孫占卿：巨獸出籠——人工智能安全風險與發展式治理

IPP評論是國家高端智庫華南理工大學公共政策研究院（IPP）官方微信平臺。

導語：

要馴服一頭龐然巨獸，使其融入人類的生產與生活，除長久的謹慎與耐心外，還需要一套穩固可靠的“馴獸術”——一邊思考駕馭，一邊謀求共生；一邊提供空間，一邊抓緊韁繩。這與我們當下面對人工智能的處境何其相似。

如今，人工智能正從單一的技術工具，迅速變為融入經濟與社會運轉的基礎設施。它調度交通、驅動金融交易、影響輿論傳播，并日益融入公共安全管理和基層治理。伴隨這種轉變，其引發一系列風險往往也不再是孤立事件。一次金融風控模型的算法偏差，可能瞬間蔓延至資本市場，引發系統性恐慌；一段深度偽造的視頻，足以在短時間內攪動輿論，左右公眾判斷；自動駕駛一旦失靈，可能引發保險、物流乃至城市治理的連鎖反應。

IPP特約研究員、廣州市社會科學院城市治理研究所副所長孫占卿認為，阿西莫夫描繪的“智能反叛”可能正在走出科幻：生成式人工智能正速度改變世界，而治理和倫理框架卻未能跟上。網絡攻擊、深度偽造、算法歧視、軍備競賽……AI正在多維度重塑公共安全版圖。要馴服這股力量，關鍵不是按下暫停鍵，而是在持續發展中打造一套有韌性、夠敏捷、能協同的全球治理體系，用動態風險管理和國際共識為未來護航。

阿西莫夫在小說《莎莉》中描述了一輛自動巴士因為受到粗暴對待，造反殺死了自己的主人吉爾宏的故事。這可能是人類第一次意識到人工智能可能忤逆人的意圖，并由此誕生了“機器人三大法則”?，F代人工智能，尤其是生成式人工智能的到來，迅速顛覆了人們對人工智能的倫理想象，并確立了新的思路：

與其將安全希望寄托在人工智能身上，不如把安全規則建立在人類開發行為中。

在阿西莫夫看來，技術背后真正的風險多源于人的動機與制度缺陷。圖源：Getty Imagies

一、AI安全問題已迫在眉睫

與技術的高速演進相比，人工智能安全機制、倫理規范和治理框架發展相對滯后，已經形成了危險的“治理赤字”。

斯坦福大學人類中心人工智能研究所（Stanford HAI）發布的《2025AI指數報告》指出，2024年全球人工智能總投資額高達2523億美元，較2023年增長25.5%。僅以領軍企業OpenAI為例，其2025至2029年預計現金支出就將達到1150億美元。這表明人工智能已經成為驅動全球經濟的核心引擎。指數級的資本注入轉化為驚人的行業滲透率，全球有78%的組織報告稱在2024年使用了AI。在2023的時候，這一數據僅為55%。

《人工智能全球治理上海宣言》（以下簡稱《上海宣言》）指出：

“隨著人工智能技術快速發展，我們也面臨前所未有的挑戰，特別是在安全和倫理方面”。

對人工智能公共安全風險進行系統性、前瞻性的評估與治理，已經變成維護社會穩定與未來發展的當務之急。

2024世界人工智能大會暨人工智能全球治理高級別會議開幕式上，上海向全球發布了《人工智能全球治理上海宣言》。圖源：新華社

二、AI帶來了新型公共安全風險

人工智能正在打破網絡安全與物理安全之間的傳統界限，催生了形態多樣、影響深遠的新型公共安全風險，意味著公共安全治理體系必須打破原有部門壁壘，推動網絡安全、交通安全、能源安全等領域的深度融合，重構專業知識體系和應急響應機制。

（一）技術應用層：新的安全威脅不斷“涌現”

在技術應用層面，人工智能正被用于構建和放大傳統安全威脅。

一是網絡與信息安全風險。

人工智能技術普及極大地降低了網絡攻擊和虛假信息制造的門檻，同時顯著提升了其復雜性和破壞力。一方面，AI被用于武器化的網絡攻擊。生成式AI可以被用來創造惡意軟件，這類軟件能夠實時改變其代碼以規避傳統的病毒檢測系統，并能自動化地發現和利用系統漏洞。

另一方面，AI驅動的大規模虛假信息和認知作戰正成為突出現實威脅。利用深度偽造（Deepfake）等技術，攻擊者可以生成高度逼真的音視頻內容，用于實施精準詐騙（如香港發生的涉案金額高達2500萬美元的深度偽造詐騙案）和操縱公眾輿論。

“深度偽造技術”（Deepfake）基于AI人工智能技術進行人體圖像合成。近年在國內外已出現多起相關詐騙案件。圖源：央視新聞

世界經濟論壇的《全球風險報告》已連續兩年將“錯誤信息和虛假信息”列為未來兩年全球面臨的最大風險，并明確指出AI是其主要驅動因素。

在2024年，AI生成的虛假與誤導信息被認為是僅次于極端天氣的全球重大風險。圖源：World Economic Forum

二是物理世界安全風險。

人工智能技術正從數字空間溢出到物理世界，直接關系到人身與財產安全。

首先，自主系統的安全事故頻發。以自動駕駛汽車為例，盡管技術不斷進步，但其在復雜真實世界環境中的感知、決策和執行環節仍存在缺陷。美國國家公路交通安全管理局（NHTSA）和加州車輛管理局（DMV）的事故報告顯示，自動駕駛系統在特定場景下存在缺陷，且各地的事故報告標準不一，增加了風險評估和監管的難度 。

其次，致命性自主武器系統帶來了嚴峻的倫理和安全挑戰。聯合國裁軍研究所（UNIDIR）的研究報告指出，自主武器系統可能壓縮人類決策時間，增加誤判和沖突意外升級的風險，并對如何確?！坝幸饬x的人類控制”提出了根本性質疑，凸顯了其對全球戰略穩定的潛在顛覆性影響。

聯合國新聞網站（UN News）發布評論指出，自主武器帶來程序失誤、惡意軟件入侵等高危隱患。圖源：路透社

三是生化與核安全風險。

人工智能的“雙刃劍”效應在生化安全領域尤為突出。為藥物研發等良性目的設計的AI工具，可能被惡意行為者濫用，用于設計新型毒素分子或增強病原體的毒性與傳播性，也可能被用于開發新型武器。這種“雙重用途”困境使得傳統的出口管制和材料監控措施的效果大打折扣。

歐盟在其《人工智能法案》中已將化學、生物、放射性和核（CBRN）威脅明確列為高風險AI系統需要評估的“特定風險” 。同樣，美國的相關行政命令也強調，需評估和減輕前沿模型被用于制造生化武器風險的重要性。

澳大利亞悉尼大學研究團隊開發出一種生物AI系統，可在幾周內創造出具有新功能的分子，為藥物研發帶來突破性進展。圖源：路透社

（二）社會治理層：侵蝕公共秩序與社會公平

在社會治理層面，人工智能的不當應用可能侵蝕社會公平正義的基石，挑戰公共秩序的穩定性。

1.算法歧視與司法不公

在司法和執法領域，算法的不透明和數據偏見可能固化甚至放大社會不公。例如，“預測性警務”系統如果使用帶有歷史偏見的逮捕數據進行訓練，可能會將警力過度集中于特定族裔社區，從而形成“數據污染—算法偏見—歧視性執法—更多偏見數據”的惡性循環。

最具代表性的案例是美國非營利新聞機構ProPublica對COMPAS算法的調查。該算法被用于美國多個州的法院，以評估被告的再犯風險。調查發現，COMPAS在預測準確率上對不同族裔看似“公平”，但在錯誤率上存在顯著的種族偏見：它將未再犯的黑人被告錯誤地標記為“高風險”的概率，幾乎是白人被告的兩倍。此案例深刻揭示了不同數學“公平”定義之間的沖突，以及算法偏見在現實世界中造成的實質性傷害。

ProPublica的調查中，COMPAS算法系統性地偏向于將黑人被告判定為高風險，而更頻繁將白人被犯低估為低風險。
2. 隱私侵犯與社會監控

人工智能與傳統治理手段的結合，放大了治理行為的活動空間和深度，以目前被廣泛用于公共安全領域的人臉識別等生物識別技術為例：自動拍攝、自動識別的使用極大擴張了原識別的范圍和對象，引發對個人隱私和公民自由的嚴重關切。

聯合國人權事務高級專員辦事處警告稱，無處不在的監控可能對人們的隱私權、集會自由和言論自由產生寒蟬效應，最終侵蝕民主社會的根基。為此，歐盟《人工智能法案》對執法部門在公共場所使用實時遠程生物識別系統采取了原則上禁止、對待例外情況極其嚴格的規定，旨在遏制其滑向大規模社會監控的風險。

據路透社近日報道，許多公司對遵守《人工智能法案》的合規成本和嚴格要求表示擔憂。圖源：路透社

3. 關鍵基礎設施脆弱性

人工智能系統正被深度整合到能源、金融、交通、通信等國家關鍵基礎設施中，這在提升效率的同時也造成了新的脆弱性。未來這類系統不僅面臨外部網絡攻擊的風險，其自身的復雜性和“黑箱”特性也可能導致難以預料的故障或錯誤。

一次針對AI控制系統的網絡攻擊，或一次算法的意外失效，都可能引發長鏈條反應，導致物理世界的服務大規模中斷。目前多個國家已明確要求負責關鍵基礎設施的政府機構全面評估并防范AI相關風險。

上述當前已顯現的風險及其特征并不是挑戰的全貌，它們預示著，隨著人工智能的持續演進，公共安全治理體系將面臨一系列更為嚴峻的長期性與結構性挑戰。

三、人工智能對公共安全體系的結構性挑戰

除了當前已顯現的風險，人工智能的持續演進還將從更深層次、更廣范圍對公共安全體系構成長期性和結構性的挑戰。

（一）戰略失衡：加劇的大國競爭與軍備競賽

人工智能的軍事化應用正成為大國地緣政治競爭的焦點，尤其是在中美之間。蘭德公司等研究機構的分析指出，將AI整合到軍事指揮、情報分析和武器系統中，將極大地壓縮決策時間窗口，但同時也會增加誤判和沖突意外升級的風險，從而可能破壞長期以來形成的戰略穩定。

這種圍繞“算法優勢”展開的新一輪軍備競賽，不僅投入巨大，而且各國形成的高度自主的智能系統，其行為邊界和可靠性難以預測，給危機管控帶來了前所未有的復雜性。

另外，與傳統軍備競賽不同，AI技術的擴散速度更快、成本更低，這使得一些非國家行為體也能獲得強大的非對稱能力，對傳統大國制衡的國際安全格局構成復雜挑戰。

（二）治理赤字：技術迭代與法規建設的“剪刀差”

人工智能技術的指數級發展速度與政策法規的線性演進速度之間形成巨大的“剪刀差”。斯坦福大學的研究表明，前沿模型的評估基準和方法嚴重缺乏標準化，同步廠商各自為政，使得對不同模型的風險進行系統性比較極為困難。

更深層次的挑戰在于，AI系統的“黑箱”特性，以及大模型動輒數百億參數的規模使得其內部工作機理難以被解釋，甚至其開發者都無法完全理解其所有行為。這給監管機構帶來了巨大難題：不僅包括在制度層面，如何在不完全理解技術的情況下，設計出既能有效防范風險又不過度扼殺創新的、基于證據的法規；還包括在執行層面，如何甄別人工智能產品的安全性和合法性。這種知識上的不對稱導致治理往往依賴于企業的自愿承諾，而對于事關公共安全的高風險領域，這種軟性約束可能遠遠不夠。

（三）社會韌性沖擊：大規模失業和社會結構變遷

人工智能對勞動力市場的沖擊不僅是一個經濟問題，更是一個深刻的公共安全問題。世界經濟論壇、國際貨幣基金組織（IMF）等機構的報告預測，AI可能導致全球數億個工作崗位被取代或重塑。

IMF的分析指出，在發達經濟體中，高達60%的工作崗位將受到AI的影響。這種由技術驅動的大規模、快速的結構性失業，可能催生一個龐大的“AI不穩定無產者”階層，他們不僅面臨收入損失，更可能失去職業認同感、社會歸屬感和生活目標。

歷史經驗表明，大規模失業和社會疏離感的蔓延是社會不穩定的溫床，可能導致犯罪率上升、極端主義滋生、社會凝聚力下降，從而給公共安全和治安管理帶來巨大壓力。

示威者在舊金山OpenAI辦公室外抗議人工智能。圖源：紐約時報
（四）社會信任崩塌：AI深度偽造可能造成信息紊亂

以深度偽造為代表的AI生成內容技術，正以前所未有的能力大規模制造足以亂真的虛假信息。這使得公眾、媒體甚至專業機構辨別真偽的難度呈指數級增長，從根本上動搖了“眼見為實”的認知基石。當事實與虛構的界限模糊，社會共識的基礎便會瓦解，這直接威脅到社會治理的有效性，甚至政治選舉等活動的嚴肅性。蘭德公司和世界經濟論壇等機構均對此發出過嚴重警告 。

（五）人類價值危機：人工智能是否該與人類價值對齊

從長遠的時間維度看，通用人工智能（AGI）——在認知能力上達到或超越人類，具備主體性的“類人”的出現，幾乎可以肯定，因此構成了對人類社會的終極挑戰。

牛津大學人類未來研究所的尼克·博斯特羅姆（Nick Bostrom）等學者指出，如果一個遠超人類智能的系統其目標與人類的核心價值觀不一致，可能會帶來災難性甚至存在性風險。雖然AGI的實現尚無明確時間表，但其潛在的巨大影響意味著，對其安全和“對齊”（Alignment）問題的研究必須從現在開始就納入國家安全和公共安全治理的頂層戰略規劃中。

忽視這一長期挑戰，無異于在沒有設計剎車和方向盤的情況下，加速駛向一個充滿不確定性的未來。然而，隨著這一天加速到來，人類必然又面臨另一個爭議：為什么類人的價值觀，必須以人類為中心？為什么不是兩者之間的價值融合，甚至人類向類人看齊？畢竟，從基思·斯坦諾維奇的《機器人叛亂》一書的視角看，人類也只是機器人的一種。

基思·斯坦諾維奇（Keith E. Stanovich）的心理學著作《機器人叛亂》（ The Robot's Rebellion: Finding Meaning in the Age of Darwin ）

四、堅持在發展中管控風險的治理理念

《上海宣言》提出：

“以發展的眼光看問題，在人類決策與監管下，以人工智能治技術防范人工智能風險，提高人工智能治理的技術能力”。

在人工智能仍處于技術生命周期的初級階段，其能力邊界、應用場景和潛在風險仍在不斷演變。在此背景下，選擇何種治理理念，將決定未來相當一段時間內人類馴服人工智能的成效。我們應該摒棄狹隘偏見，堅持在發展中解決安全問題。

（一）人工智能安全困境：風險與發展同步加速

對人工智能安全性的治理，存在巨大的兩難困境：與傳統技術革命不同，人工智能技術的安全風險并不隨著技術演進而降低，而是一種同步加速的復雜共生關系。

驅動人工智能快速發展的因素——創新的速度、投資的規模、部署的廣度——恰恰也是制造系統性脆弱性的核心動因。

首先，創新的高速度制造了“治理赤字”。技術的指數級迭代與政策法規的線性演進之間的“剪刀差”，使得傳統治理模式難以跟上技術發展的步伐，在風險浮現時往往顯得被動和滯后。

其次，投資的規模導致了能力的高度集中。高昂的研發成本使得前沿AI的開發能力集中于少數大型科技企業，這些非國家行為體的內部決策，能夠產生全球性的公共安全影響，從根本上改變了傳統的以國家為中心的安全治理范式。

另外，部署的廣度打破了安全邊界。人工智能正被深度整合到金融、能源、交通等關鍵基礎設施中，并從數字空間溢出到物理世界，使得純粹的數字威脅（如算法被篡改）能夠直接轉化為物理世界的傷害（如自動駕駛汽車事故、關鍵基礎設施癱瘓）。這種發展與安全的伴生關系，意味著我們無法將二者割裂開來。

安全問題內生于發展過程之中，也應該在持續的發展中尋求動態的解決方案。試圖在絕對安全的環境中謀求發展，或在無視風險的情況下追求增長，都將是徒勞的。因此，任何有效的人工智能治理體系，都必須深刻理解并立足于這一基本現實，在鼓勵創新和防范風險之間找到一條精妙而穩健的平衡之道。

北京的機器人商城，一臺機器人正在工作。圖源：AP

（二）警惕“發展萬能論”，正視內生性風險

有種觀點認為，技術發展本身能夠解決其帶來的所有問題，市場和創新最終會自我修正，消除安全隱患。這種“發展萬能論”的盲目樂觀具有極大的危險性，人工智能的許多風險，特別是社會治理層面的風險，具有自我強化效應，并不會隨著技術的進一步發展而自動消失。

以ProPublica對COMPAS算法偏見的調查為例，用于預測再犯風險的算法對不同族裔存在顯著的偏見，源于帶有歷史歧視的訓練數據，而算法的預測結果指導警力部署，從而在特定社區產生更多帶有偏見的執法數據，形成“偏見數據—偏見算法—歧視性執法—更多偏見數據”的惡性循環。在這種情況下，更強大的算力、更復雜的模型不僅不會消除偏見，反而可能使其更加隱蔽和固化。

同樣，AI驅動的虛假信息對社會信任的侵蝕、大規模失業對社會結構的沖擊等問題，也無法單純依靠技術自身迭代來解決，而需要主動的、有意識的治理干預。公眾日益增長的憂慮情緒也表明，社會對技術發展的信任并非無條件的，忽視風險只會侵蝕創新的社會基礎。

（三）摒棄“過度預防論”：避免扼殺式治理

與“發展萬能論”相對的另一個極端，是基于恐懼和不確定性的“過度預防論”，即人為地為技術探索設置大量禁區，試圖通過暫?；蚪鼓承╊I域的研究來規避潛在風險。這種做法看似審慎，實則可能導致更深層次的戰略被動和安全隱患。

首先，在人工智能發展的早期階段，人類尚無法完全預見其所有潛在的技術路線。過早地關閉探索之門，可能會錯失其在應對氣候變化、攻克疾病、發現新材料等人類重大挑戰方面的巨大潛力 。

其次，人工智能領域的國際競爭日益激烈，技術領導權直接關系到國家安全和經濟競爭力。單方面設置研究禁區，無異于將制定未來技術規則和倫理規范的主導權拱手讓人。另外，禁止良性研究并不能阻止惡意行為者利用已有技術作惡。真正的長久安全之道，在于通過持續的發展，構建更強大的技術治理體系和防御能力，例如，利用更先進的AI來識別和對抗深度偽造、檢測和防御網絡攻擊。

“過猶不及”，安全風險治理，用力過猛和不管不顧同樣不合理，只有正視技術發展不可阻擋的趨勢，尊重風險的客觀性，加強技術創新引導，以持續創新破解發展中的出現問題，才是馴服人工智能的合理方式。

五、面向未來的安全治理框架

為將“發展中治理”的理念落到實處，必須構建一個面向未來、兼具“敏捷性”與“韌性”的一體化治理框架。該框架應是多層次的，能夠將宏觀戰略、法律規范與微觀實踐緊密結合，從而有效應對技術快速迭代帶來的風險。

（一）框架的理念：明確發展導向的動態治理

一是要加強風險管理而不是執著于風險消除。治理目標不是追求一個沒有風險的烏托邦，而是在承認不確定性的前提下，建立一套能夠有效識別、評估、監測和管理風險的動態機制。

二是監管應用而非技術本身。治理的焦點應從限制技術研發轉向規范技術的具體應用場景。例如歐盟《人工智能法案》對不同應用進行風險分級，對社會評分、操控性AI等“不可接受風險”的應用予以禁止，對用于關鍵基礎設施、執法、就業等領域的“高風險”應用施加嚴格的合規要求，而對“最低風險”應用則給予充分的發展空間。

三是將安全融入設計。推動“安全始于設計”的理念，通過政策引導和標準設定，鼓勵和要求開發者在AI系統的整個生命周期中，從一開始就將安全、倫理、隱私和公平等要素融入其中，而不是在產品成型后亡羊補牢。

四是堅持以發展促安全。積極支持和投資于“安全AI”的研究，鼓勵利用人工智能技術本身來解決其帶來的安全挑戰。這包括開發用于模型評估、漏洞檢測、偏見糾正、內容溯源和網絡防御的AI工具，形成技術閉環。

（二）共識與原則層：確立治理的“韌性”基石

作為治理框架的根本，應在國家層面確立一套高級別、技術中立、與國際主流共識相銜接的AI倫理和安全原則。

經濟合作與發展組織（OECD）提出的五大價值觀原則——包容性增長與福祉、以人為本的價值觀與公平、透明度與可解釋性、穩健性與安全性、問責制——為我們提供了良好的參照。

我國發布的《新一代人工智能治理原則》也強調了和諧友好、公平公正、安全可控、責任明確等核心思想。這些高層原則具有高度的穩定性和指導性，是整個治理體系的“壓艙石”，確保無論技術如何演變，其發展始終不偏離維護公共利益和尊重基本權利的根本方向，從而為治理體系提供“韌性”。

（三）法規與標準層：劃定發展的“安全”邊界

在治理共識和原則指導下，建立一套以風險為基礎的核心法律法規與技術標準體系。借鑒國際先進經驗，特別是歐盟的風險分級方法，明確界定在我國公共安全領域不可接受的AI應用，并為高風險應用設定具有法律強制力的準入和運行規范。

同時，大力推進技術標準的制定工作。美國國家標準與技術研究院（NIST）在AI安全、安保和測試標準方面的實踐表明，統一、權威的技術標準是彌合產學研與監管之間認知差距、實現有效治理的關鍵。當前，前沿模型評估基準的嚴重缺乏標準化，使得對不同模型的風險進行系統性比較極為困難。因此，建立國家級的AI測評基準和標準體系，是實現“安全可控”的必要前提。

（四）執行與工具層：賦予治理的“敏捷”能力

為應對技術的快速迭代，法規和標準必須通過靈活、可操作的執行工具來落地。美國NIST發布的《人工智能風險管理框架》（AI RMF）提供了一個將高層原則轉化為具體實踐的優秀范例 。該框架通過治理、識別、度量、管理四大核心功能，為在AI系統的整個生命周期中系統性開展風險管理提供了一套標準化的流程和通用語言。

圖源：美國國家標準與技術研究院（NIST）

我國可以借鑒這一理念，制定并推廣國家人工智能風險管理框架和實施指南，并將其作為高風險人工智能系統采購、部署和評估的必要環節。此外，還應建立國家級人工智能安全事件監測預警平臺，借鑒OECD的“AI事件監控器”模式，匯集和分析安全事件數據，實現對系統性風險的早期識別和態勢感知。根據技術和風險變化不斷更新監管工具，賦予治理體系至關重要的行動“敏捷性”。

（五）監督與協作層：構建治理的“協同”生態

人工智能治理的復雜性決定了任何單一部門都無法獨立應對。因此，必須設立一個高級別的、跨部門的國家人工智能治理協調機構，負責統籌全國人工智能治理工作，打破部門壁壘，確保政策的一致性和協同性。同時，由于人工智能風險的全球性，深度參與全球治理至關重要，包括積極參與國際標準的制定，并在全球人工智能多邊機制中廣泛發揮建設性作用，推動建立風險通報、行為準則等信任措施，共同塑造一個開放、包容、安全的全球人工智能治理秩序。

人工智能（AI）作為一種關鍵的通用目的技術，正深刻重塑著全球經濟結構、社會形態和國家安全格局。我們既不能因噎廢食，也不能放任自流，只有堅持“在發展中治理”的中道理念，構建具有集共識“韌性”、工具“敏捷性”和跨域“協同性”于一體的現代化安全治理框架，才有可能馴服人工智能，確保技術發展服務于增進人類的長遠福祉。

【關于“城市觀察”】

“城市觀察”是廣州市社會科學院城市治理研究所副所長、IPP特約研究員孫占卿博士在“IPP評論”開設的專欄，著力分析當今中國城市發展所面臨的模式與路徑、技術與產業發展等問題。

點擊圖片閱讀更多孫占卿博士的文章

IPP公共關系與傳播中心

審讀｜劉　深

排版｜周浩鍇

終審｜劉金程

誠摯約稿

“IPP評論”是國家高端智庫華南理工大學公共政策研究院（IPP）的官方微信平臺，以提倡優秀政策研究為導向?，FIPP評論歡迎海內外學者和專家同仁就國際關系、社會治理、技術與產業及相關公共政策話題的研究賜稿，協助舉辦專欄。

稿件須以科學化和學科化為導向，符合學術議論文的一般規范，突出對于公共政策實踐的啟示和建議。IPP評論將邀請院內專家對稿件進行匿名審稿，并在收文一個月內擇優刊登。

來稿請寄 wx@ipp.org.cn，電子郵件題目請標明“IPP評論投稿”。目前僅接受電子郵件投稿，一般來稿以5千字左右為宜。

凡在IPP評論上發表的文字，不代表本機構觀點，作者需對作品的學術正直性負全責。著作權歸華南理工大學公共政策研究院所有，作者享有署名權。未經書面允許，不得轉載。引用或轉載本刊文章請注明出處。

華南理工大學公共政策研究院

“IPP評論”編輯部

孫占卿：AI黑箱，“死亡陷阱”還是“星際之門”？｜城市觀察

孫占卿：翻越“奇點”，“加速時代”需要均衡治理｜城市觀察

孫占卿：如何破局“無利潤繁榮”背后的“供應鏈壓榨”？

關于IPP

華南理工大學公共政策研究院（IPP）是一個獨立、非營利性的知識創新與公共政策研究平臺。IPP圍繞中國的體制改革、社會政策、中國話語權與國際關系等開展一系列的研究工作，并在此基礎上形成知識創新和政策咨詢協調發展的良好格局。IPP的愿景是打造開放式的知識創新和政策研究平臺，成為領先世界的中國智庫。