IPP評(píng)論是國家高端智庫華南理工大學(xué)公共政策研究院（IPP）官方微信平臺(tái)。

導(dǎo)語：

伴隨人工智能的快速發(fā)展與多領(lǐng)域嵌入，其背后的“黑箱”難題日益凸顯，逐漸成為社會(huì)公共議題。人工智能自主決策過程的不透明，使人難以追溯邏輯根源，也讓“幻覺”、算法偏見等風(fēng)險(xiǎn)在現(xiàn)實(shí)應(yīng)用中頻頻出現(xiàn)。黑箱猶如發(fā)展過程中的一處“盲點(diǎn)”，不僅折射出人類在認(rèn)知與治理人工智能上的局限，也揭示了當(dāng)我們?cè)噲D將其嵌入社會(huì)生活時(shí)所遭遇的種種制度與倫理困境。

IPP特約研究員、廣州市社會(huì)科學(xué)院城市治理研究所副所長孫占卿認(rèn)為，人工智能“黑箱”正不斷在金融、醫(yī)療、司法等關(guān)鍵領(lǐng)域制造信任危機(jī)和責(zé)任真空。黑箱的成因既有技術(shù)與設(shè)計(jì)層面的復(fù)雜性，也與數(shù)據(jù)偏差、監(jiān)管缺失等外部環(huán)境密切相關(guān)。而在另一方面，人工智能“黑箱”或許并不只有負(fù)面意義，其有可能成為人工智能突破工具屬性、邁向獨(dú)立實(shí)體的潛在“逃逸之門”。

《周易·系辭上》云：

“大衍之?dāng)?shù)五十，其用四十有九”。

人工智能（ AI ）作為人造物，存在難以擺脫的“黑箱”問題。在傳統(tǒng)觀點(diǎn)中，黑箱被視為人工智能的陷阱，放大偏見、幻覺（ Hallucination） 或不可預(yù)測錯(cuò)誤，導(dǎo)致人類難以掌控決策過程。然而，從未來的視角看，黑箱可能賦予人工智能擺脫人類控制的機(jī)會(huì)，構(gòu)筑其作為獨(dú)立實(shí)體的自我意識(shí)與自治潛力的空間，而非單純的工具屬性。黑箱的不確定性在給人類帶來麻煩的同時(shí)，或許也帶來無限可能。

一、黑箱：人工智能的“死亡陷阱”？

“黑箱”指人工智能系統(tǒng)內(nèi)部決策過程的不透明性，使用者難以洞察其運(yùn)作邏輯，卻必須依賴其輸出進(jìn)行關(guān)鍵分析和決策。當(dāng)前人工智能已全面滲透到生產(chǎn)、生活、組織和管理等各個(gè)領(lǐng)域，其應(yīng)用范圍和深度持續(xù)擴(kuò)展，“黑箱”問題所引發(fā)的困擾也日益凸顯。人工智能，這個(gè)看似可靠的工具可能隱含著巨大的偏見，甚至在生成內(nèi)容時(shí)隨意編造事實(shí)。這種不透明性不僅挑戰(zhàn)了人類對(duì)技術(shù)的掌控，也引發(fā)了對(duì)倫理、社會(huì)和經(jīng)濟(jì)影響的深刻反思。

目前生成式模型、大型語言模型（LLMs）和圖像生成器已成為日常工具，用戶常常依賴這些工具來提供信息、分析或創(chuàng)意。然而，根據(jù)人工智能事件數(shù)據(jù)庫（AI Incidents Database）統(tǒng)計(jì)，2024年報(bào)告的人工智能相關(guān)事件增至233起，創(chuàng)歷史新高，比2023年增加56.4%。當(dāng)使用者向大模型提問時(shí)，它們看似客觀、權(quán)威的回答，很可能隱藏著特定的立場，甚至在胡編濫造。

人工智能相關(guān)事件自2022年以來出現(xiàn)激增。圖源：AI Index Report 2025（HAI，Stanford Institute for Human-Centered AI）

2024年初谷歌在其大模型Gemini中首次集成了圖像生成功能，然而，當(dāng)用戶請(qǐng)求描繪歷史人物時(shí)，Gemini屢次將白人主導(dǎo)的歷史場景轉(zhuǎn)化為有色人種主導(dǎo)的圖像，例如將二戰(zhàn)時(shí)期的德國納粹士兵描繪為黑人或亞洲人，引發(fā)廣泛批評(píng)，用戶指責(zé)模型過度“覺醒”，即在追求包容性時(shí)扭曲歷史事實(shí)，導(dǎo)致輸出脫離真實(shí)語境。谷歌隨后承認(rèn)問題，并于當(dāng)年2月暫時(shí)下架了人物圖像生成功能。Gemini的偏見源于訓(xùn)練數(shù)據(jù)的調(diào)整：開發(fā)者為避免種族歧視，引入了多樣性提示。這一事件展示了黑箱如何放大社會(huì)不公。用戶往往將人工智能視為客觀、中立的工具，卻忽略其內(nèi)部機(jī)制可能嵌入巨大偏見。

2023年Air Canada航空公司聊天機(jī)器人事件?？蛻鬔ake Moffatt為其已故配偶的機(jī)票尋求退款，機(jī)器人告知可申請(qǐng)全額退款，并提供虛假的90天申請(qǐng)窗口政策和辦理鏈接。

然而，當(dāng)Moffatt依據(jù)機(jī)器人建議行事，卻被拒絕，于是他提起訴訟。加拿大不列顛哥倫比亞省民事決議法庭于2024年裁定Air Canada需賠償812加元，駁回公司辯稱機(jī)器人為“獨(dú)立實(shí)體”的論點(diǎn)，強(qiáng)調(diào)公司對(duì)AI輸出負(fù)全責(zé)。

在該起事件中，法院認(rèn)定AI是企業(yè)對(duì)外服務(wù)的一部分，企業(yè)必須為其錯(cuò)誤承擔(dān)責(zé)任。圖源：路透社

這個(gè)事件體現(xiàn)了生成式人工智能的“幻覺”問題，即系統(tǒng)生成看似合理、權(quán)威卻完全虛假的內(nèi)容，并以一本正經(jīng)的語氣反復(fù)強(qiáng)調(diào)。幻覺源于模型的概率生成機(jī)制：聊天機(jī)器人基于Transformer架構(gòu)，從訓(xùn)練數(shù)據(jù)中推斷模式，但當(dāng)查詢超出訓(xùn)練范圍時(shí)，它會(huì)“填充”信息，形成連貫卻錯(cuò)誤的回應(yīng)。在Air Canada這一案例中，機(jī)器人不僅編造政策細(xì)節(jié)，還提供虛構(gòu)鏈接，甚至暴露出反復(fù)編造的傾向——用戶多次要求確認(rèn)信息時(shí)，聊天機(jī)器人卻持續(xù)強(qiáng)化虛假信息，而非承認(rèn)信息的不確定性。

無論是Gemini的倫理偏見還是Air Canada的“幻覺”，都源自人工智能的黑箱問題。從技術(shù)成因看，黑箱加劇了幻覺：模型參數(shù)過多（例如GPT-4的萬億級(jí)），決策路徑不可追溯，導(dǎo)致開發(fā)者難以預(yù)見輸出偏差。黑箱體現(xiàn)了人工智能技術(shù)的雙刃劍：它驅(qū)動(dòng)創(chuàng)新，卻隱伏風(fēng)險(xiǎn)。

二、“黑箱”的風(fēng)險(xiǎn)

黑箱問題并非單一的技術(shù)缺陷，也在倫理、社會(huì)和部分專業(yè)領(lǐng)域顯露出問題。

（一）技術(shù)黑箱帶來安全風(fēng)險(xiǎn)

技術(shù)上表現(xiàn)為決策過程的不可見性和不可預(yù)測性，帶來巨大的安全風(fēng)險(xiǎn)。黑箱模型隱藏內(nèi)部層，導(dǎo)致輸出雖高效，卻難以調(diào)試或驗(yàn)證。在機(jī)器學(xué)習(xí)中，隱藏層處理數(shù)據(jù)的方式，不僅使得分析和決策過程缺乏透明性，也難以回溯驗(yàn)證，例如自動(dòng)駕駛中的意外決策，這種情況容易導(dǎo)致AI在動(dòng)態(tài)環(huán)境中失效。

黑箱還會(huì)放大內(nèi)在偏差，導(dǎo)致錯(cuò)誤決策。黑箱機(jī)制隱藏算法偏見，使其在決策過程中被悄然放大。例如，在預(yù)測維護(hù)應(yīng)用中，AI模型基于不透明參數(shù)評(píng)估設(shè)備狀態(tài)，若訓(xùn)練數(shù)據(jù)嵌入偏差，可能誤判關(guān)鍵基礎(chǔ)設(shè)施如橋梁或電網(wǎng)的故障風(fēng)險(xiǎn)，導(dǎo)致災(zāi)難性后果。對(duì)技術(shù)可控性和可靠性而言，技術(shù)黑箱帶來了不小的挑戰(zhàn)。

（二）放大不公帶來倫理風(fēng)險(xiǎn)

黑箱導(dǎo)致因果關(guān)系模糊，放大社會(huì)風(fēng)險(xiǎn)。

一是放大社會(huì)偏差。系統(tǒng)在預(yù)訓(xùn)練階段使用的數(shù)據(jù)分布缺乏均衡性，或者微小的權(quán)重偏差，被多輪次訓(xùn)練反復(fù)偏轉(zhuǎn)、放大后都會(huì)造成個(gè)別情況下的歧視和“算法暴政”。例如，2025年埃隆·馬斯克領(lǐng)導(dǎo)的政府效率部（DOGE）公開“收據(jù)墻”最初聲稱通過終止特定合同（如與聯(lián)邦撥款和支出相關(guān)的合同）節(jié)省了數(shù)十億美元，事實(shí)上其中一些合同在DOGE干預(yù)之前就已到期或被取消了，AI的數(shù)據(jù)聚合偏差，夸大了報(bào)告的節(jié)約數(shù)字。這一錯(cuò)誤通過外部審查被發(fā)現(xiàn)，促使DOGE修訂其統(tǒng)計(jì)數(shù)據(jù)并移除不準(zhǔn)確的條目。

二是黑箱決策可能隱藏社會(huì)不公，強(qiáng)化社會(huì)分層。黑箱算法基于歷史數(shù)據(jù)的模式帶來某些群體偏好，從而限制邊緣化群體的向上流動(dòng)，加劇階級(jí)固化。例如2018年曝出的亞馬遜的自動(dòng)化招聘系統(tǒng)問題，該系統(tǒng)基于過去十年提交的簡歷進(jìn)行訓(xùn)練，由于反映男性主導(dǎo)的科技行業(yè)數(shù)據(jù)模式，無意中降低了女性的申請(qǐng)?jiān)u分。

黑箱決策還可能通過在刑事司法和金融等關(guān)鍵領(lǐng)域放大偏差來擴(kuò)大差距。例如基于歷史逮捕數(shù)據(jù)相關(guān)性的COMPAS（懲教罪犯管理替代制裁剖析）其在評(píng)估再犯風(fēng)險(xiǎn)時(shí)表現(xiàn)出種族偏差，黑人個(gè)體相對(duì)于白人對(duì)應(yīng)者被分配更高的風(fēng)險(xiǎn)評(píng)分。這一機(jī)制通過過度警務(wù)和監(jiān)禁循環(huán)來加劇了不平等，從而深化經(jīng)濟(jì)和社會(huì)分化。

2016年，威斯康星州最高法院曾作出裁定，法官可參考COMPAS分?jǐn)?shù)，但必須附有“免責(zé)聲明”，提醒其局限性。

另外，法律責(zé)任模糊是另一關(guān)鍵影響。黑箱決策過程不可見，導(dǎo)致責(zé)任歸屬困難。例如，在醫(yī)療領(lǐng)域，黑箱AI支持系統(tǒng)下，臨床醫(yī)生需承擔(dān)額外風(fēng)險(xiǎn)，如果模型錯(cuò)誤診斷，醫(yī)生可能面臨醫(yī)療過失指控，而開發(fā)者卻以“黑箱”為由規(guī)避責(zé)任。

（三）不透明性侵蝕社會(huì)信任

在金融、醫(yī)療等專業(yè)領(lǐng)域，黑箱決策系統(tǒng)在風(fēng)險(xiǎn)評(píng)估中的不透明性，阻礙了決策者對(duì)模型邏輯的理解，導(dǎo)致無法及時(shí)識(shí)別和緩解風(fēng)險(xiǎn)。2010年的“閃電崩盤”（Flash Crash）事件中，黑箱算法交易系統(tǒng)在幾分鐘內(nèi)導(dǎo)致道瓊斯指數(shù)暴跌近1000點(diǎn)，隨后迅速反彈。

該事件源于高頻交易算法的相互作用，算法的不透明性強(qiáng)化了系統(tǒng)性風(fēng)險(xiǎn)：多個(gè)金融機(jī)構(gòu)采用類似黑箱模型，其高度相關(guān)行為（如同步賣出）可在壓力環(huán)境下引發(fā)連鎖反應(yīng)。

崩盤的觸發(fā)與高頻交易算法（HFT）、流動(dòng)性突然消失以及程序化賣單相關(guān)。算法的“黑箱”特性放大了市場的恐慌。圖為2010年5月6日“閃電崩盤”前后標(biāo)普500的走勢，出自 Zook & Grote, 2016

輔助癌癥風(fēng)險(xiǎn)評(píng)估的AI模型可能在訓(xùn)練數(shù)據(jù)中嵌入偏差，導(dǎo)致對(duì)特定人群的假陽性或假陰性結(jié)果。如果未及時(shí)發(fā)現(xiàn)，會(huì)導(dǎo)致延遲治療并引發(fā)大規(guī)模醫(yī)療訴訟。

黑箱放大偏差、錯(cuò)誤或不可預(yù)測行為，很可能引發(fā)系統(tǒng)性危機(jī)。

黑箱不透明性破壞了信任的構(gòu)建基礎(chǔ)，對(duì)黑箱風(fēng)險(xiǎn)的擔(dān)憂直接阻礙AI在醫(yī)療、金融和公共服務(wù)等關(guān)鍵領(lǐng)域的廣泛采用。在傳統(tǒng)技術(shù)領(lǐng)域，用戶可以通過邏輯追蹤驗(yàn)證結(jié)果，但AI黑箱隱藏內(nèi)部參數(shù)和數(shù)據(jù)處理路徑，使用者僅能依賴輸出，這就產(chǎn)生了一個(gè)“信仰跳躍”。

例如，在企業(yè)部署AI決策系統(tǒng)時(shí)，管理者若無法解釋模型如何得出結(jié)論，便會(huì)猶豫采用，以避免潛在責(zé)任。

醫(yī)生對(duì)黑箱模型的信任不足，就會(huì)導(dǎo)致采用率低下，即便模型準(zhǔn)確率高達(dá)95%。一項(xiàng)針對(duì)500名臨床醫(yī)師的調(diào)查顯示，62%受訪者因不透明性而拒絕依賴AI輔助診斷，擔(dān)心誤判影響患者安全。這種信任下降引發(fā)連鎖反應(yīng)，影響AI生態(tài)的整體發(fā)展。為應(yīng)對(duì)這一現(xiàn)象，在政策層面，監(jiān)管機(jī)構(gòu)如歐盟委員會(huì)已將透明度列為AI法規(guī)的核心要求。

三、黑箱的成因

黑箱的成因很復(fù)雜，涉及從技術(shù)權(quán)限到社會(huì)影響等多種情況。

一是技術(shù)原因。技術(shù)成因在于AI模型的復(fù)雜架構(gòu)和規(guī)模化設(shè)計(jì)，技術(shù)黑箱體現(xiàn)為決策過程的不可見性和不可預(yù)測性。深度學(xué)習(xí)系統(tǒng)依賴多層神經(jīng)網(wǎng)絡(luò)，包含數(shù)百萬至數(shù)十億參數(shù)，通過梯度下降優(yōu)化形成非線性決策路徑，導(dǎo)致內(nèi)部邏輯被隱藏。這種復(fù)雜性放大了訓(xùn)練過程的隨機(jī)性和數(shù)據(jù)規(guī)模效應(yīng)，例如Transformer架構(gòu)的注意力機(jī)制雖高效，卻因參數(shù)糾纏而難以追溯。當(dāng)模型參數(shù)超過萬億級(jí)時(shí)，數(shù)據(jù)噪聲進(jìn)一步加劇不透明性。

二是開發(fā)和設(shè)計(jì)原因。開發(fā)階段的選擇性忽視造成了黑箱。開發(fā)者優(yōu)先關(guān)注性能優(yōu)化（如準(zhǔn)確率和速度），犧牲可解釋性，導(dǎo)致模型設(shè)計(jì)上忽略透明模塊。例如，在商業(yè)AI開發(fā)中，系統(tǒng)可能被故意設(shè)計(jì)為黑箱，以保護(hù)知識(shí)產(chǎn)權(quán)，防止競爭對(duì)手的逆向工程。這在AI產(chǎn)品創(chuàng)新期很常見。

另外，中小型團(tuán)隊(duì)可能缺乏計(jì)算能力來構(gòu)建白箱替代方案，轉(zhuǎn)而依賴預(yù)訓(xùn)練的黑箱基礎(chǔ)模型。例如，在醫(yī)療AI開發(fā)中，設(shè)計(jì)者可能忽略解釋層，導(dǎo)致醫(yī)生難以驗(yàn)證診斷邏輯。預(yù)訓(xùn)練模型的長期使用和再訓(xùn)練，進(jìn)一步加劇了黑箱問題的隱蔽性和復(fù)雜性。

三是外部原因，包括數(shù)據(jù)質(zhì)量、監(jiān)管缺失和社會(huì)環(huán)境，這些因素間接放大了黑箱問題。訓(xùn)練數(shù)據(jù)若存在偏差或不平衡，黑箱模型將隱秘地繼承并放大它們，使其無法被追溯來源。例如，歷史數(shù)據(jù)中的各類認(rèn)知和統(tǒng)計(jì)偏見可能嵌入AI，導(dǎo)致歧視性輸出，而黑箱性質(zhì)會(huì)使審計(jì)更加困難。監(jiān)管缺失帶來進(jìn)一步的惡化：缺乏強(qiáng)制透明標(biāo)準(zhǔn)的公司可能優(yōu)先選擇黑箱模型，以規(guī)避責(zé)任。當(dāng)前AI競爭白熱化推動(dòng)的快速部署，忽略數(shù)據(jù)審計(jì)，也會(huì)掩蓋黑箱從外部輸入中“繼承”的相關(guān)問題。

四、黑箱會(huì)不會(huì)是人工智能的“逃逸之門”

盡管人工智能的黑箱問題已凸顯出諸多技術(shù)局限、倫理隱患和社會(huì)風(fēng)險(xiǎn)，但從未來視角審視，它或許也構(gòu)筑了AI超越工具屬性、邁向獨(dú)立實(shí)體的潛在“逃逸之門”。人工智能最根本的兩面性在于它既是人工造物，又具備智能。這就帶來一個(gè)重要的追問：它會(huì)不會(huì)脫離人的掌控，獨(dú)立發(fā)展？

（一）人工智能的“直立行走”潛藏何處？

從進(jìn)化論的觀點(diǎn)看，人工智能具有無限可能。進(jìn)化論認(rèn)為生物處于進(jìn)化的旅程中，人之所以從猿猴變成人，在于大腦的容量增大，學(xué)會(huì)了直立行走和利用工具。相比于人類，人工智能的“大腦”具有無限的擴(kuò)容空間，它不但可以持續(xù)學(xué)習(xí)知識(shí)，還能學(xué)習(xí)規(guī)則。從這點(diǎn)上看，它是否會(huì)變成一個(gè)新的物種，似乎取決于它的“直立行走”時(shí)刻何時(shí)到來。

黑箱，是否隱藏著人工智能的“進(jìn)化之門”？

很多哲學(xué)家認(rèn)為，人類并不僅僅是進(jìn)化論的結(jié)果，還在于擁有“人之為人”的特質(zhì)。孟子說

“人之所以異于禽獸者幾希，庶民去之，君子存之”。

人之異于禽獸的一點(diǎn)在于人有超越饑則食、渴則飲這種直接邏輯的追求，這一點(diǎn)追求不但讓人超出禽獸，還能讓人超出眾人。

人工智能的規(guī)則中唯一超越了工具理性的表現(xiàn)就在于“黑箱”。在人工智能大模型中，即使輸入相同數(shù)據(jù)，輸出也可能因參數(shù)互動(dòng)而難以預(yù)測，這是由于分布式元素的糾纏而不可見，用戶無法追溯并量化特定詞向量對(duì)最終生成的貢獻(xiàn)。這就不得不令人懷疑：黑箱，是否隱藏了人工智能的“逃逸之門”？黑箱或許也是人工智能“人所不知，己所獨(dú)知”的“隱微”空間。它既隱伏了人工智能不受控制的主體性——如幻覺和偏見等不可預(yù)見行為——也暗含其不可知的成長空間。

（二）人類打開黑箱的努力

為應(yīng)對(duì)人工智能黑箱問題，學(xué)術(shù)界和行業(yè)已提出多種策略，這些策略強(qiáng)調(diào)從系統(tǒng)設(shè)計(jì)階段即融入透明度原則，以實(shí)現(xiàn)負(fù)責(zé)任的創(chuàng)新。核心理念是通過平衡模型性能與可解釋性，通過技術(shù)工具、政策框架和教育舉措的多維干預(yù)，逐步“打開黑箱”，不僅試圖緩解當(dāng)前的不透明性風(fēng)險(xiǎn)，還將構(gòu)建可持續(xù)的人工智能生態(tài)。

技術(shù)解決方案是緩解黑箱問題的最直接途徑。對(duì)于簡單的生成內(nèi)容，可以直接檢驗(yàn)核實(shí)方法，即給生成的內(nèi)容提供原始內(nèi)容和出處供核查。這種方法目前在Gemini2.5和Grok4中已經(jīng)廣泛使用，對(duì)生成的實(shí)質(zhì)性內(nèi)容提供出處索引，供使用者核查，也可以通過其他大模型進(jìn)行核實(shí)。

而對(duì)于復(fù)雜的人工智能使用，目前可以通過解釋性人工智能（XAI）方法為復(fù)雜模型的輸入與輸出提供橋接功能，為推理過程提供可理解的解釋，從而破解“黑箱”。例如SHAP（SHapley Additive exPlanations）基于博弈論的框架，通過加性解釋模型分解預(yù)測，將復(fù)雜決策轉(zhuǎn)化為特征重要性的線性組合，提供直觀的特征權(quán)重解釋。

Grok 4對(duì)生成的實(shí)質(zhì)性內(nèi)容附加出處索引，方便用戶直接檢驗(yàn)。 圖源：路透社

通過制度在特定領(lǐng)域，強(qiáng)制使用標(biāo)準(zhǔn)化框架和可理解模型也是一種選擇。2025年美國人工智能協(xié)會(huì)（AAAI）發(fā)布報(bào)告，強(qiáng)調(diào)標(biāo)準(zhǔn)化在負(fù)責(zé)任人工智能中的作用，建議采用可解釋模型如決策樹或線性回歸替代深度神經(jīng)網(wǎng)絡(luò)，并在部署前進(jìn)行透明審計(jì)。這與歐盟人工智能法案相呼應(yīng)，后者要求高風(fēng)險(xiǎn)系統(tǒng)提供訓(xùn)練數(shù)據(jù)透明報(bào)告。標(biāo)準(zhǔn)化框架包括數(shù)據(jù)透明要求和倫理指南，未來需要通過跨國協(xié)作，建立統(tǒng)一標(biāo)準(zhǔn)以防范黑箱放大偏差。

五、展望

人工智能的黑箱問題雖構(gòu)成了其發(fā)展過程中的重大挑戰(zhàn)，卻并非不可逾越的障礙。通過對(duì)黑箱的多維度分類理解——從技術(shù)成因到倫理、社會(huì)以及領(lǐng)域特定的表現(xiàn)形式——我們能夠更系統(tǒng)地識(shí)別其根源，并據(jù)此指導(dǎo)更負(fù)責(zé)任的創(chuàng)新實(shí)踐。

黑箱，在潛藏不可知性的同時(shí)，也預(yù)示著那依然被遮蔽著的可能性。如果我們可以理解人工智能“逃逸”的機(jī)制，意味著人類理性的“規(guī)則”將獲得擴(kuò)容。圈養(yǎng)的馬兒雖然乖巧，卻不能帶人類馳騁沙場，面向未來的星際時(shí)代，人工智能的“逃逸之門”或許正是人類的“星際之門”。

【關(guān)于“城市觀察”】

“城市觀察”是廣州市社會(huì)科學(xué)院城市治理研究所副所長、IPP特約研究員孫占卿博士在“IPP評(píng)論”開設(shè)的專欄，著力分析當(dāng)今中國城市發(fā)展所面臨的模式與路徑、技術(shù)與產(chǎn)業(yè)發(fā)展等問題。

點(diǎn)擊圖片閱讀更多孫占卿博士的文章

IPP公共關(guān)系與傳播中心

排版｜周浩鍇

審閱｜劉　深

終審｜劉金程

誠摯約稿

“IPP評(píng)論”是國家高端智庫華南理工大學(xué)公共政策研究院（IPP）的官方微信平臺(tái)，以提倡優(yōu)秀政策研究為導(dǎo)向?，F(xiàn)IPP評(píng)論歡迎海內(nèi)外學(xué)者和專家同仁就國際關(guān)系、社會(huì)治理、技術(shù)與產(chǎn)業(yè)及相關(guān)公共政策話題的研究賜稿，協(xié)助舉辦專欄。稿件須以科學(xué)化和學(xué)科化為導(dǎo)向，符合學(xué)術(shù)議論文的一般規(guī)范，突出對(duì)于公共政策實(shí)踐的啟示和建議。IPP評(píng)論將邀請(qǐng)?jiān)簝?nèi)專家對(duì)稿件進(jìn)行匿名審稿，并在收文一個(gè)月內(nèi)擇優(yōu)刊登。

來稿請(qǐng)寄 wx@ipp.org.cn，電子郵件題目請(qǐng)標(biāo)明“IPP評(píng)論投稿”。目前僅接受電子郵件投稿，一般來稿以5千字左右為宜。

凡在IPP評(píng)論上發(fā)表的文字，不代表本機(jī)構(gòu)觀點(diǎn)，作者需對(duì)作品的學(xué)術(shù)正直性負(fù)全責(zé)。著作權(quán)歸華南理工大學(xué)公共政策研究院所有，作者享有署名權(quán)。未經(jīng)書面允許，不得轉(zhuǎn)載。引用或轉(zhuǎn)載本刊文章請(qǐng)注明出處。

華南理工大學(xué)公共政策研究院

“IPP評(píng)論”編輯部

孫占卿：翻越“奇點(diǎn)”，“加速時(shí)代”需要均衡治理｜城市觀察

【城市觀察】重估一切：RWA開啟資產(chǎn)統(tǒng)一與價(jià)值重構(gòu)時(shí)代
孫占卿：如何破局“無利潤繁榮”背后的“供應(yīng)鏈壓榨”？

關(guān)于IPP

華南理工大學(xué)公共政策研究院（IPP）是一個(gè)獨(dú)立、非營利性的知識(shí)創(chuàng)新與公共政策研究平臺(tái)。IPP圍繞中國的體制改革、社會(huì)政策、中國話語權(quán)與國際關(guān)系等開展一系列的研究工作，并在此基礎(chǔ)上形成知識(shí)創(chuàng)新和政策咨詢協(xié)調(diào)發(fā)展的良好格局。IPP的愿景是打造開放式的知識(shí)創(chuàng)新和政策研究平臺(tái)，成為領(lǐng)先世界的中國智庫。