政府还能不能“管得动”AI？

——当治理能力开始落后于技术速度

2026 年大选议题系列 · 第 10 篇

现代国家的治理能力，从来不只是提出目标或表态立场，而是能否把抽象原则转化为可执行、可持续的制度安排。无论是金融监管、食品安全，还是公共卫生，真正有效的治理，依赖的都是同一件事：规则能否跟得上现实变化。

人工智能的快速扩张，正在对这一能力提出前所未有的挑战。问题并不在于政府是否意识到 AI 的重要性，而在于一个更根本、也更尖锐的问题：当技术的演进速度持续快于制度更新，国家是否仍然具备治理能力本身？

AI 不是“新监管对象”，而是对旧治理模式的全面压力测试

从表面看，AI 是一个全新的技术议题；但从制度层面看，它更像是一场对既有治理模式的压力测试。

传统监管体系通常建立在几个相对稳定的前提之上：风险路径相对清晰、责任主体可以界定、技术变化具备可预测性。

而 AI 恰恰打破了这些前提：模型快速迭代、应用高度碎片化、决策逻辑难以解释，责任在开发者、平台与使用者之间不断被稀释。

当监管逻辑仍然建立在“事前定义—事中监督—事后追责”的线性框架之上时，AI 已经进入了一个制度反应明显滞后的灰区。

治理困境的核心不在“是否监管”，而在“谁懂、谁管、谁负责”

公共讨论中常见一种误解：只要政府愿意出手，就能弥补 AI 带来的治理风险。现实远比这复杂。

立法机构普遍缺乏持续更新技术知识的机制；行政部门难以在人才与资源上与大型科技公司竞争；监管过程又高度依赖行业输入，甚至外包技术评估。

结果是：政府在名义上承担治理责任，却在事实上依赖被监管对象解释风险本身。

当被监管者同时成为规则的主要解释者时，治理能力就会出现结构性弱化，而不仅仅是执行不力。

当制度只能“事后反应”，治理就已经处于被动状态

一个正在成形、却很少被直言的问题是：AI 治理正在越来越多地转向事后补救型模式。

制度往往在技术已经广泛部署、负面影响已经显现、舆论压力开始累积之后，才开始真正介入。

这并不一定源于政府失职，而是因为制度设计的时间窗口，正在被技术发展持续压缩。

当治理只能在问题爆发之后介入，公众对政府是否仍能掌控局面的信任，自然会被逐步侵蚀。

真正的分水岭：国家是否仍然具备“制度化技术”的能力

AI 治理的真正分水岭，并不在于监管强弱，而在于国家是否仍然有能力把复杂技术转化为可治理对象。

这要求的不只是法规文本，而是一整套能力组合：持续的技术理解能力、独立于行业的风险评估、可执行的问责路径，以及跨部门的协调机制。

如果这些能力无法形成闭环，治理就会逐渐沦为表态、试点与临时应对的集合。

AI 治理的成败，取决于国家能力的底盘

人工智能不会等待制度准备好。它只会按照自身的技术逻辑持续扩张。

真正的风险，不在于政府是否“想管”，而在于——当技术不断加速，国家是否仍然具备把规则落到现实中的能力。

如果说 AI 正在重塑经济与社会，那么政府能否“管得动”，决定的将不是技术的存在与否，而是社会秩序的演进方式。

文｜语间