来源说明：本文在不改变核心信息的前提下，对 OpenAI 最新发布的政策白皮书《Industrial Policy for the Intelligence Age: Ideas to Keep People First》（13 页，2026 年 4 月）进行通篇意译与重述，以更贴近中文互联网读者的表达方式呈现。原文链接：PDF
要点速览
- OpenAI 在正式文件中正面承认：AI 带来的经济收益可能高度集中于少数公司（包括其自身）。
- 文件提出多项可操作方案：公共财富基金、四天工作制试点、AI 接入权、自适应安全网、可携带福利等。
- 安全与治理建议同样突出：模型遏制手册、事件与“险情”报告机制、以及使命对齐的公司治理结构。
- 可视作 Sam Altman《Intelligence Age》愿景的政策化落地版，从宏观叙事走向制度设计。
开场：从沙与硅到通用智能
人类对“理解世界”的渴望一直驱动着进步：科学催生技术，技术又打开新的发现之门。正是这股持续的动能，让我们从熔沙制芯，到通电运行，再到构建出越来越强大的人工智能系统。
短短数年，AI 已从执行“快捷而窄域”的功能，跃升至能够完成过去需要人类耗时数小时的“通用任务”。如今，我们踏入“超级智能”门槛：即便最聪明的人在 AI 协助下，某些 AI 系统仍将实现超越。如何穿越这段未知？OpenAI 的答案是：以民主过程为指南，赋予公众真实的塑造力，在建设适应力的同时，为多种可能预作准备。这份白皮书的目的，正是开启一场“以人为先”的治理对话。
超级智能的潜力堪比电气化、内燃机与大规模生产对现代社会的重塑：它将加速科学与医学突破，显著提升生产力，降低家庭支出，并孕育全新的工作、创造与创业形态。
目前，人们更常用“系统能稳定完成的任务时长”衡量 AI 对工作的影响。最前沿系统已从分钟级支持迈向小时级，未来若趋势不变，AI 将能承担原本需要数月的项目。这将颠覆组织运作、知识生成与机会获取方式，同时也暴露出现有政策工具的不足。要想在迈向超级智能的过程中持续“以人为本”，需要更有进取心的政策设计。
OpenAI 既看到收益，也直视风险：岗位与行业重构、技术被不当使用、失对齐系统逃逸控制、公共机构以违背民主价值的方式部署 AI、财富与权力进一步集中等。要避免这些情形，制度建设、技术防护与治理框架必须跟上能力演进，确保系统安全、可控、对齐。能力扩张，安全亦需等量升级。
我们追求的未来
- 共享繁荣：AI 的意义不止技术进步，更是全体生活质量提升。让每个人都能参与、受益于 AI 创造的新机会——体现在更低生活成本、更好的健康与教育、更强安全感与更多机会。
- 风险可控：从经济扰动到网络与生物风险，再到控制与对齐的丧失，必须以制度与技术双轮防护，保障关键系统，减少大规模损害，确保公众对 AI 的日常信任。
- 普惠接入与自主：不必人人使用最强模型，普惠、可负担、保护隐私并拓展个体能动性的 AI 接入才是关键。避免垄断式的财富与控制，保障个体在工作、市场与民主进程中的实质影响力。
为什么需要新一代产业政策
历史上，社会曾多次经历技术巨变。尽管最终繁荣更广，但转型过程中无可避免地伴随扰动。要把增长转化为更广泛的机会与安全，政治层面的主动选择必不可少。进步时代与新政便是典型案例：通过劳动保护、安全标准、社会安全网与教育普及等，重塑了与电气化、内燃机与大生产相匹配的社会契约。
今天，迈向超级智能同样需要更有雄心的产业政策，展现民主社会在规模化集体行动上的能力，主动塑造经济未来，让 AI 成果惠及众人。
当下已存在必须立即行动的议题：公众担心岗位与家庭安全、数据中心对社区与能源价格的影响。AI 数据中心不应由居民“买单”，应创造本地就业与税收。政府应推行“常识性”监管——不是固化既有玩家，而是保护儿童、降低国家安全风险，鼓励创新。
更重要的是，我们正迈入一个将重塑工作、知识与生产的新阶段。应对之策不能仅是微调，而需从今日起讨论“面向明天”的大胆方案。市场机制在平时高效，但在制度尚未准备好承接全新机遇与风险之时，产业政策能够起到“翻译科学为产业、由点及面促增长”的关键作用。
新议程应用好政府既有工具箱：科研资助、劳动力发展、市场塑形与定向监管。然而，政府也不应单打独斗。非政府机构宜先行试点、验证有效性并快速迭代，政府再通过采购、监管与投资“放大”成功做法。公私协作要避免监管俘获与过度集中，一方面保留创新自由，另一方面杜绝超级智能的走向被少数强势力量垄断。
OpenAI 并不声称掌握所有答案。不同路径需要差异化工具，且不存在“一套通吃”。我们主张构建一个既开放又有韧性的 AI 经济：扩大参与、拓宽机会、健全防护与制度，方能在风险与收益间稳健前行。
本文提出的是一组“起步型、探索性”的政策构想，分为两部分：一是建设广泛准入、参与与共享繁荣的开放型经济；二是通过问责、对齐与前沿风险管理打造有韧性的社会。它们不是终版清单，而是邀请各界在民主程序中打磨、取舍与迭代的起点。尽管从美国出发，但讨论与解法必将走向全球。
第一部分：建设开放型经济
先进 AI 的承诺在于把“丰富的智能”转化为“非凡进步”：降低基本商品成本、拓展机会、让人们把更多时间投入到更有意义与更具人际关系价值的事情中；攻克医学、农业、清洁能源等难题；让科学投资在一代人之内开花结果，并惠及传统研究中心之外的社区。
但同样的能力也将以前所未有的速度与规模重塑产业格局与工作形态：有些岗位会消失，有些会演化，新职业将随之出现。若缺乏审慎政策，AI 可能扩大不平等：起点优渥者获益叠加，资源稀缺的社区被排除在新工具与新机会之外。收益集中在少数公司（乃至 OpenAI）的风险同样存在。许多使用者或许承认生产力提升，却未能分享到相称收益。
要维持一个“易进入、能参与”的开放经济，需要配套的雄心政策。以下为建议清单：
1. 让劳动者拥有话语权
- 建立正式机制，使员工与管理层协作，确保 AI 用于提升岗位质量、增强安全并尊重劳动权。
- 优先部署可去除危险、重复、事务性或极度消耗的任务型 AI，让员工聚焦更高价值工作。
- 对损害岗位质量的 AI 用途设置明确边界，例如加重工作量、压缩自主权、破坏公平排班与薪酬等。
2. AI 优先的创业者
- 帮助具备领域专长的劳动者借助 AI 处理创业“杂务”（财务、营销、采购等），将专长变成公司。
- 结合小额拨款或收入分成融资，与“开箱即用”的创业支持（模板合同、共享后台）匹配，助力小企业快速进入竞争。
- 由工会等组织提供培训、共享服务，帮助谈判公平条款并保护知识产权。
3. AI 接入权
- 将“获取 AI”视为现代经济的基础设施，类比识字、电力与互联网的普及。
- 扩大对基础模型的可负担、可靠接入，提供免费或低价的基线能力入口。
- 配套教育、基础设施、连通与培训，确保劳动者、小企业、学校、图书馆与欠服务社区不被排除在生产力红利之外。
4. 现代化税基
- AI 或将推高企业利润与资本收益、相对降低劳动税基，威胁核心福利项目的可持续性。
- 通过提高高额资本利得税、企业所得税、对持续的 AI 回报定向征税等，向资本端倾斜税源。
- 与工资挂钩的激励并行，鼓励企业留人、培训与投资，参考 R&D 税抵机制。
5. 公共财富基金
- 设立面向全体公民的公共财富基金，使未涉足资本市场的人同样分享 AI 增长红利。
- 资金可投向多元长期资产，覆盖 AI 公司与更广泛采用 AI 的企业。
- 基金回报直接分配给公民，让更多人不受初始财富或资本门槛限制，直接参与增长上行。
6. 加速电网扩容
- 以公私合营新模式为 AI 所需的能源基础设施融资与提速。
- 破解融资瓶颈、许可延误与选址风险，推动跨州与跨区域高压输电。
- 设计让纳税人风险可控、收益与公众共享的合作框架，并确保扩容转化为居民与企业的更低用电成本。
7. 把效率红利变成长期福利
- 当常规工作量与运营成本下降时，引导企业将效率收益用于加码员工福利（退休匹配、医疗负担、育幼与长护补贴等）。
- 鼓励开展“32 小时/四天工作制”限期试点，在不减薪、产出与服务不受损的前提下，将回收工时转化为短周工时、可结存带薪假或二者兼顾。
8. 自适应安全网
- 确保现有安全网（失业保险、食品券、社保、医疗补助与医保）高效、可及、可扩展。
- 建设实时监测体系，跟踪 AI 对就业、工资、工作质量与行业动态的影响，形成可用于决策的公共指标。
- 预设阈值，定义“临时增强版”安全网组件（更灵活的失业救助、快速现金援助、工资保险、培训券等），当扰动超阈时自动启用，并随情势缓和逐步退出。
9. 可携带福利
- 构建不与单一雇主绑定的福利体系，让医疗、退休、技能培训等通过“个人账户”跨工作与教育情境延续。
- 公共项目可将关键福利与就业身份脱钩，扩大退休与培训支持对所有人的覆盖。
- 通过可携带福利平台，汇聚多来源缴费进入个人标准账户，减少断点与缺口。
10. 面向“以人为本”的工作通道
- 扩大在“关护与连接经济”（育儿、养老、教育、医疗、社区服务）中的机会，吸纳受 AI 冲击的劳动者。
- 通过培训、薪酬与岗位质量的投入，支持从业转型；人际连结仍是这些职业的核心。
- 可配套“家庭福利”，承认照护的经济价值，与兼职、再培训或创业兼容。
11. 加速科学发现并规模化转化
- 建设分布式 AI 赋能实验室网络，把 AI 直接嵌入实验流程，自动化常规环节、采集高质量数据、加快“假说—验证”闭环。
- 同步打造从发现到落地所需的设施与体系，培养科学家、技术员与操作人员，推动成果超越实验室。
- 实验与产业化基础设施应广泛布局于高校、社科院校、医院与区域研究枢纽，而非集中在少数精英机构。
第二部分：建设有韧性的社会
随着 AI 能力提升与广泛嵌入，它将带来丰裕的同时引入新脆弱：被滥用于网络或生物危害、对社会情绪与青少年福祉造成压力、以非对齐方式行动或超出有效人类监督。高级 AI 也可能牵动组织与政府运行方式，考验支撑社会稳定、安全与自由的制度与规范。
韧性建设不能只停留在“部署前”。过去几年，行业与立法已在评估、透明、红队与使用政策等“上游”做了大量工作（如欧盟 AI 法案、美国州级法规）。而在更强系统更广泛落地后，关键也在“部署后”：实时监控、在不确定中运行、嵌入并非为 Agent 设计的机构。
历史经验表明，电气、汽车、航空、食品与药品等行业的安全性并非自发到来，而是以标准、监管与持续监测共同构建的。面向超级智能，这项工程要更快启动。以下提出一组更具进取性的韧性方案：
1. 新兴风险的安全系统
- 在高后果领域（网络、生物与其他大规模伤害路径）研发保护模型、识别风险与阻止滥用的工具。
- 扩大 AI 在威胁建模、红队、净评估与鲁棒性测试中的应用，及早识别新型风险并指导缓解策略。
- 发展互补防护系统，例如疫情下快速识别与生产医疗对策、扩大战略储备。
- 通过采购、标准、保险与预购承诺，形成持续需求与竞争性的安全市场，让“保障”随着创新与竞争迭代。
2. AI 信任栈
- 研发帮助公众验证 AI 系统、内容与行动的技术，推动溯源与验证标准，同时保护隐私。
- 支持内容生成与指令发出等行为的安全可验证签名，开发隐私保护的日志与审计以便在明确法定条件下开展调查与问责。
- 探索组织内问责框架：角色责任划分、授权与监控、以及在系统能力增强时的升级流程。
3. 审计制度
- 强化 CAISI（AI 标准与创新中心）等机构，联动国家安全部门制定前沿风险审计标准。
- 用政府采购、预购承诺、保险与标准制定培育审计与评估市场，使审计能力与技术并进。
- 标准应面向国际采用，减少碎片化与不必要合规负担，尤其避免压垮中小企业与跨辖经营者。
- 对少数高能力模型（尤其可能推进 CBRN 或网络风险者）实施更强控制，包括部署前后审计；同时保持一般用途 AI 的广泛可用与生态活力，避免监管俘获。
4. 模型遏制手册
- 制定并演练“已发布且危险”的模型遏制预案：当权重外泄、开发者无法或不愿限流、或系统具自主演化与复制能力时，重点在于限制扩散与协调减害。
- 借鉴网络安全与公共卫生经验，即便不能完全遏制，协同行动也能显著降低影响。
5. 使命对齐的公司治理
- 前沿 AI 公司应采用嵌入公共利益问责的治理结构（如公共利益公司/PBC），并作出“收益广泛分享”的明确承诺，包括持续且有规模的公益投入。
- 通过保护模型权重与训练设施、审计操纵或隐秘忠诚、监控高风险部署等手段，防范企业或内部人对前沿系统的“俘获”。
6. 政府用 AI 的护栏
- 为政府使用 AI 制定清晰边界与高标准（可靠性、对齐与安全），以法律固化并辅以技术保障。
- 利用 AI 强化民主问责：AI 辅助决策将生成更清晰的数字化记录，在适当保护下供监察机构与司法体系进行规模化审计。
- 现代化透明度框架（含信息自由法），明确 AI 交互与 Agent 行动日志何时构成须留存的联邦记录，让公众与监督组织能在保护敏感信息前提下提出定向审查。
7. 公众意见的结构化输入
- 让“对齐”不再只由工程师或高管在密室决定。通过透明的规格说明、评估框架与代表性参与流程，让对齐更民主、可读、可问责。
- 开发者应发布模型行为规格并公开评估信息；政府以民主法律与价值为锚点，建立机制将公众意见纳入与商业利益相关者同等重要的考量。
8. 事件与“险情”报告
- 建立企业向指定公共机构通报事故、滥用与“有惊无险”事件的机制，强调“学习与预防”优先于惩罚。
- 在保护敏感技术、国安与商业机密的前提下，进行适度公开，确保透明与民主监督。
- “险情”可包括异常推理、意外能力或其他预警信号，即便最终未造成伤害，也应促成行业层面的早学早改。
9. 能力、风险与缓解的国际信息共享
- 强化国家级评估机构，首先扩展 CAISI 作为可信技术评估者的角色，评估前沿系统与防护，并提升政府对能力版图的理解。
- 基于此建立全球 AI 研究院网络，通过共享协议、联合评估与协同缓解进行合作。
- 逐步演化为多边安全与标准机构般的国际框架：为可信公共权威提供对前沿开发的可见性，建立跨实验室与跨国的安全沟通渠道，在危机中亦能快速协同。
- 以明确的“安全港”与范围狭窄的信息共享规则，确保企业可在不触犯反垄断的前提下交流安全与风险信息，关注点拓展至青年安全与福祉等更广泛社会议题。
开启更广泛的对话
以上并非定论，而是邀请全社会共同打磨的出发点。对话应当包容且持续：政府、企业、研究者、公民社会、社区与家庭都应参与，通过赋权的民主程序，共同塑造期望的 AI 未来。对话也需走向全球，吸纳不同文化与制度的视角。
为延续推进，OpenAI 将：
- 通过 newindustrialpolicy@openai.com 征集并整理反馈；
- 设立试点项目，提供最高 10 万美元的研究资助与最高 100 万美元的 API 额度，支持基于本文及相关政策思路的研究；
- 在 5 月于华盛顿特区启幕的 OpenAI Workshop 上组织专题讨论。