薛澜：人工智能技术的社会应用——治理挑战

7月3日，2026中国数字经济发展和治理学术年会（以下简称“年会”）在清华大学举行。清华大学苏世民书院院长，清华大学文科资深教授薛澜发表题为《人工智能技术的社会应用——治理挑战》的主旨演讲。本文根据薛澜教授现场发言内容整理。本文来源：清华服务经济与数字治理研究院

本账号接受投稿，投稿邮箱：jingjixuejiaquan@126.com

薛澜：人工智能技术的社会应用——治理挑战

一、引言

非常高兴参加今天的会议。今天我要讲的是人工智能如何能够更好地在社会当中应用。人工智能近年来发展的非常快，语言大模型之后又有了具身智能，很多判断说今年是具身智能元年。从人工智能的技术层面看，过去两年的发展是日新月异。与此相比，社会技术系统的构建更加迟缓。现在可以说人工智能发展进入到下半场了，构建人工智能技术在社会中应用的社会技术系统就变得非常急迫了。下面我就针对这个问题展开讨论。

二、人工智能发展：技术决定一切？

目前很多关于人工智能的讨论都聚焦于大模型。大模型的能力提升特别快，从ChatGPT，到Gemini，到Mythos，一代更比一代强。这种变化有意无意地形成了一个观念，算法不断优化，模型持续迭代，算力大大增强，这样的循环就会推动产业升级、组织变革、社会进步。现在有人预测，今后两三年可能会实现通用人工智能，万亿级的经济增长就成为必然。这些讨论背后隐含的前提就是技术决定一切——大模型只要往前推进了，后面社会价值同步增长是必然的。但如果我们真正去分析人工智能对各行各业的实际影响，除了少数行业之外，更多的情况是“只听楼梯响，不见人下来，”很多行业真正大规模应用成功的是特例，不是大多数。一些咨询公司做的分析，也发现很多公司在AI应用方面都面临投入很多，但收益远远不如预期。

这个现象背后的原因很复杂。如医疗领域，几年以前就有报道说人工智能系统做影像判断比医生准确率高，但人命关天，最终责任归属是难题。自动驾驶是另外一个例子。前些年我们去美国调研人工智能治理，跟加州公用事业委员会访谈，他们说自动驾驶从技术上看应该是可以应用到实际当中去了，而且比较合适的场景是高速公路的长途运输，大卡车在高速公路的行驶路线和路况比较简单，而且长途运输中的疲劳驾驶也比较普遍，使用自动驾驶技术对减少交通事故收益很大。但他们接着就说，尽管这样，我们没有指望自动驾驶很快实现，因为卡车司机的工会坚决反对，不会让自动驾驶进入长途运输行业。

这些例子让我们看到，技术发展的预期的和实际社会的应用之间有巨大的差别，这个差别使得技术决定论本身面临巨大挑战。如果讲人工智能上半场的主要任务是技术发展，现在下半场面临怎么应用的新问题，技术发展已经不是唯一的核心问题了。

要让社会更有效来使用人工智能技术，关键的任务是要形成一个新的技术社会系统—一个技术和社会水乳交融的生态。从技术决定论的眼光来看，技术进步有其相对独立的发展逻辑，社会组织、制度安排和文化观念需要被动地来配合来适应技术的发展。技术走到哪里，社会就会跟到哪里。技术的逻辑是根本的决定因素。虽然这种观点在科技社会学里仍然是一个非常重要的流派，但更多的人看到，技术创新跟社会变迁并不是这么一种简单的线性因果关系。尤其是像人工智能这样影响面很宽的技术，我们必须把它放在更广阔的社会背景中来看技术发展怎么跟组织、制度、文化等各种社会要素结合。

三、科技社会学的相关研究及汽车社会的经典案例

科技社会学对技术决定论一直有不同反思，看到了技术对社会单向影响观点的局限性。一些新的理论在不断发展，技术的社会构建论、大型技术系统理论、行动者网络理论等，特别强调技术是嵌入在复杂社会关系中的社会技术存在。最近又提出来共同演化，认为技术跟社会发展实际上是相互影响的，是双向奔赴，技术和社会相互适应，从微观、中观、宏观层面有很多研究。

例如，在微观层面，可以去分析技术是怎样改变组织，重塑组织结构的。而组织的改变反过决定了技术能否真正发挥作用，组织反向塑造技术。例如，人工智能在垂直应用领域应用时，不同领域的公司就会引导技术向不同方向发展，如谷歌可能对信息检索之类应用非常关注，金融机构特别强调风险管控等等。每一类公司都有其各自领域原来的烙印，包括特定组织的需求，从而对技术发展方向产生选择性压力。

在宏观层面，制度与文化对技术边界外部重构也是非常重要的。欧盟的《数据保护法规》对数据可得性和数据应用的边界提供了严格的外部边界。而这个法规背后又跟欧盟特定的文化社会环境相关。

综合来看，技术与社会互动最好的综合例子是汽车在人类社会的演化史。汽车从机械发明，最后成为影响整个社会发展的推动力，背后是有一段曲折起伏的故事的。

第一阶段是从卡尔·本茨的内燃机汽车原型出现后的一二十年，这个阶段其实是技术孤立发展的阶段，而非社会意义上的交通系统。汽车只是少数有钱人身份的展示，有钱人开一辆车觉得很新鲜很好玩，但它也没有在大众中去应用，当时马车是主要的交通工具。这个阶段与汽车技术配套的社会体系没有跟上来。

第二个阶段大概是1910-1945年期间，是汽车的技术社会系统形成的阶段，汽车真正进入到社会。这个过程有很多要素，首先是福特公司在1913年推出T型汽车（model），把每辆车的售价从850美元下降到300美元，使得很多普通中产阶级家庭可以买得起汽车了，一下子就把汽车的可及性大大提高了。其次就是与汽车相关的配套社会制度开始形成。首先就是道路系统。原来马路是马车用的，开汽车不行。为了让汽车能够更好地发挥作用，政府开始系统性建设道路系统。从1916年开始，美国开始建设高速公路，形成公路交通体系。这样汽车可以跑得很远了，由此产生了长途旅程加油的需求。汽车加油站系统和相关服务体系应运而生。这些社会配套系统的完善刺激了更多的买车需求。很多家庭不是一下子就能拿得买车需要的钱，需要贷款买车。相关的金融与保险服务也随之跟上。当然，如果开车的人技术不行，整天出交通事故，这样的汽车交通系统也无法持续。应运而生的是交通治理体系，包括驾驶执照、红绿灯、交通规则等相关制度安排。这个阶段的汽车技术与社会体系的互动促进了汽车的应用及扩散，也推动了与汽车相关的软硬基础设施的完善。

第三个阶段是社会重构阶段，汽车对整个社会空间形态的改变产生了巨大的影响。美国仍然是比较典型的。二战之后，汽车在美国家庭扩散迅速，城市发展的郊区化由于汽车的存在成为可能。美国大量的家庭开始搬到郊区居住，开车通勤到城市中心上下班。与此同时，很多商业形态开始重构，在郊区形成综合性购物商场，巨大的超市连锁店等等。这种城市-郊区的社会空间结构很大程度上是被汽车在家庭中深度扩散应用而形塑的。由于汽车消耗大量汽油，很多国家必须从全球汽油资源丰富的国家进口，形成了以石油的生产、运输、及应用为核心的国际地缘政治体系。换句话说，在第三阶段时，汽车已经对社会空间形态和国际政治格局产生了巨大影响。

从以上分析可以看出，汽车的发展不是简单的技术进步驱动社会变化，而是汽车与社会文化、产业网络、国家空间形态、国际政治格局紧密相连与深度互动，并进而形成了一个以汽车为核心的社会技术系统。

四、如何构建人工智能为核心的社会技术系统

相比之下，我们今天面临的情况是，如何构建一个以人工智能技术为核心的新型社会技术系统。当然，跟汽车时代相比，人工智能还是处于早期发展阶段，今天看大模型可能也就相当于当年汽车时代的发动机。现在AI发展面临的问题不光是技术成熟与否，更重要的是与之配套的社会技术系统是否完整，就像是汽车时代的道路系统、交通规则、驾驶文化等相应的软硬基础设施是否建立起来了。

综合各方面的观点，构建支撑人工智能发展的社会技术系统需要发展相互嵌套的三方面的软硬件基础设施，包括硬件基础设施、制度与治理结构、及组织与文化体系。有学者将这种新型系统称为“智能社会技术系统”（intelligent sociotechnical systems, iSTS），用以区别于传统的社会技术系统：在智能时代，智能机器代理不再是简单的辅助工具，而是人机团队中的合作成员，系统需要应对的是动态变化的技术环境和内外生态系统的不确定性，设计目标也从“对变化的控制”转向了“应对变化的敏捷性和自适应能力”。

人工智能时代的硬基础设施相当于是汽车时代的公路交通系统。目前各国关注最多的是算力基础设施。不管是美国还是中国，大家都在这方面大量投资，建设智算中心。从产业层面看，AI基础设施已形成一个涵盖芯片、服务器、数据中心等多层次的市场体系，这一“技术栈”的底层是半导体芯片——GPU、CPU、NPU、TPU等加速器构成了AI的计算引擎，英特尔、AMD、英伟达以及中国的华为、寒武纪等厂商在这一层面展开竞争。芯片之上是AI服务器和数据中心，超大规模数据中心已成为训练大模型的核心场所，它们需要支持高密度机架配置、先进冷却系统和超高速互联网络。另外一个就是数据存储中心。今天的数据存储中心早已不再是简单的“数据仓库”，而是驱动AI进化的核心引擎和“数据枢纽”。AI系统训练和推理的质量在很大程度上取决于所依赖数据的质量、代表性和可靠性，数据来源涵盖开放网络、企业专有数据库、授权内容库、科学数据集、公共记录乃至人工生成的合成数据。此外，网络运行的基础设施也是人工智能发展所必需的硬基础设施，AI工作负载依赖高速网络架构连接计算与存储资源，低延迟、高吞吐量的光纤网络和移动通信网络是实时AI应用落地的关键支撑。能源供给同样不可忽视——数据中心的选址越来越依赖可靠的电力接入，部分超大规模厂商已开始直接投资新的发电能力来保障算力基础设施的运转。

软的基础设施包括AI发展和应用的各类制度体系。如数据的流通和数据所有权的问题、系统出错后的责任制度（如医疗，无人驾驶等应用场景）、系统的安全制度，如AI审计与认证制度、监管沙盒与动态治理机制等等。这些制度体系构成了一个社会责任治理集，将社会责任理念分层嵌入到从设计约束、运行时监控到机构监督的全生命周期中，使公平性、透明度、可解释性等价值成为可监测、可执行的技术约束而非仅停留在原则层面的口号。在政策实践层面，中国已在新修订的《网络安全法》中以法律形式将人工智能纳入国家网络安全法律体系，针对深度合成、生成式人工智能等特定风险出台了专项规章，并发布了相关标准划定AI伦理安全边界。同时，国际社会也在探索“分类分级管理”“风险导向、敏捷治理”等新思路。还有一些基础设施是软硬结合的，如AI模型调用标准，相当于交通规则信号系统，最后能保证不同模型之间的协调。这个“技术栈”的中间层——模型开发与运维平台（MLOps）、模型服务（MaaS）、API管理等——正是软硬结合的关键环节，它承载着不同模型之间的互操作标准和调用规范。

最后是组织体系与社会文化体系。人工智能技术对组织机构的运行带来的冲击是根本的。如果人工智能只是应用在现有的工作流程中，其作用发挥的非常有限。人工智能技术只有嵌入组织结构变化，推动整个工作流程的重构，才能真正发挥其变革性作用。在智能社会技术系统框架下，人与智能系统需要被作为一个全新的工作系统重新设计，根据人与AI之间的优势互补来调整功能和任务分配，保证人类拥有最终决策操控权。人类学家麦克法兰指出，以往的技术变革主要影响体力劳动者，而人工智能可能带来的是对专业性工作的替代，这将在根本上改变职业的定义和结构。有研究预测，组织的运行模式将从传统的金字塔式科层制向更灵活的项目化、团队化形态转变。社会文化体系涉及很多方面，包括社会信任机制、风险认知结构、教育与能力结构等等。人工智能技术在中国推广应用的一个有利条件是，中国社会对现代科技，对人工智能技术总体来讲是持积极拥抱态度的。各种国际调研中比较发现，中国、阿联酋、新加坡等国家都属于对人工智能技术比较积极正面的。如第十四次中国公民科学素质抽样调查数据显示，中国公民整体对AI持积极态度，信任基础良好，但不同群体在认知水平、使用频率、发展信心等方面存在明显分化：受教育程度越高、职业数字化程度越高者，对AI的认知与态度更积极；青年群体认知活跃且态度开放，而老年群体则表现出认知滞后但态度乐观的特征。社会大众对人工智能在交通出行、家居生活、教育培训等领域解决实际问题的期待强烈。如何发挥好这种积极态度的优势，同时正视群体分化带来的挑战，构建面向全民的人工智能素养教育体系，也是整个社会文化体系建设中不可忽视的课题。

五、结语

综上所述，技术与社会的动态演进与交错发展是科技发展的基本规律，人工智能技术也无法例外。回顾历史上任何一次重大技术革命——从蒸汽机到电力、从汽车到互联网——其最终的社会影响力从来不是单纯由技术本身的性能决定的，而是由技术与制度、组织、文化之间能否形成正向的协同共进关系决定的。告别技术决定论，走向共同演化视角，意味着我们不能再把AI发展简单理解为“技术突破-社会适应”的单向过程，而应看到社会结构、价值观念和治理能力同样在塑造着技术的走向与形态。技术很重要，制度、组织、文化同样重要，这些要素之间相互嵌套、互为条件，缺了任何一环都难以形成可持续的竞争力。正如有学者所指出的，下一步人工智能竞争可能不是简单的技术竞争，而是产业生态、社会系统的竞争。谁能在算力基础设施、数据治理制度、组织变革能力、社会信任文化四个维度上率先形成协调高效的整体系统，谁就能在这场漫长的竞赛中赢得真正的先机。因此，构建一个适应人工智能发展的完整社会技术系统，是人工智能发展下半场的关键任务，也是中国从技术追随走向规则制定的战略支点。■

扫描二维码参加《太学TAIXUE》录制

点击小程序参加全年30场直播