来源

Press Release | UN launches AI Governance for Humanity Lab in Valencia, https://www.un.org/digital-emerging-technologies/content/press-release-un-launches-ai-governance-humanity-lab-valencia?

01 瓦伦西亚的新实验

2026年5月28日，联合国在西班牙瓦伦西亚启动“人工智能向善治理实验室”（AI Governance for Humanity Lab，后文统称瓦伦西亚实验室）。这一实验室由联合国数字和新兴技术办公室支持，设立于瓦伦西亚联合国信息和通信技术设施会议中心，将重点关注人工智能治理如何在现实中落地。启动同期，首届“瓦伦西亚对话”召开，来自政府、科研机构、产业界和公民社会的代表围绕人工智能治理互操作性、私营部门如何落实治理框架等议题展开讨论。

在联合国此前已经推动人工智能科学评估和全球治理对话机制的背景下，瓦伦西亚实验室补上了一个更偏实践的环节。它关注重点从提出全新的治理原则，转向了比较不同国家、行业和企业已有的治理做法，并观察这些经验能否转化为可执行的制度安排。正是在这个意义上，这一实验室成为了一个关键切口，用以观察全球 AI 治理从原则共识走向落实能力的进程。

02 联合国的AI治理拼图

顺着过去两年的演进回溯，瓦伦西亚实验室更像是联合国在全球 AI 治理拼图上落下的一处实践环节。这一轮制度化进程始于2024年通过的《全球数字契约》，该契约将人工智能嵌入更广义的数字合作议程，强调治理应当兼顾安全、发展与人权。这延续了联合国一贯的多边主义立场：AI 规则不能仅由少数技术强国与科技巨头垄断，治理能力较弱的国家不该沦为被动的规则接受者。

但这只是共识的第一步。为了落实契约，联合国随后推动建立了双轨机制：独立国际人工智能科学委员会负责系统的科学评估，全球人工智能治理对话负责连接各国的政策立场。前者解决知识储备，后者解决政治沟通。

而瓦伦西亚实验室的出现，正好回答了悬空的第三个问题：具体怎么做。科学委员会侧重知识，治理对话侧重外交，实验室则是一个务实的实践平台。它不负责炮制终极答案，而是盯紧具体切口：不同治理框架如何衔接、企业如何把抽象原则塞进业务流程、各国的政策经验如何跨国界互鉴。简言之，它要把各方已有的经验组织起来，让治理从宣言走向可操作的流程。

国际 AI 治理的风向正在发生隐秘转变。过去几年，全球密集讨论“AI 应当遵循什么价值”；如今原则早已过载，真正的痛点演变为更具颗粒度的工程化难题：风险如何识别、责任如何分配、跨境规则冲突时如何协调。

瓦伦西亚实验室正是这场务实转向的制度承接点。至此，科学评估、全球对话、实践实验室共同构成了联合国的 AI 治理分工：先看清风险，再聚拢讨论，最后摸索落地。即便这套体系目前依然松散、缺乏强制力，但信号已经非常明确——联合国正尝试从全球治理规则的“原则生产者”，蜕变为经验的“组织者”。

03 当治理成为治理对象

过去几年，全球人工智能治理并不缺少原则。安全、透明、公平与问责已经成为各类国际文件中的高频词。这些原则为治理划定了基本方向，建立了底线价值共识。然而，原则只能界定价值导向，无法直接提供具体的落地路径。

真正进入政策现场后，问题会迅速变得细碎而复杂。政府应当在什么阶段介入高风险人工智能系统，企业需要公开多少模型与数据信息，公共部门使用 AI 时如何厘清最终责任，这些具体的考量远非原则性宣言所能解决。更核心的挑战在于，一项政策实施后，如何评估它是真正降低了技术风险，还是仅仅增加了行政合规成本。

瓦伦西亚实验室的定位直击这一“中间环节”。它在不取代科学评估机制、不承担正式谈判功能的前提下，作为一个实践型的政策学习平台，负责比较不同国家和行业现行的治理做法，观察其现实运转成效，从而识别可借鉴的经验，淘汰缺乏可行性的方案。

这种安排背后是全球治理思路的根本转变。人工智能技术的快速迭代，意味着任何静态的制度设计都可能迅速滞后。治理无法依赖一劳永逸的规则设定，而需要持续的观察、反馈与动态调整。实验室的最终目的，便是将这种“政策学习”机制本身，转化为全球治理的常态。

“互操作性”则是这一路径的核心。短期内，全球很难形成统一的人工智能法律，强行追求规则一致往往只会带来表面合规。更务实的目标，是让异质化的制度之间能够相互理解，减少跨境的重复合规成本。

因此，瓦伦西亚实验室关注的重点，在于如何在差异之中建立可沟通、可比较的接口，其试图回答的核心命题，也从“世界应当采用哪一套规则”转向了“不同规则如何在现实中顺畅衔接”。

这一尝试展现了联合国治理模式中少有的新意。过去，多边机制更倾向于生产原则与凝聚政治共识；瓦伦西亚实验室则将目光投向治理的运行机制本身。它承认人工智能治理是一场持续的制度调试。

在规则落地的阶段，谁能率先将抽象原则转化为日常流程，将跨国分歧转化为可管理的摩擦，谁就更可能在下一阶段的全球 AI 治理中掌握实际影响力。

04 经验为何比规则更容易流动

进一步而言，瓦伦西亚实验室的吸引力，源于一个现实判断：全球人工智能治理短期内很难通过一套统一规则完成。各国固然可以在原则层面认同安全与透明，但一旦进入政策执行，关于风险认定边界、模型信息披露颗粒度、以及开发者与采购方责任划分的分歧就会迅速浮现。

分歧的根源在于各国治理条件的差异。少数技术领先国家拥有充足的研究机构、监管人才与评估能力，足以支撑复杂的制度设计。但对于多数国家而言，现实中面临着技术监管人员匮乏、评估工具缺失等基础性瓶颈。它们并非缺乏治理意愿，而是缺少将原则转化为落地政策的能力。

面对这种能力鸿沟，具体的实践经验就体现出了先行价值。对治理资源有限的国家而言，直接观察、借鉴其他国家和行业现行的路径，远比从零开始设计制度更加务实。哪些风险分类便于执行，哪些披露要求成本过高，哪些看似完整的制度最终流于形式，这些经验只能在跨国比较和试错中沉淀。

人工智能技术的迭代速度，也放大了这种实践学习的必要性。传统的国际规则制定往往依赖漫长的谈判，且需经过繁琐的国内立法程序才能最终生效。然而，AI 的应用场景与风险形态可能在数月内发生剧烈变化。等待全球统一规则成熟，往往意味着治理决策永远滞后于技术现实。相比之下，一个能持续汇集案例、更新工具的平台，虽然缺乏正式条约的强约束力，却能更敏锐地贴近技术变化的节奏。

此外，务实的实践合作更容易在特定议题上凝聚共识。各国或许难以在宏大的统一法律上达成一致，却完全可以围绕具体问题交换治理经验。例如，如何保护儿童免受生成式内容的潜在伤害、如何评估公共部门使用算法的风险、如何规范第三方模型的供应链漏洞。这些议题切口足够具体，能够有效绕开一部分复杂的宏大政治分歧。

因此，瓦伦西亚实验室提供了一条更容易启动的次优治理路径。它从具体问题、行业案例与政策工具入手，让不同国家在保留自身制度选择的同时，能够维持跨境的沟通、比较与协调。在一个高度分裂且快速变动的治理环境中，这种实践导向的安排，恰恰构成了它最现实的吸引力。

05 最佳实践的政治学

强调实践，确实切中了全球人工智能治理“原则过载、落地不足”的痛点。然而，从分享经验到真正改变各国的政策环境，期间仍存在难以跨越的鸿沟。瓦伦西亚实验室能够帮助各国理解异质化制度的运转逻辑，却无法自动补齐落实这些制度所需的人才、资金与监管能力。

对资源有限的国家而言，核心瓶颈往往并非缺乏政策指南，而是能够理解复杂 AI 系统的专业人员，以及用于测试、审计与执法的技术基础设施。若能力建设未能同步推进，实验室总结的实践经验最终可能仅被条件优渥的国家采纳。治理知识的广泛传播，并不意味着治理能力差距的实质缩小。

这也直接关乎治理的代表性。当前全球 AI 治理不仅存在协调不足，也存在参与失衡的问题。技术领先国、大型科技企业与资源充足的研究机构，往往更容易主导国际议题，并将其自身经验包装为全球推广的样本。相比之下，发展中国家、中小企业以及受 AI 系统影响的普通公众，在定义核心问题时往往缺乏话语权。

如果实验室无法确保广泛且实质性的参与，“全球最佳实践”就可能沦为少数技术强国与巨头企业经验的国际化。这些经验的有效性，普遍建立在充足的财政资源、成熟的监管体系与强大的产业基础之上。将其直接投射到治理条件迥异的国家，非但无法解决实际问题，反而可能制造新的制度压力。

更重要的是，“最佳实践”并非天然中立。一项治理办法的有效性，取决于特定国家或地区的价值排序与权力分配。美国重视创新速度与国家竞争力，欧盟强调基本权利与合规责任，中国则聚焦平台责任、社会治理与国家安全。

对于不同的治理体系，同一种政策工具也可能被赋予截然不同的意义。企业信息披露的颗粒度、政府对模型数据的访问权限、公众对自动化决定的拒绝权、以及损害发生后的责任认定，这些本质上都是政治冲突，无法被单纯转化为技术管理问题。实践合作可以减少误解，却无法消弭分歧，更不能将所有路线冲突都归结为“执行方式的差异”。若过度将分歧技术化，实验室恐将回避全球 AI 治理中最核心的命题：谁拥有定义风险的权力，谁来承担治理成本，谁又是规则的最终受益者。

实验室的非强制性特征，决定了其政策效果存在不确定性。作为一个依靠会议、案例网络与政策工具提供支持的平台，它无权要求主权国家修改法律，也无法强迫企业改变行为。一些利益相关方可能乐于参与研讨、分享经验，却未必愿意接受更严格的外部审计或更明确的法律责任。

在缺乏清晰执行与反馈机制的情况下，实验室容易产出大量的讨论与报告，却难以证明这些成果真正转化为各国政策或企业实践。因此，评估其成败的指标并非会议频次或文件数量。核心的衡量标准在于其经验能否被国家政策吸收、能否切实帮扶资源匮乏的国家、能否促进不同制度间的互操作性，以及公众的受保护程度是否得到实质改善。

最后，必须警惕一种更隐蔽的倾向：实验室式治理可能成为回避硬性规则的替代品。尽管经验分享与政策试点比正式规则更容易获得接受，且更契合技术快速变化的节奏，但如果国际社会长期沉溺于灵活合作，而不去直面企业责任、权利救济与高风险系统约束等具备硬度的议题，实践平台就可能演变为推迟艰难决策的挡箭牌。

瓦伦西亚实验室最大的优势在于灵活，最大的风险亦在于灵活。它可能让全球 AI 治理显得更加活跃且贴近技术现实；但它若无法触及能力、资源与责任分配上的不平等，这种活跃就极易停留在表面。真正的问题在于，它的作用最终是服务于更具包容性的全球治理能力建设，还是仅仅将少数强国与科技巨头的既得经验，转化为新的国际参考。

06 治理正在学习治理

瓦伦西亚实验室的标志性意义，在于明确了全球人工智能治理的重心转向：各国的竞争核心已从价值目标的务虚讨论，演变为“落实能力”的务实博弈。

随着人工智能深度嵌入金融、医疗、工业及公共服务等现实场景，规则的重点在于如何将安全、透明、公平与问责等原则，转化为可执行、可审计且具备动态调校能力的制度安排。原则必须真正嵌入监管流程、企业内控责任与公共监督机制，才可能实质性地规范技术运行。

从这个维度看，联合国通过瓦伦西亚实验室推动实践交流，是一次具有现实价值的尝试。它为不同主权国家与行业提供了一个比较治理成本、识别政策摩擦、共享操作工具的平台，有助于资源有限的国家加速理解 AI 治理的落地路径。

然而，多边框架下的实践平台无法替代实质性的国家监管，也无法自动抚平全球治理中的资源鸿沟与政治分歧。实验室的实际效能，最终取决于其产出的政策工具能否被各国法律吸收，能否切实帮助脆弱国家构建治理能力，以及能否将企业责任和公众保护固化为刚性制度。全球人工智能治理的下半场，关键指标在于谁有能力将共识转化为落地的现实。

编译｜陈沛羽，林成丰，王家正

排版｜余沁兰

审核｜智库编审委员会