1. 将AI视为工具的一代与将AI视为威胁的一代共存

2026年4月，盖洛普公布了一项针对14至29岁共1,572人的调查结果。这组追踪Z世代对AI情感变化的数据中，出现了一个与一年前相比耐人寻味的逆转。2025年，这一代人面对AI最常感受到的情绪是焦虑，但紧随其后的是兴奋和希望。当时是一种平衡状态，，对新技术的紧张感与对可能性的期待并存。然而2026年的调查中，愤怒飙升至31%，兴奋下降了14个百分点，仅剩22%。希望则跌至18%。

同一个Z世代，面对同一项技术，一年之内画出了截然相反的情感地图。

理解这一变化有一把钥匙。据2025年伦敦政治经济学院(LSE)的调查，Z世代有83%在职场使用AI，千禧一代73%，X世代60%，婴儿潮一代52%。使用率的代际差距约为30个百分点。而OpenAI的Sam Altman在2025年AI Ascent活动上用一句话点破了这个差距的本质：年长者把ChatGPT当谷歌的替代品来用，二三十岁的人当人生顾问来用，大学生当操作系统来用。同一个工具，使用深度因世代而异。深度越深、依赖度越高，当它消失或取代自己时感受到的恐惧也就越大。

如果上一代人还记得把软件装在盒子里购买的年代，那么AI对他们来说更接近一个需要时拿出来用的独立工具。没用了就放回抽屉。但对于把AI当操作系统来用的一代人而言，这个操作系统宣布要夺走自己的工作岗位，性质完全不同。《财富》(Fortune)杂志2026年3月引用爱尔兰财政部报告，报道了一组令人震惊的数字：2023年至2025年间，年轻劳动者的就业减少了20%，而30至59岁中年劳动者的就业反而增长了12%。在美国，斯坦福大学研究团队也确认了同样的模式，，在AI暴露度最高的前10%行业中，22至25岁劳动者的就业自2021年以来持续下降，而年长劳动者的就业却在增长。

讽刺由此产生。最熟练使用AI的一代，正最先被AI挤出局。Anthropic的Boris Cherny，Claude Code的开发者，说过「软件工程师」这个头衔本身可能在2026年底消失。那个头衔曾是大型科技公司最基本的初级职位。梯子的第一个踏板被整个抽掉了。

于是Z世代劳动者的反应朝着出乎意料的方向流动。据2026年4月《财富》杂志报道，积极阻挠公司引入AI的所谓「蓄意破坏」行为正在年轻员工中出现。承认有过破坏行为的劳动者中，30%将原因归结为AI会抢走自己工作的恐惧。KPMG 2025年11月的调查显示，全体劳动者中每10人就有4人害怕AI会夺走自己的职业。然而矛盾的是，拒绝AI的员工反而更容易被裁。60%的管理层表示正在考虑削减拒绝使用AI的员工。

D2L对美国3,000名职场人的调查中，代际焦虑的纹理更加清晰。Z世代劳动者中52%担心被AI技能更强的同事取代，而X世代只有33%。Z世代的担忧不是AI本身，而是比自己更会用AI的人。他们恐惧的不是作为工具的AI，而是那个工具之上展开的新竞争规则。这两种恐惧性质截然不同。

2026年2月Data for Progress对1,228名选民的调查揭示了这种分裂的政治维度。45岁以上选民多数对AI持负面态度(-10个百分点)，而年轻选民多数持正面态度(+25个百分点)。最常使用AI的一代最喜欢AI，同时也最恐惧AI。几乎不用AI的一代最讨厌AI，却不会因AI而失眠。

Hashed的金瑞俊代表精准地触及了这一现象的底层逻辑：「代际差异不再以年龄划分，而是以某种工具出现之前你活了多久来划分。」他观察到的那些开发特色高中出身的二十岁开发者，竟然羡慕比自己更小的小学生。理由是自己多少经历了上一个时代的语法，而那些孩子将以更空白的状态进入AI时代。二十岁羡慕十岁的场景。荒诞，又令人不寒而栗。这种落差能在投票箱前弥合吗？

2. 政策共识的不可能性：同一个投票箱，不同的现实

1833年，Benjamin Day在纽约开始贩卖一便士报纸时，目的是聚集读者的注意力再转卖给广告主。注意力经济(attention economy)就此诞生。200年后，同样的逻辑武装着算法卷土重来。数据分析系统PRISM将人口碎片化为生活方式集群，构建出彼此不同的消费现实。人们行使着同样的投票权，却生活在算法提供的截然不同的信息体系中。达成共同社会共识变得越来越困难，原因就在这里。

Numerator在2026年4月发布的各世代AI消费者趋势报告展示了这种碎片化的具体面貌。2025年7月，千禧一代中38%担忧AI取代工作岗位，到同年12月这个数字跳升至49%。仅仅5个月，近半数人陷入焦虑。但同一批千禧一代，正比任何其他世代都更积极地将AI用于饮食规划、购物清单、预算管理。享受着技术的便利，同时恐惧那项技术将带来的破坏，，一种分裂的心理。

这种分裂让政策共识变得多么困难，跟着具体数字走一遍就清楚了。2025年12月YouGov调查中，35%的美国成年人表示过去一年每周至少使用一次AI。Z世代51%每周使用，X世代29%，婴儿潮一代25%。从未用过AI的人占全体的30%。这30%和每天都在用AI的人要给同一位候选人投票，要对同一部AI监管法案发表意见。

问题在于，对AI的态度并不仅仅沿世代分裂。Data for Progress的调查中性别差距同样鲜明：男性对AI持+16个百分点的正面态度，女性则为-10个百分点的负面态度。种族维度也在分裂：白人选民-3个百分点偏负面，黑人选民+29个百分点，拉丁裔+10个百分点偏正面。党派方面，共和党人+11个百分点偏正面，民主党人-3个百分点，无党派-5个百分点偏负面。性别、种族、世代、党派全部朝不同方向撕裂的状态下，要在「如何监管AI」这一个问题上达成共识，几乎是不可能的任务。

富裕阶层在私密空间中享用公共服务，而贫困阶层连私人领域都暴露在外，，空间的两极化在加深。物理鸿沟与数字鸿沟叠加，住在同一座城市却体验着完全不同现实的市民越来越多。当AI个性化搜索结果、定制新闻推送、推荐算法将消费和信息获取路径本身都分隔开来时，「共同的事实」这一民主制度的前提条件就在瓦解。

金瑞俊代表30条裂缝清单中的第30项，预告了这个问题的下一阶段：监管预测代理将重塑游说市场。当综合法案、发言、舆论来预测监管变化的AI工具出现时，预测监管与制定监管之间的距离就在缩短。四个AI模型评估的三年内实现概率仅为40%，但概率低本身并不能说明风险的大小。因为一旦实现，它可能从根本上改变民主制度的运作原理。

2024年美国大选中，预测市场Polymarket的表现让人窥见了这种可能性。各大民调高喊势均力敌时，Polymarket将特朗普的胜率维持在65%至67%之间，最终远比民调更接近结果。拜登的连任概率在电视辩论次日暴跌至10%以下。媒体还在谨慎提及「状态问题」时，市场已经宣判了。新闻写的是事件的尸检报告，预测市场读的是事件的心电图。当这种工具开始用于监管预测，信息不对称将被推向更极端的程度。拥有信息的人与没有信息的人，在投票箱里拥有同等分量，，民主制度的这一承诺，在AI时代还能意味着什么？

3. 技术演进速度与制度响应速度的结构性错配（Policy Lag）

2026年3月26日，技术分析机构k4i.com发布的报告开篇第一句话压缩了全部情境：「硅的速度超越了法律的速度，这是根本性的转折。」如果说2024年和2025年是搭建监管框架的时间，那么2026年就是这些框架的截止日期集中到来的一年。EU AI法高风险系统合规截止日为2026年8月2日。企业必须能够证明AI模型为何做出某个判断，但现有数据中心并非为处理这种规模的可观测性(observability)而设计。

Google DeepMind的Demis Hassabis预测，5至10年内AGI到来的概率为50%。然而制度层面的讨论仍停留在数据隐私的层次。监管当局还没来得及下定义，技术已经进入了执行阶段。这就是政策滞后(Policy Lag)的本质。

看美国的情况，这种滞后的结构一目了然。2025年12月特朗普总统签署的行政令，内容是阻止各州与联邦政策框架不兼容的AI立法。但行政令并不具有预先否决州法的法律效力。2026年3月20日，白宫再次发布国家AI政策框架，请求国会建立AI使用监管的统一联邦路径，，在儿童安全、言论自由、知识产权、劳动力影响、国家安全等领域设置护栏。但这不是法律，只是框架；要变成法律，国会必须行动。

与此同时，加利福尼亚独自奔跑。SB 53法案于2026年1月1日生效，强制要求主要AI企业公开安全协议并保护内部举报人。科罗拉多AI法原定2026年6月30日实施，但经过2025年8月的修订，部分条款被推迟。在联邦层面的综合AI监管法尚不存在的情况下，各州各自为政地制定着监管规则。放眼全球，72个以上国家已提出超过1,000项AI相关政策倡议。

Unite.AI在2026年1月的分析中将这一现象比作亨利·福特。福特开发Model T时并未关注高速公路安全和道路规则，，技术创新本来就跑在监管前面。但AI的情况是，这个差距在质上完全不同。汽车在物理空间中移动，出了事故看得见。AI的判断发生在不可见的空间，即便造成了伤害，也难以确定原因。董事会在技术理解不足的状态下反复面对着必须管控风险的局面。

k4i.com报告指出的核心是：从「人在回路中(Human-in-the-loop)」的世界，到「人在回路上方(Human-on-the-loop)」的世界，再到许多高速基础设施场景中「人在报告末尾(Human-at-the-end-of-the-report)」的世界。当决策速度超越了人类监督能力的那一刻，监管这个概念本身就需要被重新定义。

EU意识到了这个问题，2025年11月发布了数字综合提案(Digital Omnibus Proposal)，试图简化AI法并推迟高风险系统的适用日期。制定了监管，结果监管太复杂，于是又要监管那个监管。法律追着技术跑，跑着跑着被自己的脚绊倒了。

EU AI法将军事领域的AI完全排除在法律适用范围之外，这个事实也是这种结构性错配的一个截面。民用AI被仔细审查，军事AI却被豁免。韩国的《人工智能基本法》也好，美国和中国也好，都没有针对军事AI的通用法律。最危险的领域恰恰是监管最松的领域，这是一个悖论。

在这种形势下，真正在起作用的不是法律，而是市场压力。借用k4i.com的表述：合规正在从成本中心转变为分发优势(distribution advantage)。预先集成了透明度工具、水印、审计日志的「监管就绪(Reg-Ready)」基础设施供应商正在企业市场中胜出。市场在做法律做不到的事。这是否可取，还是民主控制的失败？答案尚无定论。

4. AI治理的国际协调难题：国家利益的碰撞

2026年初，围绕同一项技术，三条截然不同的监管路径同时在奔跑。图尔库大学的孙晓彤(Xiaotong Sun)研究员在2026年4月的分析中指出：EU输出结构，美国推动创新，中国强化控制。同一项技术，同样的风险，根本不同的解法。

EU的策略基于「布鲁塞尔效应」，，将自身监管标准输出为全球标准。跨国企业要进入EU市场就必须遵守EU的规则，而这些规则自然向其他地区扩散。巴西、加拿大、韩国正在开发受EU AI法启发的框架，就是明证。

美国2026年3月的框架指向相反方向，明确反对设立新的联邦AI监管机构。正如斯坦福AI指数报告(2025年)所指出的，综合性联邦AI法律的持续缺位，可以被解读为保留产业自主性的刻意选择。美国将EU的过度监管和中国的国家主导模式都视为对本国技术领导地位的挑战。

中国截至2026年初已在AI领域制定了50多项标准，并在工信部下设立了AI标准化技术委员会。要求AI系统遵守社会主义核心价值观的框架于2026年全面实施。通过「数字丝绸之路」框架扩大与发展中国家的技术合作，同时积极参与联合国层面的倡议。

大西洋理事会(Atlantic Council)在2026年1月分析AI塑造地缘政治的八种方式时做了这样的概括：在美国、EU、中国三大数字强国之间，争夺AI基础设施控制权的动向正在演变为「AI堆栈之战」。算力、云存储、芯片、监管是这场战斗的核心资源，各大国对这些资源正采取越来越排他的策略。

2026年，联合国支持的AI治理全球对话机制和独立国际科学专家组宣告成立。几乎所有国家第一次拥有了讨论AI风险、规范和协调机制的论坛。但有论坛和有共识是两回事。

这种国际协调为何困难，金瑞俊代表的分析清晰地揭示了结构。韩国GDP约1.8万亿美元，中国是其10倍，美国是15到20倍。「就像我们不太在意比自己小十分之一的国家一样，中国也没有理由在意我们。」除了半导体这个特殊领域。金代表的诊断冷酷：WTO时代不需要在乎体量，但WTO已经结束了，不会再回来。国际规则终究来自实力，必须达到能对对手造成冲击的规模，外交和贸易才有可能。

他的提议颇具冲击力：韩日经济一体化。两国合并后GDP约6万亿美元，大约是中国的三分之一。「至少要到这个量级，对方才会把你放在眼里。」以EU 27国制定一条规则耗时过长的低效为前车之鉴，韩日先抓住规则核心(ruling core)，就能形成高效的区域集团。更进一步，这个6万亿美元的集团一旦形成，东南亚国家自然会希望加入这一经济圈，一种类似EU的亚洲联盟(Asia Union)形态就有了可能。

这个提议是否现实，需要另行讨论。但它抛出的问题是明确的：在AI治理的国际协调中，是甘当「规则接受者(rule taker)」，还是要成为「规则制定者(rule maker)」？而要成为rule maker，需要多大规模的经济集团？

中美霸权竞争将持续数十年，这场竞争规定着AI治理的框架。美国创新优先，中国控制优先，EU规范优先。在这三种路径之间，其余国家被迫做出选择。Mo Gawdat警告过的囚徒困境正在国家层面重现：如果所有国家合作管控AI开发，世界会更安全；但只要有任何一个国家偷偷放松监管，那个国家就获得竞争优势。正是这种恐惧，让任何国家都不敢率先加强监管，，恶性循环。

2023年11月，28个国家参与了布莱切利宣言(Bletchley Declaration)。最低限度的共同认知似乎正在形成。但宣言与执行之间的鸿沟很宽。2025年巴黎AI行动峰会上，EU表达了不愿在全球AI竞赛中当旁观者的意志，但峰会产出的共识文件没有法律约束力。

人们期待AI能为解决气候变化、疾病救助等人类共同课题提供激进的丰裕(Radical Abundance)。然而现实是，国家间缺乏信任，始终跳不出零和博弈的框架。数字主权这个概念本身，就连接着如同罗马帝国「统治权(Imperium)」一般、在地理疆域内行使绝对控制权的国家本能。

归根结底，AI治理的国际协调不是技术问题，而是政治问题。既然是政治问题，答案也必须从政治中来。问题在于，政治的速度追不上技术的速度。这是我们这个时代最危险的结构性错配。在一部法案通过需要两年的世界里，AI模型的性能每六个月翻一倍。这个差距能被缩小吗，还是会永远扩大？下结论为时尚早，但有一点确凿无疑：在差距扩大的过程中承受代价的，永远是最薄弱的环节、最小的国家、最年轻的一代。