【多学科视角与共识】

报告指出，平台与算法治理的核心张力在于：算法具有动态性、隐蔽性与渗透性，而既有制度框架具有静态性、属地性与滞后性。算法能够通过自主学习形成开发者未曾预料的行为模式，其决策过程难以解释，其影响又会沿着平台网络与数据流动迅速跨场景扩散；而法律规则一经制定便相对稳定，监管管辖有明确边界，执法多在损害发生之后启动。

这种错位带来三重困难：以“协议”“合意”为核心的传统分析框架难以认定算法驱动的行为，黑箱特征削弱了监管的穿透能力，多主体分工的技术链条又使责任归属变得模糊。正因如此，理解算法治理不能只靠法律条文的推演，还需要对行为、组织与制度的经验研究——这也是本辑四份报告来自四个不同学科的原因。

【算法共谋及其治理】

报告一聚焦人工智能时代的算法共谋。在机器学习与强化学习推动下，算法具备持续学习与自主优化能力，共谋形态由信使型、轴辐型、预测型演进至自主型，其作用机制从执行既定协议逐步演化为通过信息协调、行为预测乃至自主学习形成价格协同。这类风险不仅损害消费者福利、削弱创新激励，还会抬高市场进入壁垒、强化平台集中趋势。

对此，报告提出四条治理思路：一是构建“禁止＋豁免”相结合的竞争治理框架，把具有明显限制竞争效果的行为纳入反垄断规制，同时为提升效率、增进消费者福利的算法应用留出安全港；二是提升算法透明度与可解释性，建立与风险水平相适应的信息披露、决策留痕与第三方审计制度；三是将监管重心从事后处罚前移至事前预防与动态监测，探索竞争影响评估、算法备案、监管科技乃至“算法减速器”等技术性风险控制；四是建立市场监管、网信、数据管理与行业主管部门的协同治理机制。

【AI赋能效果与机制】

在报告二中，王伶俐教授介绍了自己进行的三项大规模现场实验，检验了AI在平台治理中的三种角色及其作用机制，结论是赋能与损耗并存。

在直播电商场景，AI服务助手使订单量提升3.00%、退货率下降12.55%，效果集中在新品与头部主播直播间；在在线游戏场景，AI竞争对手短期内反而抑制玩家参与，周参赛场次下降8.398%、竞技水平（Elo评分）下降1.172%，参与度约在第八周回升，但竞技表现至第十六周仍未恢复；在物流场景，算法监督反馈系统使客户投诉量下降约20%，但对高负荷员工（降12%）与资深员工（降11%）的改善明显弱于低负荷员工（降27%）与新员工（降32%）。

报告据此提炼出AI“正向赋能—负面损耗”的双路径机制：优化信息供给、提供客观反馈、提升环境沉浸构成效能来源；竞争与管控压力攀升、自我效能削弱、体验节奏中断构成主要损耗，而沉浸体验与自我效能是两个关键中介变量。这意味着AI不是万能的治理工具，也不能被简单视为“洪水猛兽”，而应按场景与人群差异配置人机协同策略，推动AI监督由“监控型治理”转向“赋能型治理”。

【数据归谁所有与谁能怎么用】

报告三讨论数据确权的范式转型。报告认为，数据的价值源于持续开发与场景应用而非占有本身，纠缠于“数据归谁”容易因其静态排他性引发反公地悲剧，阻碍要素流动。借鉴公共池塘资源理论，数据治理应从“所有权治理”转向“使用权治理”，回答的是“谁在什么场景下可以如何使用数据”。

报告按“自愿程度—开发深度”两个维度对九类数据情境进行分类，并以智能网联汽车数据、大模型训练数据、农民工欠薪治理平台数据三类案例，分别揭示多主体协同生产下的数据控制垄断、公共语料被无偿吸收后的收益分配失衡、行政强制采集数据进入市场时的合法性困境问题。报告探讨了以可信数据空间支撑使用权落地的制度方案：通过“可用不可见、计算不出库、全程可审计”，确立附随信托义务的数据资源持有权、场景化配置数据加工使用权、保障数据产品经营权与收益反哺。

【中美欧算法伦理治理对比】

报告四以共生理论为分析框架，从治理主体、治理机制、互动方式与外部环境四个维度比较中美欧算法伦理治理政策，归纳出三种典型构型：中国的“政府主导监管型”以行政主导与企业合规为特征，政策落地快、覆盖面广，但多元主体的制度化参与渠道有待拓宽；美国的“市场主导自律型”以用户赋权与司法救济为主，创新友好、监管弹性大，但联邦立法缺位、州级立法碎片化，事前预防能力薄弱；欧盟的“全方位协同治理型”以强制立法与多主体共治为核心，用户保护力度强、规则外溢效应明显，但立法周期漫长、合规成本较高。

针对我国的情况，报告提出五点建议：加快推进算法伦理治理的立法体系化，培育多元主体参与的制度化路径，强化事前预防性治理与全链条监管，推动算法素养教育的社会化普及，积极参与并引领全球算法治理的多边对话。

【共同取向与未来计划】

四份报告在方法上并无事先明确约定，但都不约而同地体现出相近的取向：以证据替代直觉，关注机制而不止于结果，承认治理的复杂性和效果的边界条件，并尝试提出可操作的制度安排。它们共同指向平台和算法治理的三重转向——监管理念从“事后处罚”转向全过程动态防控，制度设计从“静态确权”转向场景化的使用控制，治理结构从单一部门监管转向多元协同共治。

需要说明的是，本报告是研究团队第一次合作的初步产品。平台与算法治理覆盖的范围极为广泛，团队成员来自不同学科，对应当聚焦哪些问题、从什么角度切入、以何种方式合作，仍存在大量开放的讨论。我们期待未来能够选定若干具体的领域与问题，组建跨学科的联合研究，让不同学科在同一问题上彼此校正、互为补充，共同推动人工智能向善。

扫描下方二维码获取报告全文：