2026年3月25日，博鳌亚洲论坛“AI+”：数智赋能产业升级分会现场，中国工程院院士、清华大学讲席教授、清华大学智能产业研究院院长张亚勤指出，今年人工智能主要呈现三大趋势。第一，从生成式AI迈向智能体AI；第二，从信息智能向物理智能与生物智能延伸；第三，从AI技术走向“AI+”。张亚勤在论坛上指出，例如：开源AI智能体“龙虾”（OpenClaw）这类应用，其主体责任方究竟是谁？这一问题在技术层面目前仍无法实现有效落地。同时表示，当前AI发展面临的风险已经相当高。暂且不论物理AI与生物AI，仅数字AI领域就存在诸多问题，有些显而易见，有些则隐蔽难察。如今互联网上已有65%的内容由AI生成，这些内容一旦出现问题、遭到污染，用其训练出的模型也会随之被污染，最终导致模型参数、开源成果等一并受到影响。张亚勤建议，现有法律体系中，大约七成至八成是可以适用的，AI不能脱离现行法律框架单独存在，面对智能体等新技术新业态，我们需要积极应对，加强国际合作，把当下能够推进的工作切实落地。需要科学家、工程师、企业家以及政策制定者、决策者等共同携手、通力合作。

分析认为，张亚勤提出“AI不能脱离现行法律框架单独存在，所有智能体必须对应明确责任主体”，主要基于技术失控风险、责任归属困境、法律滞后性挑战以及社会伦理需求四方面核心考量，具体分析如下：

一、技术失控风险：系统性风险需法律约束

（一）内容污染与自我繁殖：当前互联网上已有65%的内容由AI生成，若这些内容存在不实信息，将作为新的训练数据进入AI模型，导致错误内容指数级泛滥。例如，虚假新闻、误导性信息可能通过AI生成并传播，对社会造成严重危害。

（二）物理与生物智能风险：当AI进入物理智能阶段（如无人驾驶、机器人系统）或生物智能层面（如脑机接口），风险将直接威胁人身安全。例如，多智能体协同行为中的决策失误可能导致交通事故或医疗事故。

（三）恶意使用风险：AI在化学、生物、放射性、核（CBRN）领域的恶意使用风险已从“低”升至“中”，威胁显著增强。例如，AI可能被用于制造生物武器或进行网络攻击。

二、责任归属困境：明确主体是问责前提

（一）传统责任框架失效：AI智能体的决策链条涉及算法开发者、系统部署者、数据提供方以及实际使用者等多方主体，其运行结果可能脱离具体个人的直接控制。例如，一个被授权管理公司账户的AI Agent因错误解读市场信息而进行失败投资，责任难以划分。

（二）法律主体资格缺失：任何司法管辖区都不承认AI具有独立的法律主体资格，因此责任最终需由“人”来承担。但现有法律框架对于AI智能体的责任归属仍存在滞后性，尤其是对于具备实体行动能力的智能体（如医疗机器人、养老机器人），责任究竟应由生产者、算法提供者、系统运营者还是使用者承担，现有法律仍在不断完善之中。

（三）避免责任推诿：明确责任主体可以避免各方在事故发生后相互推诿责任，确保受害者能够获得及时有效的赔偿。例如，在自动驾驶汽车事故中，若责任主体不明确，可能导致受害者难以获得赔偿。

三、法律滞后性挑战：动态治理适应技术发展

（一）立法程序难以提前覆盖：新技术发展具有高度的不确定性和多样性，立法程序很难在前期就对所有可能情形作出详细的规定。例如，AI智能体的出现打破了传统法律主体与行为责任的对应关系，要求法律规制既需关注个体行为，又需应对系统性风险。

（二）过度前瞻性立法可能抑制创新：若在技术未成熟时进行过度前瞻性的立法，可能导致规范失准，甚至抑制创新活力，破坏法律制度的稳定性。因此，更行之有效的方式是在发展中治理，在应用中完善。

（三）动态治理与多元参与：张亚勤院士提出在鼓励创新的同时要动态治理，通过部门协同以及政产学研之间的有效沟通，形成更加灵活的治理结构。例如，建立分级体系对前沿大模型进行监管，要求实体的映射和标识等。

四、社会伦理需求：维护人类主体地位

（一）伦理底线不可突破：技术不能对人类的整体安全构成威胁，也不能突破人类社会的基本秩序。明确责任主体可以确保AI智能体的行为符合伦理规范，避免对人类社会造成负面影响。

（二）保障数据合法使用：AI智能体的运行高度依赖数据支撑，划定数据收集和处理的边界，保障数据被合法、正当、必要地使用，是维护人类主体地位的重要体现。例如，避免AI智能体滥用用户数据或侵犯用户隐私。

（三）促进技术可持续发展：通过明确责任主体和加强法律监管，可以推动AI技术的健康发展，避免技术滥用或失控对社会造成危害。例如，确保AI在医疗、教育等领域的应用符合伦理规范和法律要求。