大型模型公司应被作为科技企业还是关键基础设施来监管？

将它们作为科技公司监管，何时才合理？

对于大多数面向消费者的应用——如聊天机器人、写作助手、图像生成器——像监管传统科技公司那样监管大型模型企业，是一个良好的起点。这里的关键问题在于透明度、公平性和问责制，这些在平台监管中已为人所熟知。2024年的一项分析指出了大型语言模型（LLM）可设置防护措施的四个伦理触点，并发现最有效的方法是在训练开始前就施加防护，类似于软件工程中从源头修复漏洞的做法[2]。这与将这些公司视为科技企业、适用产品级规则的思路一致。该论文还引用了美国汽车行业的历史类比——该行业最初抵制安全法规，但随着消费者态度的转变最终接受了这些法规[2]——这表明科技型监管可以随公众期望而演变。

然而，即便在这一范畴内，现行法律仍显不足。同一分析指出，许多大语言模型产品中存在两大伦理漏洞：缺乏内容或来源归属，以及训练数据透明度不足[2]。这些是典型的技术监管难题——例如要求搜索引擎披露其排名机制——而解决之道在于更新现有技术法规，而非另起炉灶制定全新框架。

它们何时成为关键基础设施？

当大型模型嵌入社会赖以运行的核心系统时，问题便随之显现。2025年一项关于媒体自由的研究表明，新闻机构正日益依赖人工智能企业提供基础设施——包括云计算、应用程序接口和模型访问权限——以完成新闻生产[1]。这带来了三重具体风险：算法不透明（记者无法了解人工智能如何塑造内容）、锁定效应（更换服务商成本高昂甚至不可能）以及资源失衡（人工智能企业比单个新闻编辑室拥有强大得多的权力）[1]。研究发现，现行欧盟媒体自由法主要关注平台对受众渠道的控制，并未解决这些基础设施层面的依赖问题[1]。作者认为，欧盟《数据法案》和《人工智能法案》等技术法规提供了更好的基础，但需要加以调整，将人工智能基础设施视为公共利益关切——本质上，即关键基础设施[1]。

医疗是另一个风险极高的领域。《美国医学会杂志》2023年的一篇观点文章指出，大语言模型在医疗中的应用带来了隐私、设备监管、竞争、知识产权、网络安全及责任认定等多重挑战[3]。当模型协助诊断患者或推荐治疗方案时，它已不再仅仅是技术产品，而是成为医疗基础设施的一部分。作者呼吁监管机构专门应对这些问题，这已超出对科技公司的常规监管范畴[3]。

混合监管模式是什么样的？

证据表明存在一个双层体系：将底层基础设施（云服务、API、基础模型）作为关键基础设施进行监管，同时将具体应用作为技术产品进行监管。这类似于我们对电网（关键基础设施）和烤面包机（消费产品）采取不同监管方式——尽管两者都使用电力。2024年一场关于大语言模型信任与监管的专家小组讨论普遍支持这一细致入微的观点，指出这些工具的可信度在很大程度上取决于其使用场景[4]。

大型科技公司监管的宏观背景进一步强化了这一思路。2022年的一项分析指出，谷歌、微软和亚马逊等公司通过提供数字基础设施，已深刻支撑起我们的社会、政治和经济生活[5]。作者强调，这引发了"科技抵制潮"以及监管措施的激增，例如欧盟《数字市场法案》就专门针对这些基础设施提供商的市场支配力[5]。按照这一逻辑，那些同时掌控云服务和数据管道的大型模型公司（如微软及其Azure平台与OpenAI的合作），其基础设施层应接受针对基础设施的监管，而面向消费者的聊天机器人则适用科技公司规则。这项媒体自由研究的关键启示在于：要彻底解决依赖性问题，最终可能需要建立替代性的、由公共控制的基础设施[1]——这已超越了监管的范畴。

关于这些来源

该回答基于5篇经同行评审的研究——发表于2022年至2025年间，其中3篇为2024年或之后发表，5篇均来自Q1期刊，累计被引用239次——这些研究是从5篇通过质量筛选的文献中选出的最具相关性的成果，而该筛选过程则源于从超过5亿篇论文数据库中检索到的71篇论文。

本文引用的文献

相关研究问题