构建内外协同保障体系，促进人智协同行稳致远︱法经兵言

人智协同是制造业转型升级的重要动能，锚定新兴产业与未来产业创新发展主流趋势。但该模式落地推进过程中，面临结构性就业冲击、科技伦理困境、知识产权归属模糊、统一大市场壁垒、数据跨境流动合规等多重挑战与风险，因此，我们亟须从完善国内法规体系、强化国际对接能力、创新政策工具等维度，构建内外协同的保障体系。在技术创新的同时，牵引制度创新，推动我国制造业高地向全球智造中心跃升。

人智协同生产方式发展现状

人智协同生产方式作为人工智能技术与人类劳动者深度融合的新型生产范式，通过智能系统重构制造全流程，将人类的经验决策、创新能力，与机器的精准计算、高速执行优势深度耦合，成为了我国制造业转型升级的核心引擎。

政策支持层面，我国已构建起“国家顶层设计+地方创新实践”的立体化政策体系。国家层面，2026年八部门联合印发《“人工智能+制造”专项行动实施意见》，规划了算力底座、模型体系、应用场景等七大重点任务；《人工智能赋能制造业重点行业转型指引》与《制造业企业人工智能应用指南》形成从顶层设计到落地执行的完整闭环。地方层面，深圳等地推出“人工智能+”先进制造业行动计划，通过打造工业智能体创新中心、开放百个应用场景等举措，推动技术成果商业化。

应用发展方面，国际数据公司IDC发布的数据显示，2025年我国工业企业应用大模型及工业智能体的比例达47.5%。工业机器人2025年产量达77.31万套，2026年产量预计超过80万套，一季度同比增长33.2%。实践中，德赛西威通过全流程AI融合项目构建闭环智造模式，桐昆股份以“5G全连接+数字孪生”实现能耗精细化管理，重庆搭建汽车行业可信数据空间打破数据孤岛，这些案例印证了人智协同在研发、生产、供应链等环节的系统性价值。

全球产业链重构背景下，中国凭借完整产业链、庞大市场与AI技术优势，有望从“世界工厂”向“全球智造中心”转型。同时，人智协同对打破数据壁垒、促进标准统一的推动作用，为国内统一大市场建设提供了技术支撑，形成了政策驱动与市场牵引协同、技术突破与生态构建并进的发展格局。

可能引发的主要风险

1.对就业的结构性影响。

当前我国智能化改造企业技能人才存在缺口，低技能岗位替代集中，基础操作工岗位大幅减少。同时，高技能复合型人才需求激增与供给滞后形成巨大鸿沟，企业缺少能操作机械臂、调试算法的“超级工人”，形成了“岗位消失快、新岗位创造慢、人才供给断层”的结构性矛盾，可能加剧技术性失业与社会收入差距。

2.对科技伦理的新挑战。

人智协同在提升生产效率的同时，也挑战了传统制造业的伦理与法律框架。算法歧视在智能制造中更为隐蔽，在用工分配、生产管理、资源调配等层面暗藏差别对待，形成不易察觉的新型不公。算法安全与责任认定存在真空，生产事故可能牵涉算法设计者、数据提供方、系统集成商、设备制造商、现场操作员等主体，形成“责任迷宫”。安全伦理面临挑战，系统对“安全距离”“力反馈阈值”“紧急停止”的判断，是基于预设的数学模型，安全伦理问题凸显。

3.知识产权纠纷增多。

人智协同语境下，AI深度参与甚至主导创新活动。针对AI生成发明的知识产权保护机制缺失，大量创新成果因无法确权而被轻易侵权。此外，生产过程中的温度、压力、振动、能耗、良品率等海量工业数据，作为训练AI模型、优化工艺、预测故障的核心燃料，价值极高，却未在规范层面得到关注与保护。

4.推高统一大市场隐形壁垒。

人智协同生产方式发展过程中因技术标准不统一、数据格式异构、平台生态封闭所引发的“数字壁垒”，成为阻碍国内统一大市场建设的“新梗阻”。国际通用的OPC UA（开放平台通信统一架构）协议被广泛认为是工业4.0的“通用语言”，而国内部分大型企业或地方政府为保护本土技术生态，或出于对数据主权的担忧，倾向于采用自研或非标协议。这种技术壁垒加剧了市场分割与地方保护，制约了跨区域、跨行业的产业链协同。

5.加剧数据跨境流动风险。

放眼全球，欧盟《通用数据保护条例》（GDPR）、美国《加州消费者隐私法案》（CCPA）以及中国自身的《数据出境安全评估办法》等，形成了碎片化、高成本、高风险的合规迷宫。欧盟GDPR要求数据处理必须基于合法基础，并赋予数据主体（如员工、客户）广泛的访问权、更正权和删除权。而我国《个人信息保护法》和《数据安全法》则强调数据本地化存储和国家安全审查。企业必须在欧盟要求的“数据主体同意”与中国的“安全评估”之间寻找平衡，导致合规方案设计复杂、执行成本激增。

数据本地化要求是另一座难以逾越的高山。欧盟、美国、印度、巴西等国均在不同程度上推行数据本地化政策，要求特定类型的数据必须存储在本国境内。这意味着中国制造业企业须在目标市场建立独立的数据中心，进行数据的“二次处理”和“模型本地化”，这不仅是巨大的基础设施投资，更是核心算法和训练数据的“碎片化”。数据本地化还可能引发知识产权泄露的担忧，企业将核心工艺数据存储在海外，可能被当地竞争对手或政府机构获取，从而丧失技术优势。

构建内外协同的政策法律保障体系

1.完善国内法律法规体系。

构建就业转型与权益保障机制。可在《中华人民共和国就业促进法》中增设专章，对技术性失业进行转型扶持，建立“AI岗位替代风险指数”，按行业、区域动态监测、分级预警。要求大型制造企业实施自动化改造前提交员工技能转型与安置工作的计划书。设立专项基金，对中小企业转型培训给予补贴。推行“技能积分银行”制度，将AI相关培训认证与继续教育、岗位晋升挂钩，形成“识别—预警—培训—再就业”全链条支持体系。

健全工业AI伦理与监管规则。制定有关人工智能工业应用促进管理的规范，明确工业机器人、预测性维护系统等为高风险AI系统，设置全生命周期风险管理、数据去偏审计、决策可解释性等义务。建立算法安全责任追溯机制，区分算法开发者、设备制造商、企业用户的责任边界，针对算法歧视设立劳动者申诉渠道。发布制造业AI应用负面清单，禁止AI直接替代安全关键岗位等，配套高风险场景操作指南。

加快构建人智协同创新成果的知识产权保护制度。可通过修订《中华人民共和国著作权法实施条例》与《中华人民共和国专利法实施细则》，明确AI生成物的“有限保护”原则。当人类进行实质性修改、组合或验证时，可认定为受保护智力成果，允许AI作为“辅助发明人”列明。构建全国范围内数据知识产权登记制度，明确加工后工业数据集的复制权、许可权等权利内容，建立全国统一登记平台。同时，平衡数据共享与商业秘密保护，鼓励通过隐私计算、联邦学习等技术实现数据“可用不可见”。

2.强化国际对接能力。

构建海外合规支持与风险预警体系。可由商务部牵头建立“中国制造业出海AI合规支持中心”，追踪欧盟、美国等主要经济体动态，发布风险预警简报。针对不同国家编制合规操作手册，提供数据出境申报模板、标准合同等工具。推动与贸易伙伴签订AI技术合作与合规互认备忘录，减少重复审查，降低合规成本。

主动参与并引领国际标准制定。由龙头企业牵头制定制造业工业数据语义互操作性标准，并建立工业AI模型性能与安全评估国际认证体系，由中国信通院等机构提供权威测试服务，提升我国标准国际认可度。同时，参与B20、ISO等国际组织活动，提出“发展权、场景化治理、互操作性”的全球AI治理倡议，打破标准垄断。

优化技术架构与出海策略。加大国产AI芯片、工业软件研发投入，建立以中国为核心的分布式算力网络，满足数据本地化要求。鼓励企业从“产品出海”向“标准+服务+生态出海”转型。例如，针对欧盟高合规成本市场，聚焦高端医疗设备等细分领域；而对美国市场则采用“服务出海+标准合作”模式，通过技术贡献争取话语权。

3.创新政策工具。

建立“人智协同创新监管沙盒”，遴选代表性企业先行先试，并给予容错豁免，形成“试点—评估—推广”闭环。设立制造业数据治理能力提升专项，对企业数据安全防护系统建设、合规审计、标准参与给予补贴，搭建AI合规公共服务平台，降低中小企业合规门槛。通过改革职业教育体系，将AI素养纳入制造业专业必修课，推动职业院校与龙头企业共同培养工业AI训练师等新型人才。

人智协同生产方式是我国制造业提升国际竞争优势的重要抓手。构建“发展与安全并重、国内与国际协同”的系统性治理框架，能有效推动技术优势转化为制度优势。让机器成为人类智慧的延伸，让技术进步惠及全体劳动者，推动我国制造业在全球价值链中实现高端跃升。

（陈兵系南开大学竞争法研究中心主任、法学院教授、博士生导师，中国新一代人工智能发展战略研究院特约研究员）