全国政协委员陆铭：以前瞻性制度供给，护航AI产业“有序竞速”

（文/陈济深 编辑/张广凯）

2026年是“十五五”开局之年，人工智能正加速向智能体形态演进，成为赋能新质生产力的重要引擎。

在过去一年间，AI智能体向产业端和消费端渗透的速度已经远超制度建设的节奏。从辅助购物决策的消费类智能体，到代写代码的生产力工具，再到可跨平台调度用户数据的 AI 手机，智能体的形态正经历从聊天框走向操作系统的深刻演变。而智能体数据调用中的利益归属、跨平台授权的合法性边界、AI决策失误的责任划分，仍是现行法律框架中的空白地带。

今年全国两会期间，全国政协委员、上海交通大学安泰经济与管理学院教授陆铭就AI智能体的治理问题发出了呼吁。

他对观察者网表示，政策制定者应尽早在数据权属、授权机制、利益分享和风险责任划分等关键环节建立规则框架，以更好地帮助中国在全球AI竞争中占据主动地位。

正视AI社会变革影响，锚定治理底层逻辑

陆铭长期从事城市经济与劳动力市场研究，乍看与AI智能体相距甚远。但在他看来，两者之间的关联远比外界想象的更为紧密。

“AI的发展对劳动力市场和就业的影响非常大，其中涉及大量教育水平、技能水平并不高的群体，他们的未来，尤其是青年人的未来在什么方向需要社会关注。”陆铭说。

陆铭认为，低技能劳动者和尚未建立职业壁垒的年轻人恰恰是AI冲击中最可能首当其冲的对象，也是他长期研究的核心关切。

在他的判断中，AI对就业的影响是一把“双刃剑”。一面是赋能：对于那些不可替代的岗位和个体，AI将成为强有力的效率杠杆。另一面是替代：那些标准化、流程化、依赖操作技能和记忆技能的岗位，正面临被数字技术逐步吞噬的压力。

而更深层的结构性变化在于，AI时代将催生大量灵活就业和“一人公司”。

陆铭举了一个直观的例子：一个内容创作者，核心竞争力来自他的想法和判断力，至于写作、排版、编辑、财务这些环节，未来都可以交给AI完成。原来需要三五个人配合的小型团队，可能缩减为一个人加一组智能体。

这不仅改变了企业的组织形态，也对劳动力市场结构和社会保障制度的设计逻辑提出了根本性的挑战。正是因为长期关注这些问题，陆铭在今年两会期间将视角进一步延伸到AI智能体的制度建设上——在他看来，技术对就业和社会结构的冲击已经不是未来的假设，而是正在发生的现实，制度不能继续缺位。

而这些就业形态与社会结构的剧变，恰恰是AI治理不能“裸奔”的底层原因 —— 制度轨道不仅要规范技术与数据的边界，更要提前兜住技术变革带来的社会风险。

以前瞻性制度供给，服务中国AI产业健康发展

陆铭对观察者网表示：AI治理建设的核心目的是服务而非阻碍中国AI行业健康发展。

“AI赋能千行百业、进入老百姓生活、辅助消费决策，从大的方向上来讲，未来一定是往这个方向走。任何阻挡这个趋势的政策，很可能让中国在全球竞争里面临不利的局面——你不做，别人也会做。”

在他看来，尽早建立规则框架，反而是在为创新松绑——当所有参与者都清楚边界在哪里，创新反而可以更大胆，企业不必在模糊地带提心吊胆，更不必担心某天整个赛道被紧急叫停。比起事后的被动纠偏，事前的制度供给是对产业更负责任的保护。

正是基于“不能抑制发展，也不能回避问题”这一逻辑，陆铭指出了当前AI智能体发展中最紧迫的制度需求。它们集中在两个层面，都指向同一个现实：智能终端正在获得前所未有的数据调度能力，但目前围绕这种能力的规则几乎一片空白。

第一个层面关乎利益分配。 随着AI手机等新产品形态的出现，智能终端在辅助消费决策的过程中，往往需要跨平台调用不同APP的用户数据——帮用户买一张机票，可能同时涉及出行、支付、社交等多个应用的信息。

陆铭认为，这种跨平台的数据调用正在成为AI终端的核心竞争领域，但原有的APP开发者依靠自身产品积累用户和数据所构建的“护城河”，可能在这一过程中被悄然侵蚀。

“价值的产生，有多少归智能终端的开发商，有多少应归属于APP开发者参与分享，这块实际上现在是盲区。”

换言之，在数据产权和利益分配机制尚未建立的情况下，先发者可能在事实上调用了其他平台长期积累的数据资产，却无需为此分担成本，而且数据资产根本上归用户所有。

陆铭建议，可以通过制度设计加上算法手段，基于后台可追溯的数据调用记录，形成透明的利益分享机制——“你调用了我的什么数据，调用了多少，后台是可以追溯的，技术上并不难实现。”

如果说利益分配尚可通过算法解决，那么隐私权的治理则需要将用户也纳入参与。陆铭指出，现行的数据保护框架是建立在"用户知情同意"为核心的原则上，在AI智能体的跨平台调用场景下，这样的原则如何落实需要更细致的讨论。

以规则完善规范竞争，包容多元市场创新探索

如果说制度真空是当下最急迫的问题，那么竞争失序就是陆铭最担心的中期后果。

这种担忧并非杞人忧天。陆铭将AI领域的竞争与当年的外卖大战做了区分：外卖平台的补贴战本质上是花钱买用户习惯，各家烧一轮钱，格局大致落定，亏损也就过去了。

但AI领域的竞争逻辑根本不同。“数据获取很多不是付费获得的，而是通过消费者习惯和授权来获取。谁进入得早，谁跨平台调用的数据多，谁可能就训练得更好。”

正因为AI领域的竞争不像外卖大战那样“烧一轮钱就结束”，而是围绕数据这一可持续积累的核心资源展开，规则建设的紧迫性才格外突出。陆铭担心的并非竞争本身，而是在规则缺位下，行业格局可能由“谁先跑”而非“谁跑得好”来决定。