论文 | 全球负责任 AI 指数 2026：概念框架与方法论

论文题目：Global Index on Responsible AI 2026: Conceptual Framework and Methodology 作者：Fola Adeleke、Rachel Adams、Ayantola Alayande、Daniela Benavente、Ana Florido、Nicolás Grossman、Leah Junck 论文链接：https://arxiv.org/pdf/2608.18122 机构与项目：Global Index on Responsible AI；Global Center on AI Governance

导读

人工智能治理已经从原则宣示进入可衡量、可比较、可问责的新阶段。各国都在发布 AI 战略、伦理原则、监管框架和公共部门应用计划，但一个核心问题仍然存在：这些承诺是否真正转化为可执行制度、公共参与、监督机制、补救渠道和具体实施能力？ 这篇报告介绍了“全球负责任 AI 指数”2026 年第二版的概念框架与方法论。它不是单纯统计 AI 产业能力，也不是只衡量政府是否“准备好使用 AI”，而是从人权与公共利益视角评估各国负责任 AI 治理状况。报告将负责任 AI 治理拆解为五个维度、三个支柱和 38 个指标，并引入“不可接受风险 AI 系统”惩罚项，用于反映政府部署高风险或不可接受风险 AI 的问责问题。 第二版的重点在于方法升级：更清楚地区分“是否有框架”和“是否有实施”，将原来的三个主题领域重构为五个治理维度，细化框架质量变量，引入多阶段审查与验证，并进行独立统计预审以检验指数框架的连贯性和稳健性。数据方面，报告覆盖 135 个国家和辖区，由 135 名国家级研究人员通过结构化全球调查收集主要数据，并结合国际可比的二级数据集。 对 AI 治理研究和政策分析而言，这份方法报告的价值在于：它给出了一套可复核、可扩展的跨国测量框架，让“负责任 AI”从原则性话语变成可以观察、编码、归一化、加权和比较的治理证据体系。

1. INTRODUCTION：引言

为什么需要测量负责任人工智能

AI 已经广泛进入经济、公共服务和社会生活，并对个人、社区和制度产生直接影响。治理 AI 的目标不只是推动技术收益，也包括预防和缓解伤害，使 AI 的设计、开发、部署、采用和治理符合人权、民主价值与伦理原则。 过去十年，联合国、地区组织和国家层面陆续形成 AI 原则、规范和治理框架，例如 UNESCO《人工智能伦理建议书》、全球数字契约以及联合国关于全球 AI 治理的相关报告。问题在于，仅有承诺并不足够。负责任 AI 还需要制度、监管机制、公众参与、监督安排、实施能力、监测系统以及问责和救济渠道。 因此，测量成为推动负责任 AI 的关键环节。通过系统收集关于治理框架、实施行动、民间社会参与和支撑条件的证据，研究者才能比较各国如何把原则转化为实践，并识别仍需改进的领域。

指数定位

报告指出，已有多个国际指标关注 AI 发展、创新、准备度、政府使用能力或生态系统建设，例如 Stanford AI Index、Tortoise Global AI Index、Oxford Insights Government AI Readiness Index、IMF AI Preparedness Index、OECD.AI Index 等。GIRAI 的差异在于，它专门从人权基础上的负责任 AI 治理角度出发，衡量国家是否建立治理框架、实施措施、民间社会参与机制和相关支撑条件。 2026 年版是第二版。它在第一版基础上改进概念清晰度、增强对实施情况的评估、纳入新兴风险，并提升数据收集的一致性和可比性。报告强调，指数目的不是简单排名，而是为理解各国负责任 AI 治理的优势、短板和发展轨迹提供结构化证据基础。

2. Conceptual Framework：概念框架

负责任人工智能定义

报告将负责任 AI 定义为以尊重人权、保护人们免受伤害、促进包容并服务公共利益的方式设计、开发、部署、采用和治理 AI。其基本假设是，AI 并非中立技术，而是嵌入社会、经济和政治制度中的社会技术系统。 政府在其中具有双重角色：一方面是监管者，负责制定、批准和实施政策、法律和制度；另一方面也是 AI 系统的采用者，尤其是在公共服务中部署 AI。因此，政府使用 AI 需要特别审查，因为其权力、透明度义务和对公共利益的影响都不同于普通私营主体。

指数结构

GIRAI 的概念框架由五个维度、三个支柱和 38 个指标构成。五个维度分别是：包容与多样性、伦理与可持续性、劳动与技能、信任与安全、公共服务中的 AI 使用。三个支柱分别是：AI 政策、民间社会组织参与、赋能条件。 AI 政策支柱包含政府框架和实施行动，主要通过一手数据评估；民间社会组织参与支柱衡量社会组织是否参与 AI 治理塑造、实施和监督；赋能条件支柱使用国际可比二级数据，衡量影响负责任 AI 治理的结构性条件。除此之外，政府部署不可接受风险 AI 系统被作为横向问责惩罚项，单独作用于最终得分。

维度与支柱

包容与多样性关注 AI 是否加深排斥或集中利益，指标包括性别平等、儿童权利、文化与语言多样性等。伦理与可持续性关注公平、透明、人类监督、环境影响等问题。劳动与技能关注劳动保护、再培训与技能提升、AI 素养。信任与安全关注安全、救济、影响评估、AI 促进的错误信息和暴力。公共服务中的 AI 使用关注公共部门技能、政府信息披露和民间社会纳入机制。 三个支柱共同避免了只看法律文本或只看宏观能力的偏差。一个国家可能有 AI 战略，但缺乏实施；也可能有数字基础设施，但缺少公众参与；还可能具备技术能力，却在高风险公共部门部署上缺少透明度与救济。矩阵结构使这些差异能够被拆分观察。

3. Changes in the Second Edition：第二版变化

总体修订

第二版相对第一版的核心变化，是把概念框架和测量框架都做了更细的拆分。报告强化了“框架存在”和“实施程度”的区别：一个国家是否拥有政策、法律或指南，与这些框架是否具备可执行性、覆盖范围、约束力和实际实施，并不是同一回事。 第二版还将概念框架从三个主题领域重构为五个维度，使负责任 AI 的政策内容更细分、更贴近人权和治理实践。同时，它细化了框架质量变量，提升对实施证据的记录能力，并调整指标映射，以便不同版本之间保持一定可比性。

实施评估加强

报告特别强调，负责任 AI 治理不能只评估政府是否发布文件，还要评估是否存在实施行动。为此，AI 政策支柱不仅记录框架，也记录政府主导倡议，例如项目、机构、活动、计划或由政府授权和资助的实施措施。 这种设计有助于区分“纸面治理”和“实践治理”。对于政策制定者而言，它提醒各国不能只依靠战略发布来获得高分，还需要提供可核验证据，说明相关原则如何进入预算、机构、程序、监督和公共服务实践。

4. Data Collection and Sources：数据收集与来源

国家覆盖与时间范围

2026 年版覆盖 135 个国家和辖区。纳入范围取决于是否能够获得合适的国家研究人员，以及是否存在支持研究流程的机构伙伴网络。报告明确，政府未参与决定其国家是否被纳入指数。 主要数据收集覆盖 2023 年 11 月 1 日至 2025 年 9 月 30 日。这个时间窗口使第二版能够捕捉近年 AI 治理框架、政策实施和公共部门使用的变化。

研究网络与质量保证

第二版依赖超过 160 名国家内研究人员、审稿人、协调员、监督者和机构伙伴。国家研究人员负责识别并评估与指标相关的证据，尤其是本国语言材料、法律制度、政策流程和民间社会情况。 为了保证一致性，项目使用标准化编码指南、验证程序和审查机制。所有调查工具、方法说明、验证程序和审稿沟通以英语进行，但证据收集使用原始语言来源。这样既利用本地知识，又维持跨国可比标准。

二级数据来源

赋能条件支柱使用二级数据构建，共纳入 15 个指标。这些指标来自国际可比数据集，选择标准包括概念相关性、非冗余性、全球覆盖、可获得性、来源可信度和数据可用性。报告称，二级指标平均国家覆盖率超过 96%，缺失数据会按照预设规则进行插补，以最大化覆盖并保持跨国可比性。

5. Global Survey Methodology：全球调查方法

调查结构

全球调查是构建 AI 政策和民间社会组织参与支柱的主要数据工具，也用于评估政府部署不可接受风险 AI 系统。它是证据驱动工具：研究人员必须提交公开可获得、可验证的来源来支持所有编码决策，包括法律、监管、政策、战略、机构文档、政府报告、咨询记录和其他公共来源。 调查覆盖五类证据：AI 政策框架、政府主导倡议、民间社会参与倡议、政府纳入民间社会组织参与 AI 政策和治理的机制、政府部署不可接受风险 AI 系统。

数据规模

第二版数据收集规模很大：135 个国家和辖区，376 个框架，828 项政府主导倡议，615 项民间社会组织倡议，以及 68138 个被评估数据点。这个规模说明，指数不是仅靠公开宏观指标，而是结合了大量国家级证据编码。

证据类型

AI 政策框架包括由国家或联邦政府发布的法律、监管、政策、战略和指南，最多每个指标评估两个框架。政府主导倡议则包括政府设计、资助或授权的项目、机构和活动，用于证明框架实施情况，或在缺少框架时证明政府直接行动。 民间社会参与指标评估社会组织是否参与 AI 治理的塑造、实施或监督。对于公共服务中的 AI 使用，还单独设置政府纳入民间社会组织的机制指标，关注咨询、参与和监督过程是否制度化。

6. Computing the GIRAI Score：分数计算

总体计算逻辑

报告把原始证据编码为数值变量，并归一化到 0-100 分尺度。随后，指标被聚合到支柱、维度和最终指数层级。三大支柱权重分别为：AI 政策 60%，民间社会组织参与 10%，赋能条件 30%。政府部署不可接受风险 AI 系统的证据作为扣分惩罚，应用到最终得分。 这个权重设计反映了报告的判断：负责任 AI 治理首先需要政府政策框架和实施行动，因此 AI 政策权重最高；赋能条件提供结构性环境；民间社会参与虽然权重较低，但仍被保留为独立治理维度，体现公共参与和问责的重要性。

附录方法细节

附录 A 对分数计算做了更细说明，包括主要数据指标如何从框架、倡议、民间社会参与、政府纳入机制和不可接受风险 AI 惩罚项中计算出来；二级数据指标如何选取和归一化；缺失数据如何插补；异常值如何处理；以及国家层面的指标如何聚合。 附录 B 则进行统计预审和稳健性评估。报告使用改编的复合指标统计审计工具，检查概念和统计一致性、缺失数据、模型假设、权重、归一化和聚合方式对排名的影响。

7. Scope and Limitations：范围与局限

适用范围

GIRAI 2026 提供的是关于负责任 AI 治理条件的跨国比较，而不是对所有 AI 系统实际社会影响的全面评估。它关注各国是否建立了相关治理框架、实施措施、民间社会参与机制和支撑条件，并通过公开证据进行编码。 因此，指数最适合用于识别治理承诺与实践之间的差距，比较国家层面的制度建设，并为政策制定者、民间社会、研究人员和 AI 开发者提供参考。它不应被理解为对某国 AI 产业能力、模型技术水平或全部风险暴露程度的简单排名。

方法局限

报告也承认若干限制。首先，跨国比较依赖公开可验证证据，不公开或难以获取的信息可能被低估。其次，数据收集依赖研究网络和标准化编码，即便有验证机制，仍可能受到语言、制度差异和资料可得性的影响。第三，权重、归一化和聚合方法会影响排名，尤其是中间排名国家更容易受模型假设影响。 统计预审显示，指数在顶部和底部排名较稳健，而中间国家排名区间更大。线性模型下，32.6% 的国家排名移动不超过 5 位，65.2% 的国家移动不超过 10 位。报告认为，这种不确定性不是缺陷，而是复合指标必须透明呈现的方法事实。

结语

这份报告的核心意义，是为“负责任 AI 治理”提供一套系统化测量语言。它把抽象原则拆成维度、支柱、指标、证据类型、编码规则、权重和稳健性检验，让各国 AI 治理从口号和战略文本进入可比较、可追踪、可问责的指标体系。 对中国读者而言，GIRAI 的启示不只在排名本身，更在方法论：未来 AI 治理评价会越来越关注实施证据、民间社会参与、公共部门 AI 使用、不可接受风险、救济渠道、透明度、数据保护、劳动保护和文化语言多样性。负责任 AI 的竞争，将不只是技术能力竞争，也会是制度建设、社会参与和公共问责能力的竞争。