2026年度AI法治热点：西政学者解读治理关键议题
【学术精选】
2026年度AI法治热点：西政学者解读治理关键议题
导语
2026年既是人工智能技术深度演进与应用场景广泛延伸的突破之年，也是AI法治体系加速构建、理论探索持续深化的攻坚之年。为响应国家人工智能发展战略布局，破解治理领域的前沿法律挑战，“探寻人工智能法治研究的真问题（第二季）”研讨会正式推出了《2026年人工智能法治研究十大议题》。
本篇聚焦议题一：智能体的行为边界、授权机制与竞争治理，整理西政学者的核心观点。
01
西政学者观点
01
智能体行为边界与法律定性
人工智能立法框架下人工智能的法律界定
摘要：
科学、合理地为人工智能确立法律定义，是人工智能领域系统化立法的逻辑起点。从本体论角度审视，人工智能本质上是一种信息处理系统，随后才衍生出人工智能科学、人工智能产业等社会认知。从内涵审视，人工智能依托算力基础设施，通过控制系统的算法处理输入数据，以软件或硬件等多元集成方式嵌入系统后输出，或直接在特定场景中输出对人类某项理性功能的模拟状态，在环境中进行交互，并在目标约束下经过反馈修正，最终完成预设任务的信息系统，该智能系统的法律本质为“理性智能体”。从外延审视，人工智能涵盖单纯的智能软件或硬件，也包括软硬件集成嵌入的智能体，而“强弱之分”和“通用专用之分”不宜在外延中直接列举，而需随技术发展通过评价性的法学判断来确定是否纳入人工智能的法律范畴。
原文摘录：
在法律层面界定人工智能不应完全受技术层面物理本质的限制，而应在“人与人工智能的应然关系”范畴内分析二者“事理之差异”。在判断“智能性”和列举“类型”时，应以法律意义上的“理性人”而非自然科学意义上的“生物人”为参照，确定法律所能容忍的智能性程度和法律所欲管控的人工智能类型。
当前阶段的人工智能仅具备模拟人类外显性智慧的能力，演进至今的人工智能尚未展现出“自主学习并独立运行”的隐性智慧能力。因此，“智能性”基准测试的阈值标准应确定为理性基础上的“理想性能”而非“人类行为保真度”。
观点解构：
智能体具有“输入—处理—输出”的控制架构，拥有一定程度的“自主性”。这种自主性表明智能体不再是完全受人类直接操控的客体，而是在预设目标约束下，能够独立进行“功能模拟”和“交互”的主体。
02
授权机制与责任配置
原文摘录：
之所以选取“系统—控制论”作为界定人工智能法律定义的理论依据，主要基于两点考量：一是，控制论的基本范畴能够以恰当的抽象程度覆盖人工智能全生命周期，且对现存争议具有较强包容性，而“理性智能体”作为通用范式，同样适用于“系统—控制论”原理。该范畴既能实现对主体间关系的整合、评估行为的风险程度（譬如作为主体概念的“施控者”“受控者”以及作为行为描述的“输入”“输出”等），还能顾及用户对人工智能的一般认知（譬如“输出”涉及对外部环境的影响、“功能模拟”也可直观感受）。二是，责任分配的底层原理在一定程度上也能和“系统—控制论”相关范畴实现契合，法律责任能够通过“目的性衡量”来合理确定。
观点解构：
依据“系统—控制论”原理，法律应构建贯穿智能体“全生命周期”的责任配置体系。在授权与管控上，应采取“目标管控”与“结果管控”相结合的模式：在输入端严控数据质量，在输出端强化透明度与可解释性要求。法律规制的重心应从“干预算法过程”转向“规范输出结果”和“优化反馈机制”。
02
竞争治理与市场秩序
欧盟生成式人工智能立法实践及启示
摘要：
生成式人工智能借助海量未标记数据和合成数据进行持续训练，依托深度神经网络等机器学习技术逐步形成自主的行为能力，输出新颖成果、应用日益广泛，正深刻改变着人际间的互动模式，其模型开发的资源密集型特征也促使复杂价值链条形成。生成式人工智能在运行节点的技术跃迁，引发了版权侵权、数据偏见、能耗过高、风险难测、虚假信息传播以及损害认定困难等监管难题。欧盟人工智能法作出紧急应对，以“通用人工智能模型”为概念核心，经由“通用人工智能系统”过渡，将生成式人工智能纳入“人工智能系统”范畴；输入端从数据数量和数据质量双向发力设置合规义务，处理端引入“高影响能力”的自主性程度判断标准，并将“具有系统性风险的人工智能”嵌入风险分类分级制度，输出端则设计“检测、披露和透明度”等义务来规制虚假信息传播，部署端也专门设计价值链上的责任分配条款。尽管欧盟立法为应对生成式人工智能风险作出了努力，但在“抽象定义的确定性”“衡量数据训练效果的方法”“高级模型与小型模型之区分”“系统性损害的确定”以及“API接口和开源模式对价值分配的影响”等方面仍有持续完善的空间。
原文摘录：
欧盟立法也试图在部署端的价值链条上进一步平衡各方主体间的权利义务，但该种努力未能充分凸显“提供API接口”和“开源访问许可”之间的差异对利益分配方式的深刻影响。
生成式人工智能不同发布策略带来的复杂影响，映射出背后艰难的利益权衡，这在一定程度上也解释了某些领先的人工智能实验室将模型保密的原因。
观点解构：
针对智能体跨平台运行引发的市场失序风险，建议引入“风险分类分级”与“价值链治理”。对于具有系统性风险的通用智能模型，应强化数据训练透明度和价值链上下游的责任分配，防范算法共谋，维护公平竞争的市场环境。
人工智能立法体系化的理论论证与路径选择
摘要：
人工智能立法体系化是全球人工智能法治的必然趋势，也是协同治理的关键抓手、科学立法的内在要求和法学知识的素材支撑。然而，当前人工智能立法研究存在“概念模糊”“定性不准”“理念不明”“范畴不清”“脉络不顺”五大问题，阻碍了立法体系化进程。应当从“人工智能的应然法律概念”“人工智能法律规范的属性”“人工智能立法的理念欲求”三个层次设置“滤网”，在区分“狭义的人工智能立法”和“广义的人工智能领域立法”的基础上锚定人工智能立法范畴。针对当前人工智能立法“碎片化”的现象，应当坚持以“事物本质”理念检视问题，在法律体系化方法中嵌入“系统—控制论”原理来规整领域立法素材。在此基础上，应当在“法律”层级适时制定一部兼具框架性和包容性的“人工智能法”，以“发展负责任的人工智能”为融贯立法体系的价值基础，以“平衡公平与效率”和“平衡安全与创新”为两大基本原则。此外，以人工智能全生命周期的“研发—生产—服务—使用”节点为横轴，以“具体风险控制”和“抽象权利保护”两种控制模式为纵轴，可以纵横交错编织出八个具有规范生成功能的法律关系定型“区间”，由此形成构筑人工智能立法制度谱系的基本线索。
原文摘录：
横轴建立的并不是一种“线性链条”，而是在考虑了人工智能系统供应链的影响、具体情况和相关风险行为后，跨组织边界构建人工智能法律关系的抽象“类型”。因此，以“人工智能全生命周期的节点行为”为横轴、以“具体风险控制”和“抽象权利保护”的控制模式为纵轴，从八个不同维度投射出具有规范性产出的“区间”，由此形成八种人工智能法律关系，而聚合同类人工智能法律规范时依据的“系统—控制论”机理，也是串联人工智能制度谱系的基本线索之一
观点解构：
针对智能体跨平台运行引发的市场失序风险，建议引入“价值链治理”。法律关系不应是“线性的”，而应是“跨组织边界的”。必须在上游模型、中游平台、下游应用之间建立“递阶控制”的责任体系，以应对算法共谋和数据垄断等新型竞争乱象。
02
附录：文献列表
题目
作者