AI 的全球治理：為什麼各國談不攏
歐盟的影響力不在於它的市場規模，而在於「布魯塞爾效應」——任何想進入歐洲市場的企業，都必須符合這套標準，進而把歐盟規則外溢到全球供應鏈。這套模式的支持者認為，唯有具備法律拘束力與罰則的硬法，才能真正改變企業行為；批評者則指出，歐盟自身的執行能力、技術評估人才與監管資源都面臨壓力，2025 年歐盟執委會甚至提出「數位綜合簡化方案」，試圖減輕企業合規負擔，這也讓外界質疑硬法路線的可持續性。
2.2 美國：從行政命令到去監管的鐘擺
美國的 AI 治理路線在短短兩年內出現了劇烈擺盪。2023 年 10 月，拜登政府發布第 14110 號行政命令，要求大型模型開發者進行安全測試並向政府報告，同時推動標準制定與人才培育。但 2025 年 1 月政權交替後，這道命令被撤銷，新政府改以「移除美國 AI 領導障礙」為主軸，強調去監管、加速創新、以出口管制維持技術優勢，並在 2025 年 7 月發布《美國 AI 行動計畫》。
美國模式的核心特徵是「聯邦輕觸、州級實驗、安全靠產業自律＋政府採購槓桿」。聯邦層級缺乏綜合性立法，導致科羅拉多、加州等州各自推進法案，形成國內法規的碎片化。這種模式在國際談判上帶來一個根本問題：當美國聯邦政府本身都沒有一致的國內規則時，它很難在國際場域承諾具體義務，也很難要求其他國家接受一套它自己都尚未定型的標準。
2.3 中國：發展與安全並行的「敏捷治理」
中國的治理路徑以「小快靈」的分領域立法為特徵。2023 年 7 月公布、8 月施行的《生成式人工智能服務管理暂行办法》，針對生成式 AI 服務的內容安全、資料來源、標識義務作出規定；同年 10 月發布《全球人工智能治理倡議》，2024 年 9 月發布《人工智能安全治理框架》，2025 年進一步提出能力建設普惠計畫與國際合作組織的構想。其治理邏輯強調「發展與安全並重」，並以演算法備案、安全評估、內容標識作為主要工具。
在國際場域，中國積極主張「聯合國主渠道」，強調開發中國家的代表權與能力建設，並反對將 AI 治理變成少數國家的俱樂部。這種立場在理念上與全球南方有共鳴，但在具體規則設計上，與歐美的透明度要求、獨立評估機制仍存在明顯落差。這種落差不是技術性的，而是制度性的。
2.4 英國、日本、新加坡：中間路線與務實主義
英國在 2023 年主辦首屆 AI 安全峰會，成立 AI 安全研究所（後改組為 AI 安全研究院），採取「不立綜合性專法、由既有監管機構分業負責」的路線，強調在安全與創新之間取得平衡。日本則以「敏捷治理」與「友善創新」為基調，透過指南與行為準則引導企業，避免過早立法扼殺產業。新加坡則以 AI Verify 測試框架與自願性治理工具聞名，走的是「標準與工具先行」的路徑。
這些國家的共同點是：它們在國際上扮演「橋樑」角色，既參與西方主導的安全議程，也與亞洲供應鏈保持密切連結。但它們的影響力終究有限——中間路線的困境在於，它容易在理念上被所有人接受，卻很難在談判桌上形成有約束力的制度設計。
2.5 全球南方：不願再當規則接受者
印度、巴西、非洲聯盟、東南亞國家在這場治理競賽中提出了愈來愈清晰的诉求：AI 治理不能只談前沿模型的風險，也要談算力可及性、資料主權、語言多樣性、人才培育與技術轉移。印度在 2023 年主辦 GPAI 峰會後，持續推動「AI 為全民服務」的敘事，並主辦後續的 AI 影響峰會；非洲聯盟則在 2024 年通過大陸 AI 戰略，強調能力建設與在地語料。
全球南方的關鍵籌碼是「代表性」。任何缺乏全球南方參與的治理架構，都會面臨正當性不足的質疑；但反過來說，全球南方內部的立場也高度分歧，從親西方的安全議程到強調南南合作的路線都有，這讓「南方集團」很難在談判中形成單一聲音。
三、談不攏的六大核心分歧
表面上看，各國都同意 AI 應該「安全、可信、負責任」。但只要往下追問一層，分歧就會立刻浮現。以下六個爭點，是理解當前僵局的關鍵。
3.1 安全優先，還是發展優先？
這是最根本的分歧。對部分國家而言，AI 的極端風險（大規模殺傷性武器協助、關鍵基礎設施攻擊、失控的自主系統）具有「災難性」特質，必須以「預防原則」優先處理，寧可犧牲部分創新速度。對另一些國家而言，過早、過重的監管才是最大的風險——它會讓本國產業在全球競爭中落後，並把技術主導權拱手讓人。
這個分歧在巴黎峰會上表現得淋漓盡致：部分國家希望宣言強化安全與風險評估的語言，另一些國家則主張聚焦「包容、創新、投資」。當「安全」與「發展」被放在天平兩端，任何一句措辭的增刪都變成了零和博弈，這也是為什麼峰會宣言的談判往往比條文本身更費力。
3.2 硬法、軟法，還是沒有法？
治理工具的光譜很寬。歐盟走硬法路線，以法律義務與罰則為後盾；美國聯邦層級偏好軟法與產業自律，以採購與標準作為誘因；中國以部門規章與備案制進行敏捷治理；英國、新加坡則以指南、測試框架與自願承諾為主。問題在於，這幾種工具在國際上難以「對接」：一國的合規證明，未必能被另一國承認；一國的自願承諾，也無法約束另一國的企業。
更麻煩的是「監管套利」。當各國標準不一，企業自然會選擇最寬鬆的司法管轄區進行訓練與部署，再把服務賣到全球。這種套利行為反過來削弱了嚴格監管國家的政策效果，也讓國際協調的正當性更難維繫。
3.3 價值觀與人權：普世還是相對？
AI 治理不可避免地涉及價值判斷：言論自由的邊界在哪裡？內容審查的正當性從何而來？演算法歧視如何認定？生物特徵辨識在公共空間的使用是否應全面禁止？歐盟以基本權利為核心，將人權影響評估納入高風險系統的要求；美國則更強調言論自由與市場機制；中國則以國家安全與社會秩序為重要考量。
這些差異不是透過技術標準就能調和的。當一個國際文件寫入「人權」時，各國對這個詞的內涵理解可能天差地遠。這也解釋了為什麼許多國際宣言寧可停在「負責任」「可信」這類模糊詞彙，也不敢觸碰具體的價值條款。
3.4 資料主權與跨境流動
AI 的燃料是資料，而資料的跨境流動牽動國家主權。歐盟以 GDPR 建立個人資料保護的高標準，並透過充分性認定機制管理跨境傳輸；中國以《資料安全法》《個人信息保護法》建立資料分類分級與出境安全評估；美國則長期主張資料自由流動，反對「資料在地化」的強制要求。
在 AI 訓練資料的取得上，這個分歧更加尖銳。公開網頁爬取是否合法？著作權人能否拒絕訓練？模型輸出的資料是否涉及跨境傳輸？這些問題在各國法律下的答案不同，而 AI 開發流程本身又是全球分工，任何一環的法規不一致，都可能讓整個供應鏈承擔合規風險。
3.5 軍事 AI 與致命自主武器
如果說民用 AI 治理還有對話空間，軍事 AI 則幾乎是禁區。聯合國《特定常規武器公約》下的致命自主武器系統政府專家組自 2014 年開始討論，十餘年來始終未能達成具有約束力的協議。2024 年 12 月，聯合國大會通過決議，就致命自主武器系統啟動進一步磋商，但主要軍事強國對於是否應禁止、禁止範圍多大、如何驗證，立場依然分歧。
軍事 AI 的難題在於：它涉及國家安全的核心利益，透明度與驗證機制幾乎不可能建立；而 AI 在軍事上的應用又與民用技術高度重疊，使得「軍民兩用」的界線日益模糊。這也是為什麼許多專家認為，軍事 AI 將是整個全球治理體系中最晚、也最難形成共識的一塊。
3.6 開源、晶片與算力：治理的「上游化」
近兩年，AI 治理的戰場明顯「向上游移動」。過去監管焦點在應用層（例如人臉辨識、自動駕駛），現在則轉向模型層與算力層。晶片出口管制、算力集群的申報、模型權重的流通、開源模型的責任歸屬，都成為各國角力的新焦點。
開源是其中最棘手的一環。開源模型能促進創新、降低門檻、讓開發中國家有機會參與，但也讓風險管控變得極為困難——一旦權重公開，就很難再「收回」。歐盟 AI 法對開源模型設有部分豁免，但也要求通用模型履行一定義務；美國則在出口管制與開源生態之間搖擺。當治理工具從「管應用」變成「管算力、管權重」，國際協調的難度只會更高，因為這直接觸及產業競爭力的核心。
四、制度失靈：為什麼現有國際機制接不住 AI
各國並非沒有嘗試。從聯合國、G7、OECD、G20 到 AI 安全峰會，過去三年出現的國際倡議數量，可能超過任何一個新興科技領域。但這些機制各有侷限，加總起來仍無法形成有效的全球治理架構。
4.1 聯合國：代表性夠，執行力不足
聯合國是目前最具普遍代表性的平台。2024 年 3 月，聯大通過首個關於 AI 的決議；同年 9 月，AI 治理高級別諮詢機構發布《為人類治理人工智能》報告，提出設立獨立國際科學小組與全球治理對話的構想；2025 年 8 月，聯大進一步決議設立「獨立國際 AI 科學小組」與「全球 AI 治理對話」。這些進展在象徵意義上很重要，因為它們讓所有國家都能坐上談判桌。
但聯合國的弱點同樣明顯：決議多不具拘束力，執行依賴會員國自願；科學小組能提供知識基礎，卻無法替代政治談判；而安理會常任理事國的否決權，使得任何觸及大國核心利益的方案都難以過關。換句話說，聯合國適合作為「共識的孵化器」，卻很難成為「規則的執行者」。
4.2 G7 與 AI 安全峰會：志同道合者的俱樂部
G7 廣島 AI 進程與 AI 安全峰會，是另一個重要的軌道。前者由 OECD 提供技術支援，試圖建立前沿模型的報告框架；後者則從布萊切利、首爾到巴黎，逐步把「前沿模型安全」推向國際議程。這些機制的優點是決策速度快、參與者理念相近、能產出可操作的技術共識。
但「志同道合者的俱樂部」終究有天花板。它排除了中國、俄羅斯等關鍵行為者，也讓全球南方質疑其正當性。當一個治理架構只涵蓋部分國家，它就很難處理最需要全球協調的問題——例如模型權重的跨境流通、算力供應鏈的管制規避、以及軍事 AI 的擴散。
4.3 科技巨頭的「私治理」與監管俘虜
還有一個常被忽略的維度：AI 治理的實際權力，有相當一部分掌握在少數科技巨頭手中。前沿模型的訓練需要天文數字般的算力與資本，這使得全球有能力開發尖端模型的組織屈指可數。這些企業透過自願承諾、安全框架、標準制定參與，實際上扮演了「私治理」的角色。
這種現象有兩面性。一方面，企業掌握最直接的技術知識，能提供監管者難以取得的資訊；另一方面，企業也有強烈動機去塑造對自己有利的規則，形成「監管俘虜」。當國際談判的技術細節高度依賴企業提供的資料時，規則的中立性就成了問題。更根本的是，企業的問責對象是股東，而非全球公眾，這與國際治理的正當性基礎存在結構性衝突。
五、結構性困局：五個讓談判註定艱難的原因
如果只看表面爭議，很容易認為各國只是「還沒談攏」。但更準確的說法是：當前的國際體系，在結構上就不利於 AI 全球治理。以下五個因素，解釋了為什麼這場談判註定漫長。
第一，地緣政治競爭。AI 被視為二十一世紀的戰略技術，晶片、算力、模型、人才都成了國家實力的組成部分。在這種框架下，治理不只是治理，更是競爭的工具。出口管制、投資審查、技術聯盟，都讓 AI 議題難以擺脫零和邏輯。當雙方都擔心對方藉治理之名行壓制之實，互信就很難建立。
第二，定義與範圍的不統一。什麼是「前沿模型」？什麼是「高風險 AI」？「通用人工智慧」又該如何界定？各國立法中的定義不盡相同，導致國際文件難以對接。一個在歐盟被列為高風險的系統，在美國可能不受聯邦規範，在中國則可能落入不同的監管類別。定義不統一，義務就無法比較，互認也就無從談起。
第三，技術演進與立法週期的時間差。AI 技術的迭代以月為單位，而國際談判與國內立法往往以年為單位。當規則終於談成，技術樣態可能已經改變。這種「監管追不上技術」的困境，讓各國更傾向保留政策彈性，也讓具有拘束力的國際承諾顯得不切實際。
第四，缺乏驗證機制。軍控領域有衛星、有現場檢查、有情報共享，但 AI 治理幾乎沒有對應的驗證工具。我們很難從外部驗證一個模型是否經過安全測試、是否遵守訓練資料的限制、是否具備某些能力。沒有驗證，承諾就只能是承諾；沒有驗證，互信就只能建立在善意之上。
第五，國內政治週期。美國的行政命令可以一夕撤銷，歐盟的法案在執行階段面臨簡化壓力，各國的 AI 政策往往隨著政權更迭而擺盪。當一個國家的立場可能在選舉後翻轉，其他國家自然不願投入政治資本去達成長期協議。這種「政策不確定性」本身，就是國際合作的最大成本之一。
六、破局的可能：從「全球統一」到「可互通的碎片」
談到這裡，結論似乎很悲觀。但悲觀不等於無解。愈來愈多研究者與政策實務者認為，與其追求單一、全面的全球 AI 公約，不如接受「碎片化」的現實，轉而追求「可互通」的治理架構。這不是退而求其次，而是對國際政治現實的回應。
6.1 先在最底層達成共識：紅線與可驗證承諾
即使在最對立的環境下，各國仍可能在某些「底線」上達成共識：AI 不應協助製造大規模毀滅性武器、不應攻擊關鍵基礎設施、不應對兒童進行剝削、不應生成兒童性虐待素材、不應協助恐怖攻擊。這些紅線的共同特點是：它們不涉及價值觀爭議，而是人類社會的基本禁忌。
更進一步，若能針對這些紅線設計「可驗證的承諾」——例如模型評估的最低標準、事件通報機制、供應鏈盡職調查——就有機會在不觸及敏感領域的前提下，建立最低限度的國際規範。這種「小步前進」的策略，比試圖一次談成全面公約更務實。
6.2 監管互通性與「治理沙盒」
另一個方向是「互通性」（interoperability）。與其要求各國採用同一套規則，不如建立讓不同規則相互承認的機制：共同的技術標準、相互認可的評估方法、跨境的合規證明。這在半導體、金融、資料保護領域已有先例，AI 治理可以借鏡。
「治理沙盒」則是另一個值得實驗的工具。透過跨國沙盒，企業可以在受控環境中測試新技術，監管者則能從中累積經驗、調整規則。沙盒的好處是它降低了合規的不確定性，也為國際合作提供了具體的實驗場域。當然，沙盒無法取代正式立法，但它可以成為規則形成前的「緩衝區」。
6.3 讓全球南方坐上談判桌
如果全球治理架構缺乏全球南方的實質參與，它的正當性與有效性都會受損。這不只是代表性問題，更是能力問題：多數開發中國家缺乏評估前沿模型的技術能力、缺乏參與標準制定的專業人才、也缺乏部署與監管的資源。若不正視這個落差，所謂的「全球」治理就只是「已開發國家治理全球」。
具體作法包括：將能力建設納入治理架構、建立區域性的 AI 安全研究網絡、提供技術援助與算力資源、支持多語言與多元文化的模型評估。這些措施看似與「談判」無關，但實際上它們決定了談判桌上的權力分布。當更多國家有能力理解並執行規則時，全球治理才可能從「少數國家制定、多數國家遵守」轉向真正的共同治理。
七、結語：治理不是為了阻止 AI，而是為了不讓它只有一種未來
回到最初的問題：AI 的全球治理，為什麼各國談不攏？答案不是單一的。它涉及地緣政治、制度設計、價值分歧、技術特性與權力結構，任何一個因素都足以讓談判停滯。但更值得注意的，是「談不攏」這件事本身所揭示的訊息：AI 已經大到無法由任何一個國家單獨治理，卻又深到讓每個國家都不願輕易讓渡主權。
這種張力不會在短期內消失。未來的圖像，更可能是「多層次的治理生態」：聯合國提供普遍性的對話平台，G7 與區域組織推進具體規則，各國以國內立法填補執行缺口，企業與公民社會在標準制定中扮演輔助角色。這套體系不會漂亮，也不會整齊，但它至少承認了現實的複雜性。
對台灣的讀者與產業而言，這場國際角力並非遠方的新聞。無論是 AI 基本法的立法方向、資料治理的框架設計、或是企業出口合規的策略，都會受到這套「碎片化治理」的牽動。理解各國為什麼談不攏，不是為了選邊站，而是為了在規則尚未定型之前，看清哪些趨勢已經不可逆、哪些空間仍然存在。
AI 的未來不會只有一種版本。全球治理的任務，不是把 AI 鎖進單一的框架，而是確保不同社會都能在規則形成的過程中，擁有發聲與選擇的機會。這件事很難，但正因為難，才值得我們持續關注與討論。