摘要：我国人工智能立法始终面临是否立法、何时立法、以何种形式立法以及立法如何处理安全与发展关系四重争议，这直接关涉人工智能立法的功能定位与范式选择。本文主张尽快推进我国人工智能的综合性立法，对现行人工智能分散治理充分性的肯定、对体系融贯的质疑均不足以否定综合性立法需求；与此同时，法律基础设施理论与二阶决策理论，从功能与结构两个维度共同表明了综合性立法是匹配人工智能治理复杂性的必要方案。就立法时机而言，人工智能立法不存在绝对最佳时点，应当基于“先立后优”思路破解“科林格里奇困境”。就立法价值而言，立法与创新并非零和博弈，法律应当积极发挥对人工智能发展方向的形塑功能，我国人工智能立法不能只是技术管制法或产业促进法，而应是一部以人为本的发展法。就立法范式而言，智能体技术的发展使既有风险规制范式面临根本挑战，立法应在风险规制基础上推进至关系建构层面，对人智关系、智智关系与复合关系作出基础性制度安排，构建具有中国特色的人工智能法律体系。
关键词：人工智能；综合性立法；立法时机；安全与发展；关系建构范式
作者：申卫星（法学博士，清华大学法学院教授）
来源：《法学家》2026年第5期“专论”栏目。
2026年5月11日，《国务院2026年度立法工作计划》发布，明确提出“完善人工智能治理，加快推进人工智能健康发展综合性立法”。这是“综合性立法”这一表述首次出现在国务院年度立法工作计划文本中；同日发布的《全国人大常委会2026年度立法工作计划》也将“人工智能健康发展”作为预备审议的立法项目。上述两份立法计划文件的发布，标志着国家层面对人工智能立法的立场已经清晰：人工智能立法不仅必要，而且应当采取综合性立法的路径尽快推进。
国家立法层面态度的明确，并不意味着学术争论的终结。从既有研究看，围绕人工智能立法的争议可以归纳为四个相互关联的问题：其一，在立法形式上，是否有必要制定一部综合性的人工智能法，抑或延续既有的部门规章加场景化立法的分散治理路径；其二，在立法时机上，当下进行人工智能立法的时机是否成熟，即在技术路线尚未收敛、产业格局尚未定型的客观状况下，立法节奏是否应更加谨慎；其三，在立法目标上，应当如何处理安全与发展的关系，强化安全规制是否会压制产业创新，促进产业发展是否会削弱风险防控；其四，在立法模式上，应采取何种基本范式，是否应当以及如何超越风险规制模式，以形成具有中国特色的范式创新。在立法政策已明的关键节点上，亟须对上述争议作出系统性回应，为人工智能综合性立法的具体推进奠定共识基础与理论储备。对此，本文的基本立场是：面对人工智能技术加速演进、风险持续累积、国际规则博弈日趋激烈的复杂局面，我国应当尽快推进人工智能综合性立法，并在立法范式上实现从风险规制向关系建构的转型，以期为人工智能的健康发展提供更具根本性、基础性、全局性的法治保障。
一、人工智能综合性立法何以必要
人工智能是否应进行综合性立法是当前学界争论最为集中的问题之一。反对综合性立法的观点并非简单的消极否定，其背后有相对系统的理论支撑和经验依据，值得认真对待。
（一）人工智能综合性立法的功能内涵
人工智能综合性立法，是指由全国人大或其常委会制定，以人工智能为主题，对人工智能技术发展的基本原则、主要规则、管理体制、运行机制、促进发展的综合措施、法律责任等进行系统规定的法律。其规范品格可以从根本性、基础性、全局性三个维度加以把握：根本性指向综合性立法所回应的问题在法秩序中所处的层次，基础性指向其在规范体系中所承担的制度功能，全局性指向其对人工智能治理对象的整体统摄。三者从问题层次、规范任务、制度视野三个层面共同反映了综合性立法的功能内涵。
第一，根本性指向综合性立法意在回应人工智能所涉的原初问题。法律对人工智能的调整可以在三个层次上展开：最浅层是技术操作层面，关注备案、标识、评估等具体规则与标准；中间层是行业或场景治理层面，关注金融、医疗、交通等特定领域人工智能应用的专门规范；最深层则关乎调整对象本身的法律属性、基本概念以及由此衍生的主体客体关系、行为归属逻辑、权利义务结构与责任承担方式，需要从规范源头出发对调整对象作系统性建构。综合性立法所要回应的，正是第三层次的问题。人工智能作为法律调整对象，具有不同于以往任何新技术的特殊性：既有一定的工具属性，可以被人类所驱使；又有自主属性，能够在一定程度上独立感知、判断与决策；还有生成和认知属性，能够创造内容、分析推理并参与社会交互。这意味着，人工智能的法律治理须先厘清若干根本前提，具体制度建构才能稳妥展开。综合性立法的根本性，正体现在其首先处理人工智能进入法秩序时的原初性问题：人工智能是什么，法律为什么以及在何种程度上调整人工智能，人工智能活动中各类主体处于何种法律位置，人工智能生成或参与生成的利益、风险和后果如何进入法律权利义务结构。这种源头层面的规范建构，对其他层次的规则具有塑造作用，由此形成层次分明、源流清晰的人工智能法律秩序。
第二，基础性指向综合性立法在人工智能法律规范体系中所处的位置，具体可以从纵向、横向、时间三重关系上加以把握。在纵向关系上，综合性立法处于人工智能法律体系的上位法位置。法律体系按规范效力等级形成纵向阶梯结构，上位法为下位法提供制定依据与解释指引。综合性立法的出台使纵向阶梯获得完整的顶端，下位规范的制定、解释与适用由此获得统一的规范来源。在横向关系上，综合性立法在人工智能领域内处于一般法位置。法律体系按调整对象的具体程度形成横向分工，一般法规定共通事项，特别法规定特殊事项，特别法优先于一般法适用。综合性立法以人工智能为核心调整对象，在人工智能问题上承担起一般法的角色，与其他平行立法之间形成一般法与特别法、共通规则与专项规则相互衔接的协调关系。同时，法律是随社会需求持续演化的开放体系。人工智能技术与应用的快速发展决定了未来还会有大量规范陆续出台。综合性立法能够为后续规则的发展预设方向与边界，后续立法在制定时以综合性立法所确立的原则、概念与规则为参照，可避免规则演化中可能出现的方向偏离与彼此抵触。由此，综合性立法的基础性是指其居于纵向的上位法地位、横向上的一般法地位与时间上的先在位置。综合性立法是人工智能法律体系的支点，整个体系将围绕其展开纵向延伸、横向协调与时间上的持续生长。
第三，全局性是指综合性立法对人工智能治理对象的整体统摄。全局性的内涵可以从四个维度加以理解。在技术要素维度，人工智能由数据、算法、算力、平台等多种相互关联的技术要素共同构成，各要素功能上相互依存与风险上相互传导，对一个要素施加约束往往会在其他要素上产生预料之外的连锁效应。综合性立法需要从技术生态整体出发，把握要素之间的内在关联，使各要素的规范安排彼此协调。在生命周期维度，人工智能包含从设计、训练、部署、运行、迭代、退出等多个阶段，前序阶段所形成的缺陷会沿时间链向后扩散并放大，围绕任一阶段所作的规范安排都需要回到完整的生命周期中加以审视。在主体关系维度，人工智能所涉法律关系呈现出多元主体共同参与、相互交织的网络化形态，包含基础模型开发者、智能服务提供者、算力基础服务商、终端用户等不同主体，智能体也渐进式地参与到社会生活中。在规则体系维度，当前涉人工智能的法律规范分散于多个法律部门之中，因调整对象、立法目的、价值取向的差异而难以自发协调，综合性立法需要在不同法律规范之间建立协调机制，使分散规则在人工智能问题上形成有机配合。
根本性、基础性、全局性三者间存在内在的层次关系。根本性回答综合性立法所要回应的问题层次，确立人工智能在法秩序根本范畴上提出的规范需求；基础性回答综合性立法所要承担的体系位置，确立其在规范体系中的功能定位；全局性回答综合性立法所要采取的治理范围，确立其面向调整对象的整体格局。三者由内而外、由深至广，共同构成了对综合性立法内涵的完整把握。学界围绕人工智能立法的若干质疑，相当一部分正源于对综合性立法内涵的不同理解。有的质疑将综合性立法等同于事无巨细的法典化立法，有的质疑将其等同于排斥多元规则的封闭立法，有的质疑则建立在对其调整层次与体系位置的特定预设之上。在明确综合性立法的特性后，便可以在统一的概念前提下，对学界既有的质疑作出有针对性的回应。
（二）人工智能综合性立法的分歧与回应
国内学界对是否应推进人工智能综合性立法长期存在分歧，反对意见主要集中于两个方面：一是认为现行法律体系与分散治理机制已经足以回应人工智能治理需求，综合性立法缺乏必要性与紧迫性；二是认为人工智能涉及多个法律部门，将异质规则纳入同一部法律可能破坏法律体系的融贯性。上述质疑具有一定合理性，但尚不足以否定综合性立法的必要性。
第一种观点主张回归传统部门法，并辅以问题导向和场景导向的治理方式。持此论者认为，我国已通过传统部门法、网络与数据相关法律法规、若干人工智能领域专项部门规章形成了多层治理框架，人工智能领域并非无法可依。现有法律体系针对主体及其行为构建的权利、义务与责任体系，足以应对人工智能法律问题。人工智能深嵌于不同行业、产品与服务之中，其风险因场景而异，试图将各类场景纳入统一的风险分级框架是不切实际的。由此，应对人工智能综合性立法采取审慎态度，优先在传统部门法框架内进行立改废释，采用小步快跑的方式，避免一刀切立法造成难以挽回的负面影响。
诚然，分散治理路径在过去数年中确实发挥了重要作用，部分规章在反应速度与场景针对性上具有突出优势，但仅凭现行法律体系与“小快灵”立法回应人工智能治理需求，存在三重难以克服的制度局限。其一，规范层级不足。部门规章胜在起草及时、反应迅速，然其根本缺陷是效力层级低，难以在更广泛范围内发挥作用；同时，其制定程序和论证过程相对简略，往往流于应急治理的“急就章”。依据《立法法》第11条，民事基本制度、基本经济制度以及犯罪和刑罚等事项专属于法律保留范围；依据《立法法》第91条以及《规章制定程序条例》第3条，部门规章不得在没有法律或者国务院行政法规、决定、命令依据的情况下设定减损公民、法人和其他组织权利或者增加其义务的规范。人工智能治理中真正需要解决的关键问题，恰恰落入上述法律保留事项之中。一方面，因缺乏上位法支撑，现有部门规章针对性罚则偏少，违法后果不明，导致难以充分实现监管目标。另一方面，部门规章无法对人工智能时代下侵权责任承担、训练数据版权与产权配置以及公民基本权利等关键问题作出规定。其二，规范客体不完全对应。《网络安全法》《数据安全法》《个人信息保护法》分别以网络运行安全、数据处理活动和个人信息处理为主要调整对象，难以涵盖人工智能相关活动的规则供给需求。其三，规则体系日益碎片化。我国现行人工智能规章分别调整算法推荐、深度合成、生成式人工智能、生成合成内容标识和拟人化互动服务等事项，在概念范围、监管口径和责任要求方面存在交叉。企业可能面临规则重叠或者适用关系不明的问题。
“小快灵”立法的有效性通常以治理对象相对单一、风险较为集中为前提。当人工智能由单一技术应用发展为通用基础设施，由内容生成工具发展为能够跨场景执行任务的智能体时，单一场景规章的调整能力将受到限制。综合性立法与场景化规制并非相互替代的方案，而应形成一般法与特别法、上位法与下位法之间的分工。要妥善处理人工智能一般立法与特别立法的关系，一般立法聚焦人工智能领域的共性和基础性法律问题进行规范。应用场景越复杂、专项规则越细密，对统一概念和基本规则的需求反而越强。
第二种反对意见主要指向体系融贯问题。人工智能综合性立法在学理上缺乏融贯性，其试图解决的风险防范、产业促进、权利保护、国际合作等问题分属不同法域，将异质问题拼合在一部法律中并不产生明显的体系增益。在缺乏理论建构的前提下贸然推进人工智能综合性立法，可能破坏法律体系完整性、延续性与确定性，带来高昂的合规成本。从立法技术的角度看，以“人工智能法”命名一部法律，其外延趋近于无穷大，因此难以起草。
然而，人工智能综合性立法并非必然是法典化立法，也并非必然是原则性、框架性立法，而是应当在立法技术层面做出具体取舍，对于适宜统一规定的事项进行统一规定，对于需要场景化、领域化规定的事项授权部门规章等进行规定。综合性立法既不需要穷尽人工智能涉及的全部民事、行政和刑事规则，也不应停留于抽象原则的宣示，而应当根据事项性质在统一规定与授权立法之间作出分工：对基本概念、基本原则、主体义务、权利保障和责任分配作出统一规定，对具有行业性、技术性和场景性的事项，则交由配套规章和标准进一步细化。法律体系的融贯也不意味着所有规则必须具有完全相同的性质。德沃金的整体性法律观表明，法律融贯主要体现为基本原则和规范理由的一致，而非具体规则形式的同质化。人工智能综合性立法只要围绕人工智能系统的研发、提供、部署和使用等活动，在基本概念、原则和责任结构上形成贯通，为不同性质具体规则提供共同基础。
我国的立法实践已有先例证明，在恰当的立法技术下，跨法域综合性立法可以形成内在融贯的体系，甚至可以成为回应新型治理需求的常规进路。例如，《个人信息保护法》同时包含个人信息处理、跨境提供、个人权益、处理者义务、国家部门履职以及法律责任等，其调整内容横跨多个传统部门法领域，但并未因此丧失体系融贯性，反而通过对“个人信息处理活动”提炼，实现了规则层面的有机整合，体现出现代立法在调整新型社会关系时综合运用多种规范工具的特征。
因此，现行分散治理的局部有效性不能替代综合性立法，规则内容的跨法域特征也不当然导致体系失序。人工智能综合性立法的功能，正在于弥补规范层级、调整对象和规则协调方面的制度缺口，并通过一般规则与专项规则的合理分工，形成层次清晰、开放演进的人工智能法律体系。
（三）人工智能综合性立法有助于实现法律基础设施功能
综合性立法对于人工智能治理而言，不仅在于填补现行规则体系的缺口，更在于为人工智能的产业化运行与社会化嵌入提供基础性的制度支撑。人工智能不同于一般的新兴技术，其作为通用技术正在以基础设施的方式重塑经济社会运行，与之相匹配的法律供给也必须具备基础设施品格，难以被零散的部门规章累加或是传统部门法的局部扩张替代。
在法律功能视角下，哈德菲尔德（Gillian Hadfield）教授指出，法律基础设施是“社会可获得的、经济参与者可用于规制彼此关系的法律材料的集合”，其功能在于为跨越企业边界、跨越司法管辖区并处于快速技术和商业模式变迁中的经济关系提供协作基础。全球化与平台经济条件下，经济关系跨越组织和地域边界的频率大幅提升，法律方案的折旧速度加快，社会对法律的需求已发生变化，法律基础设施在消费者、供应商、投资者、创新者和监管者之间提供重要的无形连接，如果法律基础设施薄弱或过时，企业从技术构想到商业化落地的过程将会速度更慢、成本更高，甚至可能无法完成。这一理论将法律的功能从单纯的行为约束扩展到经济活动的基础支撑，为理解人工智能综合性立法的必要性提供了新的分析视角。
人工智能作为新一代具有跨领域影响力的通用技术，对法律基础设施提出了远超既往技术形态的需求。人工智能不仅同时涉及多种主体、多类客体、多个场景的复杂交互，而且自身具备一定程度的自主性与不可预测性。这种复杂性意味着，零散的部门规章累加无法构成有效的法律基础设施，因为各规章之间在概念使用、责任分配、监管口径上的不尽一致本身就是制度成本的来源；只有通过综合性立法在更高层级上建立起贯通的概念体系、原则体系与责任体系，才能为人工智能产业化提供匹配其复杂性的制度基础设施。从这个意义上看，人工智能综合性立法之于产业发展，正如电网之于工业生产、算力网络之于数据流动，是技术红利释放的必要条件而非可选选项。
在决策结构视角下，桑斯坦（Cass R. Sunstein）与乌尔曼玛格丽特（Edna Ullmann-Margalit）提出的“二阶决策”理论（second-order decisions）进一步揭示了综合性立法相较于分散立法的优势。二阶决策理论的核心命题是：在面对大量同类型、高复杂度的具体决策时，决策者预先确立适用于此类情境的一般性规则、推定、标准或程序，能够显著降低后续具体决策的认知负担与错误概率。二阶决策是指在具体决策情境出现之前，行为者所选择的一系列策略，目的在于免除一阶决策的负担或降低一阶决策的成本。规则、推定、标准、惯例、小步试探、授权委托、启发式方法等二阶决策机制，分别通过前置判断、外包判断、递延判断或简化判断等方式，降低后续一阶决策的负担。在法律语境下，二阶决策的功能尤为显著：预先确立规则、推定、标准能够降低后续决策负担、促进可预测性和规划，使监管者、司法者、市场主体、社会主体面对纷繁复杂的具体情境时拥有共通的判断依据与稳定的合理预期。
将二阶决策理论引入人工智能治理语境，可以清晰地看到人工智能综合性立法的三方面优势。第一，对监管层面而言，综合性立法提供了下位立法和具体执法的统一依据。人工智能治理涉及网信、工信、公安、市监、金融等多个监管领域，各监管部门在专业背景、治理目标、政策工具上存在显著差异。综合性立法可以为各部门后续具体规则的制定提供共通的二阶基础，使分散的一阶规则得以在统一框架下相互协调。第二，对市场主体而言，综合性立法提供了稳定的合规预期，使企业能够围绕清晰的规则进行长期投资与产业布局。人工智能产业具有研发周期长、投入规模大、技术迭代快的特征，企业在投入重大资源进行模型训练、产品研发、市场拓展之前，需要对相关法律规则的稳定性形成基本预期。二阶决策机制最重要的社会价值之一在于促进规划（promote planning）。当行为人能够在事前知晓适用规则的基本结构时，便可围绕规则进行最优化的资源配置；反之，若规则在每一具体情境中都需重新生成，行为人将陷入持续的不确定性与高昂的合规猜测成本之中。第三，对社会主体而言，综合性立法提供了清晰的权利保障与救济渠道，使个人面对人工智能时不至于陷入权利无所附着的处境。综合性立法在法律层面确立基本权利，为自然人面对各类人工智能应用时提供贯通权利基础，使权利保障从场景化的分散救济升级为体系化的整体保障。
二、综合性立法何时进行：超越“科林格里奇困境”
人工智能综合性立法的必要性论证对“是否应当立法”作出了肯定回答，“何时立法”仍是一个需要特别回应的独立问题。人工智能立法的时机选择具有极特殊的复杂性。早立和晚立各有其代价，立法者面对着一个真正意义上的两难困境。笔者认为，人工智能立法永远没有绝对合适的时机，立比不立强、早立比晚立强、立后优化远比延宕观望强，我们应遵循“先立后优”的基本思路破解两难困境，抓住宝贵的立法窗口期。
（一）早立与晚立：综合性立法时机的分歧
主张审慎对待、缓行开展综合性立法的学者主要存在对于人工智能技术发展一日千里，而立法一旦制定很容易过时的担忧。有学者认为，当前人工智能技术路线尚未收敛，深度学习算法是否代表通用人工智能的最终方向尚不确定，不同技术路径仍在并行发展。计算机科学界亦有学者表示大语言模型路线不一定能代表通用人工智能的最终方向。另一方面是基于法律延迟性的规律。火车、汽车、电力、核能等具有跨时代意义的技术革命，并未催生出以技术本身命名的综合性立法。据此有学者主张，技术革命与法律回应之间天然存在时间差，急于推动综合性立法反而违背了科技法治的一般演进规律，在延迟期内通过既有法律的解释适用、行业自律、技术标准、专项规章等灵活工具应对新型技术问题，是更为务实的选择。
另有观点则主张尽快推动人工智能领域立法。早在2017年，就有学者明确呼吁及时制定人工智能领域的伦理章程并适时进行专门立法，以此适应国际趋势、满足我国创新发展的内在要求。近年来，更多学者指出，在人工智能加速发展、风险逐渐显化、国际竞争更为激烈的背景下，我国人工智能立法需要尽快提上日程。过去数年的全国两会期间，已有多位全国人大代表、全国政协委员以议案、建议或提案等形式，建议我国加快推进人工智能领域立法。此种立场背后的理据可归纳为三点。一是产业格局快速形成带来的路径依赖风险。少数头部企业在算力储备、模型开发、应用生态等方面的领先优势正在不断累积，而布莱恩·阿瑟（W. Brian Arthur）在收益递增技术竞争模型中指出，现代复杂技术常具有采纳收益递增特征，早期偶然优势可能通过正反馈机制不断放大，使某一技术路径被锁定，该路径未必有效率，也不容易通过通常的税收或补贴政策加以改变。二是规则真空被动填补的风险。国内综合性立法的观望等待会导致规则塑造的主动权向境外立法、平台规则等让渡。三是人工智能治理需求已经由潜在问题转化为现实争议，深度伪造、人工智能诈骗、训练数据著作权争议、人工智能致害责任分配等问题已在司法实践和社会生活中大量出现。
将两种立场并置，可以发现其各自理据均建立在对人工智能技术演进的具体观察之上，都难以被简单否定。此种争议便是英国技术哲学家大卫·科林格里奇（David Collingridge）于1980年在《技术的社会控制》一书中提出的“控制的两难”（The Dilemma of Control），也即“科林格里奇困境”（Collingridge dilemma）。在技术发展的早期阶段，技术尚未充分发展和扩散，社会对其有害或非预期社会后果缺乏充分认知，虽然此时技术较容易被改变、限制甚至禁止，但控制依据往往不足以支持采取破坏性或高成本的干预措施，此即“信息困境”（information problem）；待技术广泛扩散并嵌入经济社会运行后，其社会后果才逐渐显现，社会才更有依据作出判断，但技术此时已与其他技术系统、社会制度和经济制度发生适应性耦合，任何重大调整都可能引发高昂成本、制度阻力和时间迟滞，此即“权力困境”（power problem）。
人工智能综合性立法的时机争议是新兴技术法律治理过程中的共性问题。那么“科林格里奇困境”是否构成新技术治理无法摆脱的宿命？如果立法注定要在早期信息不足与后期控制困难之间作出取舍，人工智能综合性立法似乎永远难以获得一个绝对合适的时点。因此，亟须回答的问题是，是否存在一种立法路径能够同时降低早立的规则僵化风险与晚立的制度失控风险，由此实现对“科林格里奇困境”的超越。
（二）以“先立后优”思维破解两难困境
“科林格里奇困境”的背后潜藏着一项预设：立法是一次性、确定性、终局性的制度选择，立法者应当在信息完备时一次性给出最优规则。问题在于，新兴技术治理很少具备这样的条件。事实上，包括人工智能立法在内的新技术治理被马秦特（Gary E. Marchant）概括为“棘手问题”，其基本特征是复杂性、多样性和不确定性，其治理不存在单一的最佳解决方案，而是一系列次优策略相互交织、共存，并在某些方面相互竞争。换言之，人工智能技术的不确定性是治理对象的固有特征，等待绝对成熟的立法时机，只会把立法推向无限期延后，并在观望中放任风险累积和技术路径固化。以技术发展时间线为轴，试图在其上找到一个最优时间点的思路本就不能成立。
法律从不可能一蹴而就，而是一个不断动态建构的发展过程，立法仅仅是法治的起点，“先立后优”应当成为面对复杂新兴技术治理问题的基本思维。塞德尔（Stefan Seidel）等人通过对列支敦士登2019年通过的《区块链法》立法过程的考察，提出了前瞻性意义建构理论（Prospective Sensemaking），认为新兴技术立法并不需要等待技术对象完全稳定才能启动，立法过程本身会通过“抽象”（abstraction）与“细化”（elaboration）这两个相互关联的过程逐步生成可治理的对象。抽象使立法者得以从特定技术形态中提炼与监管目标相关的一般性属性，细化则使立法者得以根据具体场景识别和落实具体要求。列支敦士登通过“抽象”将监管对象从区块链提升至更一般的可信技术（trustworthy technology），将加密货币提升至更一般的代币经济（token economy），使法律得以容纳区块链之外的多种分布式账本技术形态；通过“细化”对代币的法律性质、可信技术服务提供者的具体义务、用户保护的具体要求等作出可操作的规定，避免了纯粹抽象立法的执行困难。两个过程的交互运用，使该立法在此后数年的技术演进中始终保持了适应性。对于人工智能综合性立法，立法者同样无需等待技术对象在技术层面完全稳定，就可以通过“抽象”的过程从纷繁复杂的技术形态中提炼出技术现象背后稳定的一般属性，并以此类属性而非特定技术架构作为规制对象，通过“细化”过程根据不同应用场景设置具体规则，从而实现具有前瞻性、动态演进性的立法。
“先立后优”的思维还指向立法可以搭建平台、促进沟通的功能。哈贝马斯（Jürgen Habermas）将法律理解为事实性与有效性之间的社会媒介。在功能分化的现代社会中，经济系统、政治系统等逐渐形成自身的专门代码，生活世界中的日常语言难以直接进入这些系统并产生治理效果。哈贝马斯由此指出，“法律起到一种转换器的作用”，因为“具有规范内容的信息只有用法律的语言才能在全社会范围内循环”。也即，立法可以在普通民众所处的“生活世界”与高度专业化的经济、政治等系统起到“转译”的作用，通过法律语言将人工智能的产业需求、公共利益、权利保护和监管责任转化为可被各方共同探讨的规范性议题。进一步的，哈贝马斯指出政治参与权利所涉及的，正是“用法律形式对公开的意见形成和意志形成过程——其结果是有关政策和法律的决议——加以建制化”。即是说，立法并非只是国家机关向社会发布命令的过程，而是使得公共意见充分进入制度化决策程序的过程。因此，从哈贝马斯的商谈理论的视角看，人工智能立法的价值更在于为技术治理中的多元利益表达与公共理性协商提供了不可替代的制度通道。
“先立后优”思维的本质在于，认识到立法本身就是凝聚共识、发现问题和推动治理演进的必要起点。人们在面对不确定性和外部压力时，身临其境、亲自承担风险，才能更好地作出正确决定；知识、经验和理智在决策过程中所起的作用并不如想象中大，人类往往是在作出决定之后再去寻找证据证明决定的正确性。始终不启动立法，各方难以展开实质性讨论，很多深层问题也因为没有制度载体而无法显现和解决。立法的意义不仅在于提供答案，更在于提出问题：立法草案的起草、审议和实施过程本身，正是促使政府、企业、技术社群、学界和公众围绕具体制度方案展开实质性沟通的过程。
（三）我国人工智能处于恰逢其时的立法窗口期
完成对“科林格里奇困境”的理论超越后，仍需从规范层面进一步回答一个具体问题：我国当前是否已经具备开展人工智能综合性立法的现实条件？理论上的“早立优于晚立”并不直接等同于任何时点都适合立法；立法时机的判断仍需立足于具体的社会需求、制度基础和政策条件。
首先，人工智能治理问题已经由潜在风险转化为现实争议，并形成系统性的制度需求。深度伪造、智能诈骗、算法歧视、数据滥用和生成虚假信息等问题，已从零散个案演变为持续性的公共治理议题。随着人工智能广泛进入各类关键领域，其运行风险更易通过平台和公共系统放大。与此同时，既有网络与数据法律以及专项规章难以完整回应模型治理、训练数据使用、生成内容权属和智能体行为归属等问题。由此，人工智能综合性立法所要处理的制度需求已经充分显现。
其次，我国人工智能立法具有相当的前期基础。一是，国内制度实践已经形成可供整合的规则素材。我国围绕算法推荐、深度合成、生成式人工智能、人脸识别、生成合成内容标识、拟人化服务、科技伦理审查等事项形成了若干部门规章和规范性文件，深圳、上海等地也进行了人工智能产业促进方面的地方立法探索。这些制度经验虽然层级不同、适用范围各异，却已经为综合性立法提供了现实基础。二是，学术研究已经形成较为充分的理论储备。围绕人工智能立法定位、调整对象、基本原则、训练数据、算法透明、侵权责任、生成内容权属、智能体法律地位和监管沙盒等问题，国内法学界进行了较为充分的系统研究。三是，域外立法已经提供比较法意义上的经验和警示。欧盟人工智能法展示了以风险治理为核心的规则框架，美国联邦与州层面的不同制度选择显示出分散治理的优势与不确定性，韩国、日本等邻近国家的立法也提供了不同的制度样本。立法机关已经拥有足够丰富的规则材料和方案选项，可以在比较、筛选和改造中形成适合我国的制度安排。
最后，人工智能综合性立法已经获得较为明确的政策支持。第一，中央层面对人工智能治理的方向已经作出清晰部署。近年来，国家层面多次强调完善人工智能相关法律法规、政策制度、应用规范和伦理准则，这表明人工智能立法已经从一般政策倡议进入具体制度设计阶段。第二，立法机关持续释放推进信号。国务院和全国人大常委会年度立法工作计划连续对人工智能立法作出安排，相关表述虽经历阶段性调整，但总体方向并未改变，最新立法计划对综合性立法的明确使用，更说明国家层面已经形成相对清晰的立法判断。第三，国际规则竞争正在强化立法的外部动力。欧盟人工智能法的实施会影响我国企业进入国际市场的合规成本，美国监管路径的摆动也增加了国际规则环境的不确定性。对我国而言，人工智能综合性立法既是完善国内治理体系的需要，也是参与全球人工智能治理并形成制度话语权的重要前提。
当前推进我国人工智能综合性立法恰逢其时。这一窗口期具有显著的时效性，人工智能技术演进的速度远快于以往任何一次重大技术革命，路径锁定的形成速度也会同步加快。当下的窗口期是人工智能立法在社会需求、制度基础和政策支撑等方面难得耦合的结果，我国立法机关应乘势而为，加快推进人工智能综合性立法。
三、人工智能综合性立法的价值定位：发展与安全关系之平衡
对于人工智能立法最常见的疑虑是：立法是否会束缚创新，立法会不会使我国人工智能技术发展在全球竞争中落于下风？这种担心不难理解，但却忽略了发展与治理的辩证关系：立法不是给发展设置路障，而是为创新系上“安全带”、握好“方向盘”，从而更有利于我国人工智能沿着正确的方向快速发展。
（一）立法和发展并非零和博弈
立法与创新发展之间的关系，不应被视为一方挤压另一方的零和博弈。正如汽车的安全带看似约束了驾驶者，实际上却让人敢于开得更快。没有安全带，路况再好也不敢全力加速；没有安全带，就没人敢驶上高速公路。有了安全带和清晰的交通规则，驾驶的风险可控，交通的通行效率反而更高。可见，包括立法在内的人工智能治理，不是创新的敌人，恰恰为创新发展形成了稳定可预期的环境。
明确而审慎的规则比规则不明状态下的所谓“宽松”更有利于创新。规则边界模糊时，企业难以安排研发与合规活动，投资者难以评估项目风险，消费者也可能因缺乏信任而降低使用意愿。由此产生的不确定性本身便构成高昂的交易成本，并对技术创新形成持续制约。立法通过消除不确定性来释放创新活力，这一作用在人工智能领域尤为突出。一个具有代表性的反面例证是人工智能训练数据著作权问题。这一问题在我国《著作权法》既有合理使用条款下并无明确答案，相关司法判决在不同法院、不同案件中呈现出标准不统一的态势，企业难以判断模型训练行为的合法边界，由此产生大量的合规焦虑：部分企业不敢使用国内合法可获取的高质量内容数据用于训练，不得已使用质量较差但版权风险较低的数据；部分企业则在不确定中冒险使用，事后面临诉讼风险与赔偿压力。规则的缺失没有带来更宽松的创新环境，反而带来了更高的合规成本与更扭曲的资源配置。对此，无论立法最终采取扩张合理使用、设置法定许可、赋予权利人退出机制，还是形成其他利益平衡方案，明确的制度安排均有助于企业合理规划研发投入，也能为著作权人行使和维护权利提供稳定依据。当然，规则明确不等于监管趋严。对于过度监管可能产生的创新抑制，人工智能立法面临的真正问题应从是否监管，转向如何通过合理的制度安排控制风险，同时为技术创新保留必要空间。
我国数字经济立法的既有实证经验已经印证了规则供给与产业发展相互促进的可能。《网络安全法》《数据安全法》《个人信息保护法》自2017年至2021年陆续出台，确立了网络空间治理的基础规则框架。这些立法并未导致数字经济的发展停滞，相反，我国数字经济规模在此期间持续增长，稳居全球前列。在生成式人工智能领域，《生成式人工智能服务管理暂行办法》于2023年在世界范围内率先出台。这一规则供给为我国大模型产业的快速发展提供了制度确定性：备案机制使企业明确产品上线的前提条件，安全评估要求使企业在研发阶段即能够规划合规路径，内容标识规则使下游应用场景具备清晰预期。规章出台后，国内大模型企业数量持续增长，DeepSeek等国产大模型的崛起表明，及时的规则供给与活跃的产业创新可以并立。规则供给与产业发展并非零和博弈，而是相互成就的辩证关系。
（二）通过制度设计实现发展与安全的动态平衡
发展与安全的协调可以在综合性立法中通过合理的制度设计实现。人工智能风险贯穿技术开发、应用与治理的不同环节，综合性立法需要分别回答责任如何配置、创新如何试错、风险如何救济以及监管如何介入等问题，并根据主体控制能力、风险程度和技术发展阶段配置不同强度的法律义务。由此，人工智能立法可以从民事责任、行政责任、事后动态治理和事前程序监管等不同维度进行制度设计。
第一，人工智能立法可以通过开源免责规则分类配置责任，为人工智能开源创新保留必要空间。我国在开源模型领域已经形成一定的比较优势，开源能降低中小企业获取和应用先进模型的门槛，便利学术界开展可复现研究，并通过吸引开发者、促进技术扩散和应用创新，增强我国人工智能产业生态的国际竞争力。开源免责制度的设计可以综合考虑开源许可协议类型、权利限制、信息披露程度、安全防护措施等因素，对开源软件开发者和提供者给予适当责任豁免；对于以免费开源方式提供代码并已公开说明相关功能和安全风险的，因他人后续使用相关代码导致侵权，可以依法减轻或者免除开源软件开发者和提供者的责任。如此回应了开源模型的风险控制特性：开源发布者提供的通常是通用性、基础性技术工具，对后续应用场景及具体使用方式的控制能力有限；随着技术被进一步修改、部署和商业化利用，风险控制能力也逐渐向下游主体转移。因而，对已经履行必要信息披露和风险提示义务的开源主体适当减轻责任，同时由实际控制具体应用和风险的主体承担相应义务，可以降低技术共享的责任成本，避免开源成为规避责任的手段。
第二，人工智能立法可以引入监管沙盒制度来平衡创新发展与安全保障。监管沙盒制度在受控条件下允许试验试错，兼顾真实场景验证与安全监管的双重目标。自动驾驶汽车的道路测试提供了一个典型例证：自动驾驶能力的提升高度依赖真实道路场景的数据积累，封闭厂区与仿真环境难以完全替代实际道路的复杂性；然而，未经许可的道路测试在既有交通法规下缺乏合法性基础，投资者与研发者也面临较高且难以预估的合规成本和责任风险。《北京市自动驾驶汽车条例》建立从道路测试、示范应用、安全评估到道路应用试点的递进机制。沙盒提供的创新空间主要体现于行政监管层面的特别许可、容错和责任安排，并不当然排除对现实损害的民事救济。通过行政层面的有限开放与民事责任的继续保留，可以在技术试错与受害人保护之间建立相对清晰的制度边界。
第三，可以吸收网络侵权“避风港规则”的制度思路，在生成式人工智能领域建立“通知—必要措施”规则，根据具体侵权风险的显现，动态调整服务提供者的注意义务，以较低治理成本平衡权益保护与技术运行。生成式人工智能依赖大规模训练数据和复杂算法，生成内容具有高度的不确定性和即时性，服务提供者往往难以预先判断某一具体输出是否构成侵权，要求其对所有生成内容进行全面事前审查，在技术上难以实现，也会造成过高的合规成本。对此，可以根据服务提供者对具体侵权风险的认知程度逐步提高其注意义务：在收到通知之前，服务提供者仅负担较低程度的注意义务；在收到通知后，则应当依法采取必要措施，否则可能存在过错。权利人的通知使原本抽象且难以预测的风险转化为可以识别和处理的具体风险，服务提供者此后可以根据侵权行为的性质、技术发展水平以及措施的可行性和成本，采取过滤、屏蔽和停止生成等适当措施。只要服务提供者在现有技术条件下尽到了合理努力、采取合理算法进行过滤，就应认为其尽到了注意义务，不应使其对无法控制的风险承担责任。服务提供者已经采取与现有技术能力相适应的合理措施后，也不宜仅因侵权内容仍以较低概率出现即认定其存在过错，从而形成随风险显现程度动态调整的注意义务体系。
第四，以程序性义务为基础的触发式监管，可以使监管强度随着人工智能风险和社会影响的变化动态调整。程序性监管主要通过备案、评估、标识和信息留存等义务，使监管机关掌握人工智能系统的基本情况，并保持治理过程的可追溯性；当服务属性、应用场景、风险程度等达到特定条件或者发生显著变化时，再触发安全评估、整改要求或者更严格的监管措施。我国近年来在算法推荐、深度合成、生成式人工智能等领域采取的备案制、算法评估和生成合成内容标识等安排，已经体现出这种监管思路，即通过程序性义务持续掌握必要信息，并在特定事项或者风险出现后提升监管强度。由此，企业能够保持必要的技术迭代空间，备案信息、标识记录和评估材料又为风险显现后的行政介入和责任追究提供基础，从而缓解人工智能技术快速演进条件下事前实体规则容易滞后于技术变化的问题。
上述制度分别作用于民事责任、行政责任、事后风险处置与事前监管程序，其共通之处在于避免以统一强度的义务覆盖不同主体、不同阶段和不同风险状态，而是根据风险控制能力与社会影响动态调整创新空间、法律责任和监管强度，从而实现发展与安全的动态平衡。
（三）发挥法律对发展方向的形塑功能：面向以人为本的发展观
立法不只是被动应对技术风险、保障创新安全，更可以主动引导技术发展的方向，成为技术创新的“方向盘”。过去，人们更倾向于将法律视为对既成的技术风险、技术事实的事后回应，将技术方向交由市场自发选择。马祖卡托（Mariana Mazzucato）所提出的使命导向型创新理论（Mission-oriented Innovation）对此提供了不同的理解。
马祖卡托系统反驳了将创新归因于自由市场和私人企业家、将政府限缩为市场失灵修补者的传统叙事。她指出，国家在现代关键技术突破中并非只是提供基础条件，而是经常作为企业家型主体承担私人资本不愿承担的早期、高风险和资本密集型投资，并通过公共资金、公共研究机构和产业政策主动塑造市场。现代创新由此受到公共投资、使命设定和制度安排的共同影响，政府可以通过塑造制度条件影响创新的速度、方向和分配结果。
这一理论对于人工智能立法具有直接启示。马祖卡托明确指出，政府不能停留于对私人人工智能公司的外部限制，而应通过制度设计、系统建设和市场塑造，在人工智能发展中承担主动角色，引导技术朝向公共利益方向演进。人工智能是一项通用目的技术，将持续塑造经济的所有部门，其创新方向取决于制度条件、激励结构和基础设施。当前人工智能发展中已经显现出价值提取压倒价值创造的风险：少数大型企业凭借其对云计算资源、数据和算法基础设施的控制形成算法租金，并通过无偿或低成本使用版权内容、占有用户和小型市场参与者创造的价值、压缩创作者和开发者收益等方式，让生态走向垄断。立法应当通过制度设计，将人工智能发展引导向社会期待的轨道。
当然，使命导向型立法并不意味着对市场机制的替代。马祖卡托强调，使命导向并非政府选择具体技术路线，而是设定方向、共担风险、共享回报，让市场主体在明确的方向引导下自主探索具体路径。
在认识到法律对发展方向的形塑功能的基础上，需要进一步回答的问题是何谓“好的发展”？技术能力的提升、模型规模的扩大、应用场景的扩展，是否当然等同于发展？在评价何为好的发展时，不应以技术能力的绝对提升作为发展的唯一判断标准。
从历史经验看，技术创新并不会自动转化为人的福祉提升。阿西莫格鲁（Daron Acemoglu）和约翰逊（Simon Johnson）通过对一千年技术变迁史的考察指出，所谓“生产率浪潮”（productivity bandwagon）命题并非自动运行的历史规律。该命题认为，提高生产率的新机器和新生产方法会带来更高工资，并经由市场扩张和劳动需求增加使所有人分享技术进步收益；然而，历史证据表明，这一传导机制并不当然成立：中世纪农业技术改进并未显著改善农民生活，英国工业革命早期的纺织工厂在起初的一百年中并未提高工人收入，1980年以来的数字化和自动化也未能带来劳动者收入的同步增长，反而伴随实际工资停滞、收入分配恶化和劳动份额下降。
对发展方向的判断最终还应回到人的发展。阿马蒂亚·森（Amartya Sen）指出，仅追求国民生产总值、个人收入、工业化或技术进步的发展观是狭隘的，发展应当被理解为扩展人们享有的真实自由的一个过程。他提出了五类工具性自由：政治自由、经济条件、社会机会、透明性保证与防护性保障，五者相互补充，共同服务于人的实质自由扩展。
从这一视角看，人工智能技术的价值最终取决于能否扩展人的实质自由与能力，包括普通人获得医疗、教育和就业机会的真实能力，弱势群体参与数字社会的能力，以及社会成员利用人工智能改善自身生活的能力。因此，立法需要关注技术应用的可及性、公平性和包容性，引导人工智能更多进入教育、医疗、养老、公共服务等具有显著社会价值的领域，使技术进步能够更加广泛地转化为人的福祉。这一发展观与我国人工智能治理中以人为本、智能向善的理念相契合。
《全球人工智能治理倡议》明确提出，发展人工智能应坚持“以人为本”理念，以增进人类共同福祉为目标，以保障社会安全、尊重人类权益为前提，确保人工智能始终朝着有利于人类文明进步的方向发展；并提出发展人工智能应坚持“智能向善”的宗旨。我国人工智能立法对发展方向的塑造，也应以增进人的福祉、保障人的权益和提升人民群众生活品质为根本尺度。我国的人工智能法不能只是技术管制法或产业促进法，更应当是一部以人为本的发展法。
四、人工智能综合性立法的范式：从风险规制到关系建构
（一）风险规制范式在智能体发展背景下的局限
以欧盟《人工智能法》为代表的人工智能立法通常采取风险规制范式，根据风险等级配置差异化的合规义务与监管要求。我国现行人工智能部门规章也主要围绕特定风险的识别、防控和处置展开。这一范式对于应对数据处理、算法决策和内容生成等风险具有现实必要性，但智能体技术的发展正在改变其适用前提。
与以对话和内容生成为主要功能的大语言模型相比，智能体（AI agent）能够接收目标、自主规划任务、调用外部工具并执行连续操作。OpenClaw作为开源自托管个人智能体，可以通过聊天入口调用工具、管理文件、邮件和日程，体现出智能体能力正由大型平台向个人设备和自动化工作流扩散；Manus等通用智能体可以自主规划和执行研究分析、旅行规划、数据处理等复杂任务； Claude Code等代码智能体能够理解代码库、修改文件、运行测试并处理代码工作流；Pactum的采购智能体则可以在采购人员预设的策略和边界内，与供应商就价格、折扣和付款条件等事项开展自动化谈判。随着智能体互联与支付协议的发展，不同智能体还可以直接通信、交换信息、协调行动并发起交易。上述技术和产业发展表明，智能体正在从用户使用的辅助工具，逐渐演变为参与社会关系、交易关系和组织关系生成的行动节点。
风险规制范式通常将人工智能视为可能造成损害的技术系统，重点回答哪些行为应被禁止或限制、风险如何评估以及违反义务后如何追责。然而，智能体具备自主行动和持续交互能力后，法律所面对的问题已经超出风险防控。智能体代理用户签约涉及意思表示与代理规则，参与合同订立涉及行为效力，造成损害涉及多主体责任分配，其生成内容则涉及权利归属。这些问题要求法律直接处理行为效力、权利配置和责任边界，单纯增加备案、评估和处罚规则难以充分回应。更为根本的是，法律需要识别智能体参与形成的关系结构：用户与智能体之间的授权和信赖关系，智能体之间的自动化协作关系，以及开发者、提供者、使用者与第三人之间的复合权责关系。现有制度方案对智能体所引发的新型法律关系回应仍显不足，我国人工智能综合性立法的视野应当从风险维度扩展至关系维度，据此重新审视人工智能立法的逻辑结构。
（二）智能体进入法律规制视野的理论依据
法律主体作为法律关系的构成要素，讨论智能体参与法律关系，必然包含对其法律主体地位的考察。围绕这一问题，国内外已有诸多研究从法律主体资格切入，围绕人工智能是否具有法律主体资格展开。当前的通说观点仍对人工智能的法律主体资格持否定立场，仅有少数观点认为可以赋予人工智能某种合理程度的法律人格。从立法和司法实践角度看，通说立场在现阶段仍具有一定合理性：法律主体资格涉及整个法律体系的全面调整，包括权利能力、行为能力、责任能力、诉讼能力等一系列基础性制度，承认人工智能的法律主体资格意味着对几乎全部法律制度进行彻底重构，在短期内难以实现。但需要强调的是，无论是否承认智能体的主体性、在何种程度上承认其主体性，至少应当认识到，智能体已经不再是传统意义上的客体或工具，其正在逐渐成为社会生活中的一种特殊的参与者。在主体资格判断尚未形成定论的情况下，智能体已经在诸多现实场景中实质性地参与关系生成，这种参与本身已经构成立法必须回应的现实。无论将来对其主体地位作何种安排，相关法律关系的塑造都不能等待主体理论的完全澄清。
社会秩序并非只由人类主体的意志和行为构成，也依赖大量非人类实体的参与。拉图尔的行动者网络理论（Actor-Network Theory）为理解智能体进入法律视野提供了一个重要的分析起点。拉图尔将传统观念中被当作背景或工具的非人类实体重新纳入社会分析的视野，主张任何通过造成差异而改变事物状态的实体都应当被视为行动者（actor）。非人类实体对行动的参与方式并不限于决定性地支配人类行动或仅仅充当人类行动的背景，而是包含了授权、允许、提供可能、鼓励、许可、暗示、影响、阻碍、使之成为可能、禁止等多种方式。社会秩序的生成，实际上是人类与非人类共同作用的结果：一座桥梁的存在改变了交通的走向，一份合同模板的存在改变了交易的结构，一台自动售货机的存在改变了消费的方式。非人类实体不具备意志，但能以稳定的方式介入关系网络，以授权、允许、阻碍、禁止等方式使某些行动成为可能、使另一些行动变得困难，从而对最终的关系结果产生实质影响。
此外，拉图尔提出了中介者（mediator）与中介物（intermediary）的概念，中介物只是忠实地传递力量或意义而不产生任何转化，知道其输入就足以预测其输出；中介者则不同，其输入无法预测其输出，会在传递过程中转化、翻译、扭曲、修改其所承载的内容。在一个具体行动网络中，行动者可以表现为中介者，也可以表现为中介物，拉图尔的理论更关注那些作为中介者发挥作用的行动者。将这一区分引入对智能体的观察，可以更清楚地看出智能体相较于传统工具的本质差异。传统工具是典型的中介物：扳手忠实地传递使用者的力量，计算器忠实地执行使用者输入的运算，输出完全由输入所决定。智能体则是典型的中介者：智能体客服接收用户的提问后，并非原样转述预设答案，而是主动识别用户意图，自主选择话术与策略；金融投顾智能体能在充分检索市场数据、考虑用户偏好后，自主生成投资建议，调整资产配置方案，乃至直接执行交易指令；合同撮合智能体可以相当程度上代替当事人协商条款、生成文本，与另一方的智能体直接对接完成磋商。在上述场景中，智能体的输出都无法仅凭其输入来预测，而是在传递过程中进行了实质性的转化和翻译，这正是中介者区别于中介物的根本特征。拉图尔指出，行动从来不是由单一主体完成的透明过程，而是总在被转移、委托和转译（translation）。当一个用户向智能体发出一个自然语言指令时，这一指令经过智能体的语义理解、任务规划、工具调用和执行反馈，每一步都构成拉图尔理论中的转译。智能体时代的行动比以往任何时候都更加分布化，更加依赖异质性实体之间的翻译链条，也更迫切地需要法律对这些翻译链条中的关系结构和行为效果作出制度回应。
在传统的人与工具关系中，工具不进入法律关系，法律只调整使用工具的人之间的关系。但当智能体作为“行动者”“中介者”介入关系网络时，单纯将其视为工具会遗漏一系列关键问题：智能体的自主选择应当如何归属？围绕智能体形成的信赖应当如何保护？智能体之间的交互产生的法律效果应当如何安排？法律对此的回应，不一定要以承认智能体的完整主体资格为前提，但需要承认智能体在关系生成中的实际作用，并据此设计相应的规则安排。
拉图尔的行动者网络理论从社会本体论层面揭示了智能体作为中介者参与关系生成的事实，其关注重心在于行动如何在异质性实体之间被转译和分布，对于这种转译之上如何形成稳定的规范期待则未予正面处理。法律不仅需要识别行动的实际生成过程，更需要回答此种过程如何获得可预期的制度形态。卢曼（Niklas Luhmann）的社会系统理论从沟通与期望建构的层面提供了补充视角。卢曼的社会系统理论认为，社会系统不应被理解为生命系统，而应被理解为由沟通构成的系统。卢曼将沟通定义为信息（Information）、告知（Utterance）和理解（Understanding）三者的综合。法律作为一个社会子系统是由法律沟通持续构成的，其功能是在事实可能违背期待的情况下，仍然维持可被沟通和连接的规范性期待。在这一视角下，智能体进入法律视野的理由可以从两个层面得到说明。第一层是沟通参与的事实。当智能体的输出能够被人理解并据此引发后续沟通时，智能体便已经进入了沟通过程。第二层涉及双重偶然性（double contingency）的概念。卢曼认为，双重偶然性的基本情境是两个彼此不透明、不可计算的系统相互发生关系，每一方都不能完全预测另一方，但沟通又要求双方至少形成最低限度的相互观察和相互期待，每一方都需要在对另一方可能选择的预期中调整并决定自己的行为。
智能体的介入改变了这种期待结构。传统人际沟通中，双方至少可以依靠对人类共同认知模式、社会角色和交往规则的信赖来形成预期；而智能体的输出具有不可完全预测性，用户难以确定其下一步回应，智能体也可能因语义理解偏差而无法准确把握用户意图。在多智能体协作场景中，这种不确定性还会叠加，一方用户面对的可能不是另一方自然人的直接表达，而是另一方智能体的输出、平台规则、模型能力和权限配置共同生成的结果。双重偶然性的强化，使既有法律对期望的稳定功能受到挑战。法律若仅停留在既有的人际期望结构上，难以稳定围绕智能体生成的新型沟通秩序。法律调整的对象需要扩展到包含智能体在内的沟通过程本身，通过新的规则安排为这一过程提供可预期的期望基础。
由此，人工智能法的调整对象不应仅限于人与人之间围绕人工智能开发和使用形成的关系，也应当涵盖人与智能体之间以及智能体与智能体之间在沟通过程中生成的新型关系。这一扩展并不要求法律立刻承认智能体的完整法律主体资格，但要求法律承认智能体作为关系参与者的事实，并据此设计相应的行为规则与责任安排，关系建构范式即围绕这一判断展开。
（三）关系建构范式下人工智能立法的基本面向
关系建构范式是在风险规制的基础上，将人工智能立法的关注对象由技术风险进一步扩展至智能体参与形成的法律关系。综合性立法需要识别这些关系的基本结构，就当前技术实践而言，可以重点围绕三类关系展开制度建构。
第一是“人智关系”，即用户与智能体之间形成的授权、交互和信赖关系。用户通过指令、协议或持续交互赋予智能体一定的行动权限，智能体则可能代为检索信息、处理事务、作出选择乃至实施交易。此种关系已经超出传统的人与工具关系，制度设计的重点应放在保障用户的知情与控制。用户应当能够识别交互对象的智能体属性，了解其能力边界与主要风险，清晰设定、调整和撤回授权。对于可能形成较强依赖的应用，还应当防止利用拟人化设计、信息优势或持续交互不当影响用户决定，相应规则可以包括身份提示、信息披露、风险告知、权限管理以及授权撤回机制。
第二是“智智关系”，即多个智能体间通过接口、协议或自动指令形成的交互关系。交易智能体可以自动报价、协商和撮合，任务智能体也可以通过分工完成复合任务。法律无须以承认智能体具有独立主体资格为前提，但应当回应其交互所产生的法律后果。立法需要明确自动交互形成的意思表示和交易结果如何归属于相关主体，智能体生成的指令、日志和电子记录具有何种证明效力，以及智能体之间的数据调用、协作与竞争如何衔接既有合同、数据和竞争规则。围绕这些问题，智能体参与民事法律行为的效力认定、智能体自动化交互的法律效果归属、智能体协作与交易的基本秩序等，构成了智智关系制度建设的核心。
第三是“复合关系”，即人、智能体与组织之间形成的多元复杂关系。智能体通常由基础模型开发者、应用经营者、平台服务者和用户共同塑造，其行为还可能影响外部第三人。这一复合主体结构使得任何智能体行为的法律后果都涉及多重主体，可以以智能体为中心衍生出用户与提供者之间的内部法律关系与提供者或用户与第三方之间的外部法律关系结构。立法在这一关系上需要重点回应行为归属、责任分配与救济渠道三类问题：智能体行为应当归属于哪一主体，在多主体共同塑造智能体行为的情形下各方责任如何配置，第三人在受到损害时如何获得便捷有效的救济。在此基础上，可以进一步设置分层归责、强制保险、责任分担以及开源模型责任边界等制度。
关系建构范式并不要求立法在制定阶段立即对所有新型法律关系作出穷尽式的具体规定。智能体技术正处于快速演化阶段，从单体智能向群体智能发展，从虚拟世界向物理世界扩展，从特定任务向通用能力演进。上述三类关系的具体内涵、边界与制度回应方式，均将随技术演进与实践积累而持续深化，其中许多问题仍有待进一步研究。立法的合理形态是对已经显性化、需求迫切的关系类型作出基础性制度安排，对仍在演化中的关系类型保留制度接口，并通过授权规章、技术标准等机制实现规则的持续优化。
智能体的崛起正在改变法律所面对的社会基本图景。当人工智能从被动响应用户指令的工具演变为具备自主决策、持续交互能力的行动节点时，法律需要处理的问题已经从风险规制扩展到关系建构。人工智能立法不能只回答系统不得造成何种危害，还必须正面回答智能体参与社会生活后所形成的授权、信赖、归属、协作等关系应当如何安排。我国应在坚持风险规制的基础上，进一步推进到关系建构层面。智能体在作为风险规制对象的同时，进一步进入了社会关系的生成过程，立法也需要从单纯的风险防控，进入对人智关系、智智关系、复合关系的基础性安排。由此，我国的人工智能法将不仅是一部应对风险的安全法，更是一部回应并形塑新型社会关系的秩序法、一部以人为本的发展法。人工智能治理是一项持续演进的制度工程，任何立法都不可能一劳永逸地解决所有问题。综合性立法不会提供终局性的“完美方案”，而是为一日千里的人工智能系好法治的“安全带”，使得我国人工智能产业能在全球竞争中跑得更稳、更快、更远，跑得有方向、有秩序、有温度，逐步探索形成具有中国特色的人工智能治理新方案。
本文原载《法学家》2026年第5期。转载时烦请注明“转自《法学家》公众号”字样。
