2024年7月3日，2024中国数字经济发展和治理学术年会在清华大学成功举办。本届学术年会聚焦“数据要素、人工智能与数智时代的理论创新”，邀请国内外40余位专家、学者及机构代表进行主旨演讲和交流。来自清华大学、北京大学等高校和数字经济相关科研机构及企业代表共400余人出席线下会议。会议通过多个平台同步直播，当天信息浏览量超过十万人次。我们特别整理“演讲精粹系列”，将与会嘉宾演讲和对话内容中的主要观点分享大家。本文为“演讲精粹系列三：人工智能发展与治理”。
中国科学技术大学管理学院执行院长、国际金融研究院院长、科技商学院执行院长叶强教授主持了大会三。叶强教授指出，随着人工智能技术的不断进步和广泛应用，它不仅极大地推动了数字经济的快速发展，而且在社会治理、产业升级、公共服务等多个领域发挥着越来越重要的作用。然而，随之而来的伦理、法律、安全等问题也日益凸显，成为我们必须面对和解决的新课题。大会三邀请到了相关领域多位著名专家学者，围绕“人工智能发展与治理”这一主题，分享他们在这个领域的最新的研究成果和深度思考。
叶强教授主持大会三
西南政法大学党委副书记、校长林维以《人工智能的发展对法律的挑战》为题，围绕人工智能时代下的法律问题进行深入探讨。法律变革视角下，人工智能这一高度智能化属性的科技在过去的历史当中前所未有，由此引发了传统法律制度在三个方面的变革：一是人工智能与法律关系、二是人工智能与法律价值、三是人工智能与法律应用。法律挑战视角下，近年来人工智能的运用也引发了不少法律挑战，典型问题包括深度伪造与刑事治理、自动驾驶与侵权责任、生成式AI与著作权保护、司法人工智能与裁判权力、生物识别与数据安全等。立法展望视角下，当前我国人工智能立法呈现出地方式、场景式的特点，缺乏国家层面的法规和综合性、一般性的规定。人工智能的立法正当其时，应当抓住人工智能立法的宝贵契机、高举科技向善旗帜、回应产业发展需求，要重视由此引发的法律挑战，通过立法为人工智能的发展保驾护航，让人工智能更好地造福人类社会，服务国家发展。
林维教授作主旨演讲
中国科学院大学经济与管理学院院长、香港大学金融研究中心荣誉教授、中国科学院预测科学研究中心执行主任洪永淼从经济学的视角，围绕数据要素和数据经济学，以《数据要素与数据经济学》为题进行了精彩演讲。在数字经济时代，绝大多数经济活动均由数据驱动，数据成为最重要的生产要素。在中国，数据要素市场化配置已上升至国家战略，数据经济学也相应成为一门重要的新兴学科。从数据及其产生过程来看，数据的本质是信息与知识的载体，数据供给对应于数据产业链，涉及数据收集、数据存储、数据分析、数据应用等环节。根据数据生成来源的不同，可将数据划分为个人数据、企业数据和公共数据。从数据的自然属性与经济特征来看，数据具有虚拟性、非消耗性、非排他性、时效性、低信噪比、高流动性六大自然属性，同时表现出规模经济性、要素互补性、场景依赖性、经济价值衰减性、确权模糊性、经济外部性六大经济特征。从数据要素的价值创造与转移过程来看，从原始数据形成到数据要素价值释放需要经历数据要素化和数据要素应用两大过程。作为一种新的生产要素，数据要素具有一些不同于传统生产要素的重要特征，这些特征使得数字经济具有新的经济形态和新的运行规律，给学界提出了很多新的理论挑战，值得进一步深入研究。
洪永淼教授作主旨演讲
上海交通大学国际与公共事务学院院长、中国城市治理研究院常务副院长、教育部长江学者特聘教授吴建南从人工智能安全治理规则体系建设的视角，以《人工智能安全治理规则体系：从“三国演义”到“同舟共济”》为题进行了精彩演讲。人工智能在备受期待的同时，也存在潜在的安全风险。在我国，党和国家领导人持续关注人工智能安全治理，强调人工智能规则治理。由此，吴建南教授提出了两个主要的研究问题：第一，不同国家和地区人工智能安全治理的规则是什么？有何异同？第二，从协同发展出发，如何进一步推动全球人工智能安全治理？目前，美国、欧盟和中国都形成了各自的人工智能安全治理规则体系，但三者之间存在许多差异。伦理原则方面，欧美更突出“个人权益”，而中国更强调“集体价值”。风险认知方面，美国形成了体系化的风险管理框架，欧盟强调场景风险分级及其分类控制，中国强调人工智能的细分领域，但对系统性风险认识仍待强化。治理结构方面，美国强调跨部门与跨层级协同，欧洲强调区域内国家之间协同，中国由国家科技体制改革和创新体系建设领导小组统筹协调，实现政府、企业、智库等主体协同。对三者进行梳理，可以发现，美国的治理模式可以概括为“在发展中求安全”，欧盟的治理模式可以概括为“在安全中求发展”，中国的治理模式可以概括为“统筹发展与安全”。总结来说，在全球人工智能安全治理协同合作方面，中国作为一个已经站立在世界舞台中央的大国，在其中主动作为，展现出了领导力和担当。但是，实现全球人工智能安全治理的合作发展仍然是一项困难的任务，未来可以从形成全球AI安全协同治理的催化领导、加强全球AI安全协同治理的制度建设、夯实全球AI安全协同治理的协同过程等方面，构建全球人工智能安全的协同发展进路。
吴建南教授作主旨演讲
中金研究院院长、中金公司首席经济学家、研究部负责人彭文生从人工智能经济价值的视角，以《AI经济学：规模新经济》为题进行了精彩演讲。首先，从规模定律与通用技术的视角，随着人工智能技术的通用性水平越来越高，AI与产业的结合能够形成规模经济效应，从内部和外部提升生产力水平。产业方面，供给侧科学研究的突破让AI突破了S型曲线的第一拐点，但需求侧的产业化应用是下一阶段发展的关键，中国在AI产业化和产业AI化进程中均具备规模优势，但需考虑能耗问题和数据门槛效应可能带来的限制。第二，对于治理视角下的AI，我国的数据生产和数据流通的规模还比较小，和美国尚有较大差距。解决方案主要涉及三个方面：一是需要考虑隐私问题和知识产权保护问题与数据交易成本的权衡；二是针对不同类型的数据，采用不同的策略促进数据流通；三是需要考虑场内交易或场外交易的形式对数据流通的影响。第三，对于国际视角下的AI，本轮技术革命可能带来国家实力的分化，中国和美国分别在人口和资本层面具有规模优势，以美国、中国为第一梯队的全球AI竞争格局初露端倪。近年来，中国对AI顶尖人才的吸引力逐渐增强，但大型科技企业的投资不足。第四，对于宏观视角下的AI，人类任务按通用功能可以划分为16个独立互补的元任务，可以针对每种任务评估AI替代的成本和效益，从而测算AI的经济影响。各个行业中各个元任务的时间分布也有所不同，导致AI在对劳动力供给结构的冲击和对行业生产效率的提升中表现出差异。AI对劳动力的替代和赋能可能导致摩擦性失业的情况，但历史上看不存在因技术进步导致的大规模失业，政策的支持和引导也会影响生产关系和劳动力收入比例。此外，科技进步本身也能促进社会保障制度的完善。
彭文生院长作主旨演讲
清华大学计算社会科学与国家治理实验室教授、执行主任，北京国际数字经济治理研究院院长，年会主席团秘书长孟庆国以《“Al 大模型 + 政务”的现状、趋势与思考》为题，从政府应用视角探讨了各国当前AI大模型发展的基本情况。首先，孟庆国教授指出AI大模型的出现为国家战略落地实施提供了巨大的机遇，其超强的适应力为多政府场景智能化提供了技术可能。同时，国内外基于政府场景的大模型应用正在快速兴起：美国、欧洲、日本等地将主要基于传统治理场景进行大模型嵌套，以改善政府治理的水平。而我国政务大模型发展呈现出速度更快、场景更多元、成熟度更高的特征。其次，他指出国内外政务大模型尚不成熟、存在6方面问题：一为政府知识的管理落后，二是算力约束和重复建设，三为数据安全性制约，四为政务权威性、精准性与大模型幻觉问题、不可解释性间的矛盾，五为应用监管难题，六为认知局限和政策设计缺陷。然后，他认为国内外诸多探索、应用为我国政务大模型发展提供了四方面经验借鉴：一为政务数据和政务知识管理具有重要意义；二为政务大模型需要进行体系化建设；三为大模型主要起辅助性作用；四为工程化技术路径具备可行性。最后，他提出政务大模型赋能政府能力提升的四方面路径：一为建立政企深度合作的新型政商关系；二为统筹推进算力体系建设；三为推进政府知识管理高效化；四为转变发展思维和强化政策引领。
孟庆国教授作主旨演讲
清华大学智能法治研究院院长、法学院教授申卫星以《数据产权的力度与限度》为题，围绕数据权属问题进行讨论。首先，申卫星教授从程序和实体两个方面驳斥了来自经济学和法律学反对数据确权的观点。他认为产权清晰是市场经济发展的一个基本前提，数字经济作为市场经济的重要组成部分，不应该有任何的例外。其次，他指出数据确权可以避免数据的“公地悲剧”。基于分权理论可以将数据权力分为由数据来源者、用户拥有的数据所有权和由数据处理者的平台拥有的用益权两大类，并按照“细化数据20条-推动相关立法”的路径实现政策语言向法律语言的转化。最后，他指出为了防止“反公地悲剧”的发生，需要对数据产权要进行必要的限制：一为强调数据和信息的差异性；二为建立使用知识产权的制度约束，如合理使用、法定许可、强制许可等。
申卫星教授作主旨演讲
北京大学国家发展研究院教授、北大数字金融中心副主任沈艳以《人工智能在数字金融中的应用》为题，围绕人工智能在金融领域的应用问题进行探讨。一方面，沈艳教授介绍了数字金融在人工智能领域中的应用情况，指出数字客服、信贷、量化投资、资产管理和智能投顾是主要应用场景。同时，她认为人工智能在改善触达性、提高效率、提升风控能力、增强金融安全性等方面具有创新作用。另一方面，她指出人工智能的数字金融应用需要三方面挑战：一为算法局限性的问题，AI算法对规律的模糊掌握和不确定性对金融市场安全具有严重威胁；二为数据的局限性，数据造假、数据失真、数据低质量会制约大模型的准确性；三为算法安全和算法监管问题，“奶奶漏洞”的存在、算法审计困难等容易滋生金融犯罪。总体而言，目前人工智能在客户服务和数字信贷的数字金融应用中较为成熟，量化投资和智能投顾方面，目前尚处于初级阶段，还存在较多争议。
沈艳教授作主旨演讲
北京国际数字经济治理研究院执行院长、ICMA智联出行研究院院长何姗姗以《全球人工智能法律规制研究及北京实践》为题，围绕人工智能法律规制的全球趋势和北京的实践案例进行探讨。首先，何姗姗教授比较了欧洲、美国、中国的人工智能监管模式，认为欧洲围绕数据保护、消费者保护、产品安全等多方面积极推进对人工智能进行规制，形成了欧洲人工智能法案，并基于监管沙盒提出了禁止性AI实践、高风险以及其它三大类风险。美国模式更加关注实践，但并未在联邦政府层面形成共识，规则也较为模糊。以拜登政府提出的AI行政令中11项行动为例，更加关注AI价值观的推进和海外领导力的领先。中国则更加青睐统筹创新+安全并重的模式，注重设计问责和应用监督并重。其次，她指出北京基于监管沙盒积极推进人工智能治理，大力推进监管沙盒机制设计、监管咨询、管理运营、技术保障等。最后，她提出发展人工智能的三方面建议：一为企业应当加强AI治理框架建设；二为积极探索AI沙盒监管模式；三为探索相对灵活、利于企业创新的管理模式。
何姗姗女士作主旨演讲
清华大学公共管理学院教授张楠主持了大会三与谈环节，厦门大学经济学院和王亚南经济研究院教授蔡熙乾，蚂蚁集团研究院院长李振华，腾讯研究院首席经济学顾问吴绪亮，清华大学经济管理学院金融学助理教授祝武，中国人民大学经济学院助理教授邝仲弘围绕“人工智能带来最大的挑战是什么”“我们以什么样的思路和方法去做应对”等热点问题，进行了跨学科的热烈讨论。
蔡熙乾教授指出，由于人工智能是基于人类社会的大量数据进行学习的，而人类社会的数据本身具有一定的偏见和歧视，进而会导致人工智能的偏见和歧视问题。人们往往会关注观点上的歧视，并由此纠正偏见性的歧视，但却可能忽略事实上的歧视，导致统计性歧视的问题。关于人与机器的合作问题，蔡教授用错题APP举例说明，科技确实能提升学习效率，但也可能损害学生自主学习的能力，需要考虑以人为本的问题。针对这些问题，或可从跨学科分析、国际共识、建设动态监管框架等三方面考虑解决方案。
李振华院长认为，当前我国人工智能和大模型在产业当中的应用，相较国外仍有差距。发展层面，从AI大模型的企业采购收入、人工智能领域投入度、产业估值等指标的中美对比情况来看，中国在这些方面相比美国仍有较为明显的落后，需要在产业领域快速推动应用。治理层面，这一轮AI大模型的本质是对知识体系和知识接收模式的重塑，这一过程会对人力资源和就业产生影响。要让技术发挥造福人类的作用而非取代人类，需要配合社会制度的变革，以及就业和教育方向的转型，从而减少其中的震荡，是一个重要的难题和挑战。
吴绪亮先生认为目前最大的挑战和危险是我们过于夸大人工智能潜在的危险，19世纪“卢德运动”的经验表明，我们需要更加理性看待人工智能在生活端、产业端的作用和影响，当前的治理模式和态度需要回归理性。未来应对人工智能带来的挑战，高校需要注重学术差异化、实践性能力的培养。
祝武助理教授认为AI的出现可能会提升工作效率，但并不一定会减少工作时间。同时，现实中AI可能更容易取代个人兴趣爱好和造成失业，而非代替人们从事耗时耗力的工作。在人才培养方面，高校应当更加关注对学生所学知识向深度和广度拓展。
邝仲弘助理教授认为在学术研究领域人工智能的优势具有局限性，如ChatGPT可能在语言处理等方面有一定优势，但对于文章结构等并无明显提升。同时还存在算法定价、算法合谋、反垄断的监管问题。未来适应未来人工智能带来的改变，高校应当积极提升学生基本素养和综合素养。
大会三与谈
中国数字经济发展和治理学术年会是全球数字经济大会的一个重要版块，由全球数字经济大会组委会联合清华大学、北京大学等13所高校及有关机构共同发起，旨在成为中国数字经济领域学术交流的重要平台和学术网络，通过汇聚国内外顶尖专家学者聚焦数字经济发展与治理中的前沿问题，开展基础性、理论性和前瞻性的研讨，共同探索构建中国数字经济自主知识体系，共同谋划中国数字经济发展与治理的新篇章。
大会三现场
