全球模型治理：中美欧差异化路径与共识

从算法到模型，人工智能正迈向自我学习进化的新阶段，同时，如何确保模型的安全与可控成为新的挑战。近期，围绕模型治理，中美欧展现了不同的应对策略。2025年7月，欧盟发布《通用人工智能实践准则》，旨在帮助模型提供者遵守《人工智能法案》中的规范。同年9月，美国加州签署《前沿人工智能透明法案》，聚焦于“前沿模型”的透明度。中国则发布了《人工智能安全治理框架2.0》，尽管非直接针对模型，但明确了模型层面的风险。

全球视角下的模型治理探索

中美欧在模型治理上形成了三种差异化路径：欧盟构建多层次的风险类别，配套高密度义务；美国加州选择小范围、轻监管模式，强调企业自律；中国则从应用场景出发，通过“自下而上”的方式延伸至模型本身。理解这些路径的共性与差异，有助于我们把握模型治理在人工智能版图中的关键角色。

欧盟：多层风险判断，义务复杂繁多

欧盟在《AI法案》起草过程中构建了一套以AI系统为核心的风险治理框架，但随着ChatGPT 3.5的推出，欧盟在法案最后阶段匆忙加入通用模型条款。这套治理机制将通用模型分为有无“系统性风险”两类，要求披露技术文档、训练摘要等，具有系统性风险的模型还需进行模型评估等。然而，这些义务有时超出了模型提供者的控制范围，增加了文书负担。

美国加州：收窄监管范围，设置轻量化义务

美国联邦层面的AI立法尚在讨论阶段，但加州已迈出步伐。2024年，加州议会提出《安全与创新前沿人工智能模型法案》，后调整为《前沿人工智能透明度法案》。该法案以产业自律为核心，简化了透明度报告所需的信息，监管对象起点更高、范围更窄，义务也更为轻量。

中国：务实导向，基于应用服务的模型治理

中国的治理并非直接针对模型本身，而是以实际应用服务为切入点。通过算法治理的逐步推进，中国形成了对模型的制度性约束。从《互联网信息服务算法推荐管理规定》到《生成式人工智能服务管理暂行办法》，中国的治理要求从应用延伸至模型层。

共识与探索：更可行的模型治理方案

尽管中美欧在模型治理的背景、对象与义务设定上存在显著差异，但仍展现出“柔性治理、产业先行”的共性特征。面对当前模型能力的不确定性和制度层面尚难形成统一基线的现实，各方将“构建评估生态”视为更可行的路径。透明度因其技术中立、操作性强的特征，已成为核心手段。

通过上述分析，我们可以看到中美欧在模型治理上的不同路径和共同探索。未来，随着技术的不断进步和全球合作的加强，我们有望看到更加完善、有效的模型治理方案。

本期文章由腾讯研究院大模型小分队： 钟雨霏，谢舒赫，王融完成