从技术对抗到社会共治：人工智能犯罪的多维预防治理路径

作者：王伟，来源：天工智研

摘要：随着生成式人工智能、大数据算法、深度伪造等技术的规模化落地，人工智能在赋能社会经济高质量发展的同时，也催生了新型技术犯罪形态。传统犯罪借助 AI 技术实现了手段智能化、场景泛在化、隐蔽性极致化与规模化低成本化的迭代升级，同时衍生出算法滥用、深度伪造、AI 自动化犯罪等新型违法犯罪行为，突破了传统法律规制、监管治理与风险防控体系的边界。本文引入技术异化理论与犯罪学常规活动理论的双重视角，系统梳理人工智能犯罪的类型谱系与演化趋势，从技术内生缺陷、制度供给滞后、监管模式适配不足、伦理约束软化、社会共治缺位五个维度深入剖析其多维生成机理。针对当前治理中存在的技术攻防失衡、法律规制空白、权责边界模糊、跨域协同不畅等突出问题，构建 "技术防御为支撑、法治保障为根基、动态监管为核心、伦理引导为补充、社会共治为基础" 的五位一体全链条预防治理体系，为化解人工智能技术风险、规范 AI 应用秩序、筑牢数字安全防线提供理论支撑与实践路径。

关键词：人工智能；AI 犯罪；技术异化；犯罪预防；数字治理；风险规制

一、引言

人工智能作为新一轮科技革命与产业变革的核心驱动力，正深度渗透政务、金融、传媒、民生、安防等各个社会领域，重塑着社会生产方式、生活模式与治理体系。从算法推荐、智能风控到生成式内容创作、自动化数据处理，AI 技术的普及应用极大提升了社会运行效率，释放了数字经济发展活力。但技术迭代的双面性随之凸显，技术赋能与技术异化同步共生，部分主体利用人工智能技术的自主性、生成性、隐蔽性特征，突破传统犯罪的时空限制与能力壁垒，实施各类违法犯罪行为，形成 "AI 赋能犯罪" 的新型风险格局。

相较于传统犯罪，人工智能犯罪呈现出犯罪门槛平民化、作案过程隐蔽化、实施规模产业化、目标选择精准化、手段迭代快速化的独特特征。腾讯安全研究院 2026 年发布的《人工智能黑灰产风险治理报告》显示，AI 驱动的钓鱼诈骗点击率较传统诈骗方式提升 450%，肯尼亚密码窃取与间谍软件攻击同比增幅均达 83%，网络攻击、信息窃取类 AI 犯罪案发率持续攀升。2025 年我国公安机关破获的 AI 辅助诈骗案件同比增长 127%，对公民人身财产安全、网络空间秩序、社会公共安全乃至国家安全构成多重威胁。当前我国针对传统犯罪的防控体系已相对成熟，但针对 AI 新型犯罪的风险识别、预警干预、追责治理体系尚未完善，技术防控能力滞后于犯罪技术迭代、法律规制条款适配不足、监管治理模式被动滞后等问题突出。

在此背景下，破解人工智能犯罪治理难题、构建科学高效的预防体系，成为数字时代法治建设与社会治理现代化的重要课题。本文立足人工智能犯罪的现实态势与内在逻辑，深度剖析其生成机理与治理困境，探索适配 AI 技术特征与犯罪规律的预防治理路径，实现人工智能技术创新与风险防控的动态平衡，推动数字社会秩序的规范化、法治化、现代化发展。

二、人工智能犯罪的核心类型与新型特征

人工智能犯罪并非独立的罪名体系，而是行为人利用人工智能技术、算法模型、智能设备实施的各类违法犯罪行为的统称。从技术参与程度与犯罪本质来看，可划分为两大基本类别：一是以 AI 为工具的传统犯罪智能化升级，二是依托 AI 技术特性产生的新型原生犯罪。伴随技术迭代，其犯罪形态不断丰富，呈现出区别于传统犯罪的鲜明特征，对传统防控体系形成系统性冲击。

（一）人工智能犯罪的主要类型

1. 传统犯罪的 AI 智能化升级

此类犯罪是当前 AI 犯罪的主流形态，犯罪分子依托 AI 技术改造传统犯罪手段，大幅提升犯罪效率与隐蔽性，主要集中在网络诈骗、网络攻击、信息泄露、黑灰产运营等领域。其一，AI 智能诈骗，通过深度伪造技术生成虚拟人脸、语音、视频，模拟亲友、公职人员、金融机构工作人员身份实施精准诈骗，依托大模型批量生成诈骗话术、钓鱼链接、虚假文案，实现规模化、自动化诈骗，突破传统诈骗的地域与人力限制。2025 年湖南省长沙市雨花区人民法院审理的一起案件中，被告人吴某利用 AI 换脸技术将静态人脸照片转化为可通过支付软件人脸识别验证的动态视频，协助诈骗团伙盗刷多名被害人银行卡资金共计 5 万余元，最终被判处盗窃罪。其二，AI 网络攻击，利用智能算法自动扫描网络漏洞、破解加密系统，开展批量爬虫、DDoS 攻击、木马植入等网络入侵行为，相较于人工攻击，精准度与成功率大幅提升。其三，黑灰产规模化运营，借助 AI 批量注册账号、刷量控评、虚假引流，操纵网络舆论、刷单炒信，扰乱网络市场秩序与舆论生态。2026 年上海市杨浦区人民法院审理的一起案件中，被告人杨某利用 AI 技术批量伪造急性肠胃炎诊断证明、就医病历、电子发票甚至呕吐物照片，在短短两个月内连续敲诈 4 家餐饮门店，最终被判处敲诈勒索罪上海市杨浦区人民政府。

2. AI 原生新型犯罪

此类犯罪是人工智能技术催生的全新犯罪形态，无传统犯罪对应形态，具有极强的技术专属属性，治理难度更大。一是算法滥用犯罪，部分平台与主体利用算法歧视、算法操纵、算法霸权，实施大数据杀熟、精准压榨、恶意诱导消费等行为，侵犯消费者合法权益，破坏市场公平秩序；通过算法推荐机制传播低俗、暴力、极端内容，诱发不良社会影响。二是深度伪造犯罪，未经授权伪造他人肖像、语音、视频，制作虚假色情内容、虚假舆情视频，实施人格权侵权、造谣诽谤、舆论操控等行为。三是 AI 自主化犯罪，依托自主学习、自动迭代的智能模型，实现犯罪行为的自主执行、动态规避监管，形成 "模型自主决策、无人干预作案" 的新型犯罪模式，犯罪溯源与取证难度极大。四是数据安全犯罪，利用 AI 技术非法抓取、脱敏破解、批量泄露公民个人信息、企业商业秘密、政务涉密数据，引发系列衍生犯罪。

（二）人工智能犯罪的核心新型特征

1. 犯罪门槛平民化，成本极低、收益极高

传统犯罪对行为人专业能力、时间精力、设备资源要求较高，而当前开源 AI 模型、智能工具广泛普及，犯罪分子无需掌握核心技术，仅通过简单操作即可调用成熟 AI 工具实施犯罪，大幅降低了犯罪技术门槛与准入成本。同时，AI 技术的自动化、规模化特性能够实现单次操作、批量获利，犯罪收益呈几何级增长，形成 "低成本、高回报、低风险" 的犯罪激励机制，极大诱发了犯罪冲动。

2. 犯罪行为隐蔽化，溯源取证难度大

人工智能犯罪依托网络虚拟空间开展，无实体作案现场，且 AI 模型具备动态规避检测、伪装数据痕迹的能力，能够自动清除作案日志、篡改操作轨迹。同时，多数 AI 犯罪可实现远程、匿名、自动化作案，行为人无需全程参与，犯罪行为与结果的时空分离度极高，导致传统溯源、取证、固定证据的侦查模式失效，案件侦破与追责难度显著提升。

3. 犯罪迭代快速化，技术对抗呈现失衡

人工智能技术处于持续快速迭代状态，犯罪手段随技术更新实时升级，新型 AI 犯罪形态层出不穷。而监管治理、防控技术、法律条款的更新具有滞后性，防控体系的迭代速度难以匹配犯罪技术的演化速度，形成 "犯罪技术超前、防控治理滞后" 的技术对抗失衡格局，传统被动防御模式难以适配新型风险。

4. 犯罪危害泛在化，连锁衍生风险突出

AI 犯罪突破传统犯罪的个体、局部危害边界，具备极强的扩散性与衍生性。单次 AI 自动化作案可侵害成千上万名公民、企业的合法权益，不仅直接造成财产损失、人格权受损，还可能引发网络秩序混乱、市场失灵、舆情失控，甚至渗透金融、能源、政务等关键领域，诱发系统性安全风险，危害后果具有放大效应与连锁效应。

三、人工智能犯罪的多维生成机理

人工智能犯罪的滋生蔓延并非单一因素导致，而是技术特性、制度体系、监管机制、伦理环境、社会治理等多重因素耦合作用的结果。立足技术异化理论与常规活动理论，可从技术内生缺陷、制度供给滞后、监管治理缺位、伦理失范失衡、共治体系缺失五个维度，深度剖析其生成逻辑。

（一）技术内生异化：AI 算法的固有缺陷与风险漏洞

人工智能技术的内生特性是犯罪滋生的底层技术诱因。首先，算法黑箱与不透明性构成了技术滥用的天然屏障。基于深度学习的大模型采用端到端的训练方式，其决策过程具有不可解释性，不仅开发者难以完全掌控模型的所有输出结果，更给不法分子利用模型漏洞实施隐蔽犯罪提供了可乘之机。其次，训练数据的缺陷会被模型系统性放大。AI 模型的行为模式本质上是对训练数据的学习与复刻，如果训练数据中存在偏见、错误或有害信息，模型会将其固化并在应用中不断放大，引发算法歧视、不当诱导甚至主动输出违法内容等风险。另一方面，AI 技术的开放性、开源性降低了滥用门槛，大量开源模型、智能工具无门槛传播，缺乏有效的技术准入与风险管控，不法分子可轻易改造、滥用 AI 工具实施犯罪，形成技术滥用的内生风险。此外，当前 AI 安全防护技术相对薄弱，对抗性 AI 技术、模型规避技术持续迭代，导致智能风控、网络防护体系极易被突破。

（二）制度供给滞后：法律规制体系适配性不足

当前我国法律体系以规制传统犯罪为核心构建，针对人工智能新型犯罪的规则供给严重滞后，存在规制空白与适配短板。一是罪名体系不完善，现有刑法罪名难以完全覆盖深度伪造、算法滥用、AI 自主犯罪等新型行为，部分新型 AI 违法犯罪行为处于 "灰色地带"，存在定罪难、追责难问题。二是权责界定模糊，AI 开发主体、运营主体、使用主体、服务平台的安全责任、法律责任划分不清晰，对于 AI 模型失控、技术滥用引发的犯罪，难以精准界定追责对象与责任比例。三是规制标准缺失，AI 技术应用、模型开发、数据训练、内容生成的行业标准、安全规范尚未统一，不同领域 AI 应用的风险管控标准参差不齐，导致监管执法缺乏明确依据。四是惩戒力度不足，部分 AI 黑灰产犯罪的违法成本低，惩戒力度不足以形成有效震慑，难以遏制规模化犯罪行为。

（三）监管治理缺位：传统监管模式适配性不足

传统人工监管、事后监管、属地监管模式难以适配 AI 犯罪跨域、实时、动态、智能化的特征，监管治理效能不足。其一，监管技术滞后，现有监管手段以人工审核、静态排查为主，缺乏智能化、动态化、实时化的 AI 风险监测、预警、拦截技术，无法实现对海量 AI 应用场景、模型运行数据的全维度监测，难以提前识别潜在犯罪风险，多为事后追责，事前预防、事中管控能力薄弱。其二，监管协同不足，人工智能应用跨领域、跨行业、跨区域特征显著，而当前监管体系存在部门分割、区域分割、行业分割问题，网信、公安、市场监管、工信等部门监管权责分散，缺乏常态化协同监管机制，易出现监管盲区与监管重叠。其三，准入与过程管控薄弱，AI 模型上线、应用落地的事前安全审查机制不完善，部分高风险 AI 工具未经严格审核即上线运营，且缺乏全生命周期动态监管，模型迭代、场景拓展过程中的新增风险无法及时排查。

（四）伦理失范失衡：技术伦理约束机制缺失

人工智能技术的快速发展与伦理规范建设的滞后性形成鲜明反差，技术伦理约束缺位是 AI 犯罪滋生的重要软性诱因。当前行业内尚未形成统一、刚性的 AI 伦理准则，部分技术开发者、运营者片面追求技术创新与商业利益，忽视技术安全与社会责任，存在 "重发展、轻规范，重效益、轻风险" 的价值偏差。同时，AI 伦理的落地约束机制不完善，伦理审查、风险评估、自律规范多为行业倡导性规则，缺乏强制性约束力，难以有效约束算法滥用、技术不当使用等行为，导致技术应用脱离伦理边界，逐步走向技术异化与违法犯罪。此外，普通公众对 AI 技术风险认知不足，缺乏防范意识与辨别能力，成为 AI 诈骗、信息泄露等犯罪的主要受害群体，间接助长了犯罪蔓延。

（五）共治体系缺失：多元主体协同防控格局未形成

人工智能犯罪防控是系统性工程，需要政府、企业、行业、公众多元主体协同参与。但当前我国 AI 犯罪治理以政府监管为主，互联网企业、科技公司、行业协会、社会公众的防控作用未充分发挥。科技企业作为 AI 技术研发与应用的核心主体，安全主体责任落实不到位，存在重研发、轻风控的问题，模型安全检测、风险防控机制不完善；行业协会缺乏有效的自律约束与规范引导机制，行业乱象难以自主整治；公众 AI 安全素养参差不齐，风险防范、自我保护、举报监督能力不足，全民防控的社会氛围尚未形成，多元共治的防控格局存在明显短板。

四、当前人工智能犯罪预防治理的现实困境

结合 AI 犯罪的特征与生成机理，当前我国人工智能犯罪预防工作仍处于探索阶段，面临技术对抗失衡、法治体系滞后、监管效能不足、权责边界模糊、社会防控薄弱等多重现实困境，制约了治理效能的提升。

（一）技术防控困境：攻防技术迭代失衡，主动防御能力不足

当前 AI 犯罪呈现 "犯罪技术快速迭代、防控技术被动跟进" 的失衡态势。不法分子持续利用最新 AI 技术优化犯罪手段，攻击方式、诈骗模式、滥用形态不断翻新，而防控技术研发投入不足、迭代速度缓慢。现有安全防护系统多针对传统网络风险设计，无法精准识别深度伪造、算法操纵、AI 自动化攻击等新型风险；同时，AI 对抗技术、溯源取证技术、风险预判技术不成熟，难以实现对 AI 犯罪的事前预警、事中拦截、精准溯源，整体防控模式以被动应对为主，主动防御、源头治理能力严重不足。

（二）法治建设困境：规则体系滞后，执法司法适配性不足

法律规制体系的滞后性是当前 AI 犯罪治理的核心瓶颈。一方面，立法滞后性突出，现有法律法规未针对 AI 犯罪的技术特征、行为模式作出专门规制，新型 AI 犯罪行为存在定罪量刑标准模糊、法律适用困难等问题，部分灰色地带行为难以依法惩处。另一方面，执法司法标准不统一，不同地区、不同部门对同类 AI 犯罪行为的认定标准、惩戒力度存在差异，执法司法规范性不足。此外，AI 犯罪的电子证据具有虚拟性、易篡改、动态化特征，传统证据规则难以适配 AI 犯罪取证、固证、质证需求，证据认定难度大，制约了案件办理效率与精准度。

（三）监管机制困境：全周期监管缺失，协同治理效能低下

当前 AI 监管存在 "重事后处罚、轻事前预防、弱事中管控" 的结构性问题，尚未建立覆盖 AI 研发、训练、上线、运营、迭代、退出全生命周期的动态监管体系。事前安全审查机制流于形式，部分高风险 AI 模型、智能工具未经严格风险评估即投入使用；事中动态监测能力不足，无法实时监控算法运行、内容生成、数据调用过程中的违规风险；事后惩戒与整改机制不完善，违法成本偏低，难以形成有效震慑。同时，跨部门、跨区域、跨行业协同监管机制不健全，信息共享、线索移送、联合执法机制不完善，监管碎片化问题突出，难以应对 AI 犯罪跨域化、规模化的风险特征。

（四）权责界定困境：主体责任模糊，追责体系不健全

人工智能犯罪涉及研发者、运营者、使用者、平台方、服务方等多元主体，各主体权责边界尚未通过法律形式明确界定。对于 AI 模型固有漏洞引发的犯罪、第三方滥用 AI 工具实施的犯罪、算法迭代衍生的风险犯罪，难以精准划分各主体的过错责任、合规责任与连带责任。部分科技企业、平台企业以 "技术中立" 为由规避安全责任，缺乏主动风控、风险排查、隐患整改的责任意识，导致风险源头管控缺位，出现 "人人有责、人人无责" 的治理困境。

（五）社会防控困境：公众认知不足，多元共治格局松散

社会层面的 AI 风险防控体系尚未完善。一方面，公众对深度伪造诈骗、AI 信息窃取、算法滥用等新型风险认知不足，辨别能力、防范意识、维权能力薄弱，极易成为 AI 犯罪的受害群体，且受害后举证、维权难度较大。另一方面，行业自律机制不完善，AI 行业缺乏统一的安全规范、伦理准则与自律惩戒机制，企业合规运营的主动性不足。同时，社会监督渠道不畅通，公众、媒体的监督作用未充分发挥，政府、企业、行业、公众多元协同的共治格局尚未成型，社会防控合力不足。

五、人工智能犯罪全方位预防治理体系的构建路径

针对人工智能犯罪的生成机理与治理困境，需坚持 "源头预防、技术对抗、法治保障、监管创新、伦理约束、社会共治" 六位一体的治理理念，构建全链条、全方位、常态化的 AI 犯罪预防治理体系，实现技术创新与风险防控的动态平衡，从根本上遏制 AI 犯罪滋生蔓延。

（一）强化技术赋能，构建主动防御的技术防控体系

技术防控是应对 AI 智能化犯罪的核心支撑，需以 "AI 对抗 AI" 为核心思路，补齐技术短板，构建主动预判、实时拦截、精准溯源的智能化防控体系。第一，加大核心防控技术研发投入，重点攻关深度伪造识别、算法风险监测、AI 攻击溯源、虚拟证据固化等核心技术，搭建智能化风险监测平台，实现对 AI 诈骗、网络攻击、算法滥用等行为的实时识别、动态预警、自动拦截，扭转技术攻防失衡格局。第二，建立 AI 模型安全检测机制，针对大模型、智能工具开展上线前安全合规检测、漏洞排查与风险评级，对高风险 AI 工具实行严格的准入管控，从源头杜绝漏洞模型、违规工具流入市场。第三，升级网络安全防护体系，依托大数据、人工智能技术优化智能风控、入侵检测、数据加密系统，适配新型 AI 网络攻击特征，提升网络空间主动防御能力。第四，完善电子证据固化技术，研发适配 AI 犯罪的动态取证、溯源固证系统，破解虚拟证据易篡改、难固定、难溯源的难题，为案件侦查、司法追责提供技术支撑。

（二）完善法治体系，筑牢 AI 犯罪治理的制度根基

坚持法治先行，补齐制度供给短板，构建适配人工智能发展规律的法治化规制体系，实现 AI 犯罪治理有法可依、有规可依。第一，加快专项立法完善，针对深度伪造、算法滥用、AI 自主犯罪等新型行为，细化刑法规制条款，明确新型 AI 犯罪的认定标准、构成要件与量刑标准，填补法律规制空白；完善《人工智能生成内容服务管理规定》《数据安全法》《个人信息保护法》配套细则，规范 AI 数据训练、内容生成、算法应用等全流程行为。2026 年 4 月五部门联合发布的《人工智能拟人化互动服务管理暂行办法》首次针对情感诱导、虚拟亲密关系等新型风险作出专门规定，为后续立法积累了宝贵经验湖南省人民政府。第二，明确多元主体权责边界，通过立法精准界定 AI 研发企业、运营平台、使用者、服务商的安全责任、合规责任与法律责任，区分技术漏洞、主观滥用、监管缺位等不同情形的责任归属，落实平台主体责任，杜绝 "技术中立" 免责乱象。第三，统一执法司法标准，出台 AI 犯罪案件办理指导案例与司法解释，规范各地执法司法尺度，明确电子证据的认定规则与采信标准，提升案件办理的规范性与精准度。第四，加大违法惩戒力度，针对规模化、产业化 AI 黑灰产犯罪，提高罚金、处罚、追责力度，大幅提升违法成本，形成强力法治震慑。

（三）创新监管模式，构建全生命周期动态监管体系

打破传统被动监管、碎片化监管模式，构建覆盖 AI 研发、训练、上线、运营、迭代、退出全生命周期的智能化、协同化、常态化监管体系。第一，建立事前准入审查机制，对各类生成式 AI 模型、智能工具实行备案管理与安全评估制度，重点核查模型安全、数据合规、内容风控能力，未通过安全评估的禁止上线运营。第二，健全事中动态监管机制，搭建政府主导的 AI 监管大数据平台，运用智能化监管技术，实时监测算法运行、内容生成、数据调用、用户操作等全流程数据，及时发现、预警、处置违规风险，实现 "以技治技、动态管控"。第三，完善事后闭环处置机制，对违规滥用 AI 技术、实施违法犯罪的主体，依法采取下架整改、暂停运营、行政处罚、刑事追责等措施，建立风险整改、复查复核、信用惩戒的闭环管理机制。第四，构建跨域协同监管格局，建立网信、公安、工信、市场监管、司法等部门常态化协同监管机制，打通数据共享、线索移送、联合执法、案件移交通道，破除监管壁垒，消除监管盲区。

（四）强化伦理约束，构建技术向善的行业自律体系

以人工智能伦理为引领，规范技术应用边界，构建 "法治刚性约束 + 伦理柔性引导" 的双重规范体系，守住技术向善底线。第一，制定统一的 AI 行业伦理准则与自律规范，明确 AI 研发、应用、运营的伦理底线，严禁利用 AI 技术实施欺诈、侵权、破坏秩序、危害安全等行为，引导企业坚守社会责任，平衡商业利益与安全风险。第二，建立行业伦理审查机制，推动 AI 企业、科研机构建立内部伦理审查委员会，对新技术研发、新场景应用开展前置伦理评估，防范算法偏见、技术滥用、伦理失范风险。第三，强化行业自律惩戒，依托行业协会建立违规主体黑名单制度，对违规滥用 AI 技术的企业与个人开展行业惩戒、公示曝光，规范行业发展秩序。第四，推动伦理规范法治化，将成熟的 AI 伦理准则、行业规范逐步转化为法律规制标准，实现伦理约束与法治规制的有效衔接。

（五）推进社会共治，构建全民参与的综合防控格局

整合政府、企业、行业、公众、媒体等多元力量，构建全方位、多层次的 AI 犯罪社会共治体系，凝聚防控合力。第一，压实企业主体责任，督促 AI 研发企业、平台企业建立健全内部安全风控体系，完善模型检测、内容审核、风险排查、漏洞整改机制，主动防范技术滥用风险，落实安全合规主体责任。第二，开展全民 AI 安全科普宣传，通过新媒体、政务平台、社区宣传等多种渠道，普及 AI 深度伪造诈骗、信息泄露、算法滥用等新型风险的识别方法与防范技巧，提升公众安全防范意识、辨别能力与维权能力。第三，畅通社会监督渠道，搭建 AI 违法犯罪线索举报平台，鼓励公众、媒体参与监督举报，对有效举报给予奖励，激发社会监督活力。第四，强化人才培养与专业支撑，鼓励高校、科研院所开展人工智能安全、AI 法治、风险治理等领域人才培养，为 AI 犯罪预防治理提供专业人才与理论支撑，持续提升治理专业化水平。

六、结论与展望

人工智能技术的迭代升级是数字时代发展的必然趋势，技术创新与风险共生是数字社会的常态特征。利用人工智能技术实施的新型犯罪，是技术异化、制度滞后、监管缺位、伦理失范、共治不足多重因素耦合的结果，其隐蔽化、规模化、迭代化、泛在化的特征，对传统犯罪防控体系、法治体系、社会治理体系构成全方位挑战。人工智能犯罪的预防治理，绝非单一技术防控、单一法律规制可以实现，而是需要立足技术发展规律与犯罪演化逻辑，构建技术防御、法治保障、动态监管、伦理约束、社会共治五位一体的系统性治理体系。

未来，随着生成式人工智能、通用人工智能的持续迭代，AI 犯罪的形态将更加多元、手段将更加隐蔽、风险将更加复杂，治理难度将持续提升。对此，社会治理需始终坚持 "创新发展与安全防控并重" 的原则，秉持包容审慎的监管态度，持续优化防控体系、完善法治制度、创新监管模式、强化伦理约束、凝聚共治合力，动态适配 AI 犯罪的新型风险，持续化解技术异化带来的治理难题。2026 年国务院立法工作计划已明确将 "加快推进人工智能健康发展综合性立法" 列为重点任务，标志着我国人工智能治理正在从分散式规制向体系化治理迈进。在严格防控技术风险、严厉打击 AI 犯罪的同时，最大限度释放人工智能技术的创新活力，实现技术创新、安全可控、秩序稳定、社会向善的多重目标，为数字经济高质量发展、数字社会现代化治理筑牢安全屏障。

本文作者王伟，天工智研院常务副院长、研究员。本文章仅限学术交流与学习使用，版权归原作者及天工智研所有。限于篇幅，参考文献从略。