（3）集体自治早先源于更高权威的授予，此后，又有被建构为源于个人自治的。

这从根本上否定了启蒙思想理念的法律多元主义，法律不是对理念形式的完美模仿，而是来自群众的经验。这尤其表现在以下三方面：其一，将党规党法纳入国家法治体系，从法理上解决了党的领导和依法治国的关系，党的领导不仅具有宪法上的依据，更具有党章所统帅的党规党法上的依据。

经过短短30年的努力，中国立法工作走过了西方差不多几百年的立法道路，为中国法治建设奠定了法律基础。春秋时期法家的代表人物管仲强调法律政令者，吏民之规矩绳墨也（《管子?七臣七主》），实际上是强调法律政令之间的并列关系。因此，人治和法治从来不是矛盾的。后者则仅限于国家制定和认可的法，是由国家制定、认可并由国家保证实施的规范体系。改革开放以来的法制建设传统，也是在大陆法系的框架下开展的，特别是民法和刑法等部门法，一直倾向于采用欧洲的法律教义学。

然而，新中国成立以后，在中国共产党的领导下，中国的法治发展模式已经走向了政党主导的新法治，我们正在立足中国大地，建设一种政党主导的新型法治模式。另一方面，伴随着中国特色社会主义市场经济的建设，在市场经济就是法制经济的引导下，中国开始大规模学习和借鉴西方市场经济的法律体系和法律制度，特别是在中国加入WTO的背景下，中国的法律体系和法律秩序必须与西方发达国家的法律体系和法律制度进行接轨，帮助中国市场经济融入全球市场经济体系。生成式人工智能需要法律应对的主要原因，在于其深层次地推动了数字社会生产的进一步变革。

基础设施如交通、水利设施等具有较强的赋能性，被认为是社会先行资本，作为经济起飞的重要前提条件而应当优先发展。在《上海市人工智能产业发展十四五规划》中明确指出现在人工智能发展面临的瓶颈是规模化应用深度不足，而大模型将会是未来突破发展瓶颈的关键技术。《北京市十四五时期高精尖产业发展规划》也将国家级人工智能前沿研究中心、超大规模人工智能模型训练平台作为了发展重点。如基础模型的训练需要海量数据，训练数据中涉及的个人信息的处理和使用存在违反我国《个人信息保护法》中的最小必要原则要求的风险。

生成式人工智能还属于新兴技术，而在服务应用层面的信息安全技术还是为了用户生成内容（UGC）时代研发，无论从识别标准、识别速度、识别力量上尚不能完全应对生成式人工智能的发展。合成数据作为真实数据的替代品，是利用算法人为生成出符合真实世界情况的数据，可以在数学或统计学上反映真实数据的属性。

合成数据目前已应用在人工智能模型训练开发和仿真验证中，可以为数字孪生、智慧医疗等模型训练提供资源，并在金融、医疗、零售、工业诸多产业领域中落地实施。第二，建立敏捷治理的监管工具箱，试行推动监管沙盒，细化合规免责制度，给新兴技术发展留下试错空间。进入专题： 生成式人工智能 人工智能 数字基础设施 ChatGPT 。选择之一是监管沙盒制度，选择之二是在技术成熟之前，细化生成式人工智能服务提供者的合规免责制度。

[9] 张凌寒：《搜索引擎自动补足算法的损害及规制》，载《华东政法大学学报》2019年第6期，第41页。分层规制的原因之二，在于减轻技术端即基础模型层和专业模型层的注意义务，促进产业发展。提供金融服务的专业模型训练应遵守金融系统监管的法律法规等。（二）以发展为导向的基础模型层制度设计及其公共性考量分层规制理念下，应将生成式人工智能的基础模型层作为新型数字基础设施。

[22]将生成式人工智能的基础模型作为新型数字基础设施，应匹配与基础设施发展相适应的法律制度，其中包括构建数据要素流动制度与建立公共训练数据池，从法律制度层面保障合理训练获取训练数据资源，以及合理投入并调配算力资源等。（三）基础模型的数字基础设施法律定位及其具备的公共性基础模型由于其通用性和赋能性，成为人工智能时代数字社会生产的新型数字基础设施，也同时具备了数字基础设施的公共性特征。

 【注释】[1] 参见郭春镇：《生成式 AI 的融贯性法律治理——以生成式预训练模型(GPT)为例》，载《现代法学》2023年第3期，第89页。[19]生成式人工智能的基础模型层一方面充分符合本身作为载体的公共性，另一方面对接入基础模型的下游生产者具有准管理的公共性权力。

分层规制的原因之一，在于只有在生成式人工智能的服务应用层有划分服务提供者—内容生产者的意义，在基础模型和专业模型层则与内容生产者规制目的关系不强。[13] 参见张欣：《生成式人工智能的算法治理挑战与治理型监管》，载《现代法学》2023年第3期，第116页。术业有专攻的优化训练不仅应遵循生成式人工智能训练数据的相关要求，还应遵循行业规范的具体要求。 【摘要】生成式人工智能改变了数字社会的生产架构，向既有的技术治理体系提出挑战。[12]讨论生成式人工智能的法律角色及法律治理，需要究其本质，探讨其在数字社会生产中对生产方式的影响。即使不进行主体和业务的切分，企业和工作人员也可按照风险发生等级承担相应责任。

这是否落入《网络安全法》第24条有关网络实名制的范围内呢？智能问答难以精确归属于为用户提供信息发布、即时通讯等服务，因此生成式人工智能是否应贯彻网络实名制的要求存在争议。大模型的训练需要强大的数据预处理能力，在模型训练之前，通常依赖专业数据团队对数据集进行去重、清洗、分词、词的正则化或标准化等一系列预处理。

在现阶段接入基础模型的服务享有强大竞争优势（如ChatGPT接入必应搜索引擎），未来当生成式人工智能服务成为社会生产普遍服务后，可能将出现模型开放中立原则，即凡是愿意接受基础模型服务协议、在诚实信用原则下使用模型服务的主体，均不应排除在模型服务之外，除非有拒绝支付合理对价（政府可能介入指导价格）、影响基础模型安全运行（如对模型投毒）、危害国家安全等正当理由。人工智能技术实现了从决策式人工智能到生成式人工智能的跃迁。

海量的模型参数量、前所未有的数据处理量、更大的训练计算量，推动实现了人工智能模型通用性的跨越式提升。究其本质，生成式人工智能的基础模型融合了数据、算法、算力三要素，具有极强的通用性与赋能性，是人工智能时代的新型基础设施。

内容的产生是一个动态迭代和优化的过程，可以通过收集反馈和评估效果不断调整和改进。生成式人工智能的基础模型应作为经济数字智能化转型的重要依托，由国家适度超前部署、扩大产业投资、激发民间活力。技术支持者进入规制范围则源自《深度合成管理规定》，主要是指为服务提供者提供技术支持，如提供具有编辑生物识别等特定信息功能的模型、模板等工具的技术者。同时提供网络信息内容与机器所需合成数据具有强大赋能性，是人工智能时代的新型数字基础设施。

其知识产权侵权、生成虚假信息问题受到广泛关注，同时，它在训练过程中需要被投喂海量数据的来源问题、它所生产的内容中潜在的歧视问题，给数据安全、算法安全、网络谣言、数据主权、国家安全等方面带来潜在风险。最初云服务被认为是一种类似于煤水电一样的互联网基础设施服务，涉及一定程度的公共利益而非简单的私人服务，因此，只有有关国家机关的授权才能够对用户存储在其服务器上的内容进行核查。

Adobe全新创意生成式人工智能Firefly亮相。生成式人工智能的基础模型因可接入千行百业而具有通用性，因同时提供信息内容与机器所需合成数据而具有强大赋能性，是人工智能时代的新型数字基础设施。

在服务应用层实施敏捷治理，建立合理容错制度。[15] 参见张凌寒：《深度合成治理的逻辑更新与体系迭代——ChatGPT 等生成型人工智能治理的中国路径》，载《法律科学》2023年第3期，第45页。

强大的底层通用能力是生成式人工智能基础模型给人工智能产业带来的跃迁式革新，底层大模型加上深度学习平台，推动了人工智能全产业链的加速升级。技术支持者—服务提供者—内容生产者的法律主体界分已经随着技术的发展被逐渐消解。仰赖基础模型提供人工智能服务的企业，与过去购买机器设备等物理实体的企业相比，对上游技术的依赖性更强。[1]生成式人工智能的发展超出各国监管预期，因此尚未与各国法律中对个人信息处理者、数据处理者与算法服务提供者的相关义务协调衔接。

另一方面，生成式人工智能改变了网络信息传播方式，训练数据与参数指数级增长。在为用户解决问题（如协助创作、回答、完成任务）的过程中将定制化的产品或者服务分发给用户。

在企业建立并运行了现有法律规范中相关的信息内容安全制度，并可举证已经采取了现有技术能力范围内的措施后，可以合规免责，给新兴技术发展留下试错空间。此外，为了解决监管部门与技术企业信息不对称的问题，我国的监管工具箱包括算法备案、算法检查、算法解释说明等。

与此同时，训练行为也与个人信息处理行为、算法推荐服务提供、数据处理行为等现有法律体系中的相关概念有所不同。专业模型层对基础模型进行优化与微调，可能叠加基础模型层数据造成输出结果违反法律规定或侵害民事权利等。