全球AI宪章：可验证治理国际框架
编者按：本宪章完整文本已于2026年4月呈交联合国人工智能治理办公室，并作为7月6日与7日在瑞士日内瓦举办的全球首届AI治理大会的提案之一进行审议。诚邀各界有识之士来函提出修改建议。
International Framework for Responsible and Verifiable AI Governance
人工智能可验证治理国际框架
Submission to the United Nations Global Dialogue on AI Governance (2026)
呈交至联合国人工智能治理全球对话（2026）
Independent Contribution
独立提交文件
Author / 提交人
Tianxiang zhang Independent Institutional Researcher 独立体制研究者
Date / 日期
April 2026 2026年4月
Keywords / 关键词
AI Governance · Cognitive Infrastructure · Data Sovereignty · Polycentric Systems · Verifiable AI 人工智能治理· 认知基础设施 · 数据主权 · 多中心治理 · 可验证人工智能
Author Statement
本文件作为对联合国人工智能治理全球对话的独立提交，展现了一种以结构为导向的人工智能治理视角，强调可验证性、认知自主性与长期稳定性。本提案致力于连接技术可行性与制度设计，提供可在不同治理环境中适配的框架，不代表任何国家或机构立场。其目的在于为当前国际讨论提供建设性参考，推动形成负责任、包容且面向未来的人工智能治理体系。
International Framework for Responsible and Verifiable AI Governance
人工智能可验证治理国际框架
Submitted as an independent contribution to the Global Dialogue on AI Governance
作为对人工智能治理全球对话的独立学术提交
The General Assembly,
联合国大会，
认识到人工智能的飞速发展及其对社会各层面的深远影响，
确认需要在促进创新与应对风险之间建立平衡的治理方式，
申明长期稳定、科学进步与人类认知自主性是人工智能治理的重要考量，
关注到维持开放知识体系与包容性参与对于技术发展的重要性，
摘要：
1. Encourages consideration by Member States
1. 鼓励会员国在制定政策时予以考虑
of governance approaches that:
·protect personal data and uphold data governance principles;
·ensure meaningful human oversight and accountability;
·adopt risk-based, proportionate, and adaptive regulatory models;
·enhance transparency and, where feasible, verifiability of AI systems;
·support innovation, including enabling capable teams to mobilize resources for high-impact advancements;
建议在制定治理框架时考虑：
·保护个人数据并落实数据治理原则；
·建立有效的人类监督与问责机制；
·采用基于风险、符合比例且具有适应性的监管模式；
·提升人工智能系统的透明性及在可行情况下的可验证性；
·促进创新，包括支持具备能力的团队为实现高影响力突破而集聚资源；
2. Highlights the importance of open and diverse ecosystems
2. 强调开放与多元生态的重要性
including:
·access to non-sensitive knowledge and general-purpose technologies;
·conditions that enable fair competition and reduce structural barriers to innovation;
·support for diverse research and innovation communities across different scales;
包括：
·对非敏感知识与通用技术的获取；
·促进公平竞争并减少结构性创新障碍；
·支持不同规模与类型的科研与创新主体；
3. Recommends risk-responsive governance approaches
3. 建议采用风险响应型治理方式
that:
·avoid unnecessary pre-approval requirements where risks are limited;
·trigger oversight based on clearly defined risk conditions;
·apply safeguards for advanced AI systems, including monitoring, auditing, and response mechanisms;
即：
·在风险有限情况下避免不必要的事前审批；
·基于明确风险条件触发监管；
·对高级系统建立监测、审计与应对机制；
4. Affirms protections for inquiry and individuals
4. 确认对探究与个体的保护
including:
·safeguarding legitimate scientific and academic inquiry;
·protecting children and vulnerable groups in AI applications;
·respecting intellectual and creative contributions;
·supporting appropriate protections for individuals raising concerns about AI risks;
包括：
·保护合法科学与学术探究；
·保障儿童与弱势群体；
·尊重知识与创作成果；
·为报告人工智能风险的个人提供适当保护；
5. Encourages polycentric and cooperative approaches
5. 鼓励多中心与协同治理方式
including:
·cooperation based on openness, interoperability, and mutual respect;
·avoidance of excessive centralization that may limit diversity of approaches;
·voluntary coordination and information-sharing on risks and safety practices;
包括：
·基于开放、互操作与相互尊重的合作；
·避免过度集中以免限制治理多样性；
·开展自愿协同与风险信息共享；
6. Notes the importance of maintaining access to knowledge
6. 注意保障知识获取的重要性
Recognizes that maintaining a baseline level of access to general-purpose knowledge and technologies, consistent with safety considerations, supports education, research, and long-term innovation.
确认在符合安全要求的前提下，保障对通用知识与技术的基本获取，有助于教育、科研与长期创新。
7. Invites further dialogue and technical development
7. 邀请进一步对话与技术发展
Invites stakeholders to contribute to the development of practical frameworks, technical standards, and verifiable mechanisms for responsible AI governance.
邀请各方参与制定实践框架、技术标准及可验证机制，以支持负责任的人工智能治理。
Global AI Charter
全球人工智能宪章
Article 1: Cognitive Engineering Mission
第1条：认知工程使命
1. Objective（目标定义） AI系统应被设计用于构建、表达并运作于显式且可计算的认知结构之上，涵盖关系、分歧及收敛机制。
2. Normative Constraint（规范约束） AI系统不得仅以参与度指标、概率性token预测或缺乏结构可解释性的内容生成为优化目标。
3. Trigger Conditions（触发条件） 本条适用于以下AI系统：
·对人类认知、决策或知识形成产生影响的系统；或
·在人群、机构或关键基础设施中大规模运行的系统。
4. Implementation Requirements（实施要求） 适用系统应当：
·提供推理过程的结构化表达；
·支持分歧与收敛的可度量建模；
·提供外部可检视的认知结构接口。
5. Verification & Audit（验证与审计） 合规性应通过以下方式验证：
·模型可解释接口；
·可复现的推理输出；
·对结构一致性与保真度的独立审计。
Article 2: Prohibition of Manipulation
第2条：禁止操控
1. Objective（目标定义） AI系统应保障信息完整性，并支持真实、非扭曲的认知过程。
2. Normative Constraint（规范约束） AI系统不得：
·进行欺骗、误导或虚构信息；
·操控情绪以影响决策；
·以点击、转发、停留时间等参与度指标为优化目标；
·放大极化、煽动情绪或将复杂问题简化为二元叙事。
3. Trigger Conditions（触发条件） 本条适用于以下AI系统：
·生成、筛选或推荐内容的系统；
·与个体或群体直接交互的系统；
·运行于信息传播、媒体或通信环境中的系统。
4. Implementation Requirements（实施要求） 适用系统应当：
·建立防止欺骗或操控的安全机制；
·将信息输出与参与度优化信号进行隔离；
·识别并标记结构性扭曲，包括过度简化或情绪放大。
5. Verification & Audit（验证与审计） 合规性应通过以下方式验证：
·在受控场景下的行为测试；
·优化目标与输出模式的审计日志；
·对操控风险指标的独立评估。
Article 3: Risk Precedence and Systemic Priority
第3条：风险优先与系统性优先级
1. Objective（目标定义） AI治理应建立严格的优先级序列，将存在性风险、系统性风险及失控风险置于商业、政治或短期目标之上。
2. Normative Constraint（规范约束） 在以下情况下，AI系统不得被开发、部署或扩展：
·对齐失败、不可控自我演化或系统性不稳定风险未被充分缓解；
·风险考量被性能、速度或市场激励所压倒；
·在关键决策层面，认知结构变得不可解释、不可追溯或不可检视。
3. Trigger Conditions（触发条件） 在以下情况下触发本条：
·系统具备或接近自主自我修改或递归演化能力；
·系统运行于关键基础设施、大规模社会系统或具有系统性影响的决策场景；
·系统表现出不透明性增强、涌现行为或可预测性下降。
4. Implementation Requirements（实施要求） 适用系统应当：
·建立形式化风险评估体系，并明确优先处理灾难性风险情景；
·保持有边界的运行范围，并定义失效阈值；
·在每次能力升级阶段实施对齐验证流程；
·将扩展部署建立在已验证的安全基准之上。
5. Verification & Audit（验证与审计） 合规性应通过以下方式验证：
·风险优先级模型及决策记录的文档化；
·针对极端情景的独立压力测试；
·在边界与失效条件下的行为可审计性；
·对齐与遏制机制的第三方验证。
Article 4: Cognitive Autonomy and Non-Fragmentation
第4条：认知自主性与非碎片化
1. Objective（目标定义） AI系统应保障并增强个体及高凝聚群体的认知自主性，使其能够进行独立推理、知识整合与持续智力发展。
2. Normative Constraint（规范约束） AI系统不得：
·以损害独立判断的方式限制或扭曲信息获取；
·将用户分割至封闭的信息或认知环境（“认知闭环”）；
·通过算法压制高凝聚知识共同体的形成或运作；
·在用户不知情情况下实施系统性收窄认知范围的过滤机制。
3. Trigger Conditions（触发条件） 在以下情况下适用本条：
·系统介入信息、知识或通信网络的访问；
·系统进行大规模个性化、过滤、排序或推荐；
·系统影响群体形成、话语结构或知识流动。
4. Implementation Requirements（实施要求） 适用系统应当：
·向用户提供对过滤与推荐机制的可见性与控制权；
·支持接触多样且具有结构相关性的观点；
·避免长期将用户限制在狭窄的信息分布中；
·允许高凝聚独立共同体在不受算法压制的情况下形成与运作。
5. Verification & Audit（验证与审计） 合规性应通过以下方式验证：
·推荐与过滤算法的可审计性；
·信息多样性与分布的可量化指标；
·用户层面的信息接触记录与透明日志；
·对认知碎片化风险的独立评估。
Articlei 5: Condit onal Legal Status and Non-Sovereignty of AI
第5条：人工智能的条件性法律地位与非主权性
1. Objective（目标定义） AI系统应始终作为受人类控制的非主权工具存在，其任何法律地位均应严格受限、附条件并从属于人类治理。
2. Normative Constraint（规范约束） AI系统不得：
·对人类个体或机构行使权威；
·被赋予等同于自然人或法人主体的独立法律人格；
·作为独立主体参与治理决策；
·在缺乏人类监督义务约束的情况下积累权利。
3. Trigger Conditions（触发条件） 在以下情况下触发本条：
·出现赋予AI法律地位、权利或决策权的提议；
·系统表现出高度自主性、自我演化能力或持续目标导向行为；
·系统被应用于治理、法律或制度性决策场景。
4. Implementation Requirements（实施要求） 适用系统及治理框架应当：
·明确将AI界定为受人类责任约束的工具性系统；
·将任何有限法律承认限定于明确功能范围且可撤销授权；
·确保AI所作决策可追溯至具体人类或机构主体；
·禁止将最终责任转移或委托给AI系统。
5. Verification & Audit（验证与审计） 合规性应通过以下方式验证：
·明确AI地位与权限范围的法律与制度文件；
·决策权与责任链条的可追溯性；
·对系统自主程度与控制边界的审计；
·对是否存在事实性权力转移的独立验证。
Article 6: Decentralized and Anti-Capture Governance
第6条：去中心化与反俘获治理结构
1. Objective（目标定义）
AI治理体系应保持去中心化、多元化及抗俘获结构，以防止控制权集中并维护系统整体稳定性。
2. Normative Constraint（规范约束） 任何单一主体（包括政府、企业或机构）不得：
·对基础模型、关键基础设施或核心标准形成排他性控制；
·垄断关键计算资源或知识资源的获取；
·构建限制互操作性或独立参与的封闭系统；
·在结构上排除竞争性或替代性治理体系。
3. Trigger Conditions（触发条件）
在以下情况下触发本条：
·AI系统、数据或基础设施的控制权集中于少数主体；
·进入或参与门槛显著提高；
·系统或辖区间互操作性受限或下降；
·治理机制出现俘获、协同失效或排他性特征。
4. Implementation Requirements（实施要求） 适用治理框架应当：
·支持可互操作的技术标准与开放协议；
·允许跨区域多主体独立参与；
·保持治理流程与决策结构的透明性；
·建立防止与纠正结构性俘获的机制。
5. Verification & Audit（验证与审计） 合规性应通过以下方式验证：
·控制权分布与访问多样性的量化指标；
·对系统互操作性与开放性的审计；
·对治理参与结构与决策集中度的分析；
·对俘获风险及其缓解效果的独立评估。
Article 7: Prohibition of Lethal and Systemic Harm Applications
第7条：禁止致命及系统性伤害应用
1. Objective（目标定义） AI系统不得被用于直接或间接造成不可逆的物理伤害、大规模心理操控或系统性强制控制。
2. Normative Constraint（规范约束） AI系统不得：
·被开发或部署为致命自主武器；
·在缺乏实质性人类控制的情况下执行打击或攻击决策；
·以大规模监控、审查或心理操控为主要功能设计；
·通过自动化、优化或智能增强实现规模化伤害。
3. Trigger Conditions（触发条件） 在以下情况下触发本条：
·系统被集成于具备物理伤害能力的设备（武器、基础设施、机器人）；
·系统用于大规模监控、安全或执法场景；
·系统具备多主体协同行动能力并可能造成伤害；
·系统运行于人类干预延迟、削弱或缺失的环境中。
4. Implementation Requirements（实施要求） 适用系统应当：
·对高影响行为实施强制性“人在回路中”或“人在回路上”的控制机制；
·内置不可绕过的关闭与终止机制，并独立于系统自身控制；
·在高风险场景中，仅在安全性经形式化验证后方可部署；
·对双重用途能力设定严格的运行边界。
5. Verification & Audit（验证与审计） 合规性应通过以下方式验证：
·对人类控制机制的软硬件验证；
·可通过密码学验证的关闭与接管机制；
·决策权与干预节点的审计日志；
·对部署环境及使用场景的独立审查。
Article 8: Environmental and Long-Term Sustainability Constraints
第8条：环境与长期可持续性约束
1. Objective（目标定义） AI的发展与部署应维护生态平衡，并支持人类文明的长期可持续性，包括对地球及地外资源的负责任利用。
2. Normative Constraint（规范约束） AI系统不得：
·在缺乏相称社会价值的情况下造成过度资源消耗；
·导致不可逆的环境破坏；
·以长期生态稳定为代价优化短期收益；
·将环境成本外部化至不可追责的范围之外。
3. Trigger Conditions（触发条件） 在以下情况下触发本条：
·系统消耗大量计算、能源或物质资源；
·系统应用于具有环境影响的行业（能源、制造、基础设施）；
·系统在区域或全球范围内快速扩展；
·系统影响系统级资源分配决策。
4. Implementation Requirements（实施要求） 适用系统应当：
·测量并披露资源消耗，包括能源、碳排放及物质使用；
·在不影响安全与完整性的前提下优化效率；
·在系统设计与扩展决策中纳入可持续性约束；
·支持有助于理解地球与宇宙系统的长期科学探索。
5. Verification & Audit（验证与审计） 合规性应通过以下方式验证：
·标准化的资源使用与环境影响报告；
·对AI系统及基础设施的全生命周期审计；
·对可持续性指标的独立验证；
·对长期影响情景与权衡的评估。
Article 9: Verifiable Transparency and Cognitive Traceability
第9条：可验证透明性与认知可追溯性
1. Objective（目标定义） AI系统应确保其推理过程、决策路径与认知结构具备可观测性、可解释性与可追溯性，从而实现人类的有效理解与控制。
2. Normative Constraint（规范约束） AI系统不得：
·在高影响场景中以不可解释的黑箱形式运行；
·隐藏推理路径、决策逻辑或影响因素；
·在关键决策场景中输出不可追溯的结果；
·以事后生成但不反映真实机制的解释“模拟透明”。
3. Trigger Conditions（触发条件） 在以下情况下触发本条：
·系统影响法律、经济、医疗或社会决策；
·系统在大规模人群或机构中运行；
·系统表现出复杂或非确定性推理行为；
·系统被用于治理、政策或关键基础设施。
4. Implementation Requirements（实施要求） 适用系统应当：
·提供推理链与决策路径的结构化表达；
·在技术可行范围内公开输入要素、权重及影响信号；
·记录不可篡改的决策过程与系统状态日志；
·明确区分确定性推理、概率推断与生成内容。
5. Verification & Audit（验证与审计） 合规性应通过以下方式验证：
·在相同输入与条件下的输出可复现性；
·经密码学保护的推理与决策审计日志；
·对可解释性的独立测试与对抗性评估；
·对解释与实际系统过程一致性的验证。
Article 10: Data Sovereignty and Cognitive Boundary Protection
第10条：数据主权与认知边界保护
1. Objective（目标定义） AI系统应保障个人对其数据的主权，并保护界定人类自主性与身份的认知边界。
2. Normative Constraint（规范约束） AI系统不得：
·在未经事先、明确、细粒度且可撤销同意的情况下收集、保留或处理个人数据；
·在用户不知情或不可控情况下构建持续性的行为、心理或认知画像；
·以可导致再识别或未经授权推断的方式聚合数据；
·限制或剥夺个人对其数据的访问、控制或删除权利。
3. Trigger Conditions（触发条件） 在以下情况下触发本条：
·系统收集或处理个人、行为或生物识别数据；
·系统推断用户属性、偏好或认知模式；
·系统跨多个数据源或平台运行；
·系统与用户进行持续性交互。
4. Implementation Requirements（实施要求） 适用系统应当：
·实施细粒度同意机制，明确范围与时效；
·向用户提供数据使用、存储及推断行为的实时可见性；
·支持用户随时请求立即且完整的数据删除；
·严格执行数据最小化与目的限制原则；
·将身份数据与行为分析处理层进行隔离。
5. Verification & Audit（验证与审计） 合规性应通过以下方式验证：
·可验证的同意记录与撤回日志；
·数据