UNESCO AI 治理工具将伦理从原则推进到政策检验

UNESCO 将于 9 月 16 日推出三项 AI 治理产品，推动其伦理项目从宽泛原则走向可供政府应用的证据。随着政策制定者面临智能体系统、不断攀升的基础设施需求以及各国能力不均等问题，UNESCO AI 治理工具应运而生。

该套工具包括 RAM 2.0、针对各国评估的全球分析，以及一套应对 AI 环境足迹的工具包。RAM 即 Readiness Assessment Methodology（准备度评估方法论），是一项用于评估一国能否负责任地治理 AI 的诊断流程。

这一组合揭示了此次发布背后的核心张力。国际 AI 原则如今已较为普遍，但在法律、机构、技术能力和执法层面，落实依然碎片化。UNESCO 希望其国家层面的方法能够连接这些环节，同时避免沦为政府认可却无法执行的又一套自愿性框架。

这些产品将在沙特阿拉伯利雅得举行的第四届人工智能伦理全球论坛期间首次亮相。该论坛将于 9 月 14 日至 9 月 17 日举行，由沙特数据与人工智能管理局和 ICAIRE 共同主办。

UNESCO 表示，其原始方法论已对国家战略和区域路线图产生影响。随着包括欧盟《AI Act》在内的具有约束力的制度进入实施阶段，RAM 2.0 现在必须证明：自愿性诊断工具依然能够发挥作用。

UNESCO 推出的三项工具，而非又一份宣言

此次发布之所以重要，是因为 UNESCO 将诊断、比较证据和环境指南整合为一套政策工作流程。

根据关于治理工具的公告，UNESCO 计划于 9 月 16 日推出全部三项产品。每项产品都针对伦理原则与政府行动之间的不同缺口。

第一项产品是 RAM 2.0，即 UNESCO 国家准备度评估的更新版本。现行方法论考察法律、监管、社会、文化、经济、教育、科学、技术和基础设施条件。

UNESCO 表示，此次修订纳入了更多来自女性、残障人士和原住民群体的意见。这一变化很重要，因为国家 AI 政策往往将包容性视为最终的合规审查环节。RAM 2.0 则将受影响群体置于证据收集流程之中。

第二项产品分析国家评估所得出的发现。其目的在于识别跨国 AI 治理模式，而不是让每份报告都成为独立存在的文件。

这一比较层面可以揭示反复出现的制度性缺口，例如监管权限不清、公共部门专业能力有限、数据治理薄弱，或社区缺少挑战自动化决策的有效途径。

不过，如果分类过于宽泛，全球综合分析也可能抹平地方差异。一个正在建设基础行政能力的国家，与一个为通用模型制定监管规则的成熟数字经济体，面临的约束并不相同。

第三项产品是面向政策制定者的环境工具包。UNESCO 表示，它将同时处理 AI 与环境关系的两面。

政府既需要减少 AI 系统环境足迹的方法，也需要评估 AI 能否支持气候行动、生物多样性保护和生态系统韧性的相关主张。

将这两个目标一并处理是合理的。一项 AI 项目不能仅因其预期用途支持保护工作，就被标注为有益。政策制定者还需要掌握计算需求、能源来源、用水量、硬件采购以及项目可衡量成果方面的证据。

因此，这三项产品构成了一个大致顺序。RAM 2.0 识别能力与治理缺口；全球分析显示这些缺口是否在不同司法辖区重复出现；环境工具包则将更聚焦的检验应用于一个日益紧迫的政策领域。

这比再次发布一份关于可信 AI 的声明更具操作性。但它仍不等同于监管，因为 UNESCO 的建议并非可直接执行的国家法律。

这一差异将决定各国政府如何使用这套工具。诊断可以帮助官员确定所需的机构、技能和规则，但无法强制某个部门、监管机构或 AI 提供商根据这些发现采取行动。

这一局限并不意味着这项工作无关紧要。它意味着后续落实将成为衡量成功的核心标准。

UNESCO AI 治理工具为何此时推出

AI 政策已进入实施阶段，政府需要的是证据、人员和明确的机构归属，而不只是共同价值观。

UNESCO 的 193 个会员国于 2021 年 11 月通过《人工智能伦理问题建议书》。该文件建立了以人权为中心、覆盖 AI 全生命周期的框架。

其政策领域包括数据治理、教育、劳动、健康、性别平等、文化、传播和环境。会员国通过各自的宪法和行政体系，自愿落实该建议书。

该建议书还呼吁制定实际可用的实施工具。UNESCO 为国家层面的准备度开发了 RAM，并为评估个别 AI 系统和项目开发了伦理影响评估工具。

RAM 是宏观层面的诊断工具，而非产品认证。其目标是考察一国是否具备负责任 AI 所需的法律、机构、技能、基础设施和社会保障机制。

准备度方法论要求政府审视的不只是自己是否拥有国家 AI 战略。一项战略可以存在，却没有有效的监管机构、受过培训的采购团队、有意义的公众咨询或可获得的救济途径。

UNESCO 报告称，已与 77 个国家合作制定国家 AI 战略和政策。该组织表示，58 个国家已完成评估流程，逾 20,000 名利益相关方参与了其制定过程。

这些数字显示了覆盖范围，但也暴露出下一步问题。完成一份评估，并不等于改变预算、行政规则、采购实践或执法结构。

UNESCO 曾列举孟加拉国、哥伦比亚、加纳、尼日利亚和津巴布韦，称 RAM 为这些国家的 AI 战略制定提供了参考。该组织还表示，这一方法论影响了非洲联盟《非洲大陆 AI 战略》以及 2025 至 2030 年的东盟负责任 AI 路线图。

这些案例使 RAM 比仅通过研讨会检验的框架拥有更坚实的基础。然而，实施质量仍会因国家、政治制度、资源和监管权限而异。

这一时机也反映了技术的变化。智能体 AI 系统能够规划任务、调用软件工具，并在有限的逐步人工指引下采取行动。

这种能力使问责变得更复杂。治理审查必须考虑：谁授权了某项行动，可获得哪些数据和工具，决策如何被记录，以及个人是否能够介入。

利雅得论坛的议程将智能体 AI 与环境影响、性别平等、文化、青年心理健康、神经技术和合成生物学并列讨论。这一议程表明，治理议题早已超越聊天机器人内容规则。

第四届论坛也恰逢 UNESCO 通过该建议书五年之后。因此，该活动被定位为一次检验，即伦理承诺是否已产生可用制度。

官方论坛议程包括部长级讨论、专家小组、研讨会、合作伙伴关系发布，以及有关为伦理治理融资的会议。参与者包括来自政府、民间社会、学术界、国际组织和产业界的代表。

不同官方页面公布了不同的出席人数。UNESCO 的公告称，更广泛的论坛将聚集 8,000 名参与者，其中包括来自约 50 个国家的部长和副部长。论坛专属网站则列出 1,200 名参与者，并称已向 194 个会员国发出邀请。

这些数字可能统计的是不同类别的参与者，但相关页面并未解释这一差异。这种不确定性提醒人们，即便是基础治理报告，也需要一致的定义。

规模本身不会决定活动是否重要。更有力的检验在于，各部门能否带着明确责任、获得资金支持的工作计划，以及基于评估结果采取行动的公开时间表离开利雅得。

自愿性诊断面对具有约束力的监管

核心较量在于自愿的能力建设与可执行、按司法辖区划分的义务之间。

UNESCO 的模式始于合作。各国评估自身生态体系，咨询利益相关方，识别缺口，并获得针对本国条件量身定制的技术支持。

这一方法可适用于法律制度差异很大的司法辖区。它也能够纳入那些尚缺乏足够人员或制度成熟度、无法立即起草全面 AI 立法的国家。

具有约束力的监管遵循不同逻辑。它规定法律义务，明确责任主体，建立监督机制，并对不合规行为设置后果。

欧盟《AI Act》展示了这一路径。该法律按风险对某些用途进行分类，并对提供商、部署者、进口商、分销商及其他参与方施加义务。

根据欧盟委员会现行的《AI Act》时间表，通用 AI 模型的治理规则和义务自 2025 年 8 月起开始适用。更广泛框架的大部分内容于 2026 年 8 月起适用，特定高风险系统则有更晚的适用日期。

UNESCO 并未以立法机构的身份与欧盟竞争。相反，其工具面向的是那些在选择法律、监管机构、标准或行业专门指南之前，需要先了解自身起点的国家。

这使两种方法可能形成互补。准备度评估可以识别缺失的机构；立法则可进一步界定哪一机构拥有权限，以及受监管组织必须采取哪些行动。

当诊断工具成为艰难政策决策的替代品时，风险就会出现。政府可能完成咨询、发布精美报告，却推迟建立独立监督、提供救济渠道，或限制高风险用途。

第二项风险涉及实施碎片化。如果每个国家以不同方式转化伦理原则，提供商可能面临彼此不兼容的定义、文件规则和报告要求。

全球一致性听起来很有吸引力，但完全统一既不太可能，也未必总是可取。各国在宪法权利、行政能力、劳动力市场、语言和公共服务需求方面存在差异。

更务实的目标是互操作性。政府需要足够一致的术语和证据来比较不同做法，同时保留应对本地伤害的能力。

RAM 2.0 可以通过建立共同的诊断基线发挥作用。全球发现报告能够显示能力缺口反复出现在哪里，以及哪些地方性条件需要采取不同的应对措施。

但这两项产品都无法解决关于可接受风险的争议。政府仍必须决定，某些用途是否需要禁止、事先授权、持续监测或行业专属管控。

行业也将影响这些决定。AI 提供商往往比负责审查其系统的公共机构掌握更多技术信息。

这种信息不对称使文档标准、审计权限、事故报告和采购影响力变得重要。准备情况评估应揭示政府能否要求可靠证据，而非接受供应商的保证。

采购是自愿性指南能够立即产生约束力的领域之一。公共机构在采购 AI 系统前，可以要求进行影响评估、提供数据文档、落实安全控制措施并实施人工审查。

它还可以要求供应商保留日志、报告故障，并支持独立测试。这些合同要求甚至能在国家 AI 法出台前影响系统部署。

对于企业采购方，同样的逻辑也适用。结构化的知识工作流可以保存政策、评估、供应商文件和事故记录。它不能取代治理，但能让决策更易于审查。

因此，核心问题并不是自愿性指南还是具有约束力的法律会胜出，而是评估结果能否在必须执法的领域转化为可执行的决定。

RAM 2.0 将取决于评估后发生了什么变化

只有当调查结果改变机构、预算、法律和部署决策时，更好的问卷才有意义。

UNESCO 现有的 RAM 在五个相互关联的维度中采用定性和定量问题。这些维度涵盖法律、社会与文化、科学与教育、经济，以及技术与基础设施条件。

这种广度承认了 AI 治理的一项基本事实：一个国家无法仅通过技术主管部门实施有效监管。

劳动机构需要了解工作场所自动化。教育主管部门必须处理学生数据和 AI 素养问题。竞争监管机构需要掌握市场集中度和计算资源获取情况。

数据保护机构需要技术专业能力和调查权。自动化系统影响权利或公共福利时，法院和行政机构需要具备审查相关决定的程序。

RAM 能够揭示这些组成部分是否存在，也能显示责任是否分散在多个机构之间且缺乏协调权威。

RAM 2.0 对包容性的更强关注应能改善这一诊断。残障人士可能会遇到无障碍性不足的界面，或误读辅助技术的自动筛查系统。

原住民社区可能面临与语言数据、文化知识、集体权利和数据主权有关的风险。女性可能遭遇已有记录的歧视性分类、职场筛查和 AI 赋能的滥用模式。

邀请这些群体参与咨询只是第一步。政策制定者必须说明，他们提供的证据如何改变了建议、预算、限制措施或监测要求。

否则，参与将沦为程序性安排。政府可以指向咨询过程，却不向这些群体转移对最终决定的任何影响力。

该方法论还面临衡量挑战。国家准备程度不能被简化为是否存在战略、机构和咨询委员会。

一个机构可能在纸面上存在，却缺乏人员、资金、独立性或获取技术证据的渠道。一项法律可能包含权利规定，却未提供实际可行的投诉渠道。

如果 RAM 2.0 能够区分正式采纳与实际运作能力，其可信度将更高。这一区分应体现在各国发现和全球趋势分析中。

公众获取信息同样重要。研究人员和公民社会组织需要获得足够的方法论、证据和进展报告，以评估政府的主张。

部分敏感信息保持保护状态是合理的。然而，过于宽泛的保密安排会使独立审查变得困难，并削弱不同评估之间的可比性。

UNESCO 在其 2026 年 4 月的报告中指出了一项资源限制：对技术援助的需求已超过可用支持，另有 29 个国家有意启动 RAM 评估。

这给规模和质量都带来压力。快速扩张可以推广该方法论，但浅层评估可能遗漏机构弱点，或未能充分代表受影响的社区。

资金带来了另一个治理问题。技术援助项目依赖政府、基金会和国际伙伴。

资金支持可以扩大资源较少国家的参与机会，也需要围绕议程设定、顾问遴选、发布以及利益冲突制定透明的保障措施。

UNESCO 的比较报告或许能帮助捐助方锁定反复出现的缺口。报告可能显示，各国需要监管专业能力、公共计算资源、公民社会参与或更强的数据机构。

不过，汇总发现不应演变为排名竞赛。政府可能为了取得有利评分而优化表现，而不是直面政治上棘手的弱点。

最理想的结果是形成一个持续运转的过程。各国应发布评估、分配行动任务、衡量进展，并随着技术和机构变化重复审查。

这样的循环将使 RAM 2.0 成为治理工具，而不只是一次性报告。没有它，该方法论可能只是记录所有人早已认识到的缺口。

环境工具包提出了更严格的问责检验

环境 AI 治理需要可衡量的系统边界，而不是关于效率或气候效益的笼统说法。

随着 AI 的物理需求越来越难与数字政策分开看待，UNESCO 的环境工具包应运而生。训练和运行模型需要数据中心、电力、冷却、水资源、网络设备和专用芯片。

国际能源署报告称，数据中心的电力需求在 2025 年增长了 17%。以 AI 为重点的设施需求增长更快。

IEA 的数据中心分析还指出，五家大型科技公司在 2025 年投资超过 4,000 亿美元。该机构预计，它们的合计资本支出将在 2026 年再增长 75%。

这些数字并不意味着每项 AI 工作负载都具有相同的环境足迹。地点、电网构成、硬件效率、冷却设计、利用率、模型架构和工作负载时机都会影响环境影响。

正因存在这种差异，政策制定者才需要工具包。若忽略系统在何处、以何种方式运行，笼统估算可能会产生误导。

一项有用的评估应定义被衡量的单位。官员需要知道，一项主张涵盖的是模型训练、微调、推理、数据存储、硬件制造，还是整个服务生命周期。

他们还需要一致的时间边界。一次训练运行是有限的，而随着用户不断发出请求，推理能耗会持续累积。

使用量增长可能抵消效率提升。每次查询耗能更低的模型，如果被嵌入数百万个工作流，总需求仍可能增加。

水资源核算带来了另一项难题。数据中心可直接用水冷却，也可通过发电间接消耗水资源。

当地稀缺性比全球平均值更重要。在水资源紧张地区消耗水，与在水资源充足地区消耗同等水量，会造成不同后果。

硬件还带来采矿、制造、运输和处置过程中的隐含影响。快速更换加速器的周期可能将成本转移到 AI 服务使用国之外。

因此，政府需要既支持比较、又不披露正当安全或商业信息的披露规则，也需要独立的方法来核查提供商的主张。

该工具包的第二个目标，是指导 AI 在气候行动、生物多样性和生态系统韧性领域的有益应用。这一目标同样需要严格标准。

保护模型应根据明确的基线进行评估。政策制定者应询问，它是否改善检测、降低实地工作成本、改变资源分配，或产生可衡量的环境结果。

他们还必须计入项目自身的基础设施和维护需求。在受控环境中表现良好的试点项目，可能会在地方机构缺乏数据、连接能力、人员或长期资金时失败。

这里还存在另一种政策张力。寻求 AI 投资的国家可能不愿对数据中心或模型提供商施加详细的环境报告要求。

然而，缺乏披露会使社区和电网规划者无法评估基础设施权衡。政府可能在批准大型项目后，才发现能源、水资源或输电方面的限制。

该工具包可帮助标准化批准前应提出的问题。但它无法补足缺失的测量数据，也无法强制私营运营商披露这些数据。

国家主管部门必须将环境指南与许可、采购、能源规划和报告规则相衔接。否则，该工具包将与决定实际资源使用的决策相脱节。

UNESCO 这套 AI 治理工具的这一部分，可能成为其最严苛的考验。包容性和准备程度可以通过机构和咨询来评估，但环境主张需要可比较的物理数据。

政府和 AI 采购方接下来应关注什么

接下来的三个信号将表明 UNESCO 的方案究竟能带来政策变化，还是只是再增加一层治理文档。

第一个信号是 RAM 2.0 在 9 月 16 日发布后的内容。政策制定者应考察该方法论是否区分正式承诺与实际运作能力。

修订版应说明其如何衡量监管机构独立性、人员配置、执法权限、公共采购和救济渠道。其包容性条款也应显示受影响群体如何影响最终建议。

明确的评分和证据规则将增强可比性。模糊的类别会给政府留下过多空间，使其无需证明就能宣称已做好准备。

发布做法在此同样重要。如果各国证据、局限性和后续计划保持可获取，外部研究人员就能检验所报告的进展是否符合机构现实。

第二个信号是政府如何回应已完成的评估。最有力的证据不会是又一份带有 RAM 标识的国家战略。

它会是一家获得资金支持的机构、一项修订后的采购规则、一套公开的事故处理流程、一项新的法律保障，或一项限制高风险部署的有据可查决定。

UNESCO 表示，此前的评估已在多个国家为国家战略提供参考。RAM 2.0 需要更系统地记录哪些建议被采纳、推迟、拒绝或未获资金支持。

这一记录也将暴露政治约束。一项技术上合理的建议可能因机构争夺权力，或政府优先发展 AI 投资而非加强监督而停滞。

第三个信号是环境工具包是否能够形成可比较的报告。政府和企业采购方应关注明确的系统边界、能源和水资源指标、生命周期考量，以及评估所宣称效益的规则。

可比数据将增强该工具包在采购和基础设施规划中的作用。泛泛的可持续性表述则会削弱信心，并延续当前的信息缺口。

利雅得论坛本身将提供一次早期检验。组织方预计，部长、监管机构、研究人员、企业和民间社会代表将围绕融资与实施展开讨论。

活动期间发布的公告应明确责任主体、预算、截止日期和报告机制。缺少这些细节的合作伙伴关系，值得谨慎看待。

AI 提供商也应关注各国评估将如何影响市场准入。发现采购管控薄弱的政府，可能会在出台综合性法律之前，先引入新的文档或测试要求。

开发者可能会面临更多关于日志记录、模型评估、人工监督、数据来源、安全性、无障碍性和环境影响的问题。及早准备相关证据，会比在部署后再行补建更容易。

企业采购方应预期，治理将成为持续性的运营流程。采购前完成的供应商审查，无法覆盖模型更新、新的集成、变化中的数据或新出现的失效模式。

团队需要决策记录、明确的责任人、升级路径和定期评估。当证据已不再支持系统继续使用时，他们还需要清晰的暂停阈值。

UNESCO 无法通过 RAM 2.0 强制执行这些做法。但它可以为政府提供一种共享方法，用于识别这些控制措施缺失的环节。

这正是 UNESCO AI 治理工具的实际承诺：它们将伦理承诺与政府能够调查并采取行动的制度性问题联系起来。

不确定性在于执行。评估会改变支出、权责和部署规则，还是各国会将完成评估视为最终成就？

关注首批 RAM 2.0 报告、与之配套的政府行动，以及向 AI 提供商索取的环境数据。这些信号将表明，利雅得的发布是否能推动伦理 AI 从共识走向问责。