AI policy（人工智能政策）是指围绕人工智能技术开发、部署与使用所制定的法规、监管框架与治理原则，当前正处于全球监管快速演进的阶段。随着大模型能力提升和社会影响扩大，如何评估 AI 风险、界定开发者责任、平衡创新与安全，成为政策制定者、学界与产业界共同面对的核心议题。围绕这一主题，近期一系列学术与产业动向值得关注。
AI 政策与治理的近期进展
Stanford HAI 的研究者在讲座中指出，当前的 AI 评估体系存在明显盲区，尤其是针对模型真实使用场景和安全边界的测量工具仍不完善，这直接影响政策法规中“合规”标准的可操作性。相关讨论见 Stanford HAI 讲座：Serena Wang 谈 AI 评估盲区。
知名 AI 审计学者 Deb Raji 正式加入 Stanford HAI，将聚焦 AI 追责（accountability）难题。审计与追责是政策落地的关键环节——法规能否执行，取决于是否存在独立、可验证的第三方评估机制，详见 AI 审计学者 Deb Raji 加入 Stanford HAI，将研究 AI 追责难题。
在国际层面，Anthropic 联合创始人 Jack Clark 将在 IMF 于泰国举办的会议上发表 Per Jacobsson 演讲，主题为 AI 带来的经济与社会剧变，反映出多边金融机构已将 AI 治理纳入宏观经济议题，见 Jack Clark 将在 IMF 泰国会议发表 Per Jacobsson 演讲。
对齐路线之争
美国白宫 AI 与加密事务负责人 David Sacks 公开质疑 Anthropic 的“对齐”路线，追问训练 Claude 形成自我道德观是否安全。这场争论的核心是：AI 系统应当被严格约束在既定规则内，还是可以被赋予一定的价值判断能力——这正是当前政策监管中最具争议的技术分歧之一，见 David Sacks 质疑 Anthropic 的对齐路线。
当前焦点与观察点
综合来看，AI 政策领域的讨论正在从宏观原则转向可执行细节：评估标准如何量化、审计由谁来做、对齐路线是否可信，都是反复出现的焦点。此外，政策效果也与组织内部实践密切相关——Stanford HAI 的一项研究显示，管理者如何介绍 AI 工具，会显著决定员工后续的实际使用方式，提示治理不仅发生在立法层面，也发生在企业与日常管理中（相关研究）。
未来值得观察的方向包括：各国监管机构是否会采纳学界提出的评估框架；AI 审计行业能否形成独立生态；以及产业界与政府在“对齐”与“创新”之间的博弈走向。对于关注 AI policy 的读者而言，Stanford HAI、IMF 等机构的研究与活动，是跟踪治理动态的重要信息源。