全球AI伦理文件已超百份，公平、透明、安全、可控被反复书写，落地却常停在宣言层——原则回答不了谁来审、怎么审、出事追谁。中国人民大学人工智能治理研究院《人工智能伦理治理研究报告》的切入点是：把原则转译为治理工具。它给出的不是又一份原则清单，而是一套可落地的制度工具——风险分级、算法审计、模型评估、内容标识、伦理审查、事故报告、责任追溯，并在此框架下系统梳理治理对象、十大议题与全球路径。

治理对象已从算法变成系统

报告首先界定治理对象。AI伦理要面对的不是孤立算法，而是数据、模型、平台、应用场景、社会后果彼此缠绕的社会技术系统。AI已进入信息分发、风险判断、资源配置、劳动管理、教育评价、亲密互动乃至军事决策，成为社会运行的基础性中介，治理思路要从纠正一个模型转向治理一套系统。伦理风险贯穿三个环节：数据是被选择过的，历史偏见随样本进入模型；模型优化只盯着准确率和转化率，公平、隐私不会写进训练目标；部署后环境变化，性能衰减与判断偏离难以避免。风险是结构性的，归咎于个别使用者的操作失误是低估了问题。

十大议题：从公共事实排到军事化

报告提炼十大核心议题，排序内含一条线索：先信息和数据——生成式AI与公共事实、版权与训练数据、数据隐私与人格画像、算法偏见、透明与问责；继而关系、教育与劳动——AI亲密、AI教育、AI劳动；最后进入基础设施与国际安全——基础模型安全、AI军事化。议题边界的变化值得注意：AI伴侣的情感依赖、教育AI的认知能力外包、生成式AI对认知劳动的冲击，几年前还不在政策讨论范围，已成需要制度回应的日常议题。

三条路径，可借鉴的是工具

报告比较全球治理路径的态度务实。欧盟以基本权利保护为基础、风险分级为方法、硬法合规为工具；美国以NIST风险管理框架为代表，强调创新优先与自愿性标准化；中国则发展与安全并重，由八条治理原则、伦理规范、科技伦理审查、算法推荐、深度合成、生成式AI、拟人化互动等专项规则构成组合式框架。没有哪条路径是标准答案，值得取用的是具体工具：欧盟风险分级的制度清晰性、美国风险管理框架的可操作性、国际组织原则的包容性。中国的下一步是停止堆叠文件，把已有规则衔接成从审查到审计、从备案到持续监测的完整链条。

中国路径的三层结构

报告给出的原则—阐发—嵌入三层框架：国家层面八条治理原则定方向，马克思主义伦理与科技审度观提供思想阐释，伦理嵌入（将技术道德化）作为执行路径。马克思主义伦理把AI放回政治经济学视野，追问技术收益与风险在谁之间分配；科技审度承认技术发展意义的同时，审慎考察其内在逻辑与社会后果；中华传统文化中的仁爱、和合、中庸等资源，经创造性转化可成为脆弱群体保护、协同治理、价值权衡的原则。落到操作层面，价值嵌入发生在数据采集、标注、模型训练、目标函数、推荐排序、交互界面、审计日志、事故处置等环节——伦理长在系统内部，而不是贴在外部标签上的装饰。

制度建议的落点：把文本变成能力

十项政策建议指向同一落点。风险分级把应用分为禁止、高风险、敏感、一般、鼓励创新五类，避免一刀切；第三方算法审计解决企业自查难以建立社会信任的问题；基础模型需要发布前安全评估、能力分级与红队测试；AI亲密与心理健康应用须明确非人标识、防止情感操控；教育AI要保护儿童数据、重构评价体系，防止教育被还原为答案生产。这些工具的共性，是让伦理问题可识别、可评估、可追溯、可纠正。

收尾处报告亮出立场：伦理治理是负责任AI的构成性条件——伦理评价内在于技术评价，关乎社会信任。治理的目标是给速度以方向、给创新以边界。当AI从工具演变为社会基础设施，技术发展的正当性，终究由它是否尊重人的主体性、增进人民福祉来证明——这是整份报告最想传递的判断。

本文基于中国人民大学人工智能治理研究院《人工智能伦理治理研究报告》（2026）撰写，详细内容请查阅原文。