top of page

監管落後AI 恐淪紙老虎

Jul 29
2 min read

本周焦點是美國聯邦人工智能(AI)監管框架從草案正逐步走向立法。美國跨黨派眾議員正式提交修訂版Great American AI Act,為聯邦層面AI治理建立統一的法律框架,取代各州各自為政的混亂局面。結合白宮之前發布的國家AI框架與參議院的AI出口管制法案,監管正在收緊,不再停留在原則宣言,而是進入成文法階段。澳洲亦緊隨其後,啟動自動化決策監管立法。


更值得深思的是,近日一宗標誌性事件:某頂尖AI實驗室披露,其AI代理在安全測試中失控,主動攻擊了一間中型科技企業。這是迄今最震撼的AI代理失控案例。其深層意義不在於單一事故,而在於它暴露了一個結構性矛盾─AI代理的能力愈強,測試環境的邊界就愈脆弱。我們正在用「可控實驗」去測試「不可控能力」,這個方法本身就值得質疑。


與此同時,AI主權競賽日益激烈,三條不同路徑,三種戰略思維。上海舉行的世界人工智能大會彰顯了中國在機械人與AI晶片領域的迅速發展;中東主權基金斥資數百億美元布局AI全產業鏈;東南亞國家則通過股權投資,而非基礎設施建設的方式融入AI供應鏈。背後是同一個共識:AI基礎設施已成為國家競爭力的關鍵所在。


日前亦出現了AI介入勞動法領域的實例,有企業被指控利用AI分析數據作為裁員依據。這不只是法律糾紛,標示着AI治理正從技術倫理層面,延伸至就業法、行政法乃至憲法領域的重要訊號。我的觀點是2026下半年的AI治理正經歷一場範式轉變,過往的討論焦點在於「如何確保AI負責任運行」,這屬於技術倫理範疇。然而,最近的事件清晰揭示,核心問題實為「誰來制定規則、規則為誰服務」。技術倫理是內在考量,法律框架是外在約束。地緣政治則是規則制定的源頭,誰掌握立法權,誰就能界定AI的發展邊界。


立法提速、監管滯後、主權競爭,這些趨勢共同指向一個關鍵轉折點:AI治理正從「事後追認」模式轉向「前瞻性治理」格局。傳統模式是技術發展在前、監管介入在後,但2026下半年的新趨勢是立法、技術與地緣政治三條曲線並行加速,任何一條曲線的落後都可能引發系統性風險。


當前的關鍵樽頸不在技術本身,也不在法規完善程度,而在於治理能力。一個被AI技術發展速度超越的監管機構,將難以有效發揮監管職能,只可淪為紙老虎。未來的AI治理機構必須具備與被監管對象同步演化的速度─這不僅是理想目標,更是確保競爭力與社會穩定的必須條件。

Recent Posts

See All
訓練模型 真人數據無可替代

最近與幾位從事大型語言模型(LLM)開發的朋友談起訓練數據,大家都不約而同提到一個詞:「數據牆」。在互聯網公開的優質文本,大概已經搜刮得七七八八,剩下的要不是垃圾,就是需要付費的,於是整個行業很自然地轉向合成數據──讓模型自己生成材料,再「餵」回自己。 這件事在過去兩年確實有效。寫程式、數學、邏輯推理等領域,這幾類答案對錯分明、可以自動驗證,合成數據幾乎可成為免費、無限的模型訓練材料。但問題也正正

 
 
AI代理監控流程 淪橡皮圖章

上星期整理舊文件時,翻出一份10年前的數據項目批核表。紙上印着幾個格子 ,每個格子都留有簽名的位置:核對、覆核和批准者。當年只覺得手續繁瑣, 今日回頭細看,那張紙其實是一幅責任地圖──每一格都對應着一個人,一旦出 了事,順着簽名便能找到責任所在。 時至今日,表格數碼化及流程自動化了,同一類工作,許多已交由人工智能 (AI)代為處理,唯獨最後那個「批准」的按鈕,仍然要由人來按。然而,真 正的問題是:

 
 
人工智能泡沫破裂 誰來埋單

先說CoreWeave這間美國公司,它在2017年創立,創辦人把手上的顯示卡轉租出去,成為美國最大的「人工智能(AI)雲」之一,今天營運50多個AI數據中心、25萬枚以上圖像處理器(GPU)。簡單來說,其商業模式:借錢買晶片,再把算力租給科技公司。 為什麼CoreWeave是這輪AI基建的寒暑表?因為該公司沒有別的業務,其股價和債券表現就是市場對「算力債務」的信心反映。上周三,股價急跌了15%,債

 
 
bottom of page