中国·拉斯维加斯

龙虾为什么只能养在笼子里?卡住AI的不是技术而是制度
发布日期:2026-04-21 12:08:52 浏览次数:次

  近期开源AI Agent OpenClaw引发的“养龙虾”热潮,将AI产业的深层矛盾彻底暴露:技术端不断突破跨应用操作、自主执行任务的能力,平台、机构与监管却围绕权限管控、数据归属、价值计价、责任承担筑起高墙。微软首席科学长Eric Horvitz于2026年2月在斯坦福大学商学院提出的“阻抗失配”(Impedance Mismatch)判断,成为解读这一现象的核心框架:当前AI大规模落地的核心障碍,早已从模型、算力、推理能力等技术维度,转向社会制度、商业规则与权利体系的适配性缺口。

  Horvitz以工业革命史为喻:19世纪末电动机进入工厂,并未立刻释放生产力,关键不在于电力技术落后,而是工厂仍沿用蒸汽机时代的流程、配置与管理逻辑——新动力接上了,旧制度却没改,效率与产值始终无法突破。今天的AI正面临完全相同的困境:Agent化应用、多模型协同、场景穿透能力快速迭代,但企业流程、平台边界、授权逻辑、责任分工与收益分配,仍停留在移动互联网甚至更早的时代。技术具备了重构产业的能力,制度却用旧框架束缚新场景,这就是“阻抗失配”的本质。

  AI进入医疗、金融、法务、制造等高价值场景,核心依赖真实数据的校准、微调与验证,但现实中数据是企业最敏感的资产、平台最核心的护城河,技术端想打通数据流,权利端只想锁紧门,形成无法调和的矛盾。

  国际电信联盟(ITU)《2025年全球AI治理报告》明确指出,数据产权与授权体系缺失,是AI产业化的首要障碍。传统知识产权框架无法适应数据非独占、可复制的特性,洛克劳动赋权理论、经济激励理论难以解释数据权益的合理性,导致数据供给方担心价值被白嫖、数据使用方担心侵权风险,双方陷入“不敢开放、无法合作”的僵局。

  中国国家数据局局长刘烈宏近期强调,安全合规已成为AI治理焦点,中国正加快建立健全数据产权制度,为数据供给、流通提供权责清晰的配置方案。这一判断直指核心:AI产业落地的前提,是把数据从边界模糊、价值易被侵占的资源,转化为来源清楚、权利明确、调用可追踪、收益可回拨的资产。没有这一基础,所谓“产业AI化”只是示范项目,无法实现规模化。

  国内外实践已验证这一逻辑:医疗AI在A医院效果优异,移植到B医院便失效,核心不是模型能力不足,而是医疗数据产权不明、跨机构授权机制缺失,无法完成本地化微调;金融AI难以整合跨机构交易数据,根源在于数据归属与风险责任未界定,机构不敢开放核心数据。正如清华大学申卫星教授所言,数据产权的核心是平衡保护与利用,AI时代必须建立全新的权利边界,而非沿用传统财产权逻辑。

  过去五年,市场疯狂追逐模型参数、算力规模、Agent功能,却忽视了最关键的基础设施:让数据合法调用、合理计价、清楚分责、持续分润的交易体系。这也是为什么AI工具看似效率惊人,却难以为企业创造真实收益——高盛研究显示,超出能力边界强推AI工具,反而会造成-15%的效率损失。

  中国信通院《人工智能治理研究报告(2025年)》将这一问题归结为“AI生产力悖论”:80%的企业宣称AI提升效率,95%的企业未获得实质回报,核心原因是交易规则缺失:

  1. 授权规则模糊:AI Agent跨App操作、读取敏感数据,依赖无障碍权限、录屏权限等技术路径,新华网法治研究指出,这类模式已架空通信秘密保护、数据安全管理与用户真实意愿三大合规支柱,陷入“越高效越违规”的困境;

  2. 计价机制空白:数据调用、模型服务、Agent执行无统一计价标准,价值分配无依据,数据提供方无法获得合理回报,沦为“免费燃料”;

  3. 分润体系缺位:AI创造的价值无法在开发者、平台、数据方之间合理分配,导致各方缺乏合作动力。

  经合组织(OECD)针对AI知识产权与数据交易的研究显示,全球AI产业因交易规则缺失,每年损失超过5%的GDP潜在增长。欧盟《AI法案》试图建立风险对应的授权规则,却因责任认证复杂、合规成本过高,被迫推迟实施;美国采取“创新优先”监管模式,却导致数据侵权、权益纠纷频发。全球范围内,AI交易规则的制定速度,远远落后于技术迭代速度。

  当AI Agent从展示工具变为生产工具,责任归属成为无法回避的问题:模型出错、数据泄露、越权操作、决策失误,责任该由开发者、平台、用户还是监管方承担?现有法律体系与商业规则,完全无法应对这一新型复杂场景。

  微软Horvitz在演讲中直言,当前AI连最基本的“概率校准”都无法实现,一本正经“胡说八道”却不自知,高风险场景下的责任风险极高。司法实践已暴露这一问题:部分法院AI量刑建议系统,法官采纳率不足30%,核心担忧是责任边界模糊——法官采纳AI建议导致错案,责任如何认定?AI生成内容侵权,模型开发者、训练方、使用者谁承担赔偿?

  CSA(云安全联盟)《AI组织责任报告》强调,高敏感场景下,AI应用必须建立“端到端责任链”,确保数据来源合法、行为可追溯、风险可管控,但现实中绝大多数AI系统未建立这一机制。中国政法大学陶乾教授指出,AI Agent本质是用户的技术延伸,但其自主执行、跨平台操作的特性,打破了传统工具的责任边界,必须通过立法明确“开发者首责、用户授权责任、平台监管责任”的三元架构。

  国际层面,联合国秘书长古特雷斯呼吁建立多利益攸关方参与的全球AI治理体系,将责任认定、损害赔偿纳入核心议题;ITU提出AI治理三大支柱:包容性、可视性、责任性,其中“责任性”要求建立可追溯、可赔偿的责任分配机制。但截至目前,全球尚未形成统一的AI责任认定标准,制度真空直接导致高价值场景不敢用AI、企业不敢大规模投入。

  回归“龙虾只能养在笼子里”的本质:OpenClaw等AI Agent之所以无法突破场景限制,不是技术不够强,而是制度没跟上——权利结构锁定数据流、交易规则阻断价值链、责任机制制造防御心,再强大的技术也只能在示范场景中“表演”,无法进入产业核心。

  - 微软Horvitz:AI的“阻抗失配”,本质是技术与社会制度、商业流程的齿轮不合;

  - ITU:AI治理必须从原则走向实操,补齐数据产权、交易规则、责任机制三大短板;

  下一阶段的AI竞争,表面是模型竞赛、算力竞赛、Agent竞赛,骨子里是制度竞争。谁能先建立数据合法调用、权利清晰界定、价值合理分配、责任明确归属的基础设施,谁就能把分散、敏感、彼此防备的数据资源,转化为可持续的生产要素。

  如果制度不升级,AI永远只能养在笼子里:它可以在社群里爆红、在示范中飞快、在局部任务上无所不能,但一碰到数据边界、平台边界、利益边界,就会被打回原形。只有当技术与制度同步前进,权利结构、交易规则、责任机制跟上技术的脚步,AI才能真正从“看起来很强”,变成“能大规模赚钱、能重构产业”的核心生产力。

  这,就是Horvitz“阻抗失配”最现实的注解,也是全球AI产业必须迈过的门槛。