变革性人工智能(AI)在带来巨大潜力的同时,也带来了安全与社会层面的风险。仅靠政府力量,很可能无法及时有效地管控这些风险。前沿AI研究与部署高度集中于私营企业,技术进步的速度持续超越政策与监管的更新周期,而AI影响所触及的领域大多处于国家直接管控范围之外。
RAND公司发布的这份报告,通过系统性文献综述、对企业与公民社会从业者的半结构化访谈,以及五场RAND设计的桌面推演演练,探讨了企业和公民社会力量如何在某些方面弥补政府行动的不足,共同参与管控AI风险。
报告围绕非政府行为者的三大角色,构建了一套结构化框架,并在每个角色下,区分了最低基线行动与协同推进步骤,同时指出非政府力量如何为公共政策提供信息支撑或形成有益互补。
管控开发与部署中的技术与运营风险
AI开发和部署企业最接近风险源头。报告建议,前沿AI开发者、云计算与基础设施提供商,以及高风险部署方应建立独立的AI风险职能部门和正式的问题上报机制,并形成安全案例文档。对于规模较小的部署方和下游采用者,可从较为精简的基线做起,包括明确高管责任人、建立AI应用清单、对使用场景进行风险分级,以及为关键业务应用配备人工覆盖机制。
通过市场与网络机制塑造安全激励
大型采购方、投资机构、保险公司和行业联盟,可以将安全标准纳入采购决策、尽职调查和合规保障流程,对采用了严格风险管理实践的开发者给予市场激励,从而推动通用标准在不同市场与行业中广泛传播。
支持社会稳定与公众信任
雇主、慈善机构、工会、行业组织和社区团体,可以积极规划劳动力转型路径,投入职业再培训与再就业支持,强化地方社区应对AI冲击的韧性,并就AI的风险与收益提供清晰可信的公众沟通。
报告的核心发现是:企业与公民社会行为者,凭借其在AI开发、部署生命周期及社会结构中的独特位置,完全有能力在现有法律与市场条件下采取切实可行的行动,成为管控变革性AI风险的重要力量。
本报告由RAND人工通用智能地缘政治中心与RAND全球及新兴风险部门联合完成,面向希望进入变革性AI风险管理领域的企业与公民社会受众,以及研究国家之外治理角色的学术研究者。
Q&A
Q1:RAND报告中提到企业在AI风险管理中应该怎么做?
A:报告建议,AI开发和部署企业应建立独立的AI风险职能部门,设立正式的问题上报机制,并形成安全案例文档。规模较小的企业可从精简基线出发,包括明确高管责任人、建立AI应用清单、对使用场景进行风险分级,以及为关键业务配备人工覆盖机制。总体目标是让最接近风险源头的企业承担起相应的管控责任。
Q2:公民社会组织在应对AI风险中能发挥什么作用?
A:报告指出,工会、慈善机构、社区组织和行业协会可以规划劳动力转型路径,投入职业再培训与再就业支持,帮助增强地方社区抵御AI冲击的韧性。此外,这些组织还能就AI的风险与收益进行清晰可信的公众沟通,有助于维护社会稳定与公众信任。
Q3:为什么光靠政府监管不够,还需要企业和社会力量参与AI治理?
A:因为前沿AI研究和部署主要集中在私营企业,技术进步速度远超政策与监管的更新节奏,且AI影响所触及的大多数领域处于国家直接管控范围之外。企业和公民社会行为者凭借其在AI开发部署链条及社会结构中的独特位置,能够弥补政府行动的不足,形成多层次的风险治理体系。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。