购物订单里,一种看不见、摸不着的东西正被加入购物车:Token。直播场景中,过去熟悉的“3、2、1,上链接”出现了新版本——“3、2、1,上Token”。Token由此进入直播间,也进入双11的消费清单。
人们购买Token,指向的是一套清晰的使用逻辑:与AI对话、向AI发出指令,都会消耗Token。它像燃料,支撑模型完成理解、生成与执行。为这种“燃料”付费,显示出生成式AI应用正在加速进入日常。
数据给出规模变化。《生成式人工智能应用发展报告(2026)》显示,截至2026年上半年,我国生成式人工智能用户规模突破7亿人,普及率超过50.0%。换算到日常生活,每两个人中至少有一人在使用AI。AI综合助手、AI效率办公等工具扩散较快,部分消费者选择在双11先囤Token。
Token被下单,最终会转化为AI解决问题的能力。能力越强,围绕“如何管住这种能力”的讨论也越密集。81岁的图灵奖得主马丁·赫尔曼曾用驾驶作比:人类像刚拿到驾照的人,却拥有了一辆500匹马力的跑车。
高性能跑车意味着速度与力量,也意味着操控难度。也有人将AI用于违法用途。有地方法院公布典型案例:不法分子借助AI生成动态人脸视频,攻破平台的人脸核验。类似案件并非孤例。若脸和声音被AI克隆,个人信息安全将面临直接威胁。AI本身有价值,一旦被错误使用,损害同样可能不小。
问题随之落到治理上:怎样让500匹马力的跑车行驶在正确轨道。现实道路有交规,AI应用也需要规则。但AI技术迭代快,风险形态变化多,传统“一刀切”或事后追惩容易陷入“一管就死、一放就乱”的困境。由此,动态、分层、可自我调适的治理生态成为必要选择。
监管思路也在调整。把治理规则和要求嵌入设计、开发、验证等前端环节,让安全要求前移,而非等风险出现后再处置,有助于从源头管控。监管还需刚柔并济:该加油时加油,该刹车时刹车。医疗、金融等高风险场景可实行备案、检测等刚性要求;低风险场景可更多依靠合规自测与行业自律。
柔性工具同样有空间。监管沙盒、算法审计等安排,可让创新在可控范围内试错,也让监管者更早识别风险。赫尔曼所提的跑车,真正需要练习的并非加速,而是刹车;刹车的熟练度,来自一次次看似不起眼的停顿。




