。
四是明确的不做清单。 不参与军事应用，不接受排他性资助，不为任何一方提供针对另一方的能力评估。这三条写在协议正文里，不在附件里。
附录：中国合作网络名录（内部版）
A. 国家级科研机构与实验室（1—24）
1. 中国科学院自动化研究所
2. 中国科学院计算技术研究所
3. 中国科学院数学与系统科学研究院
4. 中国科学院脑科学与智能技术卓越创新中心
5. 中国科学院物理研究所
6. 中国科学院软件研究所
7. 中国科学院信息工程研究所
8. 中国科学院深圳先进技术研究院
9. 中国科学院科技战略咨询研究院
10. 中国科学院上海微系统与信息技术研究所
11. 中国科学院生物物理研究所
12. 中国科学院大学
13. 北京智源人工智能研究院
14. 上海人工智能实验室
15. 鹏城实验室
16. 之江实验室
17. 北京通用人工智能研究院
18. 中关村实验室
19. 昌平实验室
20. 合肥综合性国家科学中心
21. 上海期智研究院
22. 中国信息通信研究院
23. 中国电子技术标准化研究院
24. 中国科学技术信息研究所
B. 重点高校（25—54）
1. 清华大学
2. 北京大学
3. 浙江大学
4. 上海交通大学
5. 复旦大学
6. 南京大学
7. 中国科学技术大学
8. 哈尔滨工业大学
9. 西安交通大学
10. 华中科技大学
11. 北京航空航天大学
12. 北京邮电大学
13. 电子科技大学
14. 东南大学
15. 同济大学
16. 武汉大学
17. 中山大学
18. 中南大学
19. 天津大学
20. 南开大学
21. 厦门大学
22. 山东大学
23. 吉林大学
24. 四川大学
25. 重庆大学
26. 湖南大学
27. 北京理工大学
28. 华东师范大学
29. 北京师范大学
30. 国防科技大学
C. 人工智能与科技企业（55—89）
1. 华为
2. 百度
3. 阿里巴巴
4. 腾讯
5. 字节跳动
6. 商汤科技
7. 科大讯飞
8. 旷视科技
9. 依图科技
10. 云从科技
11. 寒武纪
12. 地平线
13. 智谱AI
14. 月之暗面
15. 百川智能
16. MiniMax
17. 阶跃星辰
18. 零一万物
19. 深度求索
20. 京东
21. 美团
22. 小米
23. 联想
24. 浪潮信息
25. 新华三
26. 中兴通讯
27. OPPO
28. vivo
29. 蔚来
30. 小鹏汽车
31. 比亚迪
32. 蚂蚁集团
33. 平安科技
34. 中国电信
35. 中国移动
D. 学会、联盟与产业园区（90—100）
1. 中国人工智能学会
2. 中国计算机学会
3. 中国自动化学会
4. 中国电子学会
5. 中国通信学会
6. 中国人工智能产业发展联盟
7. 中关村人工智能产业联盟
8. 上海人工智能行业协会
9. 深圳市人工智能行业协会
10. 苏州工业园区
11. 合肥高新技术产业开发区
