南平石油：调整应急指挥部 强化应急管理

针对这一现象，毛泽东提出了代表名额分配中既要照顾多数，又要照顾少数的重要原则。

人权的需求产生于政治文化体内部并且指向其内部。弗里奇认为有必要将受影响者进一步区分为首要或者具体的受影响者（primary or concrete affected）以及道德上的受影响者（morally affected）。

因此，我们不能处于历史之外并把历史认定为偶然或者必然。其次，严格的康德主义使得人权道德化，有碍民主的自我治理。获得证成的权利是构建具体人权的起点，但不意味着所有人权都可以从获得证成的权利中衍生出来。福斯特所面临的困境可以总结为两方面[60]：一方面，如果以各种文化对证成的普遍需求作为理论起点，也许可以得到一定程度的普遍性，但是很难得出获得证成的道德权利，证成需求与获得证成的道德权利不能直接画上等号。上述特征都表明商谈建构理论是一种严格的康德主义。

问题在于美好生活以及相应基本利益本身就是可争论的。[29]对人权的需求产生于政治文化体内部人们日常的不公正体验，该不公正不能得到证成，人们因而呼唤变革。专业模型层已经前置必要的输出拦截过滤，并证明输出的结果与专业模型层的调优和专业训练数据之间并无直接关系即可适用模型层的避风港规则。

[11] 参见杨清清：《文心一言终亮相》，载《21世纪经济报道》2023年3月17日，第12版。第一，基础模型具有通用性，可支撑多个垂直产业泛化介入，降低数据生产要素流动壁垒。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。专业模型的分级分类应以模型能力作为分级分类的考量指标，模型能力直接与训练数据量级、算法性能相关。

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。训练既是生成式人工智能投入产业应用前的技术工程，又直接影响到后续专业模型的表现和服务应用的内容。

[20] 参见孙杰贤：《浪潮信息的 AI 观：算力与算法一个都不能少》，载《中国信息化》2022年第8期，第35页。第二，训练数据的质和量是生成式人工智能高质量发展的基础，《办法（征求意见稿）》专门对数据质量提出要求。[18]生成式人工智能的基础模型具有基础设施性质，可以支撑多产业泛化通用接入，客观上促进了数据等生产要素共享，既意味着生产力跃升也同时推动了生产关系的变化。在用户生成内容时代，平台是服务提供者，用户取代专业媒体成为海量的活跃于平台的内容生产者。

产业模式和技术参数指标决定了透明度的监管工具箱的适用困难。第三，被认定为具有公共性的平台应以开放中立为一般原则，以拒绝向特定用户开放为例外。在基础模型层以发展为导向，将其作为数字社会新型基础设施设置法律制度。在专业模型层，应以审慎包容为理念，引入专业模型的分级分类，关注重点领域与场景，设置精细的新型避风港规则。

进入数字经济时代，数字基础设施已经像水、电、公路一样，成为人们生产生活的必备要素，为产业格局、经济发展、社会生态发展提供保障。打个比方，消费者既往购买纸质书即享有书的完全所有权，但现在购买电子书，服务提供者可设置期限停止消费者的访问权限。

生成型人工智能的基础模型可以以高质量生成内容形式赋能，为网络生态提供内容资源。三是需要合理设置发展早期的法律责任水平。

又有别于原有的数字基础设施，不仅提供连接服务更提供计算服务，不仅外部赋能更提供生产要素，不仅具有公共性也具有一定的竞争性。当未来的某些基础模型层经过竞争达到一定规模，则会涉及因具备公共性而承担开放中立与其他相关义务的问题。 【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。在产业分层中，生成式人工智能首先通过海量数据使得生成式人工智能底层大模型见多识广，具有强大能力。分层规制的原因之三，在于鼓励企业根据不同的业态层次承担不同水位的风险防范义务与法律责任。正是考虑到生成式人工智能给社会治理等各方面带来的挑战，各国政府不约而同做出了相应的立法与监管动作。

三是原有的算法治理框架诸多具体制度均以解决企业和监管部门的信息不对称为目标，算法备案、算法透明、算法解释等均以企业向监管部门披露信息为目的。其次通过术业有专攻的专业优化训练，让其适配不同行业和场景。

生成式人工智能的服务应用与人类互动时的输出内容为文本、图像、音频、视频等，都被纳入了信息内容安全监管范畴中。基础模型的生成内容与训练数据存在相关关系，分析认为ChatGPT出现输出价值观偏差的核心原因，是数据集在多样性、代表性、公正性等方面存在缺陷，导致偏见、刻板印象、文化片面性等问题。

如何界定生成式人工智能的法律定位并在此基础上形成与生成式人工智能的技术特点与产业形态相适应的治理框架是法律回应技术发展的应有之义。如果基础模型层和专业模型层即按照内容生产者进行要求，则其将成为科技创新的负担。

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。一时之间，各大互联网公司纷纷在2023年3月内发布研发成果：著名人工智能绘画工具Midjourney升级至Midjourney V5。信息传播方式从信息的搜索和呈现，如推荐信息流、搜索引擎等方式，跨越到了独立解决问题的方式。生成式人工智能正在改变数字社会生产结构与社会关系。

在共享参数、多个主体在不同环节分别训练的情况下，信息披露变得愈加艰难。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。

这是因为内容生产者概念来自信息内容安全监管，其制度目的在于向社会公众通过服务提供者发布信息，需遵守底线负有相关义务以保证信息内容安全。[21]通过模型的访问权限，能够调节模型平台、用户、第三方开发者等多个主体之间的关系，形成复杂分层的治理和控制机制，塑造人工智能生态产业链。

新型数字基础设施既具有传统基础设施的特点，也有别于原有的数字基础设施。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。

[18] 参见郭凯明、潘珊、颜色：《新型基础设施投资与产业结构转型升级》，载《中国工业经济》2020年第3期，第64页。因此，在社会生产方式的演进语境下，生成式人工智能的模型层是人工智能时代的新型数字基础设施，本质是对生产力的大幅提升。1.生成式人工智能基础模型是新型数字基础设施传统基础设施具有基础性、赋能性和公共性等一般特征。[7]服务提供者不断整合信息基础服务（如身份认证、物流）、交易流程、信用评价、内容推荐，并把劳动力（如骑手）、实体资源（如网约车、饭店）等生产性资源链接到网络上，改变了工业经济生产方式，形成了依托服务提供者调动生产资源、匹配多方需求的网络，通过海量用户吸引更多的服务链接到平台上形成网络效应。

二是在不同的领域和场景叠加行业规范要求，在重点领域与场景进行专门的制度设计。生成式人工智能不仅局限于分析已经存在的东西，而是学习归纳已有数据后进行创造，基于历史进行模仿式、缝合式创作，生成了全新的内容，也能解决判别问题。

服务提供者始终是算法和人工智能监管的重点，对技术开发层的技术支持者则多为伦理要求，少有直接规制。专业模型层应以审慎包容为理念，关注关键领域与场景，训练数据来源与安全，个人信息保护，并在此领域可引入分级分类。

但后期随着产业的发展，法律责任水平逐渐提高。第一，建立公共训练数据池推动基础模型的数字基础设施建设。