4.全球人工智能社會發(fā)展研究報告（2025年7月）

參考文獻：全球人工智能社會發(fā)展研究報告（2025年7月）上海市人工智能與社會發(fā)展研究會

隨著生成式人工智能的爆發(fā)性演進，技術創(chuàng)新已實現(xiàn)由實驗室向社會的全面滲透。

人工智能的社會化應用呈現(xiàn)出深度賦能和系統(tǒng)性風險并存的雙重圖景。一方面，人工智能作為新質生產(chǎn)力的核心引擎，驅動產(chǎn)業(yè)智能化升級，孵化出一系列新業(yè)態(tài)、新場景、新模式，在醫(yī)療、教育、新聞、科研等領域釋放出巨大潛力。另一方面，數(shù)據(jù)泄露、算法偏見、隱私侵犯、勞動替代、情感依賴、環(huán)境污染等問題，不斷挑戰(zhàn)社會倫理底線與全球治理體系韌性。

（1）算力革命：能源困局與綠色算力破局

隨著全球數(shù)據(jù)中心的持續(xù)擴容，技術進步與環(huán)境承載能力之間的矛盾日益凸顯，主要聚集在能源消耗、碳排放、電子垃圾三個方面。

大模型的訓練與推理需要不斷增加參數(shù)、堆疊芯片，讓數(shù)據(jù)中心的耗電量呈指數(shù)級增加。最后，人工智能系統(tǒng)的迭代升級還持續(xù)產(chǎn)生電子廢物，這些廢物中含有鉛、汞和鎘等危險化學物質，若處理不當，長此以往將對環(huán)境構成威脅。由此可見，人工智能競爭的盡頭可能就是電力之爭。其次，能源消耗的激增直接導致碳足跡擴大。

人工智能助力節(jié)能減排的潛在路徑機制，其核心路徑可歸為兩大方向：

一是通過驅動傳統(tǒng)產(chǎn)業(yè)綠色轉型間接減少碳排放。人工智能通過“勞動者-勞動資料-勞動對象-要素組合”多層級要素的組合優(yōu)化，提高傳統(tǒng)產(chǎn)業(yè)的資源利用率與全要素生產(chǎn)率，從而減少不必要經(jīng)濟活動帶來的環(huán)境影響。

二是直接賦能能源環(huán)境行業(yè)發(fā)展以增強減排交通。一是模型綠色升級。在硬件上采用高效能、低功耗的設備，在軟件上優(yōu)化算法、降低軟件復雜度、提高軟件運行效率。二是計算資源協(xié)同。三是核能突破。

（2）模型幻覺：謬誤和創(chuàng)見共存

模型幻覺是除算法偏見外，算法研究領域的又一重要話題?！盎糜X”原本是神經(jīng)科學和心理學的概念，意指感覺接受器對客觀經(jīng)驗不準確的主觀再現(xiàn)。隨著自然語言技術的迭代更新，“幻覺”逐漸發(fā)展成為一個負面詞匯，通常指模型生成的內(nèi)容對提供的源內(nèi)容無意義或不忠實，即模型生成的文本不忠實于信息源或者與現(xiàn)實世界的事實不符。

算法偏見（Algorithmic Bias）指人工智能或算法系統(tǒng)在決策過程中，因數(shù)據(jù)、設計或部署等因素產(chǎn)生的不公平、歧視性結果。這種偏見可能加劇社會不平等，影響就業(yè)、司法、金融、醫(yī)療等關鍵領域。

偏見產(chǎn)生的根源：

（一）數(shù)據(jù)偏見（Data Bias）：訓練數(shù)據(jù)偏差：使用帶有歷史歧視的數(shù)據(jù)（如性別、種族歧視的招聘記錄）。樣本偏差：數(shù)據(jù)未能代表全體群體（如醫(yī)療數(shù)據(jù)主要來自特定族群）。

（二）算法設計偏見（Algorithmic Design Bias）：特征選擇不當：使用與敏感屬性（種族、性別）強相關的代理變量（如郵編隱含種族信息）。優(yōu)化目標偏差：僅追求準確率而忽略公平性（如司法預測模型更易標記少數(shù)族裔為高風險）。

（三）部署與應用偏見（Deployment Bias）：場景錯配：模型在未經(jīng)適配的場景中使用（如基于城市數(shù)據(jù)的信貸模型用于農(nóng)村）。反饋循環(huán)：偏見的輸出被重新輸入系統(tǒng)，形成惡性循環(huán)（如推薦系統(tǒng)固化信息繭房）。

數(shù)據(jù)層的污染、重復、缺失，以及數(shù)據(jù)標注錯誤是誘發(fā)模型幻覺的源頭性因素?；诖?，可進行數(shù)據(jù)清洗和數(shù)據(jù)增強構建真實數(shù)據(jù)集并修正幻覺數(shù)據(jù)集，以提高數(shù)據(jù)質量；優(yōu)化模型初始結構、模型訓練與微調過程、模型后處理方法，以減少計算過程中的誤差；設計相關提示或者對齊指令，以減少特定任務幻覺的產(chǎn)生。

人工智能幻覺存在一體兩面，機器創(chuàng)造力過于注重新穎性可能會導致產(chǎn)生原創(chuàng)但不準確的回答，而過于注重實用性則可能導致無效的死記硬背的回應。因此，開發(fā)真實可靠的大模型時，如何平衡創(chuàng)造力與真實性是處理幻覺問題的巨大挑戰(zhàn)。

（3）數(shù)據(jù)讓渡：便利增益與隱私風險

人工智能嵌入用戶交互過程中，用戶會向交互智能體分享大量數(shù)據(jù)，這些數(shù)據(jù)被收集后可能會被繼續(xù)用于模型訓練。這種主動披露的數(shù)據(jù)讓渡超越了“知情同意”制度的范疇，讓隱私可以在用戶認知模糊的狀態(tài)下被非自主讓渡（孫國燁等，2025）。數(shù)據(jù)讓渡作為人工知能系統(tǒng)動作的底層邏輯，其引發(fā)的隱私導論是近年來學界關注的重要議題。

一方面，用戶的數(shù)據(jù)隱私自愿讓渡是智能應用程序為其提供個性化、場景化服務的基本前提。因此，隱私讓渡是用戶獲取便利的前提基礎，智能應用的數(shù)據(jù)收集行為已經(jīng)成為大數(shù)據(jù)社會正常運行不可缺少的重要基底。

另一方面，智能應用對數(shù)據(jù)的挖掘、儲存、計算一定程度上又無可避免地構成了對用戶數(shù)據(jù)隱私的侵犯。此外，算法的自動化計算黑箱一定程度上會造成對用戶“合成隱私數(shù)據(jù)”的侵犯。

此外，盡管知情同意原則已經(jīng)成為對待隱私讓渡問題的社會共識，大多數(shù)知名企業(yè)都出臺了自己的隱私規(guī)范政策，但是在實踐中，數(shù)據(jù)企業(yè)將這種同意機制實際異化設置為一種近乎默認的機制，絕大多數(shù)用戶并不知道自己“同意”就已經(jīng)構成了“同意”。這種“默認同意”機制或者“選擇性拒絕”模式在web3.0時代很難起到保護個人隱私的作用。一方面，大數(shù)據(jù)平臺及軟件開發(fā)商提供的知情同意書往往過于復雜，作用用戶的隱私主體大多沒有時間和精力進行全面而仔細的閱讀，這就意味著知情只是一種可能而不是現(xiàn)實。另一方面，大數(shù)據(jù)平臺及軟件開發(fā)商都實行“同意才可使用”政策，即如果不同意其隱私政策就不能使用其軟件或平臺，在這一政策下，大多數(shù)人為了獲得軟件或平臺的便利而不得不同意其隱私政策，這就意味著同意只是一種被脅迫的同意（董淑芬、李志祥，2023）?？梢?，個人用戶在強大的算法技術面前 處于絕對弱勢地位。

（4）勞動轉型：替代沖擊與技能重構

人工智能技術的迅猛發(fā)展正以前所未有的深度和廣度重塑全球勞動力市場格局，引發(fā)了各界關于人類勞動價值與未來工作形態(tài)的深層思考，勞動替代由此成為近年來人工智能社會科學研究的核心熱點。

圍繞人工智能對勞動市場的影響，學界形成了“創(chuàng)造”與“替代”的兩大 對立觀點。支持創(chuàng)造論的學者認為，人工智能正孵化出一系列新場景、新業(yè)態(tài)，不僅不會導致大規(guī)模失業(yè)，反而會創(chuàng)造一批全新的就業(yè)機會（易憲容、陳穎穎， 2024）。此外，智能設備的使用、維護和培訓也需要大量專業(yè)人才參與（徐政、 吳曉亮，2025）。支持替代論的學者認為，采用人工智能將導致大規(guī)模的勞動替代與結 構性失業(yè)。高盛的研究數(shù)據(jù)顯示，在人工智能的沖擊下，3 億全職崗位面臨替代 風險，美國約有三分之二的職業(yè)可以通過人工智能實現(xiàn)部分自動化（高盛，2023）。隨著人工智能技術由專用向 通用跨越，就業(yè)替代效應也在不斷強化與拓展，可替代的勞動形式由物質勞動延 伸至非物質勞動，工作類型由常規(guī)認知領域到非常規(guī)認知領域。

“創(chuàng)造”與“替代”并非均勻分布，而是呈現(xiàn)出顯著的技能偏向性（IEDC， 2025），由此引發(fā)的就業(yè)極化現(xiàn)象成為學者們密切關注的研究熱點。具體表現(xiàn)為：低技能崗位面臨取代風險，高技能崗位存在創(chuàng)造機遇，但其創(chuàng)造的數(shù)量和速度遠 不足以彌補被替代的低技能崗位總量，導致整體就業(yè)崗位的凈減少（孟現(xiàn)玉， 2024）。黃旭和董志強（2024）的研究創(chuàng)新性地考慮到了勞動者技能身份的可轉變性，他們提出，人工智能對就業(yè)崗位的沖擊并不是簡單的局部靜態(tài)結果， 而是一個復雜的全局動態(tài)過程。在人工智能沖擊下，中等技能工人有三種 潛在的應對之策： 一是在現(xiàn)有崗位上經(jīng)過培訓提高勞動生產(chǎn)率， 二是下沉轉化為低技能工人，三是經(jīng)過培訓成為高技能工人。不同策略將對就業(yè)極化與工資極化現(xiàn)象產(chǎn)生差異性影響。這種非對稱的勞動市場結構將加劇收入分配的兩極分化， 推動其持續(xù)向高收入人群傾斜。整體而言，替代效應與創(chuàng)造效應同步 發(fā)生，勞動市場的總量收縮風險與質量提升機遇并存，呈現(xiàn)出技能導向動態(tài)轉 型的整體趨勢。

隨著人工智能技術從判別式向通用式的跨越演變，勞動市場的技能 偏向性導向引發(fā)了新的理論爭議。當傳統(tǒng)自動化風險聚焦程式化體力任務時，生成式人工智能的顛覆性在于威脅認知交互型技能。Molly Kinder 等（2024）認為，生成式人工智能的發(fā)展標志著與以往“技能偏向”范式的徹底決裂。除非機器 人技術取得突破，生成式人工智能不太可能對體力勞動造成威脅，相反，它擅長 編程、預測、寫作、說服、溝通，具備了替代有一定技能門檻工作的交互特質。這種特性導致自動化風險格局發(fā)生逆轉，如今大多數(shù)面臨生成式人工智能替代威 脅的行業(yè)，正是幾年前自動化替代風險排名中墊底的行業(yè)。該范式顛覆在職業(yè)與 技能層面獲得雙重實證支持。安永全球分析顯示，數(shù)學與編程技能在生成式人工智能威脅暴露指數(shù)中高居首位，而主動傾聽、學習能力等人際互動 與情感理解技能穩(wěn)居安全區(qū)（Gregory Daco，2024）。在人工智能向通用式邁進的過程中，新型技能壁壘得以形成。當高技能門檻的認知型工作淪為替代重災區(qū) 時，需復雜社會情感協(xié)調與創(chuàng)造性思維的能力反成人類最后的防御堡壘。這宣告 “低技能=高替代”工業(yè)邏輯的終結，標志著人機協(xié)作準則向“情感-創(chuàng)造”雙維度的歷史性遷移。

人工智能對勞動力市場的重塑已突破“創(chuàng)造-替代”的二元框架，呈現(xiàn)出結構性極化與范式逆轉的雙重特征。未來的關鍵在于構建“技術適應力+人文內(nèi)核”雙驅動的勞動力發(fā)展體系，讓勞動力轉型既能跟上技術變革的節(jié)奏，又能守住人類不可替代的價值。

（5）智能鴻溝：技術紅利分配的結構性失衡

人工智能正 在重塑全球經(jīng)濟與社會結構，但其帶來的技術紅利并未實現(xiàn)公平分配，反而加劇 了既有的數(shù)字鴻溝。與傳統(tǒng)數(shù)字鴻溝不同，智能鴻溝不僅涉及 ICT 技術接入與使用的差異，更體現(xiàn)在算力資源、算法理解、數(shù)據(jù)掌控、治理能力等深層次能力 的分化。從不同主體維度看，智能鴻溝 在國家層面體現(xiàn)為南北差異與技術自主，企業(yè)層面表現(xiàn)為巨頭壟斷與競爭失衡，個人層面則反映為智能素養(yǎng)與社會公平。

從國家層面看，人工智能技術的發(fā)展進一步加深了國家之間的差距，已成為 學界共識。先進人工智能技術的研發(fā)與部署具有高度資源密集型特征，尤其依 賴巨大的能源消耗和先進的基礎設施，往往只有發(fā)達國家有能力支撐。國家間的技術鴻溝通過全球供應鏈分工傳導至產(chǎn)業(yè)領域，加劇了發(fā)展失衡。

從企業(yè)層面看，大部分學者認為人工智能將進一步導致競爭失衡與寡頭壟斷。 當下，由于技術和資本的雙重壁壘，人工智能基礎模型市場高度集中，主要被 極少數(shù)大型科技企業(yè)所壟斷（雷昊楠，2024）。但自DeepSake 發(fā)布以來，也有部分學者表達了用開源生態(tài)對沖壟斷格局的新思考。 DeepSake 一是通過低成本訓練推理，打破高端算力的壟斷封鎖，降低研發(fā)應用門檻；二是通過全棧、全系列的開源開放，支持按需自主部署，普惠各行各業(yè)， 為人工智能開放生態(tài)系統(tǒng)提供了中國經(jīng)驗（武延軍，2025）。

從個人層面看，智能鴻溝體現(xiàn)在人工智能對不同群體的差異性賦能上。****數(shù)據(jù)作為現(xiàn)實世界的映射，其采集和標注過程往往會客觀復 制現(xiàn)實中的偏見與結構性失衡。當這些帶有偏差的數(shù)據(jù)被用于訓練算法時，算 法機制不僅未能糾正既有不平等，反而會系統(tǒng)性地識別、放大甚至固化這些模 式，最終導致性別鴻溝在人工智能應用中被進一步顯化和極化。除了探究智能鴻 溝的原因之外，部分學者對生成式人工智能對應的智能素養(yǎng)展開了探討。彭蘭 （2024）指出，智能傳播時代人們需要掌握新的能力，即對智能生成內(nèi)容的辨識能力，以及與智能體的提示交互能力。個體可以利用大模型實現(xiàn)知識生產(chǎn)的積累， 由此產(chǎn)生一種去中心化的知識賦權效應。

（６）人機主體性：異化與共生

人工智能技術的迅猛發(fā)展正在深刻重構人機關系，并引發(fā)關于主體性（Subjectivity）的哲學倫理反思。隨著“機器的人化”與“人的機器化”雙重進程的同步演進，學界對技術沖擊下“人的主體性”和“機器的主體性”展開激 烈討論。

針對技術沖擊下人的主體性危機，學界主要聚焦于危機的多重表征與紓解之道展開研究。危機的本質在于技術理性對價值理性的僭越，以及資本邏輯與技 術邏輯的共謀對人性本質的異化。例如，凌應生（2025）指出，資本與技術的雙重邏輯已深度介入并重構個體的認知模式、行為方式、社會關系及自我認同。這 種介入與重構對人的主體性形成的沖擊集中體現(xiàn)在四個維度：獨立人格被侵蝕 （個性消解與技術依賴）；自主性和創(chuàng)造性被削弱（技術替代與思維惰性）；交往異化加?。ㄌ摂M交往與情感疏離）；社會角色邊緣化（技術失業(yè)與身份認同危 機）。

對于人工智能的主體性爭議，不同于技術界的積極想象，社科領域的大部 分學者并不認同其具有完全的主體性。也有學者指出，傳統(tǒng)主客體二元對立的認識論已無法解釋生成式人工智能對主體性的沖擊。人機關系經(jīng)歷了從初期 的“被動工具模式”到如今“智能協(xié)作模式”的發(fā)展（孟芳，2025），已經(jīng)由傳 統(tǒng)的“主客體”支配關系轉向一種深度“合作”關系（李洋、薛瀾，2025）。部 分學者引入行動者網(wǎng)絡理論（ANT），將技術作為網(wǎng)絡中的行動者之一。殷杰（2024）提出，生成式人工智能在與人類交互中，表現(xiàn)出了與以往人工智能截然不同的自主交互能力，呈現(xiàn)出一種新型的主體性特征，即交互主體性。

此外，當前關于人工智能法律主體地位的探討，即人工智能能否成為法律意 義上的行為主體，以享有相關權利和承擔相應責任，形成了兩種截然相反的觀點：否定說和肯定說（梅夏英，2025）。否定說目前是大多數(shù)人支持的主流觀點，該說認為人工智能目前成為法律主體并不現(xiàn)實，其主要理由在于：人工智能目前并 不具有人類的理性和自我意識，亦不具有自身財產(chǎn)，且不賦予其主體地位并不影 響法律解決與人工智能相關的法律問題（孫良國，2024；袁康，2024）。肯定說則認為，對于一種新型民事主體的承認，法律并不必然要求主體具有人類理性， 如法人（尤其是財團法人）就體現(xiàn)為財產(chǎn)的聚合；亦不要求責任財產(chǎn)的存在，如 動物、胎兒和非法人團體等民法上的“有限主體”就與財產(chǎn)無直接關系（石冠斌， 2024）。

（7）大國博弈：權力重構與生態(tài)重塑

人 工智能作為第四次科技革命中的顛覆性戰(zhàn)略技術，是大國博弈的焦點，也是學界關注的經(jīng)典議題。

人工智能正深刻重塑國際權力格局，部分學者圍繞技術的國家權力形塑路徑展開分析。作為典型的軍民兩用技術，人工智能在國防軍事領域的廣泛應用，引發(fā)了 學界對其國際安全影響的深入探討。人工智能加劇了國家間的軍備競賽與安全困 境，重塑了戰(zhàn)爭形態(tài)和政治生態(tài)，是影響全球安全格局的重要因素。學界關于人 工智能與安全的研究主要聚焦在物理層的武器賦能與認知層的信息操控兩個層面。一是關于人工智能帶來的網(wǎng)絡空間武器化的探討。人工智能賦能國際網(wǎng)絡安 全攻防博弈，網(wǎng)絡攻擊智能化升級明顯，攻擊效率顯著提升，呈現(xiàn)自動化、自適應和協(xié)同作戰(zhàn)的特征（徐堅、朱思思，2025）。二是關于虛假信息與認知戰(zhàn)研究。自 ChatGPT 發(fā)布以來，深度偽造和信息操控隨之泛濫，極大地動搖了西方國家的民主根基與社會秩序（Shasha Yu、Fiona Carroll，2024）。生成式人工智能對意識形態(tài)滲透、國際輿論操控與軍事指揮構成潛在威脅（黃日涵、姚浩龍，2023）。

（8）敏捷治理：漸進改進、協(xié)同共治

人工智能技術快速演進伴生的高度不確定性和復雜風險，使傳統(tǒng)長周期制定、剛性規(guī)則執(zhí)行和單一主體主導的治理模式陷入瓶頸，難以有效匹配技術變革的節(jié)奏與應對涌現(xiàn)性挑戰(zhàn)。追求敏捷逐漸成為人工智能治理的共識性理念。

目前，學界關于敏捷治理的研究多停留于概念闡釋與案例分析，對于相關 理論架構、實現(xiàn)路徑、操作工具、流程路線仍缺乏全面系統(tǒng)的綜合性分析。敏捷治理這一概念最初起源于美國制造業(yè)，美國政府在其出臺的《21 世紀制造企業(yè)戰(zhàn)略》報告中首次提出“敏捷制造”這一說法，旨在倡導制造企業(yè)采用現(xiàn)代通 信技術，積極響應用戶的需求變化，快速配置生產(chǎn)資源，實現(xiàn)制造的敏捷性。2018 年，世界經(jīng)濟論壇將“敏捷治理”（Agile Governance）定義為“一種柔韌性、靈活性或適應性的行為或方法”，旨在轉變政府政策的產(chǎn)生、制定、執(zhí)行方式，以期跟上新興技術驅動社會快速變革。具體而言，敏捷治理強調有效回應不斷變化的 公共需求，并呈現(xiàn)出四個方面的特征：價值導向上強調創(chuàng)新和治理協(xié)調發(fā)展，治 理主體上強調政府主導、多元參與，治理對象上強調全過程自下而上分層治理，治理工具上強調靈活響應、軟硬兼施（龍龍，2024）?；诖?，已有部分學者從 敏捷治理的角度出發(fā)，對虛假信息治理（何宇華、李霞，2024）、數(shù)據(jù)治理（Chukwurah 等，2024；葉英杰、李川，2025）、數(shù)字政府建設（朱國偉等，2024）等議題展開縱深案例分析，初步嘗試建構敏捷治理模式框架與理論體系。但現(xiàn)有成果仍多呈現(xiàn)點狀突破的特征****，****在理論體系的整合度、抽象度與統(tǒng)攝性方面尚存提升空間，亟待通過更深入的概念凝練與跨案例比較研究，推動敏捷治理理論的系統(tǒng)化發(fā)展。

作為敏捷開發(fā)模式的典型成果，生成式人工智能的治理模式也應遵循敏捷 治理這一原生治理方式，傳統(tǒng)治理模式難以為繼（郭全中，2025）。這一必然性源于：其一，人工智能技術快速迭代導致制定周期較長的傳統(tǒng)治理工具難以匹配。 其二，人工智能的全面滲透性及其引發(fā)的不確定性風險導致以“命令-執(zhí)行”為 主的“官僚”治理模式難以奏效（龍龍，2024）。而敏捷治理這一實時反饋、漸進改進、多方參與、靈活自適應的治理模式則為當下的人工智能治理帶來了新 的窗口。然而，在實際治理過程中，尋找恰當?shù)拿艚菪耘c靈活性仍面臨諸多挑戰(zhàn)。

敏捷治理模 式不同于傳統(tǒng)自上而下的治理模式，強調政府、企業(yè)、社會組織等多元主體的共 同參與。自下而上的模式保證了治理理念的多元化與效益的公平性，但也會衍生決策進程遲緩等附帶作用。多個利益攸關方可能有不同的治理目標和優(yōu)先事項，如企業(yè)更加注重技術創(chuàng)新，政府更加注重安全風險防治，用戶個人更加注重隱私 保護，這些目標之間可能存在沖突（郭全中，2025）。因此，決策權的共享程度極大地影響著治理的效率。敏捷治理在倡導不同主體廣泛參與的同時，也強調 政府作為權威主體在其中扮演的主導性角色（薛瀾，2024）。何宇華（2024）進一步指出，敏捷治理強調要在政府和非政府行為者之間保持決策權的極化，即 僅在一方保持決策權。

（9）結束語

賦能與風險并存、解構與重構共生、博弈與協(xié)同競合、工具理性與價值理性碰撞。人工智能社會化揭示出技術嵌入現(xiàn)代性肌理的深層邏輯與復雜面向。

人工智能的社會科學研究，其核心價值不僅在于理解技術，也不止在于駕馭技術，更在于深入探索技術與人類社會的共生邏輯。技術發(fā)展驅動制度創(chuàng)新，社會調適反哺技術馴化。唯有持續(xù)深化相關核心議題的探索，構建技術革新與社會福祉的動態(tài)平衡機制，方能引導人工智能成為人類文明的向善建構性力量，而非社會分化的潛在風險源。這既要求學術理論的前沿突破，亦需政府、市場和社會協(xié)同構建治理框架，共同塑造兼具創(chuàng)新活力與人本價值的智能文明。

相關鏈接：《精選書籍推薦：我的自學之路感悟》總目錄