适应性法治视角下的人工智能立法——动态演化与制度创新

李学尧

尊敬的许安标会长、陈金彪主任、李林老师，各位领导、各位专家：

非常荣幸有机会向各位汇报我最近关于科创立法的一些所思所想。

下面的内容主要由六个部分组成。

今天的报告关注一个核心问题：中国该如何开展人工智能立法？大家都知道，在当今的国际形势下，这个问题已经不是一个纯粹的学术问题，也不只是某一个专门领域的技术立法问题。它是一个关涉国运的重要课题，需要学术界、实务界共同审慎对待。特别是学术界，一定要时刻警惕，不要过多受学术政治思路的影响，不要过多基于某个学术群体的利益出发来思考问题。

在这里，先明确我的观点：基于不确定性的理论，借鉴比较法经验和中国式创新法治的实践，结合法律与科技创新的前期研究成果，中国的人工智能立法不应以类法典化的体系立法为目标，应采用适应性法治的思路，随着技术迭代不断进行“立改废释”的循环，即通过立改废释的循环动态反馈机制来回应立法需求；在“立改废释”的框架里，重点应在“改”“废”“释”，比如为了适应人工智能技术发展对现行民法典、刑法、反垄断法等若干法律条款的修改和解释，而不是在于“立新法”。在人工智能立法的过程中，虽应有体系化理论思考，但需超越规范法学的方法论，在复杂系统等与信息科学相关的理论指引下，针对人工智能快速迭代的特征，采取一种符合动态演化特征、符合中国式法治和适应性法治本质的立法路径。

在我的报告中，所谓的“适应性法治”是基于复杂适用系统理论，在跨学科改造创新经济学、新制度经济学、法经济学等有关法律与创新关系理论的基础上提出的主张，它不再单纯关注市场效率或投资保护，主张将算法迭代、技术伦理、社会信任与多主体协同治理有机整合进监管逻辑。适应性法治的核心在于“简单规则—多次迭代”，并通过类似于强化学习中的行为激励设计（正向激励与负向制裁相结合）的机制，引导各参与主体在快速变化的科技生态中实现合规与创新的平衡。虽然传统新制度经济学在关注法律适应性、实证研究以及制度激励效果方面具有一定优势，但只有在此基础上融入复杂适应系统和行为经济学主张的动态调整要素，才能更切实地应对人工智能时代多环节、多主体协同治理所带来的挑战。

与今天的主题相关，我还将会重点阐述“动态反馈”“地方先行”“软法协同”“司法创新”等与地方立法相关，但不限定通过立法机关来进行制度供给的适应性法治的制度装置。

在阐述这种适应型法的路径时，我本应重点探讨如何通过“复杂理性创新人假设”和“行为激励机制”来在促进创新与防范风险之间取得平衡。其中，“复杂理性创新人假设”借鉴了行为经济学和管理学的相关研究成果；在此基础上提出的行为激励机制试图超越市场激励的思路，着眼于对不同参与主体（政府、企业、社会组织和个人）的多元心理需求进行合理匹配。之所以运用这些理论，还有很大的原因在于，试图有效阐述人工智能在应用场景中的多样性和复杂性。由于我对这方面的研究成果还没有发表，今天将暂时不对“复杂理性创新人假设”和“行为激励机制”的问题进行展开。

在讨论人工智能立法之前，需要审视一个更加宏观的问题，“法律在多大程度上能够促进或者塑造科技创新”。这个问题的回答是我们要开展相关立法工作，特别是以发展促进型立法的前提理论问题。

关于法律与科技创新的关系讨论中，有两个学术疑问需要解答，一是，在美国法律与创新研究中的一个问题，即在网络经济和数字经济发展中，为什么是硅谷成为策源地，而不是此前在第二次、第三次工业革命中大放异彩的纽约和波士顿？二是，在近来中国，需要回答的是，杭州和深圳（也可以分别扩展为珠三角和长三角）为什么会成为中国科技企业的热土？他们在制度环境营造方面是不是有什么可推广的经验？最近半年多，山东、山西、四川等兄弟省市，都为此展开了对自己的灵魂拷问，比如类似“为什么我们这里是DeepDrink，或者DeepSleep，或者DeepHot，而不是DeepSeek”的类似讨论。对于这些问题，经济学、管理学内部，特别是新制度经济学、创新经济学、计量经济学等展开了很多研究，并且有很多很好的理论工具和方法对其进行了解答。

关键的问题是，我们的法学理论能否像创新经济学一样，能够对此开展回答？这个问题非常重要。只有法学有效回答这些创新发展的谜团，各层级的科创立法才能够顺利往前推。假如说法学理论不能回答这些问题，那很多只是基于规范法学理论的创新促进类立法，如果还深受某些学科化的学术群体利益的影响，不能有效地做到开门立法，可能结果就是盲目立法、一厢情愿式立法，甚至可能是带来叠床架屋式、碎片化监管结果的有害立法。所以我们在理论上需要对这个问题进行展开。

对于前述两个国际科创中心建设的理论谜团，我的个人观点是：我们要基于全生命周期的视角去看待问题。某一个国际科创中心的产生或者呈现是多个城市、多个地区，甚至是多国合作的结果。科技企业聚集的这些城市，像杭州、深圳，在制度环境的营造方面，肯定都有做对了的地方，有一些经验可以推广、可以借鉴。比如，作为浙江省省会的杭州，背后还有多元化的各类重商文化，比如宁波、温州、绍兴和金华的相关地方文化的汇聚式加持与催化。但另外一方面，我们也不能因此否定其他地方政府和民众对科创事业所付出的努力。我经常跟上海和香港的朋友讲，我们不要有压力：没有上海就没有杭州，没有香港就没有深圳。换言之，我们不应该去问，说杭州为什么会出现DeepSeek，而应该要问离上海的通勤距离比较远，比如两个小时以上的城市，即使有非常优秀的理工科大学，当地的政府也非常努力，但却没有成为国际科创中心？另外，我们还要注意的是，在深圳和杭州之间，不能简单地用现在的“六小龙”现象去否定深圳更加重视市场环境营造的制度环境，或者过于拔高了本地政府在科创发展中作用。

总而言之，用理论阐述，这背后反映的可能是大国多层级治理结构下的“地方实验主义”现象。与之相关的是，美国在州一级对网络平台或者人工智能产业的治理也往往采取不同策略。我们在评估“为什么是杭州或深圳”时，需要考虑城市的要素禀赋、地理区位、人才环境，也要考虑不同立法模式（软法、司法判决、地方条例等）如何为企业和科研人员创造更具吸引力的制度环境。

带着上述问题，我们进一步展开学术研究。在这里，值得关注的是“新制度经济学”以及“法律与金融学派”这两个与地方政府工作密切相关的理论取向（法律与金融学派本质上是新制度经济学的一个分支或应用方向）。之所以强调这两个学派，是因为在我国当前的行政实践中，“营商环境”的评估不仅直接影响着地方政府的绩效考核，也在很大程度上引导着地方立法的方向与速度。众所周知，世界银行对营商环境的评估指标在理论上就受到“法律与金融学派”的显著影响，其背后的定量研究路径同样源于这一学派的思路。也就是说，要想真正理解营商环境与立法之间的内在联系，必须结合新制度经济学与法律与金融学派对“规则如何塑造创新与发展”的实证分析方法进行深入探讨。

换言之，优化营商环境的关键不只是“减负”“简政”，更需要考量如何通过制度设计与行为激励，引导各类主体积极投入人工智能等前沿领域。在适应性法治的框架下，我们不应只是被动地跟随国际指标或套用比较法模式，而要通过对激励结构、外部成本内部化等工具的运用，构建更加灵活、可演化的立法路径。即我国未来的人工智能立法应基于中国式法治的实践，重视包容性和适应性的思路。

法律与金融学派最初主要探讨的是，为什么全球最具竞争力的金融中心大多分布在英美法系国家。到2008、2009年之后，大量学者开始将这一研究思路拓展到科技创新的领域。例如，有观点指出，美国多地政府和城市在招商引资、科技补贴等方面的做法，很大程度上借鉴了国际经验，甚至包括中国地方政府在吸引高新技术企业或人才落户时所采取的诸多灵活措施。这一现象也再次提醒我们：无论英美法系还是大陆法系的国家或地区，都有可能采用多样化的激励与扶持方式来吸引新兴产业落地。

这背后恰恰印证了“适应性法治”强调的“地方先行”与“制度适配度”的重要性。若只依赖统一且固定化的中央立法，很难及时捕捉新技术和新商业模式所带来的机遇与挑战。通过在地方层面先行先试、灵活调整，我们能够形成更多差异化的监管与激励范式，为后续在更大范围内推广成功经验打下良好基础。

回到“立法如何促进科技创新”这一更宏观的问题，可以从以下几个小点窥见端倪：

第一，在历史上，某些重大技术发明并未直接受益于专门的法律保障，比如英国蒸汽机的诞生与专利法之间就没有明显的因果关联。所以，我们不能过于高估正式的创新性立法对科技创新的促进作用。

第二，在日本的案例中，虽然最近几年日本的科创事业又有很多新动向值得我们关注和学习。但是，不管如何，在90年代以后，在很长的时间里，其照搬美国的科创立法和金融立法，却并未取得预期的突破，这提示我们在技术立法方面不能简单“拿来主义”。

第三，我们观察到许多国际领先的科技中心并没有专门的地方立法，也没有完整的体系化立法设计，有时甚至是“无心插柳柳成荫”，靠司法与软法机制的自发发展取得了成功。

透过这三点不难发现，“专门法”或者“法典化”未必与科技创新的崛起呈现必然正相关。相比之下，“适应型法”中所强调的“先行试错”“灵活评估”“滞后承认”等一系列制度装置，能让创新主体在早期先获得一定空间，随后再由立法或司法进行合规与秩序的补位。这样的做法或许更能兼顾速度与安全，实现对不确定性技术领域的有效引导。

值得注意的是，总结国际案例（无论是美国的所谓“硅谷经验”，还是中国多地的探索经验）时，许多学者并不是从知识产权法等专门部门法切入，而会先去审视与科技创新相关的劳动法、公司法、合同法、侵权法、财税法，甚至婚姻法、教育法和语言环境立法。例如，美国旧金山对“英语不熟练者”所提供的法定支持，被认为有助于实现“聚天下英才而用之”的效果，从而提升当地创新生态的国际化程度。

因此，人工智能立法并不一定要被局限在一个“封闭式”的专门框架里，反倒需要与其他法律法规形成交叉呼应。适应性法治非常强调在更宽广的法律体系中“协同共生”，例如通过软法与行业自律机制，让开源社区、专家委员会、社会组织等多主体共同参与立法的前期论证与规则试验，为后续正式法治的落地创造良好土壤。

在当下比较“流行”的思路中，常有人主张以“法典化”或者“部门法化”来推进人工智能立法，或者认为应在不久的将来发布一部系统化、覆盖面广的人工智能法律。从学者到人大代表、业务主管部门，都有人提出相应的建议稿。确实，这种做法看似能够“一揽子”解决所有问题，给监管和产业各自一个明确的指导框架。

但是我们也需要意识到，“体系化”本身并不意味着要把“所有议题都塞进同一部法律”。如果过分追求“大而全”，就有可能忽视人工智能技术本身的高度迭代性与应用场景多元性。适应性法治在这里提出的思路是：在构建统一框架的同时，保留足够的制度接口与弹性条款，通过授权条款、定期评估修订机制等方式，为未来的技术发展留有调整与再创新的空间。

很多专家说人工智能不是一个AI+的问题，是一个参数，对我们就有一个启发。我们人类进入到农业社会的时候，我们祖先有没有起草一个农业法，好像没有。进入到工业社会的时候有没有起草一个工业法，好像也没有。当蒸汽机来临的时候有没有起草一个蒸汽机法，也没有。有没有起草电气化法呢，也没有。为什么人工智能技术作为一个社会发展的参数的时候，为什么要起草一部人工智能法呢？这值得我们反思。

更核心的理论问题是，体系化立法能不能满足创新制度环境营造的需求。或者说，在人工智能的场景里，会不会如网络平台企业监管的场景，体系化的前瞻性立法反而会阻碍创新发展？在历史上，至少有两个体系性立法与经济社会发展的例子值得我们做进一步的探讨。一是欧盟在数据立法方面很早就开展了体系法的立法，但是他们的数字经济的发展显然很不尽人意。这是不是他们的一个教训呢？这种教训的背后，从民法典立法经验而来的路径依赖式的体系性立法的思路，是不是需要为此承担一定的责任？值得我们反思。二是，从19世纪末至今的美国有关于科技创新的制度供给。通过制度史梳理，可以发现，相关制度的创新性供给，比如避风港原则、科技企业的自我规则创新，主要来自于司法判决和各类软法生成机制。立法很多时候只是事后追认，或者赋予此类制度以更高的法律效力，这值得我们进一步研究。

这里着重介绍一个，去年8月31日加州关于一个关于大模型监管的立法法案的讨论，跟今天的主题特别相关，去年8月31日加州的州长否决了一个立法（《前沿人工智能模型安全与创新法案》），这个法案在参议院、众议院都通过了。但最后加州州长将其否决了，主要的理由包括以下5个方面（以下的文字表达，有些不是州长否决时的原话）：一是开展科技监管的立法不应该采取牌匾式立法的方式。监管的对象不应该是虚拟的，不应该因为某些人的想象，或者因为他们的知识结构对某一种技术的恐慌或者厌恶而去开展立法。二是，不能采取“制度板结”的思路，总是喜欢将软法转化为硬法。有些软法的功能，是硬法无法代替的。就像今天杭州很多同志过敏，板结的水泥地太多了，花粉无法被降解，反而造成了诸多问题。三是，冗余性规制，现有的关于隐私权保护、反垄断的这些制度是否可以继续使用，为什么要做冗余性规制？按照我们中国的话说就是，是不是浪费了珍贵的立法资源。四是，冗余性规制有可能还会造成一个结果，那就是碎片化规制，导致现有规制体系被破坏了。在这方面，我们国家的《电子商务法》实质上就有这问题。五是，如何实现安全监管和创新促进的兼顾，还有一个缺乏激励措施的问题。

总而言之，面对新技术的潜在风险和商业前景，“审慎监管”的立法思路不能抽象地挂在口头上，而因在行为上明确不能做什么，比如不可能采用采用“过度法典化”的前瞻性立法。我们需要对技术风险做更加科学、实时的评估，并结合已有制度进行补充或强化，而不是总是另立一套与现行法律体系割裂的新规则。

在前文分析了体系化立法可能存在的若干问题后，我认为必须引入“适应性法治”的视角来指导人工智能立法。所谓“适应性法治”，其核心就在于立法、执法、司法乃至社会自律的多个环节都能够因应技术、经济与社会环境的不断变化，保持足够的弹性与动态演化能力。

鉴于实践，我对“适应性法治”适用于人工智能立法的思路做简要的说明，主要体现于六大要点： 

一是， 立改废释的循环动态反馈机制。具体来说，适应性法治的第一大要点是“立改废释的循环动态反馈机制”。人工智能技术快速迭代，为了避免法律一旦制定就被时代淘汰，需要建立常设或定期的评估机制，结合各方意见与技术发展现状，及时对已有立法进行修订、补充或废止。这种循环反馈不仅能让立法始终保持“与时俱进”，也能在更大程度上规避“一锤定音”式立法带来的制度僵化风险。

二是，构筑行为激励（从经济理性到心理激励），注重回应科研群体和企业家的多样化激励需求。以往的科创政策常常仅依赖财政补贴或税费减免等经济手段，但在人工智能领域，市场主体与科研团队还有更多诉求，例如学术荣誉、社会影响力，以及对个人价值实现的追求。基于此，我们需要一个既能满足经济理性，也能满足心理激励和社会激励的综合制度框架，令更多的创新人才和机构自觉投入到AI研究和应用的前沿。

三是，地方先行，以差异化试点来应对宏观不确定性。中国是一个幅员辽阔、经济与社会环境极其多元化的大国，不同地区在技术基础、人才积累和产业结构方面存在显著差异。一旦采取“一刀切”式的中央立法，可能会错失某些地方率先突破的机会。通过差异化试点，让先行地区在人工智能相关制度上进行小规模实践与迭代，不仅可以为后续的全国性立法提供可复制的经验和教训，也有助于在多元条件下找到最优制度方案。

四是，软法协同，充分发挥开源社区、行业自律与专家委员会的治理潜能。

五是，司法创新，依据真实场景需求进行制度供给，而非单向的自上而下规制。

第四与第五大要点分别是“软法协同”和“司法创新”。前者强调充分发挥开源社区、专家咨询委员会和行业自律组织等“软法”主体的能动性：在快速变动的AI技术浪潮中，许多行业标准和规则往往先于官方立法而形成，并在一定范围内被采纳和遵循。后者则主张打破传统立法者“自上而下”设置规则的惯性，鼓励司法部门在具体纠纷或案件中通过判例、释法等方式为技术应用边界提供灵活的制度供给，进而丰富整个法律体系的适应性与开放度。

六是，中央与地方立法的协调，在保证统一底线的同时，给地方更多探索空间。第六个要点是“中央与地方立法的协调”，同时也可视为对前五点的综合。在保证国家整体安全和伦理底线的前提下，为了应对人工智能技术的特点，中央层面的立法应当预留足够授权，让地方政府依据本地实际状况进行探索与实践。换句话说，中央立法既提供“红线与底线”，也留出各地区在具体技术和应用情境中的发挥空间。这次杭州在为人工智能产业营造制度环境的成功经验中，会不会有通过政策工具、司法裁判以及其他手段实质性变通上位法的经验在其中？只有如此，才能真正体现出“适应性法治”与传统自上而下“板块式立法”之间的显著差异，并为人工智能技术的高速演进提供更兼容、更稳健的法律保障。

基于上述要点，我们还需进一步深化四个关键维度：动态演化、激励导向、场景适配、层次协同。只有在法律文本中明确这些原则，并在具体条款中设置切实可行的程序（如专家评估、阶段性试点、风险定价机制等），才能让人工智能立法在技术快速迭代和社会多元需求之间实现有效平衡。因为时间关系，这里就不展开了。

在人工智能立法中，如何将“适应性法治”理念落实到具体的法律条款设计中，始终是令众多学者与实务工作者关注的焦点。要避免立法陷入“空中楼阁”或“一刀切”的窘境，就需要在制度层面提供灵活而切实可行的路径。为此，我们可以在法案或条例的条款设计上，考虑以下五方面的制度装置，并在此基础之上形成系统化的管控与激励体系。

一是，立法权限配置条款：在任何法律和法规的框架中，明确各级政府部门、行业组织以及中央与地方之间的监管职责至关重要。对于人工智能这样的新兴技术领域，中央层面应在伦理底线与国家安全方面提供统一的监管原则和整体规划，而地方政府则可更贴近实际需求，负责在具体应用场景下进行柔性管理和差异化执法。通过设立专门的权限配置条款，可避免重复执法或监管真空等问题，让中央与地方在伦理审查、数据安全、行业准入等关键环节各司其职、相互衔接。

二是，动态评估与修订程序条款：人工智能技术迭代速度快，如果法律条文不能及时更新，就容易陷入滞后甚至失效的状态。为此，可以在立法中明确设立一个常设或定期召开的立法评估委员会，定期回顾法规的执行情况、技术发展现状以及社会反馈。一旦发现规制范围不足、责任设置不合理或地方创新的成功经验有待在更大层面推广，该评估委员会可提出修正或废止建议，并依照法定程序加以实施。这样一来，法律文本便能与科技变迁保持紧密呼应，实现真正意义上的“动态演化”。

三是，鼓励与责任并重条款：在高风险AI应用场景（如自动驾驶、医疗诊断、金融决策）中，确立强制性安全评估和追责机制固然重要，但过度监管也可能扼杀创新。因此，条款可以同时赋予一定的试错空间，鼓励企业与科研机构在风险可控的前提下勇于探索新的应用领域。通过设定分层分级的监管标准、引入专项责任保险或风险共担机制，并强化企业对潜在危害的事前评估与事后补救义务，既能有效降低公共安全风险，也能让前沿技术在“可管可控”的边界内实现快速迭代。

四是，激励机制条款：人工智能研发和应用往往需要长期且高投入的资金、人力和技术资源支撑，仅靠一次性补贴或行政命令难以维系创新活力。为此，应在法律层面提供多元化的激励措施，包括财政补贴、税费减免、人才引进与培训基金，以及对科研成果转化的合理收益保障等。条款设计还应认可开源社区或行业自律组织为生态体系带来的价值，特别是在标准制定、公共数据开放、算法审查等领域，引导其发挥“柔性治理”的优势。

五是，差异化试点条款：考虑到我国地区之间经济水平、技术基础、产业结构各不相同，完全统一的管理模式往往难以适配多元化的发展需求。通过允许地方政府根据自身情况制订更灵活的实施细则，并在监管实践中进行“互评”和“共享”，能够快速复用先行地区的成功经验或及时汲取失败教训。这不仅提升了立法的实际落地效果，也为中央层面在后续制定更高层次的法律或行政法规时，提供了真实可行的经验依据，从而推动我国人工智能产业和社会治理取得更具持续性的协同发展。

这些条款既能避免机械化和过度集中式的监管模式，也能让市场和社会在试点或地方立法阶段先行先试，形成可复制、可推广的治理模式。这样才能最大化地提升法律的包容度与适应度，为人工智能技术的安全、快速发展保驾护航。

在正式结束之前，我还想强调一点：当我们谈论“拒绝专门的类法典化立法”时，并不是反对对人工智能展开科学系统的治理。而是说，我们应该构建一个具有体系化思考，却又能动态演化的法律框架，让地方探索、行业自律与司法创新共同发挥作用，从而在创新与安全之间取得更好平衡，最终形成符合中国式法治本质的人工智能立法新路。通过考察国内外实践与比较法经验，并结合“适应性法治”在动态反馈、行为激励、差异化试点等方面的理论与机制，我们可以得到一个明确结论：

我国的人工智能立法应当摈弃狭义的类法典化目标，在宏观上进行体系化思考、在微观上保留动态演化的立法接口，从而既契合我国法治发展的独特路径，又能更好地服务于人工智能技术的飞速演进与产业需求。

唯有如此，我们才有机会在引领未来科技竞争的同时，牢牢守住风险底线，以更具前瞻性和适应力的法律体系，推动我国在全球人工智能浪潮中保持持续而有序的发展。

（本文由发言音频转录整理而成。为了方便阅读，对文字做了一些删减和改动。）